Technologies

Comment savoir si un processus m�tier est m�r pour l'IA agentique ?

---

L'�re des agents ouvre la voie � de nouveaux niveaux d'automatisation, l'IA devenant autonome dans l'accomplissement de t�ches ou la prise de d�cisions. Mais quels sont les meilleurs candidats au d�ploiement de cette technologie ?

Publicit�2025 sera probablement l'ann�e de l'IA agentique et de nombreuses entreprises cherchent � trouver des cas d'utilisation � valeur ajout�e. D'o� la question qu'elles se posent d'embl�e : quels sont les processus op�rationnels qui se pr�tent r�ellement � l'IA agentique ?

Le cabinet de conseil Deloitte pr�voit qu'en 2025, 25% des entreprises qui utilisent l'IA g�n�rative lanceront des projets pilotes ou des prototypes d'IA agentique, et que ce chiffre passera � 50% en 2027. Selon le cabinet de conseil, certaines applications d'IA agentique, dans certains secteurs et pour certains cas d'usage, pourraient �tre r�ellement adopt�es dans les processus existants d�s cette ann�e. Mais tous les processus d'entreprise ne sont pas de bons candidats en la mati�re. Certains observateurs du march� estiment ainsi que l'automatisation d�terministe va continuer � dominer les efforts des entreprises en la mati�re au cours de cette ann�e.

Alignement m�tier, valeur et risque

Comment une entreprise peut-elle savoir si un processus m�tier est m�r pour l'IA agentique ? L'un des facteurs � prendre en compte, comme pour tout investissement informatique, consiste � s'interroger sur la valeur ajout�e r�elle que l'adoption de l'IA agentique apportera � un processus. � Une strat�gie d'IA agentique r�ussie commence par une d�finition claire de ce que les agents d'IA sont cens�s accomplir �, souligne Prashant Kelker, directeur de la strat�gie et associ� au sein du cabinet d'�tudes et de conseil ISG. � Il est essentiel d'aligner les attentes vis-�-vis de l'IA sur les objectifs plus larges de l'entreprise. L'IA agentique a besoin d'une mission. Oublier de d�finir clairement l'objectif, c'est comme envoyer un navire en mer sans destination. �

Au d�part, la d�cision de savoir si un processus m�tier est un bon candidat pour passer � l'IA agentique suit les m�mes processus internes applicables � l'�valuation de tout nouveau projet technologique, explique Reiko Feaver, associ�e au sein du cabinet d'avocats Culhane Meadows, et dont les activit�s sont tourn�es vers l'IA.

Si une analyse co�ts/b�n�fices montre que l'IA agentique apportera ce qui manque aux processus actuels et permettra un retour sur investissement (ROI), alors l'entreprise devrait aller de l'avant en y consacrant les ressources n�cessaires, notamment en mati�re de budget, de personnel et de temps. Si ce n'est que cette �quation est rendue plus complexe par la tarification des offres d'IA agentique des fournisseurs, qui n'est pas encore tout � fait claire.

S'interroger sur les ressources et le cadre de gouvernance

Le niveau d'autonomie envisag�, l'augmentation des ressources pour porter les projets et la complexit� de l'IA agentique pour un ou plusieurs processus donn�s cr�ent �galement des d�fis qui doivent �tre pris en compte, explique Reiko Feaver. La capacit� d'une entreprise � relever ces d�fis peut �galement d�terminer quels processus sont pr�ts pour l'IA agentique.

Publicit�� L'entreprise dispose-t-elle des ressources au lancement du projet et sur la dur�e pour d�ployer et am�liorer en permanence la technologie de l'IA agentique, y compris concernant l'infrastructure IT et les donn�es n�cessaires ?, interroge l'avocate. A-t-elle mis en place une structure d'analyse et de contr�le de la conformit� pour �valuer initialement les risques de l'IA agentique, surveiller et corriger les probl�mes qui se posent, mesurer le succ�s et rester � jour sur les lois et r�glementations applicables ? �

En outre, l'entreprise peut-elle se permettre une d�faillance de l'IA agentique dans un processus, en mati�re de performance et de conformit� ? � Quel serait l'impact sur l'entreprise si l'IA agentique tombait en panne et devait �tre remplac�e par une autre solution pour g�rer le processus m�tier concern� ?, reprend Reiko Feaver. Ce processus peut-il �tre facilement transf�r� � une autre solution ? �

Donn�es de qualit� et cadre d'actions document�

Un bon cas d'usage de l'IA agentique d�pend �galement de la qualit� des donn�es utilis�es pour supporter un processus. � Pour tirer une valeur tangible et un retour sur investissement de l'IA agentique, les entreprises doivent s'assurer qu'elles disposent de donn�es de haute qualit� �, explique Saket Srivastava, DSI chez le fournisseur de plateformes de gestion professionnelle Asana. � Si les donn�es [sur lesquelles les agents] agissent sont obsol�tes, ne sont pas significatives ou ne correspondent pas aux objectifs de l'entreprise, les organisations n'obtiendront pas de r�sultats tangibles de la part des agents. �

Les agents d'IA ont �galement besoin d'informations sur les personnes responsables de t�ches sp�cifiques, sur les objectifs, sur le moment o� les actions doivent avoir lieu et sur le d�roulement du processus. � Sans ce cadre d'action, m�me les syst�mes d'IA les plus avanc�s auront du mal � fournir une valeur significative �, reprend le DSI d'Asana.

