Qu’est-ce que l’IA agentique?

Comprendre les agents dans le paysage plus large de l’IA.

Alors que l’IA agentique gagne du terrain, il est important de comprendre où elle se situe dans le paysage plus large de l’IA. Plutôt que d’exister en tant que catégorie autonome, l’IA agentique s’appuie sur les fonctionnalités d'autres systèmes, en s’inspirant à la fois de la logique basée sur des règles et de modèles probabilistes pour fonctionner avec une plus grande autonomie. En examinant comment différents types d’IA traitent les informations et génèrent des résultats, nous pouvons mieux comprendre comment l’IA agentique élargit le champ des possibles.

L’IA déterministe.

Suit une logique ou des règles prédéfinies. Les résultats sont prévisibles et reproductibles à partir des mêmes données.

L’IA probabiliste.

Utilise des modèles statistiques et des schémas de données pour générer des prédictions ou des résultats.

L’IA agentique.

S’appuie sur des modèles probabilistes (par exemple, LLM et RL) et orchestre des actions à travers des systèmes, en intégrant souvent des composants déterministes pour l’exécution.

En résumé, l’IA agentique n’est pas une catégorie autonome, c’est une évolution qui s’appuie sur les forces des autres systèmes d’IA. Les approches déterministes offrent structure et fiabilité, tandis que les modèles probabilistes apportent souplesse et perspicacité. L’IA agentique les réunit avec la capacité supplémentaire de prendre des mesures, ce qui permet aux organisations d’être plus évolutives, adaptatives et réactives.

Les principales caractéristiques de l’IA agentique.

Les systèmes d’IA agentique se distinguent par leur capacité à raisonner, à planifier et à agir avec un degré élevé d’autonomie. Contrairement aux systèmes d’IA antérieurs qui nécessitent une logique stricte ou des flux des travaux prédéfinis, l’IA agentique interprète l’intention, évalue les options et exécute les décisions par elle-même, souvent dans des environnements complexes et imprévisibles.

Grâce à ces fonctionnalités, l’IA agentique est bien adaptée aux défis commerciaux qui requièrent à la fois flexibilité et esprit d’initiative. Voici comment ces traits se manifestent concrètement :

Le raisonnement autonome.

Un agent peut prendre un objectif commercial – par exemple, réduire les retards de livraison – et déterminer de manière indépendante comment y parvenir en analysant les contraintes, en évaluant les compromis et en prenant des mesures correctives.

L’adaptabilité en temps réel.

Au lieu de suivre un scénario statique, un agent adapte son comportement en fonction de ce qui se passe dans l’instant, réacheminant la logistique lorsque les conditions changent ou réaffectant le personnel en réponse à une demande inattendue.

L’exécution de tâches en plusieurs étapes.

Les agents ne se contentent pas de déclencher des actions individuelles, ils gèrent également les flux des travaux. Un agent unique peut identifier un problème, recueillir des informations auprès d’autres systèmes ou agents, décider d’une solution et la suivre jusqu’à sa résolution.

L’orchestration collaborative.

Les systèmes agentiques sont conçus pour fonctionner ensemble. Un agent peut détecter un problème, tandis que d’autres s’occupent des communications, des mises à jour des stocks ou des vérifications des politiques, chacun contribuant à un résultat commun sans coordination humaine directe.

Les types d’agents d’IA.

Les agents d’IA existent sur un spectre de complexité allant du simple respect des règles à des systèmes entièrement autonomes qui raisonnent, apprennent et collaborent. Plus vous avancez dans ce continuum, plus les agents rehaussent leur pouvoir décisionnel, leur adaptabilité et leur indépendance.

Il est essentiel de comprendre les distinctions entre ces types d’approche pour choisir celle qui convient le mieux aux besoins de votre entreprise. Les catégories suivantes montrent comment les fonctionnalités des agents évoluent et comment des agents plus avancés jettent les bases de systèmes véritablement agentiques.

Les agents réactifs.

Les agents réactifs sont le type d’IA le plus simple. Fondés sur des systèmes à base de règles, ils réagissent aux changements environnementaux à l’aide d’instructions prédéfinies, mais ils ne peuvent ni apprendre ni s’adapter. Par exemple, un assistant virtuel qui récupère des réponses préprogrammées à des commandes spécifiques, telles que l’extinction des lumières intelligentes lorsqu’on lui demande, fonctionne comme un agent réactif, répondant à une entrée sans raisonnement ni apprentissage supplémentaire.

