Comment intégrer des agents d'IA dans une stratégie d'automatisation.

AVIS D’EXPERT

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.

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.