Par construction, les modèles d'IA générative ont capté statistiquement le raisonnement humain et infèrent sur les règles qu'ils en ont déduit pour fournir un résultat. Dès mars 2023, quelques mois après la sortie de ChatGPT, les laboratoires de Princeton et Google, dans une publication appelée ReAct Reasoning and Acting, démontrent que les modèles d'IA générative sont aussi capables de décomposer le raisonnement et d’affecter à chaque sous-tâche un outil qu’on aura pris soin préalablement de décrire au LLM, fonctionnalité native que l’on appelle « l’orchestration ». Princeton et Google venaient d’inventer « l’Agent Autonome » capable de créer son propre raisonnement et d’exécuter les outils à sa disposition pour exécuter la tâche demandée. Les premières versions utilisant des LLM « sur étagère » pré-entraînés sur des datasets génériques avaient beaucoup de peine à « raisonner » correctement jusqu’au bout et partaient souvent dans des hallucinations qui les faisaient se perdre en conjectures. 

Au fur et à mesure, ces deux dernières années, les éditeurs de LLM ont compris qu’ils devaient choisir plus finement les données du pré-entraînement pour améliorer chacune des capacités cognitives dont bien sûr le raisonnement. Dès septembre 2024 avec OpenAI O1 qui décomposait le raisonnement pour donner une réponse qui s’avérait être bien meilleure que ses prédécesseurs, les LLM ayant une excellente capacité de raisonnement foisonnent. La série des GPT4O chez Open AI et bien d’autres sont d’excellents orchestrateurs et dès l’automne 2024 apparaissent les premières expérimentations suivies de nombreux déploiements.


Une capacité à réaliser des traitements complexes

En effet, cette capacité à utiliser des outils, qui en l’occurrence peuvent être des systèmes d’information de l’entreprise ou des outils bureautiques comme un tableur, permet de reproduire des traitements complexes réalisés par des collaborateurs de l’entreprise. Un assureur français par exemple a déployé à l’échelle pour tous ses gestionnaires un Agent Autonome pour le traitement des dossiers d'indemnisation. L’agent va consulter de lui-même le contrat de l’assuré pour savoir s’il a effectivement souscrit à ce service, consulte les justificatifs envoyés par l’assuré et croise avec la politique d'indemnisation correspondant au sinistre et au contrat pour ensuite donner toutes les informations avec une recommandation au gestionnaire qui in fine prendra la décision. Un cas typique de traitement dans lequel l’agent prend tout son sens avec un grand nombre de sources d’information / systèmes d’information à consulter et une synthèse à effectuer. 

Les traitements manuels sont encore légions dans nos entreprises et particulièrement dans l’administration des ressources humaines, parent pauvre de la digitalisation. Un grand groupe français a mis en production un agent autonome pour réconcilier les déclarations de congés maladie des collaborateurs dans le SIRH (Système d'Information Ressources Humaines) avec le retour de la sécurité sociale qui jamais n’étaient alignés. Dans ce cas d’usage, au-delà de cette capacité à interroger des systèmes d’information, il est aussi possible d’utiliser les capacités abstractives de l’IA générative pour réaliser de la réconciliation. Une capacité utilisable dans de nombreux métiers comme la comptabilité et l’audit, les achats et leurs référentiels et bien d’autres encore.

Impact sur les DSI

L’impact de l’IA agentique se fait ressentir jusque dans les DSI. En effet, après avoir transformé en outils utilisables par des Agents Autonomes tous leurs systèmes d’information, les DSI ont la possibilité d’utiliser les fonctionnalités offertes par les agents pour leur propre compte sur des tâches typiques comme le déploiement, la maintenance, la migration, le support ou la mise en qualité de la donnée, le Data Management. Cette vision unifiée des systèmes d’information dotés chacun d’un agent autonome permet d’envisager de nouvelles architectures et la mise en œuvre de nouveaux concepts d’Agentic Micro-Services dans lesquels les systèmes sont vus comme des micro-services. Une révolution en vue aussi pour nos DSI.

Des entreprises comme Bank Of New York ont d’ores et déjà pris la mesure du potentiel de gain de productivité de ces agents autonomes et réalisé des déploiements massifs allant jusqu’à proposer à leurs collaborateurs de créer leurs propres agents pour en accélérer leur déploiement. Ces agents d’un nouveau type sont une vraie révolution pour l’entreprise. Au-delà, du fait qu’il soit « programmable » juste de manière descriptive en langage naturel et donc très facilement déployables et maintenables, ils donnent un accès uniforme et transversal à toutes les données de l’entreprise à travers les systèmes d’information auxquels ils ont accès. Cette transversalité de l’accès à la donnée permet pour la première fois de “désiloter” l’entreprise et de repenser ses processus AI by Design pour une plus grande efficacité.