L'IA agentique joue d�j� un r�le central dans les efforts d'Asana pour transformer la gestion des t�ches en interne et pour ses clients. L'ann�e derni�re, la soci�t� a mis sur le march� des agents d'IA qui donnent des conseils sur les priorit�s, pilotent les workflows et prennent des actions, tout en s'adaptant aux m�thodes de travail sp�cifiques des individus et des �quipes, explique Saket Srivastava.

Asana a �galement lanc� r�cemment Asana AI Studio, qui utilise l'IA agentique pour permettre aux �quipes de cr�er des workflows en no code, aliment�s par l'IA. � Ces workflows [permettent] aux agents d'IA de g�rer les t�ches manuelles r�p�titives telles que le tri des demandes de projet, la r�daction de briefs ou l'attribution de t�ches, ce qui r�duit consid�rablement le temps que les �quipes consacrent � ces t�ches, explique Saket Srivastava. Nous avons permis � tous nos employ�s d'utiliser AI Studio pour des t�ches sp�cifiques telles que la recherche et la r�daction de plans, en veillant � ce que les traductions exactes de contenus ou d'actifs soient conformes � nos directives de la marque �, reprend le DSI.


Saket Srivastava, DSI chez le fournisseur de plateformes de gestion professionnelle Asana. (Photo : D.R.)

Par exemple, l'�quipe de cybers�curit� d'Asana a utilis� AI Studio pour r�duire la charge nerveuse li�e aux alertes et lib�rer le temps de travail que l'�quipe consacrait auparavant au tri de ces alertes et des vuln�rabilit�s. De son c�t�, le service informatique utilise Asana AI Studio pour sa gestion des fournisseurs, pour prendre en charge les demandes au help-desk ou encore pour s'assurer qu'il r�pond aux exigences de conformit� et de d�ploiement des logiciels.

Service client : la cible id�ale de l'IA agentique ?

Le service client est un domaine qui appara�t id�al pour le d�ploiement de l'IA agentique. Les entreprises utilisent depuis un certain temps des serveurs vocaux interactifs (SVI) et des chatbots pour automatiser certaines interactions avec les clients, note Sheldon Montiero, chef de produit et responsable GenAI au sein de la soci�t� de conseil en technologie Publicis Sapient. Mais ces solutions sont bas�es sur des r�gles et fonctionnent dans le cadre de workflows fixes et pr�d�finis, explique-t-il. � Les SVI reposent sur des arbres de d�cision rigides, ce qui signifie qu'ils ont du mal � r�pondre aux demandes complexes ou inattendues, frustrant souvent les clients qui restent bloqu�s dans des boucles infinies ou sont oblig�s de se r�p�ter �, souligne Sheldon Montiero.

Les anciens chatbots fonctionnent sur la base de mots-cl�s et de r�ponses pr�programm�es, reprend encore l'expert. Suffisant pour les demandes simples et structur�es, telles que la v�rification du solde d'un compte. Mais ces syst�mes �chouent lorsque les clients formulent leurs interrogations de mani�re inattendue, introduisent plusieurs sujets ou que les r�ponses n�cessitent une compr�hension fine du contexte.

� Ces deux approches manquent de capacit�s d'adaptation et de r�solution dynamique des probl�mes, ce qui conduit � des escalades fr�quentes vers les agents humains et � des exp�riences client m�diocres �, r�sume Sheldon Montiero. Selon lui, l'IA agentique introduit un nouveau paradigme, passant d'une automatisation bas�e sur des r�gles � des agents de service client conscients du contexte, s'am�liorant eux-m�mes et autonomes dans certaines de leurs actions.

Passer de l'automatisation de t�ches � la r�solution de probl�mes

� Le service client est un cas d'utilisation puissant, car il n�cessite la r�solution de probl�mes clients qui peuvent �tre complexes et se d�composer en plusieurs �tapes avec des d�pendances entre elles, impliquant la compr�hension du contexte et des nuances. Ce qui passe par des capacit�s de raisonnement pour s'adapter les probl�mes des clients, ainsi que des capacit�s d'ajustement � des conditions changeantes �, souligne Sheldon Montiero.

Les interactions avec le service client impliquent des donn�es non structur�es telles que du texte, des images et de la voix, et fonctionnent dans des environnements dynamiques, ce qui n�cessite un apprentissage constant et une adaptation en temps r�el, reprend le responsable. � L'avantage concurrentiel peut �tre maximis� par une r�solution imm�diate et autonome [des probl�mes des clients], et par l'utilisation du retour d'information pour am�liorer le syst�me au fil du temps, explique-t-il. Les anciens chatbots et SVI avaient pour but d'automatiser des t�ches. L'IA agentique vise � r�soudre les probl�mes et � fournir des exp�riences client en temps r�el, adaptatives et personnalis�es. �

Article r�dig� par

Bob Violino, CIO US (adapt� par Reynald Fl�chaux)

Partager cet article