La Self-Agentic AI sur la voie de la généralisation

« Il y a un nouveau contexte depuis que les directions générales ont pris conscience des apports de l’IA et veulent en généraliser le déploiement » a justifié Stéphane Roder, CEO d’AI Builders, en présentant la deuxième édition de la AI Decision Matrix consacrée à la Self-Agentic AI. L’édition précédente ne date en effet que de quelques mois https://www.republikgroup.com/articles/0e06e333-961c-f111-9a49-000d3a2f771b . A cela s’ajoute évidemment une évolution extrêmement forte et rapide des plateformes techniques. Les agents en Self-AI sont toujours là pour couvrir les « petits » besoins du quotidien, ceux qui ne rendent pas rentables une intervention du data-office mais qui génèrent malgré tout d’importants gains de productivité. Là où le data-office se consacre aux 20 % de cas générant 80 % de la valeur, la Self-Ai est dédiée aux 80 % de cas qui génèrent 20 % de la valeur.

La tendance, désormais, est de disposer d’agents qui intègrent des compétences, des « skills ». Il s’agit de procédures et de savoirs écrits à la manière d’une documentation, en langage naturel, par conséquent sans aucune attache à telle ou telle plateforme, tel ou tel fournisseur. Certaines « skills » peuvent être issues de places de marché et achetées, d’autres être conçues sur mesure pour une procédure interne d’une entreprise donnée. Il est également possible de rétro-fabriquer une compétence à partir de l’exécution effective manuelle d’un process, un peu comme une imitation d’une réalisation humaine.

AI Builders plaide pour le foisonnement : il s’agit de laisser au maximum les collaborateurs générer des agents IA pour leurs propres tâches, donc à coût de fabrication marginal. Cependant, l’exécution peut révéler une non-pertinence : coût du token d’exécution, non-fiabilité, etc. La gouvernance de ces agents intervient alors dans un second temps pour filtrer ce qui est pertinent voire harmoniser les procédures ou mutualiser les agents. Pour Stéphane Roder, « la couche de contrôle et de supervision est évidemment essentielle mais ça coûte moins cher d’accepter le foisonnement puis de réguler que de ne pas accepter le foisonnement » en concevant uniquement de manière structurée, via un data-office ou une autre modalité lourde.

Les agents ainsi générés de manière foisonnante se révéleront être soit des pépites à très forte valeur ajoutée, soit des outils mutualisables, soit des outils tout juste à l’équilibre coût/valeur, soit enfin des ratages à jeter (trop coûteux en ressources par exemple). La gouvernance vise aussi à garantir l’uniformité des procédures au sein d’une entreprise donnée en évitant des écarts entre services ou implantations.

Stéphane Roder estime que la position du cabinet Forrester faisant du Process Mining le base de l’agentique n’est en général pas justifiée. Et, surtout, dans tous les cas, ce n’est jamais la DSI qui examine les process. Ceux-ci demeurent entre les mains des métiers, des experts. Une fois que les agents ont réalisé leurs tâches, le « reste à faire » est confié à ces experts métiers. Si ceux-ci gagnent fortement en efficience grâce à l’automatisation, personne ne change de métier. Le reengineering façon années 1990 a souvent échoué, selon Stéphane Roder, précisément parce qu’il impliquait que les collaborateurs changent de métier ou de manières de travailler. Ce n’est plus le cas.

Quand on repense les processus pour automatiser avec des agents, il existe deux approches. La première est de découper le processus par étapes ou tâches puis de regarder comment automatiser telle ou telle étape. La deuxième est de repenser tout le processus avec une approche nouvelle, nativement automatisée. Les deux peuvent être, selon les cas, pertinentes. Il est possible de concevoir un « orchestrateur » : de multiples agents réalisent chacun une tâche mais sous le contrôle d’un agent orchestrateur qui supervise l’ensemble du processus.

La deuxième édition de l’AI Decision Matrix des plateformes de Self AI tient compte de l’évolution du marché et des technologies. Une soixantaine de plateformes ont ainsi été regardées, 32 analysées et 24 retenues et testées. Pour que l’on parle réellement de Self AI selon AI Builders, il faut : la capacité pour tout utilisateur de concevoir et configurer ses propres agents IA, des outils accessibles aux métiers (no-code, low-code ou langage naturel), un déploiement autonome par les métiers sans dépendre des équipes techniques (DSI…) et disposer d’une IA adaptée aux besoins spécifiques de chaque métier.

S’il y a six mois, la règle était le low/no code, aujourd’hui, la création des agents repose généralement sur le langage naturel. AI Builders a défini quatre classes selon les cadrans définis par deux axes, la performance (y compris l’accessibilité par les métiers) et la maturité (incluant notamment la qualité de l’IHM et de la documentation). Le critère numéro un de la sélection d’une solution est qu’un premier agent opérationnel doit être déployable en moins de douze heures par un profil non technique. L’étude complète, réalisée sous la direction de Pauline de Lavallade, directrice de recherche d’AI Builders, aboutit à un positionnement de chacune des 24 solutions dans un des cadrans : Perplexity Computer est ainsi la solution la plus « best in class », Microsoft Copilot étant en « Safe Bet ».

Comme Pauline de Lavallade l’a rappelé, le déploiement de la Self Ai impose un devoir de vigilance de la part des entreprises. Il faut ainsi éviter la Shadow AI non-conforme aux procédures ou aux réglementations ou bien encore non-gouvernée (cinquante agents réalisant de cinquante manières différentes une tâche). De même, il existe un certain flou entre l’accessibilité et la complexité réelle qui pourrait être contournée.

De nombreux risques sont à traiter comme la question de la gestion des accès et des identités, celle de la gestion des ressources et de leur coût, l’observabilité et l’auditabilité et, bien évidemment, la sécurité et la confidentialité des données. Les agents mal gouvernés peuvent provoquer des catastrophes comme (on l’a récemment vu) une destruction des données d’une entreprise. Les droits des agents doivent donc être strictement et spécifiquement encadrés. « Les agents doivent avoir une identité propre, pas celle de leur utilisateur, afin qu’il y ait une saine gouvernance » a rappelé Stéphane Roder. Le risque de dépendance technologique à un fournisseur et la préservation de la souveraineté des données se retrouvent autant sur ces technologies que pour beaucoup d’autres.