Agents de l'IA: la nouvelle main-d'œuvre nécessitant toujours une gestion

L'engouement autour des agents IA en tant que nouveaux "travailleurs numériques" ne cesse de croître, une tendance qui précède l'adoption généralisée des IA agentiques et génératives, notamment dans des domaines comme l'automatisation des processus robotiques. Ces travailleurs numériques sont conçus pour la discipline et l'obéissance, mais ils présentent leurs propres particularités, tout comme leurs homologues humains.

Pour une exploration plus approfondie de la manière dont l'IA a transformé ma vie professionnelle, consultez mon article sur 15 façons dont l'IA m'a fait gagner du temps au travail en 2024 - et comment je prévois de l'utiliser en 2025.

Le saut de Salesforce dans le travail numérique avec Agentforce 2.0

Le virage vers une main-d'œuvre numérique a fait des progrès significatifs, avec Salesforce lançant récemment Agentforce 2.0, une plateforme de travail numérique conçue pour les entreprises. Cette plateforme vise à créer "une main-d'œuvre illimitée grâce à des agents IA pour n'importe quel département", en utilisant une bibliothèque de compétences préconstruites pour fonctionner sur n'importe quel système ou flux de travail. Selon Salesforce, Agentforce 2.0 va au-delà de l'RPA traditionnelle en intégrant "un raisonnement amélioré et une récupération de données", lui permettant de fournir des réponses précises et d'orchestrer des actions en réponse à des requêtes complexes en plusieurs étapes. Ces agents sont même capables d'interagir au sein de Slack, s'intégrant ainsi de manière transparente dans les environnements de travail quotidiens.

Renforcer les équipes avec le travail numérique

Les grandes organisations exploitent cette plateforme pour renforcer leurs équipes avec du travail numérique, comme le souligne Salesforce. Avec des talents rares et coûteux à former, les entreprises se tournent de plus en plus vers l'IA pour gérer les interactions avec les clients et résoudre les arriérés de flux de travail. Cependant, elles ne peuvent plus se contenter de "solutions inadéquates qui fournissent des réponses génériques", comme le souligne Salesforce. Les solutions traditionnelles comme les copilotes échouent souvent à fournir des réponses précises et fiables à des requêtes complexes, comme des conseils personnalisés pour une candidature, et elles manquent de la capacité à agir de manière autonome, comme entretenir des prospects avec des recommandations de produits.

Les leaders de l'industrie s'accordent à dire que les travailleurs numériques autonomes sont désormais capables d'exécuter de telles tâches à divers niveaux. "La convergence d'innovateurs qualifiés, d'outils cloud rapidement déployables, de la sensibilisation des clients et du soutien des dirigeants a créé un environnement idéal pour que l'IA agentique prospère en 2025", a partagé Chris Bennett, directeur de la transparence et de l'éducation en IA chez Motorola Solutions, avec ZDNET.

Motorola Solutions exploite déjà la puissance de l'IA agentique "pour améliorer la sécurité publique et la sécurité des entreprises", explique Bennett. Leurs applications d'IA analysent et fournissent des données en temps réel, offrant un soutien critique et immédiat aux premiers intervenants et au personnel de sécurité. "Les agents IA ne s'ennuient jamais, ne se fatiguent pas et ne se laissent pas distraire", note-t-il, soulignant qu'ils peuvent automatiser les tâches répétitives, libérant ainsi les intervenants pour des tâches plus critiques et l'engagement communautaire. Par exemple, les agents IA peuvent accélérer des tâches comme l'examen de séquences vidéo historiques, aidant les enquêteurs à retrouver des personnes disparues plus rapidement grâce à des recherches en langage naturel.

Viswesh Ananthakrishnan, cofondateur et vice-président d'Aurascape, décrit comment les agents IA intuitent les processus pour "créer une série d'étapes, ou une recette pour résoudre un problème". Ces agents peuvent exécuter ces étapes et même collaborer avec d'autres agents, obtenant une vue d'ensemble du fonctionnement de l'entreprise. Ananthakrishnan explique que les agents IA peuvent "développer et exécuter des processus complexes, comme consulter des prévisions de demande et prendre des mesures proactives pour générer et soumettre des formulaires de commande pour plus de stocks avant que les approvisionnements ne s'épuisent". Cette automatisation réduit considérablement le temps passé par les travailleurs sur des tâches répétitives.