Les agents basés sur des modèles.

Les agents basés sur des modèles traitent leur environnement à travers un modèle interne, ce qui leur permet de raisonner sur leurs actions et de prendre des décisions éclairées. Exemple : un système d'irrigation optimisé par l’IA qui surveille l’humidité du sol, les prévisions météorologiques et les besoins des cultures afin d’optimiser les horaires d’arrosage.

Les agents basés sur des objectifs.

Les agents basés sur les objectifs s’efforcent d’atteindre des objectifs spécifiques en évaluant différentes stratégies et en adaptant leurs actions pour atteindre le résultat souhaité. Par exemple, une application de navigation capable de planifier l’itinéraire le plus rapide vers une destination en fonction des conditions de circulation en temps réel est un agent basé sur les objectifs.

Les agents basés sur l’utilité.

Les agents basés sur l’utilité se concentrent sur l’optimisation des résultats dans un domaine spécifique en évaluant plusieurs facteurs afin de déterminer le meilleur résultat possible. Prenons l’exemple d’un système de gestion de flotte qui non seulement planifie les itinéraires de livraison, mais tient également compte du rendement énergétique, des délais de livraison et des calendriers d’entretien des véhicules afin d'optimiser les opérations.

Les agents d’apprentissage.

Les agents d’apprentissage s’adaptent et s’améliorent au fil du temps en traitant de nouvelles données et expériences. Ces agents sont conçus pour ajuster dynamiquement leurs actions et leurs processus de prise de décision. Un gestionnaire de portefeuille financier automatisé qui affine les stratégies d’investissement en fonction de l’évolution des tendances du marché est un exemple d’agent d’apprentissage en action.

Les agents de collaboration.

Les systèmes collaboratifs, ou multi-agents, travaillent ensemble pour résoudre des problèmes interconnectés trop complexes pour être gérés par un seul agent. Un réseau logistique qui coordonne les drones de livraison, les robots d’entrepôt et les camions autonomes afin d’optimiser l’ensemble de la chaîne d’approvisionnement est un agent de collaboration.

Les possibilités d’exploitation pour l’IA agentique.

Les fonctionnalités dynamiques de l’IA argentique lui permettent de répondre aux besoins réels des entreprises en temps réel. Dans divers secteurs, elle s’avère précieuse à bien des égards : optimisation des opérations, amélioration de l’expérience des employés et des clients, et ouverture de nouvelles perspectives de croissance. Examinons quelques-unes des applications les plus importantes de l’IA agentique déjà mises en œuvre dans différents secteurs.

Des exemples concrets : cas d’utilisation de l’IA par secteur d’activité.

L’enseignement supérieur.
Dans l’enseignement supérieur, l’IA argentique aide la communauté étudiante et enseignante en gérant de manière autonome la planification académique personnalisée. Par exemple, un agent peut détecter lorsqu’une personne étudiante risque de prendre du retard, évaluer la disponibilité des cours, les exigences du programme et les objectifs à long terme de cette personne, puis proposer un emploi du temps révisé. Il peut avertir la personne étudiante et la conseiller, recommander des services de soutien et ajuster le parcours diplômant, le tout sans coordination ni intervention manuelle.

Les soins de santé.
Dans le domaine des soins de santé, l’IA agentique agit comme partenaire en temps réel dans les environnements cliniques. Un agent peut détecter une augmentation du nombre d'admissions aux urgences, évaluer les besoins de la patientèle, vérifier la disponibilité des ressources (lits de soins intensifs ou personnel, par exemple) et procéder à une réaffectation des ressources ou appeler de la main-d’œuvre supplémentaire. Il peut également se coordonner avec d’autres agents chargés de superviser la sortie de la patientèle ou la gestion des stocks afin de contribuer à maintenir la continuité des soins.

Le commerce de détail.
Dans le commerce de détail, l’IA agentique permet une gestion dynamique et de bout en bout des opérations et de l’expérience de la clientèle. Un agent peut remarquer un pic de la demande pour un produit, prévoir des ruptures de stock et réacheminer des expéditions existantes ou déclencher de nouveaux ordres d’achat. Dans le même temps, il peut ajuster les stratégies promotionnelles, mettre à jour le contenu du site Web et informer les équipes d’assistance en cas de besoin.

