IA agentique : le prochain coup de maître en matière d’efficacité à mille milliards de dollars

Des LLM aux agents IA

Les performances de l'IA ont changé notre perception de la capacité des systèmes artificiels à interagir avec les humains, en grande partie grâce à la parole quasi humaine des LLM (Large Language Models) comme ChatGPT.

Avec ce niveau de capacité, l'IA peut déjà assister, voire remplacer, les humains pour des tâches telles que la traduction, la recherche de données, la programmation, etc. Cependant, les agents IA ouvrent la voie à un nouveau niveau de fonctionnalités. L'idée centrale des agents IA est de créer des IA capables d'opérer de manière autonome dans un environnement donné. Ils peuvent ainsi agir seuls, sans nécessiter de confirmation ni de supervision constante.

Cela leur confère des rôles pratiques très différents de ceux des IA génératives comme les LLM ou les générateurs d'images, qui sont pour la plupart réactifs à des incitations créées par l'homme.

Dans ce contexte, le terme « environnement » peut désigner aussi bien des situations spécifiques du monde réel — comme une voiture sur la route pour un agent de conduite autonome — qu’un « lieu » entièrement virtuel, comme une suite logicielle spécifique ou une interface numérique.

C’est à cette étape que l’IA passe de la simple conversation à l’action. Contrairement aux systèmes d’apprentissage automatique généralistes, les agents d’IA ont souvent un champ d’action plus limité et plus précis. Cela leur permet d’être plus efficaces et plus fiables dans leurs décisions autonomes, tandis qu’une IA généraliste pourrait plus facilement s’égarer.

Les agents d'IA constituent la prochaine étape pour rendre l'IA utile à l'amélioration de l'efficacité d'innombrables processus.

Agents IA expliqués

Glissez pour faire défiler →

Les agents IA représentent-ils une nouvelle avancée ou une simple évolution ?

Ces caractéristiques placent les agents d'IA un cran au-dessus des versions précédentes d'outils d'IA, comme les assistants et les bots, grâce à des capacités plus proactives, une plus grande autonomie et la capacité de gérer des tâches complexes en plusieurs étapes.

À l'instar d'une véritable intelligence, elles peuvent s'auto-améliorer : elles tirent des leçons de l'expérience, ajustent leur comportement en fonction des retours d'information et améliorent continuellement leurs performances au fil du temps.

Ainsi, même si les bots et les assistants IA peuvent remplir certaines fonctions les pièces Parmi les tâches confiées à un agent d'IA, l'autonomie, la proactivité et le haut niveau de complexité le distinguent des niveaux d'automatisation précédents. Cela le rapproche considérablement d'un travailleur humain, du moins pour la tâche spécifique pour laquelle il a été entraîné.

Comment les agents d'IA autonomes vont se déployer à grande échelle dans tous les secteurs d'activité

La vie moderne regorge de tâches répétitives, trop complexes pour de simples scripts d'automatisation, mais fastidieuses pour les humains. C'est pourquoi les agents d'IA sont particulièrement pertinents pour les flux de travail hautement répétitifs et basés sur le jugement, qu'il s'agisse d'accompagner un client dans la résolution d'un problème technique ou de conduire des camions sur l'autoroute.

Contrairement aux humains, ces agents d'IA peuvent travailler 24h/24 et 7j/7 et évoluer instantanément sans frais supplémentaires.

Il existe de nombreuses façons de classer le niveau atteint par l'IA. De manière générale, les indicateurs comparent les capacités de l'IA à celles de la population humaine. Les agents d'IA les plus récents atteignent les compétences de 50 à 90 % de la population dans des tâches spécifiques et ciblées.

Ces agents d'IA de « niveau 2-3 » sont généralement considérés comme un stade intermédiaire du progrès en IA, et seulement le début pour AGI (Intelligence Générale Artificielle).

L'architecture émergente consiste à créer de nombreux agents d'IA spécialisés, chacun prenant en charge une tâche spécifique avec un niveau de performance comparable à celui d'un humain. Pour les flux de travail plus complexes, plusieurs agents d'IA interviennent successivement, collaborant pour réaliser la tâche principale en la décomposant en sous-tâches plus simples.

Les agents personnalisés, développés en interne à l'aide de plateformes d'IA, devraient également se généraliser, car les agents de codage réduisent la complexité du développement des applications d'entreprise.

Accroître simultanément l'efficacité de l'IA et des humains

Un autre avantage des agents d'IA par rapport à l'IA plus générale réside dans leur efficacité. Bien qu'ils excellent dans une tâche précise, ils ne sont pas encombrés de capacités superflues.

Par exemple, un agent d'IA spécialisé pourrait conduire une voiture comme un humain sans pour autant posséder les autres capacités de raisonnement humaines. Il pourrait « comprendre » les routes, mais serait incapable de tenir une conversation intéressante, de générer une image à partir d'une commande ou de gérer de grandes bases de données.

De ce fait, le modèle nécessite moins de mémoire et de puissance de calcul pour fonctionner. Cela réduit par conséquent les besoins matériels et la consommation d'énergie nécessaires à son exécution.

Quel degré d'autonomie ?

La plus grande autonomie des agents d'IA est leur principal atout, mais elle peut aussi constituer un frein à leur adoption.

Même un agent d'IA extrêmement compétent et fiable ne saurait être considéré comme totalement digne de confiance pour prendre des décisions ayant un impact majeur sur le monde réel. Configurer un chatbot performant pour gérer le service client est une chose ; lui confier la gestion de la paie de milliers d'employés en est une autre.

