Les agents et l'IA travaillent ensemble pour le bien
Agentic AI est un mélange synergique de code et de grands modèles de langage (LLM).
L'IA agentique fait fureur
Les agents d’IA ont commencé à fournir une valeur commerciale mesurable en 2024. Des exemples de cette valeur peuvent être facilement trouvés dans les secteurs verticaux tels que la vente au détail, la santé et la fabrication, ainsi que dans les fonctions commerciales horizontales telles que les ventes, le service client et l’assistance. Le détaillant de cosmétiques Sephora est un exemple de ce type d'utilisation de l'IA avec des agents pour élever la barre des soins de la peau en combinant les commentaires des clients en temps réel avec les résultats du monde réel et les commentaires des clients antérieurs pour faire des recommandations de produits plus précises. Le détaillant a automatisé et personnalisé l’ensemble de l’expérience lors de chaque interaction avec le client. Le résultat : 11% de ventes en plus avec 30% de retours produits en moins.
La valeur des agents IA réside dans l’utilisation de logiciels et de LLM pour automatiser plusieurs tâches avec moins, voire aucune interaction humaine. Mais que sont exactement ces agents et comment utilisent-ils l’IA ?
Qu'est-ce qu'un agent IA ?
Les agents sont des logiciels exécutant des tâches spécifiques. Certains agents se spécialisent dans une tâche, comme effectuer une recherche sur le Web sur un sujet donné ou interroger un LLM enrichi d'informations spécifiques à un domaine non disponibles ailleurs. D'autres se spécialisent dans la transformation d'une demande utilisateur en un ensemble de tâches et dans l'orchestration d'agents de travail pour les accomplir. Qu'ils soient orchestrateurs ou exécutants, les agents sont très directifs et déterministes. Pas d'IA ici. Chaque agent est prédéfini avec toutes les informations dont il a besoin pour s'exécuter et quand s'exécuter. Le logiciel est magique, mais ce n’est pas de la magie de l’IA.
Un exemple d'agents au travail est l'enchaînement de plusieurs étapes pour accomplir une tâche plus vaste, comme l'envoi d'un e-mail de prospection personnalisé et opportun à un client régulier. Le processus peut être décomposé en plusieurs actions plus petites et discrètes, chacune étant facilement exécutée par un seul agent spécialisé précodé à cet effet, comme l'interrogation d'une base de données de prospects marketing pour toutes les interactions avec les clients au cours des sept derniers jours, l'extraction des trois premières adresses e-mail du système de gestion de la relation client (CRM) triées par nombre d'interactions au cours des 90 derniers jours et l'envoi d'un e-mail de formulaire à chacune d'elles en fonction de la dernière campagne de vente. Ces actions ne nécessitent pas nécessairement d’IA.
Qu'est-ce que l'IA dans l'IA agentique ?
GenAI, fourni par les LLM, peut trouver des modèles dans des sources de données avec un contexte plus large et des réponses plus riches que la recherche classique. Il peut également résumer, analyser ou générer du texte pour créer ou refactoriser des informations de manière plus concise et utile. Tirer parti des LLM, c’est comme ajouter de la magie à un processus, car leurs résultats ne sont pas déterministes. Ces modèles trouvent les modèles recherchés avec une vitesse inégalée par toute autre méthode informatique jamais inventée. Le résultat nous apparaît, en tant qu’humains, comme une forme de raisonnement. Au cours des deux dernières années, la qualité des résultats du LLM s’est améliorée, passant de « plutôt correcte » à « remarquable ». Alors, comment savoir quand utiliser GenAI dans une solution agentique ?
Pour continuer avec l’exemple de l’e-mail de prospection, un modèle d’e-mail peut être utilisé avec une personnalisation minimale, mais un e-mail généré par l’IA – avec accès non seulement à un excellent LLM conçu pour la génération de texte, mais également à des informations privées spécifiques au client liées à ses achats et besoins antérieurs – est nettement meilleur. La solution Conversica mise en œuvre chez Epson raconte l'histoire : deux des fonctionnalités les plus efficaces de cette solution d'IA agentique illustrant des actions autonomes et répétées sont : 1) la possibilité d'engager des conversations par courrier électronique bidirectionnelles au fil du temps et, 2) l'envoi de courriers électroniques en fonction de l'heure de la journée préférée par le destinataire.
Agentic AI – L’effet combo
Agentic AI combine un code de directive extrêmement spécifique qui exécute des tâches avec l'inférence de l'IA pour générer ou prédire des réponses riches et contextuelles. L'IA agentique n'est pas magique, mais elle est plus puissante que les agents ou GenAI fonctionnant seuls. Ces deux éléments de base peuvent être assemblés en différentes quantités et combinaisons, automatisant ainsi un flux de travail pour produire des résultats extrêmement précieux. Voici un diagramme simple illustrant un flux de travail d’IA agentique automatisé. Il utilise plusieurs types d’agents spécialisés et de modèles d’IA pour réaliser un ensemble d’actions. La solution s'exécute jusqu'à ce qu'un résultat acceptable soit obtenu, puis elle est renvoyée à l'utilisateur.
Exemple d'un flux de travail d'IA agentique automatisé.
L'année 2025 s'annonce tout aussi passionnante que 2024 avec la poursuite du raisonnement LLM et du développement de la plateforme agentique. Il n’y a pas si longtemps, l’attitude dominante envers les LLM était qu’on ne pouvait pas leur faire confiance. Cette année, nous pourrions observer une baisse notable des commentaires tels que « L’IA agentique ne peut pas raisonner pour trouver une meilleure réponse qu’un humain. » À mesure que les agents et l’IA mûrissent et s’améliorent cette année, il y a trois choses à surveiller :
- Émergence de nouvelles plateformes de développement d'IA agentique, notamment des modules de bus de services d'entreprise, d'orchestration et d'observabilité/traçage.
- Émergence de normes comme MCP pour standardiser les interfaces nécessaires à la communication entre l'agent et l'IA, et pour accéder en toute sécurité aux sources de données publiques et privées.
- Progrès dans le raisonnement LLM.
Le chemin d’innovation de l’IA agentique pourrait s’orienter dans l’une de ces trois directions tout au long de 2025. Les utiliser pour comparer les annonces de la plateforme d’IA agentique les unes par rapport aux autres clarifiera si les nouvelles capacités font mûrir la plateforme, facilitent l’effort d’intégration ou offrent la magie de la cognition activée par l’IA.