IBM : Les entreprises déploient tout en matière d'IA et sont désormais confrontées au défi de l'utilisation du LLM

Au cours du siècle dernier, IBM a assisté à l'émergence et à la disparition de nombreuses tendances technologiques. Les approches qui perdurent tendent à être celles qui offrent flexibilité et choix.

Lors de VB Transform 2025, Armand Ruiz, vice-président de la plateforme d'IA d'IBM, a exposé le point de vue de l'entreprise sur l'IA générative et sur la manière dont ses entreprises clientes mettent en œuvre cette technologie dans la pratique. M. Ruiz a souligné que le paysage actuel ne se résume pas à la sélection d'un fournisseur ou d'une solution exclusive de modèle de langage de grande taille. Les entreprises s'éloignent de plus en plus des stratégies d'IA à fournisseur unique, optant plutôt pour des cadres multi-modèles qui associent des LLM spécialisés à des besoins opérationnels spécifiques.

Bien qu'IBM propose ses propres modèles d'IA open-source dans la série Granite, elle ne les présente pas comme une solution universelle pour toutes les applications. Ce comportement des clients façonne le rôle d'IBM ; l'entreprise vise à servir de centre de contrôle central pour les opérations d'IA, plutôt que de rivaliser directement en tant que fournisseur de modèles de base.

"Lorsque je rencontre des clients, ils utilisent tous les outils à leur disposition", note M. Ruiz. "Pour les tâches de codage, beaucoup préfèrent Anthropic. Pour le raisonnement et la logique, ils peuvent utiliser o3. Pour adapter les LLM à leurs propres données par un réglage fin, les options vont de nos modèles Granite aux modèles plus petits de Mistral, ou même à Llama. Il s'agit de sélectionner le bon modèle pour une tâche spécifique. Nous les aidons également en leur proposant des recommandations.

Une stratégie pour la connectivité multi-LLM

Pour répondre à cette dynamique de marché, IBM a introduit une nouvelle passerelle de modèles. Ce système offre aux entreprises une API unifiée qui leur permet de passer en toute transparence d'un LLM à l'autre, tout en garantissant une supervision et une gouvernance cohérentes pour toutes les implémentations.

La conception technique permet aux clients d'exploiter des modèles open-source sur leur propre infrastructure d'inférence pour les données sensibles, tout en utilisant des API publiques telles que AWS Bedrock ou Gemini de Google Cloud pour les fonctions moins critiques.

"Cette passerelle offre à nos clients une interface unique avec une API pour passer d'un LLM à l'autre, en incorporant une observabilité et une gouvernance complètes tout au long du processus", a déclaré M. Ruiz.

Cette méthode contraste avec les tactiques des fournisseurs qui cherchent souvent à enfermer les clients dans des systèmes propriétaires. IBM n'est pas le seul à préconiser la sélection d'un modèle multifournisseur. Récemment, plusieurs outils sont apparus pour le routage des modèles, conçus pour affecter les charges de travail au modèle le plus approprié.

Les protocoles de coordination des agents deviennent une infrastructure essentielle

Outre la gestion de plusieurs modèles, IBM répond au besoin croissant de communication entre agents par le biais de normes ouvertes.

L'entreprise a créé le protocole de communication entre agents et l'a soumis à la Fondation Linux. L'ACP est le pendant du protocole Agent2Agent de Google, que ce dernier a également soumis à la Fondation Linux cette semaine.

M. Ruiz a indiqué que les deux protocoles sont conçus pour rationaliser la communication entre agents et minimiser la nécessité d'un codage personnalisé. Il prévoit que les différentes méthodologies finiront par fusionner, les distinctions actuelles entre A2A et ACP étant essentiellement de nature technique.

Ces protocoles de coordination des agents établissent des méthodes uniformes permettant aux systèmes d'intelligence artificielle d'interagir sur différentes plateformes et avec différents fournisseurs.

L'importance technique est évidente au niveau de l'entreprise : certains clients d'IBM testent déjà plus de 100 agents dans le cadre de projets pilotes. En l'absence de protocoles de communication standard, chaque interaction entre les agents nécessite un développement personnalisé, ce qui entraîne une charge de travail d'intégration ingérable.

L'IA transforme les flux de travail et les méthodes opérationnelles

En ce qui concerne l'influence actuelle de l'IA sur les entreprises, M. Ruiz estime que son impact doit s'étendre au-delà des fonctions de base des chatbots.

"Si vos initiatives en matière d'IA se limitent à des chatbots ou à une simple réduction des coûts, vous n'avez pas pleinement adopté l'IA", commente Ruiz. "La véritable IA implique de remodeler fondamentalement les flux de travail et la manière dont le travail est accompli."

La différence entre une utilisation basique de l'IA et une transformation complète réside dans le degré d'intégration de la technologie dans les opérations de l'entreprise. Le cas des RH internes d'IBM illustre cette évolution : au lieu que le personnel consulte des chatbots pour obtenir des détails sur les RH, des agents spécialisés gèrent désormais les demandes standard sur les salaires, le recrutement et l'avancement, en se connectant automatiquement aux systèmes pertinents et en n'impliquant le personnel humain que lorsque c'est essentiel.

"Auparavant, je passais beaucoup de temps à consulter les représentants des RH pour diverses questions. Aujourd'hui, un agent RH traite la plupart de mes demandes", explique M. Ruiz. "En fonction de la demande - qu'il s'agisse de la rémunération, de la séparation des employés, de l'embauche ou des promotions - ces tâches sont liées à différents systèmes RH internes, chacun étant géré par des agents dédiés.

Cela signifie un changement structurel fondamental de l'interaction homme-machine à l'automatisation des flux de travail pilotée par ordinateur. Au lieu que les employés apprennent à utiliser les outils d'IA, l'IA apprend à exécuter des processus d'entreprise entiers, du début à la fin.

Conséquence pratique : les entreprises doivent aller au-delà des simples connexions API et de la conception rapide, et progresser vers une intégration complète des processus qui permet aux agents d'IA d'exécuter indépendamment des flux de travail en plusieurs étapes.

Considérations stratégiques pour l'investissement des entreprises dans l'IA

Les observations d'IBM sur le déploiement indiquent plusieurs changements clés pour la planification de l'IA dans les entreprises :

Dépasser l'approche centrée sur le chatbot : Les entreprises doivent cibler des flux de travail entiers à réviser, plutôt que de se contenter d'ajouter des interfaces conversationnelles aux systèmes actuels. L'objectif est de supprimer les étapes manuelles, et pas seulement d'améliorer l'interaction homme-machine.

Construire pour une adaptabilité multi-modèle : Au lieu de se lier à des fournisseurs d'IA, les entreprises ont besoin de plateformes d'intégration qui permettent de passer d'un modèle à l'autre en fonction des besoins, tout en respectant la gouvernance.

Donner la priorité aux normes de communication : Les organisations devraient privilégier les solutions d'IA qui prennent en charge les protocoles émergents tels que MCP, ACP et A2A, en évitant les méthodes d'intégration propriétaires qui entraînent une dépendance à l'égard des fournisseurs.

"Le potentiel de développement est immense et j'insiste constamment sur le fait que tout le monde doit se familiariser avec l'IA. Les chefs d'entreprise, en particulier, doivent adopter un état d'esprit axé sur l'IA et comprendre les concepts fondamentaux", conclut M. Ruiz.