Il est probable que l'amélioration parallèle de la qualité des décisions prises par l'IA et la familiarisation croissante avec ces décisions permettront aux autorités d'accorder une plus grande latitude aux systèmes décisionnels de l'IA. Ceci soulève toutefois d'intéressantes questions juridiques et éthiques concernant la responsabilité des actions de l'IA.

Un cadre juridique clair devra être défini. Par exemple, en cas d'accident impliquant une voiture autonome, le fournisseur de l'IA est-il responsable ? À mesure que l'autonomie augmente, les décisions ont un impact réel sur les personnes et soulèvent des questions de responsabilité coûteuses.

Cela inclut également la question des abus, tels que l'usurpation d'identité ou la fraude automatisée. Ce sont des questions législatives, mais les progrès technologiques devancent souvent la réglementation.

L'avenir des agents IA

Les agents d'IA peuvent-ils devenir des généralistes spécialisés ?

Comme expliqué précédemment, les premiers agents d'IA sont limités dans leurs capacités afin d'être efficaces et fiables. Cependant, les agents d'IA de niveau supérieur nécessiteront une compréhension du contexte, la mémorisation des décisions passées et la continuité des tâches.

Dans un premier temps, cela pourrait se faire avec l'aide d'un humain, qui jouerait alors davantage le rôle de « chef d'orchestre » des IA autonomes que celui de réaliser lui-même la tâche. Bien entendu, l'objectif ultime, pour améliorer l'efficacité, est de supprimer complètement l'intervention humaine.

Par exemple, une IA effectuant un diagnostic à l'hôpital devra analyser simultanément des images médicales, comprendre le texte ou la voix décrivant les symptômes, intégrer les résultats des examens médicaux et les antécédents du patient, et trouver la littérature scientifique pertinente. Elle devra ensuite combiner ces données de manière intelligente.

Applications financières

Certains secteurs se montrent sceptiques quant à l'élimination de l'humain du processus décisionnel, notamment l'industrie manufacturière et la santé où les erreurs peuvent être fatales. Cependant, un secteur adopte avec enthousiasme les agents d'IA : la finance.

La plupart des acteurs du secteur financier utilisent déjà un niveau élevé d'automatisation, des systèmes de trading à la détection des fraudes. Les fintechs sont encore plus réceptives à l'IA agentielle, car leur existence repose sur l'automatisation de l'efficacité financière. Dans un secteur qui gère des milliers de milliards, une efficacité accrue peut rapidement se traduire par une augmentation significative des marges bénéficiaires.

Par exemple, un agent peut se concentrer sur la tâche fastidieuse du rapprochement bancaire (concordance des relevés bancaires, des feuilles de calcul et des livres comptables). Les entreprises de taille moyenne peuvent consacrer plus de 300 heures par an au seul rapprochement bancaire. Si les feuilles de calcul permettent d'automatiser certaines étapes, elles restent fragiles. L'IA agentique offre une plus grande flexibilité et des capacités de raisonnement supérieures pour gérer les exceptions et les données non structurées.

Investir dans l'IA agentique

ServiceNow

ServiceNow est une plateforme de cloud computing fondée en 2003, dédiée à la création et à la gestion de processus métier automatisés. Forte d'une clientèle fidèle dans le domaine de l'automatisation des processus, l'entreprise s'est entièrement tournée vers l'IA agentielle.

Elle permet aux entreprises d'utiliser ses agents IA, ainsi que de les personnaliser ou d'en créer de nouveaux à partir de zéro en utilisant le low-code et le « vibe coding » (laissant une IA écrire le code en suivant les indications d'un humain).

Le principal atout de ServiceNow réside dans son indépendance vis-à-vis de toute technologie d'IA spécifique et sa capacité à s'intégrer aux outils et flux de travail numériques existants des entreprises. Il offre également une interface fiable pour centraliser la gestion d'un nombre croissant d'agents d'IA.

La gouvernance de l'IA est repensée grâce à une plateforme centralisée permettant de gérer, superviser et optimiser les agents d'IA, qu'ils soient natifs ou tiers. Contrairement aux écosystèmes fermés, ServiceNow est indépendant des fournisseurs de services de logement et profondément intégré à NVIDIA, aux hyperscalers et à un écosystème d'IA dynamique, offrant ainsi aux entreprises une maîtrise totale pour pérenniser leur stratégie d'IA.

L'objectif de ces agents est d'améliorer les marges des entreprises en les rendant plus efficaces : automatiser les tâches informatiques, simplifier les RH, traiter les demandes courantes des clients et accélérer le développement d'applications.

Cette entreprise, forte de plus de 20 ans d'existence, poursuit sa croissance rapide, avec une augmentation de son chiffre d'affaires de plus de 20 % par rapport à l'année précédente fin 2025. De manière remarquable, ses clients existants augmentent constamment leur consommation, ce qui se traduit par une hausse de la valeur annuelle des contrats (ACV). Les taux de renouvellement se maintiennent entre 95 % et 97 %, garantissant ainsi une grande prévisibilité des revenus.

L'entreprise a réussi à dégager de solides marges opérationnelles et un flux de trésorerie disponible important, ce qui reflète sa structure de coûts relativement faible par rapport à ses revenus récurrents.

Dernières actualités et développements concernant l'action ServiceNow (NOW)