Aller au contenu
Articles
ArticlesTraduction IA· 16 juin 2025

Épisode 10.6 - Generate or delegate?

par 8 min de lecture

Dans le débat public, ce sont les outils d'IA comme ChatGPT, Udio ou Midjourney qui tiennent le haut du pavé, autrement dit surtout des outils de la catégorie « Generative AI » (ou GenAI), fondés sur des LLM (Large Language Models). On désigne ainsi des modèles d'IA qui produisent du contenu : textes, images, code, musique et plus encore. Ces systèmes réagissent à une entrée, livrent des résultats et semblent faire preuve d'une créativité impressionnante. Mais voilà : ils n'agissent pas de leur propre initiative. Sans instruction directe, c'est-à-dire sans prompt, un modèle génératif reste passif ; sans « déclencheur », ces machins ne font rien. J'ai déjà souligné la qualité la plus remarquable des LLM dans cet article « Episode 10.2 - Fishing knowledge in a sea of words without drowning in it 🙂 » : on peut enfin en extraire de l'information, voire du savoir, à partir de grandes masses de données non structurées.

Quand on combine ces LLM avec des outils informatiques classiques qui travaillent sur des données structurées, on obtient une nouvelle espèce de systèmes informatiques, pour laquelle les gens du marketing ont inventé un nouveau buzzword : « AgenticAI ». En associant des systèmes classiques optimisés pour les données structurées (ERP, CRM ou bases de données) à des Large Language Models (LLM) capables d'interpréter des données non structurées comme des textes, des e-mails ou des documents, on atteint un tout nouveau niveau de possibilités d'automatisation. Cette intégration permet de croiser des données issues des sources les plus diverses, d'y repérer des liens et de déclencher automatiquement des actions. Par exemple, un système AgenticAI analyse une facture, en extrait les données pertinentes grâce à un LLM, les rapproche des commandes enregistrées dans l'ERP et, si besoin, envoie automatiquement une demande de précision par e-mail ou lance une correction.

AgenticAI = GenAI + automatisation

Contrairement à la GenAI, les systèmes AgenticAI ne se contentent pas de produire du contenu : ils peuvent poursuivre des objectifs de manière autonome, planifier des actions et réagir aux changements de leur environnement. Les algorithmes d'automatisation combinent différentes capacités (recherche, prise de décision, exécution, par exemple) et sources d'information, ce qui leur permet de résoudre des tâches complexes de façon proactive.

Les systèmes AgenticAI sont des systèmes informatiques très puissants

  • Prise de décision autonome : ils (ou plutôt leurs algorithmes) peuvent prendre des décisions seuls, sans que chaque étape doive être définie à l'avance. Ils s'appuient sur des LLM pour comprendre le langage naturel, extraire les bonnes informations de grandes masses de données et en déduire des actions.
  • Traitement de tâches en plusieurs étapes : ils peuvent découper des tâches complexes en étapes plus petites, en planifier l'exécution et les mener à bien, un peu comme un agent humain qui poursuit un objectif et s'adapte avec souplesse aux imprévus.
  • Utilisation d'outils et de systèmes : l'AgenticAI est « Tool-Aware » : elle sait quels systèmes internes et externes elle peut utiliser, et les pilote automatiquement pour exécuter des tâches comme des requêtes en base de données, de l'analyse documentaire ou des processus métier.
  • Apprentissage et adaptation : ces systèmes collectent du feedback et de l'expérience pour s'améliorer en continu. Ils peuvent ajuster leurs stratégies et leurs modèles afin d'être plus efficaces dans des environnements dynamiques et imprévisibles. Ils peuvent même adapter leurs algorithmes de manière autonome.

L'homme-machine ? Presque : on s'en rapproche d'un pas*

Avec l'AgenticAI, on peut automatiser des processus métier complexes qui étaient jusqu'ici hors de portée des solutions d'automatisation classiques, parce qu'il fallait des humains pour traiter les données non structurées. Lire des contrats, traiter des e-mails, participer à des réunions, rédiger des rapports, etc. : ce sont tous des processus du « Knowledge Worker » décrit par Peter Drucker, qu'on peut désormais optimiser avec des LLM. Et pas qu'un peu : là où un humain mettrait des heures à résumer un texte de 100 pages, un LLM le fait en quelques secondes. Il peut transcrire et diffuser en quelques minutes l'enregistrement d'une réunion de plusieurs heures. Ou classer des centaines de lettres de candidature bien plus vite que n'importe quel gestionnaire. C'est précisément là que réside le potentiel de gain de temps.

AgenticAI - Immensément prometteur, mais comme toujours, plus facile à dire qu'à faire

Les principaux avantages d'une « AgenticAI Experience » pour les organisations sont des avantages typiques de la « Digital Transformation » (je vous épargne donc l'essentiel du blabla marketing habituel) :

  • Efficacité et productivité accrues : on automatise les tâches de routine et les workflows complexes, on réduit le travail manuel et on accélère les processus. Les collaborateurs peuvent se concentrer sur des tâches stratégiques à forte valeur ajoutée, pendant que l'IA prend en charge les activités répétitives et chronophages.
  • Meilleure prise de décision et agilité : grâce à l'analyse en temps réel de grandes masses de données et à l'apprentissage continu, l'Agentic AI fournit des bases de décision solides et fondées sur les données, ce qui accélère la réactivité de l'entreprise.
  • Modèles d'affaires plus innovants : l'Agentic AI rend possibles de nouveaux services automatisés et ouvre aux entreprises des potentiels de création de valeur entièrement nouveaux.