La fabrication.
L’IA agentique améliore la fabrication en réagissant en temps réel aux perturbations ou aux inefficacités. Par exemple, un agent peut détecter les baisses de performance d'une machine, lancer un diagnostic par l’intermédiaire d’un autre agent et programmer des travaux de maintenance pendant une période d’indisponibilité. Il peut également ajuster les programmes de production ou commander à nouveau des matériaux afin d’éviter les retards, ce qui permet aux processus de se dérouler de manière efficace et proactive.

Les finances. En finance, l’IA agentique soutient la planification autonome et adaptative ainsi que la gestion des risques. Un agent financier peut reconnaître les premiers signes de volatilité du marché, ajuster les stratégies de portefeuille ou signaler les secteurs d’exposition. Il peut également aligner ses actions sur celles des agents de conformité pour s’assurer que toutes les activités sont conformes aux exigences réglementaires, ce qui minimise les risques sans sacrifier la rapidité ou la réactivité.

Les communications.
Dans le secteur des communications, l’IA agentique aide à gérer l’engagement en temps réel. Un agent peut détecter une tendance négative sur les réseaux sociaux, lancer des campagnes de réponse ciblées et modifier les dépenses publicitaires ou la stratégie de communication en conséquence. Il peut coordonner les agents chargés du service à la clientèle, de la gestion des relations avec la clientèle ou des outils de marketing par courriel afin de garantir une réponse cohérente et rapide.

Solutions d’entreprise : exemples de Workday.

Workday, explore les agents d’IA pour aider à rationaliser les dépenses, optimiser la planification des successions et transformer le recrutement. 

Notre agent de dépenses détaille automatiquement les reçus et crée des notes de frais. Lorsqu’un membre du personnel quitte un hôtel, par exemple, cette personne peut prendre une photo de son reçu avec son téléphone, et notre agent extraira automatiquement les informations pertinentes du reçu, créera un nouvelle ligne de dépenses et l’ajoutera à la bonne note de frais.

Pour la planification de la relève, notre agent d’IA nous aide à maintenir un solide vivier de succession à tous les stades de carrière en analysant des facteurs tels que les besoins actuels de l’entreprise, les compétences requises au sein des équipes, les taux d’attrition prévus, et en suggérant du personnel potentiel à travers le pays. L’agent peut identifier de manière proactive les personnes à fort potentiel et même générer des plans de croissance personnalisés pour les aider à se préparer à leurs futures fonctions.

Notre agent de recrutement intègre les fonctionnalités de HiredScore* pour trouver des candidatures passives qui peuvent avoir exprimé leur intérêt par le passé. En comprenant les besoins actuels de l’entreprise et en analysant les profils des candidats, l’agent peut automatiser la prise de contact, recommander les meilleures personnes et même planifier les entretiens. 

* HiredScore est une entreprise de Workday.

Les stratégies de déploiement de l’IA agentique.

Les cas d'utilisation et les exemples abordés dans la dernière section ne sont que quelques-unes des innombrables façons dont les entreprises utilisent l’IA agentique pour générer de la valeur et atteindre leurs objectifs. Déployer l’IA agentique avec succès signifie identifier les façons spécifiques dont votre entreprise devrait utiliser la technologie, définir vos objectifs, mettre en place un plan d’exécution solide et suivre vos progrès au fil du temps.

Examinons un cadre étape par étape pour mettre en œuvre efficacement l’IA agentique dans votre entreprise.

1. Repérer et définir le problème.

Commencez par formuler clairement le défi commercial que vous souhaitez relever. Ne vous contentez pas d’énumérer des caractéristiques ou des tâches, mais concentrez-vous sur le problème sous-jacent. Par exemple, plutôt que d’automatiser l’approbation des dépenses, il s’agit de garantir la conformité tout en réduisant le temps de traitement et les erreurs.

2. Comprendre les besoins de la communauté utilisatrice et le contexte.

Recueillez en continu leurs commentaires afin d’identifier les points faibles et les possibilités d’amélioration Testez les prototypes avec la communauté utilisatrice finale et observez ses interactions avec la technologie. Notez les moments de joie et les défis et adaptez-vous en conséquence. Continuez à le faire à chaque étape du déploiement pour vous assurer que votre IA s’aligne sur les flux des travaux réels et crée des moments de facilité ou de joie.

3. Élaborer une stratégie en matière de données.

