Un changement de paradigme est en cours dans le paysage de l'IA d'entreprise, tandis que les entreprises et organisations adoptent des frameworks agentiques - des systèmes sophistiqués qui fonctionnent avec des niveaux d'autonomie et d'intelligence sans précédent
L'automatisation classique en entreprises s'est principalement appuyée sur des systèmes déterministes avec des parcours préétablis et rigides. Cependant, l'émergence de grands modèles de langage (LLM) et de grands modèles d'action (LAM) a fondamentalement modifié ce paysage. Alors que la capacité à générer du contenu avait alimenté la montée en puissance des assistants IA, l'émergence des systèmes agentiques positionne l'IA comme un véritable collaborateur, interagissant avec les humains dans un langage naturel. Ces systèmes vont au-delà de la génération de contenu et exécutent des tâches complexes en comprenant le contexte. Ils sont donc adaptés aux tâches à forte complexité décisionnelle et à la variabilité, car ils peuvent s'adapter et répondre à des situations changeantes et réduire les points de contact avec l'homme.
A l'intérieur d'un système agentique
Un agent d'intelligence artificielle est une entité autonome capable de percevoir son environnement, de prendre des décisions, d'entreprendre des actions et de collaborer avec d'autres agents pour atteindre des objectifs spécifiques. Les composants et points forts d'un agent d'IA sont les suivants :
LLMs/LAMs : cerveau de l'agent qui interprète les instructions en langage naturel et réalise des prompts provenant d'autres agents.
La mémoire : Stocke les instructions, les feedbacks, les états et les stimuli externes.
Le raisonnement : Des cadres comme la chaîne/le graphe de pensées augmentent la capacité de raisonnement.
Les outils : Permettre des actions dans le monde réel via des API, des navigateurs web, l'OCR, des générateurs d'images, etc.
La réflexion : Facilite l'analyse des performances et sa propre amélioration.
Dans les systèmes multi agents, divers agents collaborent dans des rôles tels que les planificateurs (orchestrant les tâches), les raisonneurs (décomposant les plans en tâches séquentielles) et les évaluateurs (s'assurant que les résultats répondent aux critères de réussite).
Infosys, leader mondial des services numériques de nouvelle génération et du conseil, a développé des systèmes d'IA agentique pour des clients de divers secteurs. Voici quelques-uns de ses cas d'utilisation :
Audit : une société d'audit internationale utilise des agents pour collecter, authentifier et communiquer des données adaptées à des audits spécifiques.
Fabrication : les agents chargés de l'approvisionnement et de l'inventaire gèrent la communication avec les fournisseurs, les bons de commande, le traitement des factures et la gestion des stocks.
Newsletter
Ma Tribune
L’actualité qui compte pour vous, chaque jour dans votre boîte mail.
CPG : les agents d'étude de marché préparent des informations en exploitant les avis clients, des données sur les concurrents, des rapports sur le secteur, etc. à partir de diverses sources, de manière intelligente, en fonction des besoins des utilisateurs.
Support technique : les agents résolvent les problèmes des clients en analysant les contextes individuels, en créant des plans de résolution et en les exécutant.
Services financiers : les processus de diligence raisonnable s'appuient sur des agents pour rassembler, vérifier et rapprocher les données de manière intelligente, afin de résoudre les divergences et de rationaliser les flux de travail.
Développement de logiciels : Infosys utilise Agentic AI pour le SDLC de bout en bout, créant des applications depuis les récits d'utilisateurs jusqu'aux tests, à l'aide de simples messages-guides.
Eléments à prendre en compte
La mise en place de systèmes agentiques efficaces nécessite une planification minutieuse à plusieurs niveaux:
Garde-fous : Des garde-fous responsables en matière d'IA pour la bonne compréhension, la sécurité et les biais
Orchestration et interopérabilité : L'orchestration entre agents de différents cadres est difficile, nécessitant un mécanisme pour transmettre des informations entre agents, afin qu'ils restent sur la bonne voie et ne s'écartent pas de la tâche initiale
Approche par plate-forme : Une plateforme unique peut aider à créer, gérer, tester et déployer des agents avec une couche d'expérience utilisateur connectée.
Réutilisation et architecture en blocs de Lego : Un référentiel d'outils et d'agents construit dans un cadre de blocs de Lego améliore leur réutilisation.
Modèles du monde de l'entreprise : Construction d'une ontologie des connaissances de l'entreprise et de graphes de connaissances pour que l'agent soit conscient du contexte.
Pour surmonter ces défis de mise en œuvre, Infosys a créé un kit de solutions agentiques au sein d'Infosys Topaz (la suite de services, de solutions et de plateformes d'IA de l'entreprise utilisant l'IA generative), qui permet d'accélérer le temps de mise sur le marché et le temps de valorisation des déploiements agentiques.
L'IA agentique offre de nombreux avantages, notamment l'amélioration de l'efficacité opérationnelle, l'amélioration de l'expérience des clients et des employés et de nouvelles sources de revenus. Une adoption réussie et un bon retour sur investissement dépendent de l'identification des cas d'utilisation, d'un déploiement bien conçu, d'une solide gouvernance responsable de l'IA et d'une collaboration avec des fournisseurs de technologie expérimentés.