Exemple de workflow automatisé pour la publication sur les réseaux sociaux

L'utilisation de l'AgenticAI en entreprise soulève aussi une série de défis éthiques qu'il faut traiter avec soin (là, je vous épargne l'essentiel des arguments des oiseaux de mauvais augure) :

  • Transparence et traçabilité : les décisions des systèmes AgenticAI doivent rester traçables et explicables. Il faut s'assurer que la logique et les raisons des décisions sont transparentes et ne sont pas abandonnées à une « boîte noire ».
  • Responsabilité et responsabilité juridique : plus l'autonomie augmente, plus se pose la question de savoir qui est responsable des mauvaises décisions ou des dommages : l'entreprise, les développeurs ou l'utilisateur. Des structures de gouvernance et des chaînes de responsabilité claires sont nécessaires pour trancher les questions de responsabilité.
  • Biais algorithmiques et hallucinations : les LLM peuvent reprendre les distorsions (biais) présentes dans leurs données d'entraînement et produire de fausses informations (hallucination). Des audits réguliers, des sources de données variées et des modèles transparents sont nécessaires pour les détecter et les corriger.
  • L'autonomie, c'est bien, le contrôle, c'est mieux : même avec une grande autonomie, le contrôle humain reste important, surtout pour les décisions critiques. Les entreprises devraient définir des points d'escalade et des mécanismes de contrôle clairs pour empêcher les actions non souhaitées ou nuisibles.

Ces points montrent bien que l'AgenticAI doit être conçue de manière responsable, non seulement sur le plan technique, mais aussi sur les plans éthique, juridique et sociétal, pour apporter un bénéfice durable et réduire les risques au minimum.


Quelques recommandations sur le chemin de l'« AgenticAI Experience »

Je ne peux que recommander d'évaluer au plus vite l'introduction de l'AgenticAI et d'élaborer des roadmaps pour sa mise en œuvre. Le potentiel est, je le répète, immense et décisif pour la compétitivité. À mon sens, tout commence par l'expérimentation sur une infrastructure prototype et le lancement de ses propres projets de Proof-Of-Concept (POC), en respectant impérativement les précautions suivantes :

Prudence avec vos propres données et les LLM des autres !

Avant de se lancer et d'automatiser à tout-va, il faut avoir conscience d'une chose : quand on utilise des LLM externes, on livre ses données. La sécurité de ses propres données et de son infrastructure est sérieusement menacée, et cela doit être soigneusement pesé. Par principe, je recommande de mettre en place une infrastructure LLM locale pour monter et tester des projets AgenticAI sans devoir envoyer de données dans le cloud. Quant aux solutions externes comme Copilot et consorts, je ne peux actuellement que les déconseiller vivement.

Les LLM doivent être taillés sur mesure pour moins halluciner

Les LLM courants, qui existent aussi en open source et peuvent donc tourner sur une infrastructure propre et protégée, ont été nourris de données générales et publiquement accessibles, et entraînés pour des tâches génériques. Pour les utiliser dans ses propres processus, il faut les enrichir de son propre savoir et les fine-tuner pour le contexte de l'entreprise. C'est la seule façon de contrôler et d'améliorer la qualité des résultats.

« It's the process, stupid! »

Comme dans toute « transformation digitale », l'optimisation des processus est au premier plan. Ici, il s'agit précisément des « processus du Knowledge Worker ». Encore faut-il pouvoir les décrire clairement avant de les optimiser. Or ce sont justement ceux-là qui ne sont pas forcément bien documentés, car ils se déroulent souvent de manière informelle et non structurée : réunions, échanges d'e-mails, appels téléphoniques, chats, présentations, etc. (eh oui, on parle bien de données non structurées). Pour les saisir et les représenter, des outils d'analyse comme l'OOM-Scorecard sont utiles. Si ces processus ne sont pas à peu près bien connus, on avance à tâtons dans le noir.


👀 À lire : Der Aufstieg der Nerds


⭐️ Coup de cœur de la semaine : t3.chat Cet outil est idéal pour tous ceux qui veulent expérimenter et/ou travailler avec différents LLM, ou en évaluer les forces et les faiblesses. T3 Chat est ultra-rapide et permet de passer directement d'un grand modèle d'IA à l'autre pour les mettre en concurrence. Avec son interface claire et une grille tarifaire avantageuse, il est devenu l'un de mes compagnons les plus importants de ce trip IA.


Live long and prosper 😉🖖


*Référence muzicale 🎧 (oui, encore une fois, ça colle trop bien 😉)

À lire aussi
Thème
IA Agentique
10 PublicationsTout voir →
▶Écouter