@Work
Stéphane Roder (AI Builders) : « Un agent autonome, c’est un LLM orchestrateur et un bout de code qui exécute »
Par Thierry Derouet, publié le 28 novembre 2024
Les assistants applicatifs transforment les entreprises en automatisant tâches et décisions. L’AI Decision Matrix d’AI Builders ambitionne d’aider les DSI à comparer leurs performances, leur maturité et leur potentiel d’intégration, dans un marché en pleine évolution.
Le monde des interfaces intelligentes – ou prétendues telles – évolue à une vitesse fulgurante. Ce que nous considérions hier comme de simples chatbots ou outils de support s’est transformé en assistants applicatifs dotés d’agents autonomes. « La vraie révolution, c’est qu’on passe d’un monde descriptif à un monde actionnable », explique Stéphane Roder, président d’AI Builders. Ces assistants sont capables non seulement de comprendre des requêtes complexes, mais aussi de les décomposer en tâches précises, d’attribuer les outils nécessaires et de les exécuter en toute autonomie. Pour répondre à cette mutation rapide et guider les entreprises, AI Builders, offre un éclairage essentiel sur ce marché en pleine expansion avec son AI Decision Matrix (AIDM). Ce cadre analytique propose de cartographier les solutions des principaux acteurs, permettant aux entreprises de mieux comprendre leurs options face à des technologies qui évoluent à un rythme effréné. Stéphane Roder rappelle : « Ce que nous avons vu hier comme une innovation de pointe est déjà dépassé aujourd’hui. Nos clients ont besoin de benchmarks pour naviguer dans cette complexité et maximiser leur retour sur investissement. »
Une avancée technologique fondée sur le raisonnement
Les assistants applicatifs, souvent décrits comme « l’avenir des interfaces homme-machine », reposent sur des fondements technologiques révolutionnaires. Ils s’appuient sur des modèles de langage de grande taille (LLM) capables de reproduire le raisonnement humain. « Ce qui a tout changé, c’est la capacité des modèles à décomposer un raisonnement en étapes logiques », souligne Stéphane Roder. Cette évolution, observée dès 2022 avec des modèles dépassant les 100 milliards de paramètres, marque un tournant. Ces agents combinent trois fonctions essentielles : le raisonnement, qui permet d’analyser des problématiques complexes ; l’attribution, qui associe chaque tâche à un outil spécifique ; et l’exécution, qui garantit une action rapide et pertinente. « Un agent, c’est un orchestrateur intelligent appuyé par un bout de code qui fait le travail », résume Stéphane Roder.
Ces avancées permettent, par exemple, à un assistant comme Microsoft Copilot de transformer une demande complexe – créer un tableau dans Excel, rédiger un rapport dans Word et générer une présentation PowerPoint – en une exécution fluide et intégrée. « C’est cette orchestration qui marque la différence entre les outils traditionnels et ces nouvelles interfaces intelligentes », commente Pauline Delavalade, analyste en chef chez AI Builders.
Un marché en mutation constante
Face à la montée en puissance de ces solutions, l’AIDM se concentre sur deux axes d’évaluation : la performance et la maturité. La performance mesure la précision des réponses, la personnalisation, la sécurité des données et la complexité des tâches réalisables. La maturité, quant à elle, analyse l’adoption par le marché, l’intégration dans des écosystèmes existants et la scalabilité des solutions (voir ci dessous).
Stéphane Roder souligne l’importance de ces critères dans un contexte où les solutions évoluent à une vitesse inédite : « Une solution best-in-class aujourd’hui pourrait être rétrogradée dans six mois si elle ne suit pas le rythme des innovations. » Parmi les leaders actuels, Salesforce Agentforce et Microsoft Copilot se démarquent par leur capacité à orchestrer des workflows complexes et à s’intégrer dans des environnements technologiques variés. À leurs côtés, des challengers comme Google Gemini et SAP Joule promettent des avancées significatives, notamment dans la collaboration entre agents et l’automatisation des flux de travail.
Une adoption facilitée mais des défis persistants
Les assistants applicatifs redéfinissent les interactions homme-machine et démocratisent l’accès à des outils avancés. Même les petites et moyennes entreprises peuvent envisager leur déploiement grâce à des interfaces simplifiées et à des modèles tarifaires accessibles. Pourtant, des défis subsistent. « Si les promesses sont là, la réalité technique reste parfois en retrait », avertit Stéphane Roder. Les questions de gouvernance, de sécurité des données et de compatibilité avec les systèmes existants restent au cœur des préoccupations des DSI.
