Les agents sont la « troisième vague » de la révolution de l'IA
En quoi l’IA agentique est similaire - et différente - de son prédécesseur, l’IA générative.
L'IA agentique pourrait faire passer l'intelligence artificielle (IA) à un nouveau niveau au-delà de l'IA générative, avec les mêmes caractéristiques et défis, mais aussi avec quelques distinctions notables.
Marc Benioff, PDG de Salesforce, qualifie l'IA agentique de « troisième vague » dans l'évolution rapide du domaine. "En quelques années seulement, nous avons déjà assisté à trois générations d'IA", a-t-il observé dans un article récent du New York Times. "Il y a d'abord eu les modèles prédictifs qui analysent les données. Viennent ensuite l'IA générative, pilotée par des modèles d'apprentissage en profondeur comme ChatGPT. Aujourd'hui, nous vivons une troisième vague, définie par des agents intelligents capables de gérer de manière autonome des tâches complexes."
Les agents IA, ou assistants intelligents, sont destinés à servir de collègues numériques, d'assistants ou de représentants du service client, communiquant via le traitement du langage naturel. Ils « ont le potentiel d’augmenter les capacités humaines d’une manière auparavant inimaginable », a observé Benioff.
"Imaginez un monde dans lequel les entreprises peuvent déployer une main d'œuvre d'agents IA pour gérer les interactions avec les clients, analyser les données, optimiser les stratégies de vente et exécuter des tâches opérationnelles en temps réel et avec peu de supervision humaine."
Dans l’ensemble du secteur, il existe un consensus sur le fait que les agents d’IA, avec leur champ d’action étroit, apportent de nouvelles capacités et un retour sur investissement que l’IA au sens large ne peut pas fournir efficacement. "Agentic AI sera la prochaine vague de valeur débloquée à grande échelle", a déclaré à ZDNET Sesh Iyer, directeur général et associé principal de BCG X, l'unité de conception et de construction technologique du Boston Consulting Group.
Il a ajouté qu'il s'agit « d'une opportunité de repenser fondamentalement les processus et de débloquer des gains de productivité significatifs ».
Comme pour l’IA analytique et l’IA générique, les agents d’IA doivent être construits et exécutés selon des directives éthiques et opérationnelles claires. Cela comprend des tests pour minimiser les erreurs et une structure de gouvernance. Comme c'est le cas pour toutes les instances d'IA, la diligence raisonnable pour garantir la conformité et l'équité est également une nécessité pour les agents, a déclaré Iyer.
Comme c’est également le cas pour l’IA au sens large, les compétences appropriées sont nécessaires pour concevoir, créer et gérer des agents d’IA, a-t-il poursuivi. De tels talents sont probablement déjà disponibles dans de nombreuses organisations, avec les connaissances nécessaires dans le domaine, a-t-il ajouté. « Améliorez les compétences de votre personnel pour gérer et utiliser efficacement l'IA agentique. Le développement d'une expertise interne sera essentiel pour tirer la valeur à long terme de ces systèmes.
Il existe également des différences notables entre l’IA générative et l’IA agentique. « L'IA agentic est spécifiquement conçue pour prendre des décisions de manière autonome, souvent sans intervention humaine, ce qui diffère de la façon dont l'IA générative est généralement utilisée », a déclaré David Brault, expert chez Mendix. Il existe un certain nombre de caractéristiques et de fonctions qui séparent l’IA agentique de l’IA de génération, a-t-il noté, à commencer par le contexte et l’orientation.
Alors que les applications d'IA générative peuvent être ciblées sur de nombreuses capacités et secteurs, l'IA agentique « se concentre sur des environnements et des situations contextuelles spécifiques », a-t-il ajouté. En conséquence, les meilleurs cas d'utilisation actuels de l'IA agentique sont « des tâches prévisibles et définies avec un faible risque d'erreurs ou une faible gravité de l'impact lorsque des erreurs se produisent », a convenu Michael Connell, directeur des opérations chez Enthought.
De plus, l’intégration de l’IA agentique aux systèmes existants diffère de celle de l’IA générative. « Tirer parti des capacités de prise de décision de l'IA agentique nécessite souvent des modifications des systèmes existants et une intégration avec les API existantes pour utiliser la logique métier établie afin d'améliorer la précision des décisions », a déclaré Brault.
Pour préparer le passage de l’IA générique à l’IA agentique, « commencez petit et évoluez de manière stratégique », conseille-t-il. « Identifiez quelques cas d'utilisation à fort impact, tels que le service client, et exécutez des programmes pilotes pour tester et affiner les capacités des agents. Parallèlement à ces cas d'utilisation, comprenez les plates-formes émergentes et les composants logiciels qui prennent en charge l'IA agentique. »
Cela implique de regarder au-delà de la technologie et de se concentrer sur le parcours utilisateur et les flux de travail associés, a insisté Iyer. « Au lieu de concentrer vos efforts uniquement sur la technologie, réfléchissez de manière globale aux flux de travail que les agents vont transformer. Visez à réduire les tâches banales, à améliorer la productivité et à créer une meilleure collaboration homme-machine.
« Le défi consiste à appliquer l'IA agentique au sein de l'entreprise ou dans des secteurs axés sur l'innovation, comme la R&D en science des matériaux ou l'industrie pharmaceutique, où l'incertitude et les risques sont plus élevés », a déclaré Connell. "Ces environnements plus complexes nécessitent une compréhension très nuancée de la part de l'agent afin de prendre des décisions dignes de confiance et fiables."
Connell a ajouté qu'une dépendance croissante à l'égard des agents "nécessitera de nouveaux cadres de surveillance, en particulier dans les domaines à enjeux élevés où les modèles de surveillance traditionnels seront inadéquats". Cela signifie qu’une surveillance humaine est toujours nécessaire - en particulier avec un risque de conséquences inattendues si les agents sont mal utilisés.