Technologies

L'agentique, c'est sémantique !

La cohérence des résultats donnés par les agents dépend de la cohérence sémantique des data utilisées par l'IA. (Photo : Detait/Unsplash)

Les déploiements d'IA agentique ne donneront de résultats cohérents que si les organisations s'accordent sur une sémantique commune en interne et avec leur écosystème.

PublicitéLes enjeux associés aux projets d'IA ont évolué : il ne s'agit plus seulement de stocker, traiter et déplacer des données, mais surtout de garantir leur cohérence, quel que soit leur usage dans l'organisation. C'est essentiel pour qu'un LLM appréhende efficacement les spécificités et les nuances de cette dernière. L'annonce récente par Walmart de la fin de son partenariat avec OpenAI pour la gestion des achats via ChatGPT en est un exemple frappant. Le géant de la grande distribution américaine a voulu s'appuyer sur le LLM pour scraper ses données produits et en extraire du sens, mais s'est retrouvé confronté à des résultats incohérents et une expérience client médiocre. Pire encore, les taux de conversion résultants de cette méthode étaient trois fois inférieurs à ceux obtenus sur le site web de Walmart. Si l'entreprise avait utilisé un agent basé sur sa logique métier réelle, développée au fil des ans, ces résultats auraient sans nul doute été bien différents.

Les hubs sémantiques, des bases de connaissance centralisées qui traduisent les données brutes en concepts métiers cohérents et clairs, sont des éléments clés pour le déploiement efficace de l'IA agentique. Par essence, ils réduisent les risques de dérive sémantique, là où la compréhension des concepts et des termes par un LLM est fluctuante et évolue avec le temps. Cependant, les entreprises n'opèrent pas en vase clos et doivent échanger des données avec leurs fournisseurs et leurs clients, ou encore avec les organismes de réglementation et les institutions financières. Cela implique que les hubs sémantiques puissent devenir sources d'erreurs, car les définitions et la compréhension du sens vont varier d'une organisation à l'autre. Un problème encore plus central avec l'autonomisation de plus en plus importante des systèmes agentiques.

En attendant un langage commun

Le cabinet de conseil McKinsey estime que les agents IA pourraient gérer entre 2,5 et 4 Md€ d'échanges commerciaux dans le monde d'ici à 2030. Des prévisions qui donnent une justification économique et commerciale à un monde davantage centré sur les agents. D'autant que la technologie qui sous-tendra cette révolution, bien que récente, se développe très rapidement. À cela il faut ajouter qu'avec MCP ou Agent2Agent (A2A) et d'autres standards, les agents disposent aussi désormais de protocoles de communication et d'intégration de données. Un élément fondamental manque encore cependant : un langage commun qui permette aux agents dispersés d'interpréter de manière cohérente et précise les données qu'ils utilisent.

L'Open Semantic Interchange (OSI), initialement développé par Salesforce et Snowflake, peut être considéré comme un modèle mental universel pour ces données. Il fait justement en sorte que chaque agent d'IA perçoive les définitions métier avec la même intention et la même précision qu'un expert humain, quel que soit le système utilisé. « Si l'OSI réussit à se faire une place, il pourrait profondément transformer le paysage concurrentiel en banalisant la définition d'un modèle sémantique », explique Brad Shimmin, vice-président et responsable de la practice data et analytics du cabinet d'analyse technologique The Futurum Group. « Les fournisseurs ne pourront plus enfermer leurs clients en utilisant des métriques aux langages propriétaires. Ils devront se différencier par leur maîtrise de la sémantique, la performance, l'efficacité de la mise en cache, la sécurité et la sophistication de leur intégration de l'IA. »

PublicitéLes DSI espèrent un standard largement adopté

Des acteurs majeurs tels que Cloudera, Databricks, Instacart et ThoughtSpot ont déjà rejoint les membres fondateurs de l'OSI, pourtant seulement lancée en septembre 2025. De nombreux DSI craignent que, sans une coopération plus large avec d'autres éditeurs de logiciels d'entreprise comme Microsoft et SAP, le projet ne trouve toutefois pas l'élan nécessaire à une véritable interopérabilité entre les différents secteurs. L'adoption rapide de MCP par des fournisseurs concurrents laisse, par exemple, espérer que davantage d'entreprises, conscientes de la nécessité de normes communes et ouvertes pour concevoir des systèmes d'agents performants, rejoindront l'initiative. Quoi qu'il en soit, la spécification OSI étant encore en phase de développement précoce pour plusieurs mois, il n'est pas encore envisageable pour une entreprise, à court terme, de confier ses données en production à des outils encore en version bêta.

Un autre facteur essentiel d'adoption d'un tel standard devrait venir du soutien de secteurs industriels qui ont tout intérêt à ce que des systèmes d'agents sûrs et fiables soient déployés dans leur domaine. La banque et le médical s'accordent, par exemple, déjà sur des langages et des définitions qui aident à prévenir la fraude financière et les risques sanitaires.