Les agents IA pourraient bientôt surpasser les humains en tant qu'utilisateurs principaux d'applications
Un « big bang binaire » s'est produit lorsque les modèles de base de l'IA ont surmonté la barrière du langage naturel, amorçant un changement dans nos systèmes technologiques : la manière dont nous les concevons, les utilisons et comment ils fonctionnent.
Les utilisateurs d’applications de demain pourraient être très différents de ceux que nous connaissons aujourd’hui – et nous ne parlons pas seulement d’un plus grand nombre de GenZers. De nombreux utilisateurs peuvent en réalité être des agents d’IA autonomes.
C'est le mot d'un nouvel ensemble de prévisions pour la décennie à venir publiées par Accenture, qui soulignent comment notre avenir est façonné par l'autonomie alimentée par l'IA. D’ici 2030, ce sont les agents – et non les individus – qui seront les « principaux utilisateurs des systèmes numériques internes de la plupart des entreprises », affirment les co-auteurs de l’étude. D’ici 2032, « l’interaction avec les agents dépassera celle des applications en termes de temps moyen passé par les consommateurs sur les appareils intelligents ».
Cela annonce un moment de transition, ce que l'auteur principal du rapport, Karthik Narain, directeur technique d'Accenture, appelle le Big Bang binaire. "Lorsque les modèles de base ont surmonté la barrière naturelle du langage", écrit Narain, "ils ont déclenché un changement dans nos systèmes technologiques : comment nous les concevons, les utilisons et comment ils fonctionnent."
Ces nouveaux développements « repoussent les limites des logiciels et de la programmation, multiplient la production numérique des entreprises et jettent les bases de cerveaux numériques cognitifs qui insèrent profondément l'IA dans l'ADN des entreprises », ajoute Narain.
Le paysage du développement technologique émergent se concentrera sur trois domaines, déclare-t-il : les systèmes agentiques, le noyau numérique et les interfaces utilisateur génératives. Ceux-ci seront déployés sur des blocs de construction hautement composables et modulaires.
Systèmes agents
Les systèmes agentiques actuels « sont très prometteurs avec de petits morceaux de code et, à partir de la documentation et des exemples, ils peuvent appeler des fonctions et des API avec une grande précision », rapporte-t-il. "Ils peuvent créer des fonctions et des API à utiliser ultérieurement. Les entreprises intègrent rapidement ces capacités dans de nouveaux modèles pour accélérer la vitesse d'ingénierie."
L'équipe Accenture a ajouté cette notation :
« L'un des principaux systèmes agents pour l'ingénierie logicielle aujourd'hui est Claude 3.5 Sonnet d'Anthropic. « Lorsqu'il a été testé sur SWE-Bench Verified, une référence en ingénierie logicielle de problèmes réels de GitHub, il a atteint un taux de résolution remarquable de 49 %.38 En 2023 , les agents avaient un taux inférieur à 5%.
Noyau numérique
Le noyau numérique est l’architecture et l’infrastructure technologiques qui font fonctionner l’entreprise basée sur l’IA. Les agents s'appuieront sur un noyau numérique qui leur permettra de « connecter des sources de données à des plateformes analytiques capables d'utiliser ces données pour piloter la prise de décision et des actions utiles ». Les systèmes agents d’aujourd’hui ne peuvent pas construire et maintenir l’intégralité du noyau numérique – « mais ils s’en occupent en partie », souligne Narain.
Environ la moitié des dirigeants ayant répondu à l'enquête d'Accenture, soit 48 %, déclarent s'attendre à ce que leurs agents soient bientôt en mesure de mettre à niveau et de moderniser les fonctions et les intégrations. Au moins 46 % déclarent que les agents seront bientôt en mesure d'assurer la qualité des fonctions et des systèmes numériques, et 45 % prévoient que les agents accéderont aux fonctions à partir des systèmes internes.
L'accès aux fonctions à partir de systèmes tiers est cependant encore loin : seuls 29 % d'entre eux y voient un avenir proche. Seuls 38 % estiment que leurs agents sont capables d'accéder aux données de toute l'organisation.
Interface utilisateur générative
Un autre développement intéressant que Narain et ses co-auteurs voient émerger avec la montée en puissance des agents d’IA est l’interface utilisateur générative, qui consiste à exploiter les techniques d’IA pour générer des interfaces utilisateur hautement personnalisées. "Pendant des décennies, le coût élevé du développement logiciel et le faible coût de la distribution des logiciels ont conduit à l'idée de créer une interface utilisateur unique qui doit fonctionner pour chaque utilisateur. Mais maintenant, à mesure que les systèmes agents progressent et commencent à prendre davantage d'actions en notre nom dans Dans le monde numérique, ils sont à l'origine d'un nouveau paradigme logiciel où le code moins cher et les interfaces axées sur le langage rendent de plus en plus réalisables les composants d'interface utilisateur personnalisés générés dynamiquement.
Pour commencer, les co-auteurs d’Accenture conseillent aux équipes d’expérimenter avec des agents en interne. "Une bonne façon de commencer est de créer des agents internes spécifiques à des tâches. Après avoir commencé modestement, vous pouvez évoluer de manière modulaire, en élargissant au fil du temps les fonctions et les données auxquelles vos agents internes peuvent accéder et en les utilisant pour apprendre et vous préparer à la création d'agents externes dans l'avenir."
À mesure que les agents autonomes prolifèrent, il devient crucial de maintenir la cohérence et la confiance. "Les entreprises devront les surveiller de près et s'assurer que des garde-fous sont en place", poursuit le rapport. « À quelles données ces systèmes accèdent-ils, qui les dirige, quelle est la qualité de leurs résultats, et plus encore ? La transparence ici contribuera à accroître la confiance des employés dans les systèmes. Lorsque vous créez un système de surveillance, établissez une gouvernance et un cadre technologique. feuille de route pour la mise en œuvre. Élaborez également des plans de communication et de maintenance afin que votre organisation comprenne comment fonctionne la surveillance et que vos garde-fous suivent les progrès. "
Enfin, pour garder les choses sur terre, Narain et ses co-auteurs préviennent que "les agents d'IA sont technique incroyable mais ils ne sont en aucun cas parfaits. Ils sont coûteux en termes de calcul, non déterministes et peuvent manquer d'explicabilité. Mais tout comme la génération augmentée par récupération (RAG) peut ancrer un LLM, le code et les fonctions peuvent également ancrer un agent, les rendant plus explicables et plus explicables. accroître la confiance en eux.