Tribunes

Ne faites pas l'erreur de confondre agents IA et RPA !

Olivier Rafal, consulting director strategy de Wenvision : « Pourquoi choisir un outil capable de générer des réponses face à tout type de problématique et lui demander de suivre un workflow précis ? »

La plupart des projets d'agentisation se contentent d'utiliser de l'IA pour automatiser des processus prédéfinis. Or, la vraie valeur des agents IA se trouve au contraire dans leur capacité à adapter leurs actions au problème qu'on leur soumet.

PublicitéL'adage "pourquoi confier à un humain ce qu'un programme sait faire" a guidé l'IT jusqu'à présent, avec une certaine réussite. C'est ainsi que nous avons progicialisé un grand nombre d'activités dans l'entreprise. C'est cette même logique qui a conduit à mettre en place du RPA, ou automatisation robotisée des processus : des logiciels qui exécutent des suites de tâches.

C'est encore cette logique qui nous pousse à vouloir tirer parti de l'IA en lui confiant l'exécution d'un bon nombre de tâches sans grande valeur ajoutée dans l'entreprise. L'intention est excellente, mais la mise en oeuvre s'avère la plupart du temps catastrophique. Tout simplement parce qu'on a tendance à utiliser l'IA de la même manière que les technologies précédentes : en lui spécifiant exactement ce qu'elle doit faire, à quel moment elle doit le faire et de quelle façon.

Automatiser un processus prédéfini avec l'IA, quel intérêt ?

Après tout, c'est ce que nous avons appris à faire avec les IA génératives. Pour éviter qu'elles ne partent dans des directions incontrôlées, nous avons appris à prompter, à dialoguer avec elles, à leur donner des informations en guise de contexte : telle procédure se déroule ainsi, si l'utilisateur demande ceci alors tu dois faire cela, etc. Et puis il fallait bien que les workflows soient connus, les processus bien documentés, si on voulait pouvoir juger de la qualité du travail des IA, non ?

C'est ainsi que des entreprises se sont lancées dans l'automatisation grâce à l'IA générative... et se sont vite rendu compte que la valeur ajoutée de l'IA était quasiment nulle, voire négative, par rapport aux outils et méthodes d'automatisation actuelles. Et pour cause. Quel est l'intérêt de choisir un outil capable de générer des réponses face à tout type de problématique pour lui demander de suivre un workflow précis pour chaque cas identifié ?

Lorsque vous prenez un VTC, vous pouvez lui spécifier d'éviter le périphérique, de ne pas téléphoner au volant, etc., mais vous ne lui indiquez pas le chemin rue par rue. Vous lui faites confiance, à lui et/ou à son GPS, pour vous emmener à destination, en sécurité et le plus rapidement possible.

Automatiser le support de 1er niveau, le cas d'usage parfait

Imaginez que vous souhaitiez automatiser un service de support de premier niveau. Ce serait un premier pas vers le AI4Ops, la mise en place de systèmes auto-réparants. Le cas n'est pas nouveau, vous avez certainement déjà essayé de mettre en place un chatbot de support, capable d'identifier un certain nombre de mots-clés et de les faire correspondre à des éléments précis d'une gigantesque base de connaissance. Si l'utilisateur validait la solution proposée, alors cela déclenchait un processus précis.

PublicitéDans ce type de scénario, implémenter de l'IA générative améliorerait certainement les capacités de dialogue du chatbot, ainsi que l'association avec des articles de la base de connaissance, mais n'aurait guère d'intérêt pour le reste. L'expérience s'avérerait aussi frustrante pour l'utilisateur dès lors que sa problématique dépasserait le strict cadre des problèmes et remédiations identifiées et spécifiées dans le workflow. Cela serait également très frustrant pour vous, sachant que l'IA peut faire bien plus !

Repensez vos processus à l'aune des capacités de l'IA

Cette anecdote illustre parfaitement le discours que nous tenons à nos clients : chercher à optimiser ses processus avec l'IA générative, pourquoi pas, mais les plus gros gains ne sont accessibles qu'en repensant vos processus à l'aune des capacités de l'IA. Pour reprendre l'exemple précédent, repenser le processus consiste à partir des capacités de l'IA à caractériser des problèmes et à générer les solutions correspondantes, sans chercher à restreindre le processus à une liste de workflows déterminés à l'avance.

Cela demande une certaine gymnastique intellectuelle : il faut comprendre la manière dont fonctionne un système agentique, et il faut mettre en place une architecture adaptée pour garantir la performance et la qualité de ce système. Typiquement, nous passons d'une vision où une IA fait tout à un système adaptatif, constitué de plusieurs agents jouant chacun un rôle précis, capables d'agir de concert, de s'auto-observer et d'enrichir leur propre base de connaissances (sur les utilisateurs, le contexte de l'entreprise, les systèmes, etc.).

Certes, les efforts d'ingénierie sont un peu plus élevés au départ, mais au moins, la promesse de l'IA est au rendez-vous à l'arrivée.

Avec Antoine Habert, expert transformation GenAI Devops chez Wenvision

Article rédigé par

Olivier Rafal, Consulting Director Strategy de WEnvision
Olivier Rafal est Consulting Director Strategy de WEnvision, cabinet de conseil du groupe SFEIR. Consultant, auteur, conférencier, formateur, Olivier Rafal a rejoint SFEIR en 2020 et cofondé WEnvision en janvier 2022.

Ancien rédacteur en chef de lemondeinformatique.fr, Olivier Rafal a ensuite passé 10 ans dans un cabinet de conseil et d'analyse du marché IT. Il accompagne aujourd'hui les entreprises tout au long de leur démarche de stratégie numérique et de modernisation des SI, toujours dans l'optique de la création de valeur.

Olivier est ainsi l'interlocuteur privilégié des CIO et CTO pour co-construire et formaliser leurs feuilles de route, cadres de gouvernance et grands principes directeurs, ainsi que les documents et business cases requis pour expliquer la démarche aux Comex et fonds d'investissement.