L’efficacité des systèmes d’IA agentique dépend de la qualité des données. Élaborez une stratégie de collecte, de nettoyage et d’étiquetage des données tout en garantissant le respect des normes de confidentialité et de sécurité. Une préparation réfléchie permet d’éviter les goulots d’étranglement lors de la formation et du déploiement.

4. Choisir les bons outils et modèles.

Ensuite, sélectionnez les outils et les technologies qui correspondent aux besoins que vous avez identifiés à l’étape 1. Considérez les différents types d’IA agentique que nous avons abordés précédemment, et gardez à l’esprit que l’IA agentique n’est pas toujours la bonne réponse; par exemple, les systèmes basés sur des règles peuvent mieux fonctionner pour des initiatives strictement axées sur l’automatisation.

5. Privilégier la confidentialité et la sécurité.

Il est essentiel de comprendre la confidentialité des données dans le contexte des nouveaux systèmes d’IA. Protégez les données sensibles en intégrant des mécanismes robustes de confidentialité et de sécurité dans vos systèmes, et garantissez la conformité avec les réglementations applicables telles que le RGPD ou le CCPA. Vérifiez régulièrement les contrôles d’accès aux données, cryptez les informations sensibles et mettez en place des alertes automatiques en cas d’activité inhabituelle. Intégrez les principes de protection de la vie privée dès la conception tout au long du processus de développement afin de protéger les informations individuelles et professionnelles à chaque étape.

6. Reconnaître, évaluer et atténuer les risques.

L’IA agentique introduit de nouveaux types de risques en même temps que de nouvelles fonctionnalités. Évaluer régulièrement les performances du modèle, la qualité des données et les conséquences imprévues, non seulement lors du déploiement, mais aussi tout au long du cycle de vie de l’IA. Il est tout aussi important d’élaborer des stratégies d’atténuation claires, telles que des protocoles d’escalade, des déclencheurs de surveillance humaine ou des boucles de retour d’information, afin de réduire les dommages et de garantir l’alignement sur les objectifs et les valeurs de votre organisation.

7. Permettre aux agents de travailler dans plusieurs systèmes.

L’IA argentique tire sa force de sa capacité à agir sur des données qui se trouvent dans différentes parties de l’entreprise. Chaque agent utilise les sources auxquelles il a accès – qu’il s’agisse de plateformes internes, d’outils tiers ou de données en temps réel – pour raisonner, prendre des décisions et agir.

Lorsque les agents se coordonnent, ils intègrent leur contexte individuel dans un effort commun. Un agent peut évaluer les données relatives à l’engagement des employés, tandis qu’un autre se penche sur les tendances du marché. En travaillant ensemble, ils peuvent informer un plan de main-d’œuvre qui reflète à la fois les besoins internes et les réalités externes, sans nécessiter de systèmes étroitement couplés en coulisses.

8. Tester et surveiller.

Des tests rigoureux sont essentiels à chaque étape du développement. Veillez à ce que votre système d’IA produise les résultats escomptés et procédez aux ajustements nécessaires. Après le déploiement, surveillez en permanence les performances et les réactions des utilisateurs afin d’identifier les domaines à optimiser. Des mises à jour et des formations régulières garantissent que l’IA reste adaptée à l’évolution des besoins et des défis.

Regarder vers l’avenir.

L’IA agentique est en train de devenir une capacité essentielle pour les organisations qui naviguent dans la complexité et le changement. Cependant, son véritable potentiel réside dans ce que l’avenir nous réserve : un avenir où les agents collaboreront non seulement au sein des systèmes, mais aussi entre les équipes, les entreprises et les secteurs d’activité.

En permettant une coordination sûre et axée sur les objectifs, l’IA agentique peut aider les organisations à partager leurs connaissances, à réagir plus rapidement aux perturbations et à résoudre des problèmes trop complexes pour qu’un seul système puisse les gérer seul.

Plus ces systèmes évolueront, plus les agents seront capables de raisonner dans des contextes plus larges, de relier des ensembles de données auparavant cloisonnés et de prendre des mesures plus éclairées afin de créer des possibilités entièrement nouvelles pour l’intelligence d’entreprise.

L’IA agentique est une avancée vers des systèmes distribués et adaptatifs qui travaillent en tandem avec les gens pour faire avancer les choses. Les entreprises qui s’engagent dans cette voie seront mieux équipées pour innover, s’adapter en toute confiance et jouer un rôle de premier plan dans un monde interconnecté qui évolue rapidement.

Découvrez comment Workday peut vous aider à transformer votre entreprise grâce à l’IA.