L'automatisation agentique

Les organisations ont le choix parmi différentes approches et divers outils d’automatisation pour automatiser les processus. La RPA, l’automatisation alimentée l’IA et l’automatisation agentique jouent des rôles clés et distincts dans l’automatisation des entreprises.

La RPA est idéale pour gérer de manière rentable et précise les tâches basées sur des règles. La RPA peut gérer des données structurées et respecter des instructions claires, ce qui la rend idéale pour les processus routiniers et prévisibles tels que la saisie des données et le traitement des factures. Si ces tâches sont essentielles pour la plupart des organisations, elles sont souvent peu intéressantes et ne nécessitent que peu de développement humain, de créativité ou d’empathie.  Le fait de confier ces types d’activités répétitives aux robots permet aux utilisateurs de se consacrer aux tâches générant plus de valeur.

L’automatisation optimisée par l’IA (parfois appelée « automatisation intelligente ») apporte aux robots logiciels des compétences avancées en matière d’IA. Grâce à ces compétences, les robots peuvent gérer un large éventail de tâches plus complexes, telles que la compréhension du contenu d’un document, l’extraction de données, la compréhension du sentiment d’un e-mail, etc. L’IA peut inclure des techniques telles que l’apprentissage automatique, le traitement des langages naturels (NLP), la reconnaissance optique de caractères (OCR), et depuis peu, l’IA générative et les modèles LLM (Large Language Model). Si les tâches et les processus restent définis par des individus, ils nécessitent un éventail de capacités basées sur l’IA.

L’automatisation agentique fait passer l’automatisation vers un nouveau niveau d’accessibilité en exploitant la puissance de l’IA générative pour donner aux agents les capacités d’analyser des données non structurées, d’identifier des modèles, de planifier des actions et de prendre des décisions par eux-mêmes. Au lieu d’obliger les utilisateurs à dire aux robots exactement ce qu’ils doivent faire dans le cadre d’un processus défini, l’automatisation agentique exploite les dernières capacités de l’IA générative pour permettre aux agents (des sortes de robots logiciels dotés de compétences cognitives extrêmement élevées) d’agir de manière autonome pour comprendre, structurer et effectuer leur travail.

Par exemple, un travailleur humain peut formuler une « requête de tâche » telle que « veuillez compiler un rapport détaillé basé sur les données provenant de deux systèmes différents et comprenant des analyses détaillées, des actions recommandées et une justification de ces actions ». L’agent sera capable de déterminer par lui-même ce qui doit être fait, où trouver les informations dans différents systèmes, comment les analyser, etc. Il pourra alors créer et exécuter un processus de travail.  

L’automatisation agentique nécessite un éventail de capacités technologiques :

Ensembles d’intelligence artificielle (IA) et d’apprentissage automatique (ML)

L’IA agentique est souvent considérée comme l’étape suivante dans l’évolution des modèles LLM. Mais bien que les LLM soient nécessaires, ils ne suffisent pas. L’IA agentique exploite un ensemble de différentes techniques d’IA et ML, dont des approches avancées telles que des modèles d’apprentissage par renforcement, d’apprentissage profond et d’apprentissage supervisé/non supervisé au service d’une prise de décision autonome, le traitement des langages naturels et Computer Vision afin de garantir que les agents peuvent exploiter les documents et autres données multimodales pour mieux comprendre le contexte dans lequel ils opèrent, et des modèles d’apprentissage automatique qui analysent les données historiques pour prédire l’avenir afin que les agents puissent anticiper et prendre des décisions proactives.

Orchestration des processus

Un lieu de travail humain au sein duquel chacun travaillerait dans son coin (et personne ne saurait véritablement organiser ses propres workflows) serait aussi chaotique que contre-productif. Il en va de même pour un lieu de travail agentique. C’est pourquoi une orchestration des processus flexible et puissante est essentielle à l’automatisation agentique. Un « pouvoir supérieur » doit aider les agents à coordonner les tâches, gérer les workflows et optimiser les opérations pour atteindre des objectifs prédéfinis. Une capacité d’orchestration des processus doit pouvoir prendre en charge une exécution dynamique des workflows, autrement dit, garantir que plusieurs agents effectuant un éventail de tâches différentes peuvent travailler ensemble efficacement. Elle doit également permettre la collaboration entre plusieurs agents, afin que les processus impliquant plusieurs agents, robots et personnes se déroulent de manière fluide et synchrone.

