Agents IA : 5 idées reçues à dépasser

L’essor de nouvelles technologies s’accompagne immanquablement de confusion et de doutes. Les agents IA ne font pas exception. Quelle est leur valeur ajoutée ? Quelles sont leurs capacités et leurs limites ? Ne sont-ils que de simples bots ? Si ces questions sont légitimes, certaines idées reçues peuvent vous empêcher de saisir le potentiel révolutionnaire de l’IA agentique. Voici de quoi dissiper les malentendus.

« Les agents IA ne sont guère plus que des chatbots »

Du fait de leur complexité, de leurs fonctionnalités et de leur capacité d’action, les agents IA diffèrent radicalement des chatbots.

Le fonctionnement des bots repose uniquement sur des règles prédéfinies et l’usage de réponses scriptées. Largement utilisés pour le service client, ils traitent des FAQ telles que « Où en est ma commande ? » ou « Quelle est votre politique de retour ? ». Ils sont incapables de saisir la complexité d’un contexte ou de faire preuve de créativité pour résoudre un problème. Autre désavantage : contrairement aux outils d’IA plus avancés, ils ne s’auto-forment pas. Cela implique que chaque modification, par exemple en matière de politique de l’entreprise, doit être intégrée manuellement. Enfin, les bots ne gagnent pas en intelligence avec le temps. Ils sont programmés pour extraire des données et répondre à des questions courantes, prévisibles. Ils excellent en la matière, mais n’offrent rien de plus.

Les agents IA quant à eux ne se limitent pas à un simple exercice de questions-réponses. À l’inverse des chatbots, ils peuvent traiter de grandes quantités de données, prendre des décisions et apprendre de leur environnement. Ils sont ainsi capables de gérer des flux de tâches complexes de manière autonome ou semi-autonome (« human in the loop », lorsque la validation d’une personne est requise), d’optimiser des processus et de formuler des recommandations stratégiques. Ces agents IA intègrent souvent des techniques d’IA plus poussées, telles que l’apprentissage par renforcement et les algorithmes de prise de décision, qui les aident à agir proactivement et à s’adapter à l’évolution de la situation.

C’est toute la différence entre un bot qui se contente d’analyser vos données de vente, par exemple, et un agent qui exploite ces mêmes informations pour adapter les niveaux de stock, mettre à jour les stratégies marketing et communiquer avec les fournisseurs.

« Les agents IA sont imprévisibles et incontrôlables »

Vous vous rappelez certains films comme « 2001, l’Odyssée de l’espace » et « Terminator », dans lesquels les systèmes d’IA échappent à tout contrôle et provoquent des désastres ? En réalité, aujourd’hui, les agents les plus sophistiqués sont fondamentalement fiables et dignes de confiance. Leur fonctionnement repose sur un moteur de raisonnement, qui génère un plan d’action en phase avec ce que l’utilisateur essaie de faire. Ce plan est évalué et affiné en fonction de données extraites du CRM ou d’autres systèmes. À partir de la requête, l’agent IA décide quel processus métier utiliser et le répète jusqu’à ce que ça marche, en gagnant chaque fois en intelligence.

Si une tâche demandée semble sortir du cadre fixé par l’organisation (dont les droits des utilisateurs), le moteur de raisonnement sollicite automatiquement la supervision d’un humain.

« Faire en sorte qu’un agent s’exécute avec précision et comprenne ce qu’il n’est pas autorisé à faire est une tâche complexe », explique Krishna Gandikota, responsable de l’ingénierie de solutions chez Salesforce. « Mais avec l’aide d’un moteur de raisonnement, l’IA va planifier et évaluer son approche avant d’entrer en action, en plus de déterminer si elle détient les bonnes compétences et les bonnes informations pour agir. »

Selon Krishna Gandikota, ce processus de prise de décision est renforcé par la capacité de l’agent à apprendre en permanence de ses interactions et de ses expériences, ce qui lui permet d’affiner et d’améliorer ses performances au fil du temps.

Le meilleur agent IA est celui qui a conscience du contexte et s’appuie sur les données les plus pertinentes. Il y a plusieurs moyens d’y parvenir. L’un d’eux est une technique, la génération augmentée de récupération (RAG), qui trouve les meilleures informations à exploiter pour créer de nouvelles réponses. Autre solution, la recherche contextuelle, ou recherche sémantique, remonte les données les plus récentes et les plus pertinentes pour réaliser une certaine tâche.

À travers Data Cloud, Agentforce intègre ces différentes techniques. Et pour des résultats encore plus précis, la technologie zero copy permet aux agents IA d’accéder en temps réel aux données issues de multiples sources, sans avoir à les déplacer, les copier ou les modifier.

« Les agents IA sont complexes, chronophages et coûteux »

Certains pensent que de telles technologies requièrent des mois de développement et d’intégration complexes, coûtent des millions de dollars… Or, quelques minutes suffisent pour déployer des agents propulsés par l’IA générative et les grands modèles de langage (LLM), avec des thèmes et des tâches prédéfinis.

