L'essor de l'IA agentique est imminent, alors que de plus en plus d'entreprises cherchent à identifier des cas d'utilisation à forte valeur ajoutée. Selon Deloitte, d'ici 2025, 25 % des entreprises intégrant l'IA générative lanceront des pilotes d'IA agentique, un chiffre qui pourrait atteindre 50 % d'ici 2027. Cependant, il est crucial de déterminer quels processus sont éligibles à cette transformation sans perdre de vue les risques associés.
Pour qu'une entreprise bénéficie de l'IA agentique, elle doit considérer plusieurs éléments essentiels : l'alignement avec les objectifs commerciaux, la valeur ajoutée, et les risques potentiels. Prashant Kelker, directeur de la stratégie chez ISG, souligne l'importance d'une mission claire pour l'IA. Sans objectif défini, l'IA devient comparable à un navire en mer sans destination.
Le processus de décision doit s'assurer qu'un changement vers l'IA agentique apportera une réelle valeur ajoutée. Un examen minutieux des coûts et bénéfices doit être effectué, car l'investissement en IA peut être complexe. Les entreprises doivent également évaluer leur capacité à soutenir cette technologie en termes de ressources, de conformité et d'amélioration continue.
La qualité des données est primordiale. L'IA agentique nécessite des informations précises et actuelles pour fonctionner efficacement. Saket Srivastava, CIO chez Asana, indique que des données obsolètes ou non pertinentes peuvent entraver le succès des agents IA. Pour garantir un retour sur investissement, il est essentiel d'établir un cadre d'action concret autour de ces données.
Un domaine prometteur pour l'IA agentique est le service client. Les systèmes de réponse vocale interactive (IVR) et les chatbots traditionnels, bien qu'utilisés depuis longtemps, souffrent de rigidité. L'IA agentique, en revanche, offre une approche plus adaptative et contextuelle, permettant de résoudre des problèmes complexes et d'améliorer l'expérience client.
Les experts identifient quatre scénarios où l'IA agentique pourrait s'avérer particulièrement bénéfique :
1. Améliorer les processus commerciaux hybrides
Selon Priya Iragavarapu, vice-présidente de la science des données et de l'analyse chez AArete, une société internationale de conseil en gestion et en technologie, l'IA agentique peut avoir un impact sur les processus commerciaux qui combinent déjà des tâches automatisées et des tâches basées sur des décisions humaines.
« L'IA agentique est particulièrement adaptée aux processus commerciaux qui combinent des tâches programmatiques et manuelles au sein d'un même processus », explique Priya Iragavarapu.
Par exemple, un processus de traitement des demandes d'indemnisation d'assurance implique la validation automatisée de données structurées (telles que la vérification des numéros de police et des dates de couverture) combinée à l'examen manuel de documents non structurés (tels que les rapports médicaux ou les cas exceptionnels qui nécessitent une interprétation humaine).
2. Relier et orchestrer des processus de travail transversaux
Un autre scénario dans lequel l'IA agentique peut être mise à profit est celui où un processus métier s'étend sur plusieurs équipes cloisonnées, où chaque équipe n'a pas de visibilité ou d'accès aux données ou aux systèmes des autres équipes.
« Il est alors préférable de créer un agent d'IA qui peut être formé de manière transversale pour acquérir cette expertise et ces connaissances interfonctionnelles », explique M. Iragavarapu. Prenons l'exemple d'un processus de commande à encaissement dans une grande entreprise, où les équipes de vente, de finance et de logistique travaillent chacune dans des systèmes distincts.
« L'agent IA peut intégrer et agréger les données de tous ces systèmes, offrant ainsi une vue unifiée pour identifier les goulots d'étranglement, envoyer des alertes proactives en cas de retard et aider aux tâches de réconciliation », explique Mme Iragavarapu. L'agent agit comme un pont entre les équipes pour assurer des flux de travail et des prises de décision plus fluides, dit-elle.
