Les agents et l’IA œuvrent ensemble pour le bien

James HendergartDirecteur principal de la recherche technique | F5

L’IA agentique est une combinaison synergique de code et de grands modèles de langage (LLM).

L’IA agentique fait fureur

Les agents d’IA ont commencé à générer une valeur commerciale mesurable en 2024. On en trouve facilement des exemples dans des secteurs verticaux tels que le commerce de détail, la santé et l’industrie manufacturière, ainsi que dans des fonctions transversales comme la vente, le service client et l’assistance. L’enseigne de cosmétiques Sephora illustre notamment l’utilisation d’agents d’IA pour améliorer les soins de la peau en combinant les informations fournies en temps réel par les clients, les résultats obtenus dans des conditions réelles et les avis antérieurs des clients afin de formuler des recommandations de produits plus précises. L’enseigne a automatisé et personnalisé l’ensemble de l’expérience à chaque interaction avec ses clients. Résultat : une hausse des ventes de 11 % et une baisse des retours de produits de 30 %.

La valeur des agents d’IA réside dans l’utilisation de logiciels et de grands modèles de langage (LLM) pour automatiser plusieurs tâches avec une intervention humaine réduite, voire inexistante. Mais que sont exactement ces agents et comment utilisent-ils l’IA ?

Qu’est-ce qu’un agent d’IA ?

Les agents sont des logiciels qui exécutent des tâches spécifiques. Certains se spécialisent dans une seule tâche, comme effectuer une recherche sur le Web à propos d’un sujet donné ou interroger un LLM enrichi d’informations propres à un domaine et introuvables ailleurs. D’autres se spécialisent dans la transformation d’une demande utilisateur en un ensemble de tâches et dans l’orchestration d’agents exécutants chargés de les accomplir. Qu’ils assurent l’orchestration ou l’exécution, les agents suivent des directives précises et sont déterministes. Il n’y a pas d’IA ici. Chaque agent est prédéfini avec toutes les informations nécessaires à son fonctionnement et les conditions de son exécution. Le logiciel, c’est magique, mais ce n’est pas la magie de l’IA.

Un exemple d’agents à l’œuvre consiste à enchaîner plusieurs étapes afin d’accomplir une tâche plus vaste, comme l’envoi, au moment opportun, d’un e-mail de prospection personnalisé à un client régulier. Le processus peut être décomposé en plusieurs petites actions distinctes, chacune pouvant être facilement exécutée par un agent unique et spécialisé, préprogrammé à cet effet. Il peut s’agir, par exemple, d’interroger une base de données de prospects marketing pour rechercher les interactions de clients survenues au cours des sept derniers jours, d’extraire du système de gestion de la relation client (CRM) les trois principales adresses e-mail, classées selon le nombre d’interactions au cours des 90 derniers jours, puis d’envoyer à chacune d’elles un e-mail type basé sur la dernière campagne commerciale. Ces actions ne nécessitent pas forcément d’IA.

Qu’est-ce que l’IA dans l’IA agentique ?

L’IA générative, fournie par les grands modèles de langage (LLM), peut repérer des schémas dans des sources de données en tenant compte d’un contexte plus large et en fournissant des réponses plus riches que la recherche classique. Elle peut également résumer, analyser ou générer du texte afin de créer ou de restructurer des informations de manière plus concise et plus utile. Exploiter les LLM revient à ajouter une touche de magie à un processus, car leurs résultats ne sont pas déterministes. Ces modèles repèrent les schémas recherchés à une vitesse inégalée par toute autre méthode informatique jamais inventée. Pour nous, êtres humains, le résultat s’apparente à une forme de raisonnement. Au cours des deux dernières années, la qualité des résultats produits par les LLM est passée de « plutôt correcte » à « remarquable ». Alors, comment savoir quand recourir à l’IA générative dans une solution agentique ?

Pour reprendre l’exemple de l’e-mail de prospection, il est possible d’utiliser un modèle d’e-mail avec un minimum de personnalisation, mais un e-mail généré par l’IA — qui a accès non seulement à un excellent LLM conçu pour la génération de texte, mais aussi à des informations privées propres au client, liées à ses achats antérieurs et à ses besoins — est nettement plus efficace. La solution Conversica mise en œuvre chez Epson en est une parfaite illustration : deux des fonctionnalités les plus efficaces de cette solution d’IA agentique, qui illustrent des actions autonomes et répétées, sont : 1) la capacité à mener des échanges d’e-mails bidirectionnels dans la durée et 2) l’envoi d’e-mails au moment de la journée privilégié par le destinataire.

IA agentique — l’effet combiné

L’IA agentique associe un code directif extrêmement précis, chargé d’exécuter des tâches, à l’inférence de l’IA afin de générer ou de prédire des réponses riches et contextualisées. L’IA agentique n’a rien de magique, mais elle est plus puissante que les agents ou l’IA générative utilisés seuls. Ces deux composants de base peuvent être assemblés dans des proportions et des combinaisons variées afin d’automatiser un flux de travail et de produire des résultats d’une valeur considérable. Voici un schéma simple représentant un flux de travail automatisé reposant sur l’IA agentique. Il fait appel à plusieurs types d’agents spécialisés et de modèles d’IA pour accomplir un ensemble d’actions. La solution s’exécute jusqu’à l’obtention d’un résultat acceptable, qui est ensuite transmis à l’utilisateur.

Exemple de flux de travail automatisé d’une IA agentique.

L’année 2025 s’annonce tout aussi passionnante que 2024, avec la poursuite des progrès en matière de raisonnement des LLM et de développement des plateformes agentiques. Il n’y a pas si longtemps, l’opinion dominante était que les LLM n’étaient pas dignes de confiance. Cette année pourrait bien voir diminuer sensiblement les commentaires tels que : « Une IA agentique ne peut absolument pas parvenir, par son raisonnement, à une meilleure réponse qu’un être humain. » Alors que les agents et l’IA gagnent en maturité et continuent de progresser cette année, trois éléments seront à surveiller :

1. Émergence de nouvelles plateformes de développement d’IA agentique intégrant notamment un bus de services d’entreprise, ainsi que des modules d’orchestration et d’observabilité/traçage.
2. Émergence de normes telles que MCP visant à standardiser les interfaces nécessaires à la communication entre les agents et l’IA, ainsi qu’à sécuriser l’accès aux sources de données publiques et privées.
3. Progrès dans les capacités de raisonnement des LLM.

La trajectoire d’innovation de l’IA agentique pourrait connaître une forte accélération dans chacune de ces trois directions tout au long de l’année 2025. S’en servir pour comparer les annonces relatives aux plateformes d’IA agentique permettra de déterminer plus clairement si les nouvelles fonctionnalités renforcent la maturité de la plateforme, facilitent son intégration ou concrétisent la magie de la cognition rendue possible par l’IA.

À propos de l’auteur

James HendergartDirecteur principal de la recherche technique | F5

Autres articles de James Hendergart