Quelques agents prêts à l’emploi sont déjà disponibles pour le service client, le commerce, la gestion des ventes, etc. Mais il existe aussi des options « low-code » pour créer rapidement des agents personnalisables. Grâce au traitement du langage naturel (natural language processing – NLP), vous pouvez facilement construire votre propre agent ; il vous suffit de le décrire.

Certains outils comme Agent Builder auto-suggèrent même des garde-fous pour aider un agent à faire son travail en toute sécurité. En s’appuyant sur la description NLP de la tâche que vous souhaitez que l’agent réalise, Agent Builder trouve des ressources sémantiquement proches dans les métadonnées de votre application. Cela renseigne l’agent sur le fonctionnement de votre entreprise, en plus de lui indiquer des informations et des actions pour mieux accomplir sa mission.

« Toute la sophistication possible est déjà sur la plateforme », explique Krishna Gandikota. « La couche de confiance Einstein, le moteur de raisonnement, la base de données vectorielle (pour la RAG et la recherche sémantique) sont tous activés automatiquement. Vous pouvez former votre propre armée d’agents à partir d’une plateforme qui intègre tout de la manière la plus fiable et ouverte possible. »

« Les agents IA sont toujours entièrement autonomes »

Le degré d’autonomie des agents IA varie en fonction de leur objectif et de la complexité de leurs tâches. Ils se montrent toutefois plus efficaces lorsqu’ils collaborent avec des humains.

En semi-autonomie, les agents aident les collaborateurs à prendre des décisions et à exécuter les tâches, tout en requérant leur approbation. Dans le secteur des services financiers par exemple, un tel agent analyserait le portefeuille d’un client et suggèrerait des optimisations au gestionnaire, sans prendre de mesures lui-même.

Grâce à l’autonomie supervisée, les agents IA réalisent eux-mêmes des tâches, tout en étant constamment contrôlés par des humains. Cette approche est clé dans les secteurs réglementés où la sécurité est primordiale, tels que la santé, les assurances, les transports ou la pharmacie.

Les agents totalement autonomes accomplissent quant à eux des tâches sans aucune intervention humaine. Ils récupèrent des données, les analysent, prennent des décisions, s’adaptent et agissent seuls. Eux aussi fonctionnent néanmoins dans un cadre et des limites prédéfinis par les humains.

« Il n’est pas toujours nécessaire que les agents IA soient entièrement automatisés pour entrer en action ; mais ils doivent comprendre ce qui leur est demandé, déterminer s’ils peuvent agir par eux-mêmes et solliciter si besoin l’intervention d’une personne », ajoute Krishna Gandikota.

« Les agents IA n’ont aucune valeur ajoutée pour l’entreprise »

De nombreuses entreprises utilisant l’IA des transformeurs génératifs pré-entraînés (GPT) pour des tâches génériques n’obtiennent pas les bénéfices escomptés en matière de productivité ou de valeur métier. L’IA agentique fonctionne toutefois très différemment. Qu’il s’agisse d’alimenter des leads, de concevoir des campagnes ou de faire de la déviation d’appels, les agents sur-mesure se concentrent sur une tâche donnée et l’exécutent à la perfection.

Le plus intéressant, c’est qu’ils agissent en votre nom. Conçus pour résoudre un problème spécifique, ces agents-là sont infiniment plus prometteurs qu’une IA générique qui n’est pas adaptée aux besoins de votre organisation. C’est pourquoi 82 % des grandes entreprises prévoient de déployer des agents d’ici 2027.

Certaines ont déjà pris les devants. Wiley, une maison d’édition spécialisée dans l’éducation, a traité plus de 40 % de demandes d’assistance supplémentaires depuis la mise en place d’un agent IA, en remplacement de son ancien chatbot. En prenant en charge des tâches courantes, les agents permettent aux équipes de se consacrer au traitement de sujets plus complexes. D’autres acteurs pionniers, comme OpenTable et ADP, constatent un taux de résolution des cas encore plus élevé.

Selon le cabinet d’études MarketsandMarkets, « ce qui détermine l’adoption d’un agent IA, c’est principalement la demande croissante d’automatisation, pour améliorer l’efficacité, le volume de business et la prise de décision. Les agents offrent une réelle alternative en automatisant les fonctions répétitives, en analysant les grands ensembles de données et en fournissant des conseils exploitables en temps réel ».

Le cabinet estime que le marché des agents va grimper en flèche entre 2024 et 2030, passant de 5,1 à 47 milliards de dollars. Pour les chefs d’entreprise, il est vital de discerner les faits de la fiction. Mécomprendre les agents IA autonomes peut faire manquer des opportunités ou, pire, commettre de coûteuses erreurs. Grâce à une bonne compréhension du potentiel et des limites des agents, vous serez en position idéale pour travailler plus efficacement et prendre de meilleures décisions, plus intelligentes, mieux informées.