De Daniel Meyer, directeur technique chez Camunda
Les agents d’IA ne cessent de gagner en popularité, à juste titre. Ils permettent non seulement d’agir de manière indépendante, mais aussi de prendre des décisions basées sur des raisonnements complexes. L’utilisation d’agents d’IA dans une stratégie d’automatisation semble aller de soi. Toutefois, si leur intégration dans les processus de bout en bout n’est pas adaptée, ils risquent de ne pas fonctionner aussi bien que vous le souhaiteriez, voire pas du tout. L’objectif est d’accroître l’efficacité des processus et/ou de minimiser les tâches humaines répétitives. Cependant, la mise en œuvre de l’IA sans une intégration transparente peut avoir l’effet inverse et se traduire par des workflows cloisonnés et décousus qui nuisent à l’efficacité et à l’expérience des clients et des employés. Selon Accenture, l’IA est désormais l’un des principaux contributeurs à la dette technologique, aux côtés des applications d’entreprise. Alors que 52 % des entreprises prévoient d’augmenter leurs budgets d’IA générative en 2025, ce problème devrait s’intensifier. Penchons-nous sur le fonctionnement des agents d’IA, ainsi que sur certains des défis et des risques qui y sont associés, et voyons comment opérationnaliser l’IA dans une stratégie d’automatisation existante.
Fonctionnement des agents d’IA dans l’automatisation de bout en bout
Les processus métier sont constitués d’une série d’étapes qui s’exécutent souvent sur un large éventail d’endpoints, qui peuvent être des personnes, des systèmes (y compris l’IA) et/ou des appareils. L’orchestration des processus garantit que chaque étape s’exécute comme prévu et que tout se déroule de manière transparente entre ces endpoints. Le problème est que les agents d’IA ne se valent pas tous. Certains processus suivent une logique prédéfinie, ce qui permet d’anticiper facilement ce qui se passera par la suite. Avec un processus amélioré par l’IA, certaines étapes peuvent aussi suivre un flux logique planifié, tandis que d’autres sont exécutées à l’aide d’un grand modèle de langage (LLM). Les résultats d’un LLM sont plus difficiles à prévoir, mais peuvent bénéficier aux processus dynamiques et variables qui n’ont pas besoin de suivre une structure spécifique.
Prenons l’exemple du traitement des réclamations d’assurance et des demandes d’indemnisation des clients. Les processus automatisés dans ces domaines peuvent comporter des étapes prédéfinies avant de passer à un stade où le dossier est remis à une personne qualifiée pour qu’elle l’examine de plus près, détermine les mesures à prendre et résolve parfois elle-même la situation. Tirer parti de l’IA peut augmenter le niveau d’automatisation dans ces types de processus difficiles à définir, libérant ainsi du temps aux travailleurs du savoir.
Défis et risques liés aux agents d’IA
Le manque de prédictibilité des agents d’IA peut être une source sérieuse de risques pour certains secteurs d’activité réglementés qui nécessitent un niveau élevé d’auditabilité et de gouvernance de leurs processus. Aujourd’hui, 84 % des entreprises déclarent que le manque de transparence sur la façon dont les applications d’IA sont utilisées dans les processus métier entraîne des problèmes au niveau de la conformité réglementaire. Cela ne signifie pas qu’un secteur réglementé comme celui de la finance ne peut pas tirer parti de l’IA, ou plus spécifiquement des agents d’IA. L’orchestration des processus assure une conception pour les processus de bout en bout, qui permet aux entreprises de rester en conformité avec les réglementations spécifiques à leur secteur, avec les lois sur la confidentialité des données et avec les législations émergentes sur l’IA. Les processus orchestrés de bout en bout conservent une piste d’audit visuelle, ce qui permet aux équipes de vérifier les décisions et de simplifier les rapports de conformité à tout moment. En fonction de leur niveau de réglementation, les entreprises peuvent ajuster leur utilisation des agents d’IA à la hausse ou à la baisse, ou mettre en œuvre davantage de vérifications manuelles dans leurs processus afin de disposer d’un contrôle plus précis sur les résultats de l’IA.
Opérationnalisation des agents d’IA et d’autres types d’IA
Comme décrit ci-dessus, l’orchestration des processus garantit que les processus métier de bout en bout fonctionnent de manière transparente, même lorsqu’ils impliquent l’IA. Cela est crucial, car l’automatisation a un impact considérable sur l’expérience des employés et des clients. Si un processus est incohérent ou décousu, la productivité, la fidélité des clients et les résultats peuvent en subir les conséquences. Heureusement, la façon dont vous définissez la logique des processus et l’approche d’orchestration de ces processus offre une grande flexibilité. Dans les situations où vous avez besoin d’un haut niveau de contrôle, il est préférable de suivre une logique prédéfinie. Dans les cas où un plus grand niveau de variabilité est acceptable, vous pouvez vous appuyer davantage sur des agents ou combiner une logique de processus prédéfinie avec des processus alimentés par l’IA et des vérifications manuelles. Par conséquent, vous devez être en mesure de définir où et comment les agents d’IA interviennent dans vos processus de bout en bout, d’auditer et de suivre leurs décisions, et de mettre en œuvre des interventions manuelles lorsque vous en avez besoin. L’orchestration des processus vous permet de répondre à tous ces objectifs, en opérationnalisant efficacement l’IA dans votre stratégie d’automatisation, sans dette technique ni conséquences imprévues pour votre entreprise.