Pour répondre à ces défis, IA Builders recommande une approche agile : privilégier des déploiements limités pour tester l’efficacité des solutions avant une généralisation à l’échelle de l’entreprise. Stéphane Roder ajoute : « Il ne s’agit pas d’adopter une solution pour son marketing, mais de s’assurer qu’elle génère un véritable retour sur investissement. »
Un regard vers l’avenir
Avec l’AIDM, AI Builders ne se contente pas de dresser une photographie du marché. La méthodologie vise également à anticiper les évolutions futures. « Nous sommes à l’aube d’une nouvelle ère technologique, où les assistants applicatifs ne se contenteront pas d’aider : ils redéfiniront les modes de travail », conclut Stéphane Roder. En intégrant des mécanismes d’automatisation avancée tout en respectant les spécificités métiers, ces agents promettent de transformer profondément les interactions entre les entreprises et leurs systèmes d’information.
Les 9 critères essentiels de l’AIDM : performance et maturité
L’AI Decision Matrix (AIDM) repose sur une méthodologie rigoureuse qui structure l’évaluation des assistants applicatifs selon deux axes principaux : la performance et la maturité. Chaque axe est défini par des critères techniques qui permettent de mesurer objectivement la capacité d’une solution à répondre aux attentes des entreprises tout en s’intégrant dans des environnements technologiques complexes.
Les critères de performance
Ces critères analysent la capacité des assistants applicatifs à exécuter des tâches complexes, à personnaliser leurs réponses et à respecter les contraintes techniques et sécuritaires. Ils répondent à la question : l’outil fonctionne-t-il efficacement et répond-il aux attentes des utilisateurs ?
1. Qualité des réponses
Ce critère mesure la pertinence et l’exactitude des réponses fournies par l’assistant. Par exemple, dans un assistant comme Microsoft Copilot, il s’agit de vérifier si les résultats générés dans Excel ou Word sont précis, cohérents et exploitables immédiatement par l’utilisateur.
2. Personnalisation
Les entreprises recherchent des outils capables de s’adapter à leurs processus spécifiques. La personnalisation inclut la capacité de l’assistant à comprendre des contextes particuliers et à ajuster ses recommandations ou actions en fonction des besoins métiers spécifiques, comme la gestion de flux de travail personnalisés dans Salesforce Agentforce.
3. Sécurité et gestion des données
Ce critère évalue la robustesse des protocoles de sécurité des assistants, notamment la manière dont les données sensibles sont traitées et protégées. Une solution doit garantir que les informations circulent dans des environnements sécurisés, comme les clouds privés.
4. Nombre et complexité des fonctionnalités
Il s’agit ici de mesurer l’éventail des tâches que l’assistant peut accomplir. Plus les fonctionnalités sont nombreuses et complexes (ex. : génération de scripts Python, intégration avec des outils comme SAP), plus la solution est jugée performante.
5. Capacité d’automatisation
Un assistant performant ne se limite pas à fournir des réponses. Il doit exécuter des actions automatisées avec précision, comme générer des tableaux, orchestrer des processus ou interagir avec plusieurs outils métiers. C’est un point fort d’assistants comme celui de Salesforce.
Les critères de maturité
L’axe de maturité analyse la capacité d’un assistant à s’intégrer dans le marché, à répondre aux besoins des entreprises en termes d’implémentation et à évoluer en fonction de leur croissance. Ces critères répondent à la question : la solution est-elle prête pour une adoption large et durable dans un contexte professionnel ?
6. Adoption par le marché
Ce critère mesure la pénétration de la solution dans différents secteurs et entreprises. Par exemple, des solutions comme Microsoft Copilot bénéficient d’un taux d’adoption élevé grâce à leur intégration dans des suites bureautiques omniprésentes.
7. Étendue des intégrations internes et externes
La capacité de l’assistant à interagir avec d’autres logiciels et outils métiers (CRM, ERP, plateformes collaboratives) est essentielle. Une solution mature est celle qui permet une intégration fluide avec des environnements existants, comme le font Copilot ou Google Gemini avec leurs connecteurs vers des outils tiers.
8. Facilité d’implémentation et d’utilisation
Une solution mûre est facile à déployer et intuitive à utiliser. Cela inclut une mise en œuvre rapide dans l’entreprise et une interface utilisateur qui permet une prise en main rapide sans expertise technique avancée.
9. Évolutivité (Scalabilité)
Ce critère évalue la capacité de l’assistant à s’adapter à des environnements de grande envergure. Une solution scalable peut être étendue à l’ensemble d’une organisation, qu’elle compte 10 ou 10 000 utilisateurs, tout en maintenant des performances constantes.
Une évaluation combinée : performance et maturité
En combinant ces neuf critères, l’AIDM permet d’évaluer objectivement la valeur d’un assistant applicatif. Par exemple, une solution comme Salesforce Agentforce excelle à la fois en personnalisation et en intégration, mais pourrait être moins mature sur des marchés spécifiques en raison de son adoption limitée. En revanche, Microsoft Copilot affiche une maturité forte grâce à son intégration dans Office, mais reste encore perfectible en termes de gestion des données.
L’objectif de l’AI Decision Matrix (AIDM) est de guider les entreprises dans leurs choix stratégiques en identifiant les outils les mieux adaptés à leurs besoins, tout en prenant en compte leur potentiel d’intégration et leur retour sur investissement.
À LIRE AUSSI :