Les processus de bout en bout impliquent presque toujours plusieurs systèmes, applications et technologies. De ce fait, les capacités d’orchestration doivent s’adapter à chaque entreprise et faire preuve d’autonomie pour s’appliquer à l’ensemble de l’écosystème technologique des entreprises. Et si différentes décisions sont prises par différents agents (dans le cadre d’une prise de décision distribuée), la capacité d’orchestration des processus doit garantir un séquençage approprié des décisions, des actions et des entrées dans d’autres décisions.

Identification des déclencheurs (processus continu et surveillance des événements)

Un déclencheur est un événement ou une activité qui pousse un agent d’IA à agir, qu’il s’agisse du contenu d’un e-mail, d’une demande d’un employé, d’un mauvais bulletin météorologique, d’un signal d’un dispositif IoT (Internet des objets) ou de divers autres événements. Les déclencheurs sont essentiels pour lancer et guider les actions des agents d’IA et pour garantir que les agents peuvent réagir de manière dynamique sans intervention humaine. Par conséquent, chaque système agentique doit pouvoir identifier les déclencheurs et alerter l’agent ou les agents approprié(s). Cela nécessite une capacité de surveillance continue et précise des processus, des entrées, des activités et des événements internes et externes.

Automatisation des processus robotisés (RPA)

De la collecte de données entre les systèmes pour alimenter les modèles d’IA agentique à l’exécution d’un éventail de tâches à la demande d’un agent, la RPA est une capacité essentielle à l’exécution de l’automatisation agentique. Considérez les robots RPA comme le moteur qui exécute une grande majorité de tâches tout au long d’un workflow agentique de bout en bout.

Systèmes d’apprentissage et boucles d’apprentissage

Les systèmes agentiques doivent pouvoir apprendre de manière autonome et automatique à partir des expériences passées et s’adapter pour améliorer leurs performances. De même que les individus apprennent de leurs erreurs, les agents doivent pouvoir se surveiller pour détecter les erreurs (par exemple, lors de l’interprétation de données non structurées, de la découverte de modèles ou de la prise de décisions basées sur le contexte) et utiliser ces informations à des fins d’ajustement et d’optimisation. Cette capacité nécessite de combiner un processus automatisé de commentaires et d’évaluation avec des modèles d’IA et ML.

Ancrage dans le contexte

Pour prendre les bonnes décisions, un agent d’IA doit comprendre l’environnement dans lequel il évolue, des règles et politiques métier aux décisions passées, en passant par les informations spécifiques sur les clients, les produits, les partenaires ou les fournisseurs, ainsi que les valeurs et normes comportementales de l’entreprise. Les systèmes agentiques doivent pouvoir fournir à leurs agents les éléments pertinents et la compréhension contextuelle dont ils ont besoin pour décider, comprendre, prédire et agir. Des processus automatisés permettant aux agents d’accéder à ces données contextuelles doivent être intégrés aux systèmes agentiques.

Ingénierie des requêtes assistée

L’ingénierie des requêtes assistée est essentielle pour améliorer l’efficacité des systèmes agentiques, en particulier ceux qui reposent sur des LLM à des fins de compréhension du langage naturel, de prise de décision ou d’interaction. L’ingénierie des requêtes assistée améliore la capacité des utilisateurs à concevoir et optimiser les requêtes. Des invites de meilleure qualité améliorent la précision des systèmes d’IA agentiques et leur permettent d’agir de manière plus contextuelle tout en atteignant les objectifs commerciaux clés et en minimisant les erreurs et les biais. Résultat : l’automatisation agentique est plus performante, adaptative et conviviale.

Interactions homme-machine et inclusion des humains dans la boucle

Si les agents d’IA peuvent faire office de collaborateurs virtuels et d’assistants très intelligents (comme des copilotes), ils doivent pouvoir interagir naturellement avec les individus via des interfaces intuitives telles que des robots, des assistants vocaux, etc., afin d’atteindre le maximum de leur efficacité. En outre, les systèmes agentiques doivent simplifier et inclure les humains dans les processus, afin que les utilisateurs puissent rapidement identifier les exceptions et problèmes de performance et y remédier.

Sécurité, conformité et gouvernance

Les systèmes d’IA gèrent souvent des données sensibles qui doivent être protégées des menaces internes et externes. Par conséquent, ils nécessitent des outils de sécurité alimentés par une IA capable de détecter et d’atténuer ces risques de façon autonome, sans avoir besoin d’une surveillance et d’une intervention humaine constantes. De plus, les systèmes doivent garantir que les processus automatisés et les décisions générées par l’IA sont justes, non biaisés et conformes aux normes légales et réglementaires. Par conséquent, les systèmes d’IA agentique doivent inclure à la fois des capacités d’audit et de surveillance autonomes et une prise en charge de la gouvernance humaine, notamment en matière de visibilité, de surveillance et de contrôles.