Lorsque les processus impliquent plusieurs équipes ou services et nécessitent une coordination importante, ils peuvent tirer parti de la capacité de l'IA à agir comme un orchestrateur, explique Srivastava. Les agents d'Asana peuvent suggérer des flux de travail optimaux et assurer la responsabilité en suivant les progrès de l'équipe. « Cela garantit que le travail est conforme aux objectifs et réduit le risque de mauvaise communication ou de non-respect des délais », dit-il.
3. Agréger l'automatisation par le biais d'étapes multiples et répétitives
« Les processus qui impliquent des actions routinières et répétitives, telles que la saisie de données, l'attribution de tâches ou la génération de rapports, sont mûrs pour l'IA [agentique] », déclare Srivastava. « Ces tâches prennent souvent beaucoup de temps aux employés, mais ne nécessitent pas de réflexion créative ou stratégique approfondie. L'IA agentique peut automatiser ces flux de travail, permettant aux employés de se concentrer sur des activités à plus forte valeur ajoutée. »
ISG utilise l'IA agentique pour certains composants de son outil ISG Tango. « Nous mettons à niveau [l'outil] pour y intégrer des éléments d'IA et tester des cas d'utilisation dans les domaines de l'approvisionnement, du sourcing et de la gestion des fournisseurs, qui constituent l'essentiel de nos services de conseil », explique Kelker. « Nous accélérons les cas d'utilisation où nous pouvons aller au-delà de l'apprentissage automatique traditionnel pour agir de manière autonome afin d'accomplir des tâches et de prendre des décisions. »
Les étapes hautement répétitives et qui suivent des règles bien définies sont les principales candidates à l'IA agentique, explique Kelker. « Par exemple, le traitement des factures dans la gestion des fournisseurs a conduit à notre offre d'analyse des factures, qui garantit que les entreprises ne paient pas deux fois pour les services », dit-il. « Les règles doivent être claires et la répétitivité élevée. C'est la combinaison idéale. »
4. Supplanter les tâches manuelles coûteuses
Un autre scénario propice à l'IA agentique est celui où un processus métier implique une approche manuelle et où il serait trop coûteux d'embaucher des travailleurs pour effectuer les tâches.
« Les opérations de support client dans une entreprise en pleine croissance en sont un exemple », déclare M. Iragavarapu. Au lieu d'embaucher une grande équipe pour traiter les demandes de routine des clients telles que les mises à jour du statut des commandes, les problèmes de compte ou le dépannage de base, un agent IA pourrait gérer une partie importante de ces interactions de manière autonome.
« Il peut résoudre des problèmes courants, transmettre les cas complexes à des agents humains et apprendre au fil du temps à améliorer ses réponses », explique M. Iragavarapu. « Cette approche réduit les coûts opérationnels, améliore les temps de réponse et permet aux agents humains de se concentrer sur des interactions à plus forte valeur ajoutée, telles que le traitement des litiges ou l'établissement de relations avec les clients. »
À mesure que les entreprises explorent ces nouvelles avenues, il est crucial de se demander si elles sont prêtes à adopter cette technologie. Les enjeux sont élevés, mais les bénéfices potentiels le sont tout autant.
En conclusion, l'intelligence artificielle agentique pourrait-elle être la clef du succès pour votre entreprise ? Quelles mesures envisagez-vous de prendre pour intégrer cette technologie ?
P.S. Si vous souhaitez explorer la création d'agents intelligents adaptés à vos processus métiers, Zenbaia est la solution idéale. Sans nécessiter d'expertise technique, vous pouvez développer des IA-Assistants qui optimisent votre productivité jusqu'à cinq fois plus rapidement. Découvrez comment nos agents prêts à l'emploi peuvent transformer vos performances.
Note de l'auteur : Cet article est basé sur une analyse disponible sur le site de CIO.
-thumb.webp)