La nécessité d'une gestion réfléchie des agents IA

Cependant, tout comme les travailleurs humains, les agents IA nécessitent une gestion minutieuse. Il reste du travail à faire avant qu'une main-d'œuvre basée sur l'IA agentique puisse assumer pleinement une large gamme de tâches. "Bien que la promesse de l'IA agentique soit évidente, nous sommes encore à plusieurs années d'une adoption généralisée de l'IA agentique au niveau des entreprises", avertit Scott Beechuk, partenaire chez Norwest Venture Partners. Il souligne l'importance de la fiabilité, compte tenu du rôle potentiel des agents dans l'automatisation des processus métier critiques.

L'un des défis est la traçabilité des actions des agents IA. "De nombreux outils ont du mal à expliquer comment ils sont arrivés à leurs réponses à partir des données sensibles des utilisateurs, et les modèles peinent à généraliser au-delà de ce qu'ils ont appris", souligne Ananthakrishnan.

L'imprévisibilité est un autre obstacle, car les grands modèles de langage (LLM) "fonctionnent comme des boîtes noires", ajoute Beechuk. "Il est difficile pour les utilisateurs et les ingénieurs de savoir si l'IA a accompli sa tâche avec succès et si elle l'a fait correctement." Il met également en garde contre l'infiabilité des agents IA, notant que "dans les systèmes où l'IA crée ses propres étapes pour accomplir des tâches, des détails inventés peuvent entraîner davantage d'erreurs à mesure que la tâche progresse, rendant finalement les résultats peu fiables."

Les travailleurs humains collaborent naturellement avec aisance et régularité, mais pour les travailleurs IA, cela est plus complexe. "Étant donné que les agents interagiront avec plusieurs systèmes et bases de données, obtenir une visibilité complète n'est pas une tâche facile", explique Ananthakrishnan. Il est crucial d'avoir une visibilité pour capturer chaque action entreprise par un agent, ce qui nécessite une compréhension approfondie de l'activité sur les appareils en bout de chaîne et la capacité de traiter les données dans divers formats. De plus, il est important de "combiner rapidement ce contexte des points finaux avec le trafic au niveau du réseau pour déterminer les données informant les actions de l'agent", ainsi que de "reconnaître le type d'agent IA interagissant avec vos données, qu'il s'agisse d'une entité de confiance ou d'un agent entièrement nouveau."

L'émergence de l'ingénieur en systèmes IA

Cette complexité pourrait donner naissance à un nouveau rôle centré sur l'humain : l'ingénieur en systèmes IA. "Ce nouveau rôle d'assurance qualité et de supervision deviendra essentiel pour les entreprises à mesure qu'elles gèrent et optimisent en continu les agents IA", déclare Beechuk.

Dans les environnements multi-agents, "les agents IA interagiront et évolueront constamment, consommant un flux constant de nouvelles données pour accomplir leurs tâches individuelles", explique-t-il. "Lorsqu'un d'entre eux reçoit de mauvaises données, intentionnellement ou non, et modifie son comportement, il peut commencer à exécuter sa tâche de manière incorrecte ou avec moins de précision, même s'il le faisait parfaitement bien la veille. Une erreur dans un agent peut alors avoir un effet en cascade qui dégrade l'ensemble du système. Les entreprises embaucheront autant d'ingénieurs en systèmes IA qu'il faudra pour éviter cela."

Bien que les entreprises et les équipes technologiques soient "bien placées pour soutenir l'IA agentique, nous avons encore besoin de temps et d'expérience pour trouver le juste équilibre entre les flux de travail agentiques et humains", conseille Bennett. "Notre conseil est de considérer l'IA comme une augmentation des experts humains, et non comme un remplacement."