Agents IA : des assistants capables d’agir dans vos outils
Une intelligence artificielle conversationnelle répond à une question.
Un agent IA peut aller plus loin.
Il peut recevoir une mission, rechercher des informations, utiliser certains outils, enchaîner plusieurs opérations et préparer ou réaliser une action.
Par exemple :
Identifier les nouvelles demandes reçues, les analyser, rechercher les informations nécessaires, les classer et préparer une réponse pour validation.
Ou :
Surveiller plusieurs sources, identifier une information importante, la résumer et avertir la personne concernée.
Cette capacité ouvre des perspectives intéressantes pour les entreprises et les organisations.
Mais elle pose également une question essentielle :
jusqu’où voulons-nous laisser l’intelligence artificielle agir seule ?
À l’Agence des Nouveaux Médias, nous concevons les agents IA comme des assistants intégrés dans un processus métier, avec des outils précisément définis, des permissions limitées et des validations humaines lorsque les enjeux le nécessitent.
Qu’est-ce qu’un agent IA ?
Un agent IA associe généralement plusieurs éléments :
- un objectif ;
- un modèle d’intelligence artificielle ;
- des instructions ;
- un contexte ;
- des données accessibles ;
- des outils qu’il est autorisé à utiliser ;
- des règles ;
- éventuellement une mémoire ;
- des mécanismes de contrôle.
L’agent peut alors déterminer plusieurs étapes nécessaires pour accomplir une mission.
Il ne se contente plus nécessairement de produire du texte.
Il peut, si nous lui en donnons explicitement la possibilité :
- rechercher une information ;
- interroger une base de données ;
- consulter un document ;
- utiliser une API ;
- préparer un email ;
- créer une tâche ;
- mettre à jour certaines informations ;
- produire un rapport ;
- déclencher un processus.
La véritable différence n’est donc pas que l’IA « réfléchit davantage ». C’est qu’elle peut être reliée à des outils lui permettant d’agir.
Un exemple simple : traiter une demande entrante
Imaginons qu’une entreprise reçoive de nombreuses demandes depuis son site.
Une automatisation classique peut :
recevoir le formulaire → enregistrer les données → envoyer une confirmation → avertir un collaborateur.
Un agent IA peut éventuellement ajouter une couche d’analyse.
Il peut :
- comprendre le sujet de la demande ;
- identifier sa catégorie ;
- extraire les informations importantes ;
- rechercher des éléments dans une documentation interne ;
- déterminer le service concerné ;
- préparer une réponse ;
- signaler les demandes inhabituelles.
La réponse peut ensuite être soumise à un collaborateur.
L’agent prépare. L’humain décide.
Lorsque le processus devient suffisamment fiable et que le risque est faible, certaines étapes peuvent éventuellement être automatisées davantage.
Agent documentaire
Une organisation possède souvent une quantité importante de documentation.
Procédures.
Contrats.
Notes internes.
Documentation technique.
Catalogues.
Comptes rendus.
Questions fréquentes.
Retrouver une information précise peut prendre du temps.
Un agent documentaire peut permettre d’interroger ces ressources en langage naturel.
Par exemple :
Quelle est notre procédure lorsqu’un client demande la résiliation de son abonnement ?
L’agent recherche les documents autorisés, identifie les passages pertinents et prépare une réponse.
Lorsque le système est conçu pour cela, il peut également indiquer sur quelles sources internes il s’est appuyé.
Cette traçabilité est essentielle.
Une réponse sans possibilité de vérifier sa source ne doit pas être traitée comme une vérité simplement parce qu’elle est formulée avec assurance.
Agent de qualification
Un agent peut également aider à qualifier des informations entrantes.
Demandes commerciales.
Messages clients.
Documents.
Signalements.
Dossiers.
Il peut extraire certaines informations et proposer :
- une catégorie ;
- un niveau de priorité ;
- un interlocuteur ;
- une action suivante ;
- une synthèse.
Cette qualification peut ensuite alimenter un workflow automatisé.
Agent de veille
Une veille traditionnelle peut produire énormément d’informations.
Le problème devient rapidement de déterminer ce qui mérite réellement l’attention.
Un agent peut surveiller des sources autorisées puis :
- détecter de nouveaux contenus ;
- éliminer certains doublons ;
- classer les informations ;
- produire une synthèse ;
- comparer avec ce qui était déjà connu ;
- signaler les évolutions importantes.
Il peut s’agir par exemple de :
- veille sectorielle ;
- veille réglementaire ;
- veille concurrentielle ;
- veille médiatique ;
- surveillance de l’identité numérique ;
- suivi d’un sujet précis.
Le système peut rester silencieux lorsqu’il ne détecte rien d’important.
Le but d’une bonne veille n’est pas de produire davantage de notifications. C’est de faire ressortir ce qui mérite réellement votre attention.
Agent de préparation de contenus
Un agent peut également assister une équipe éditoriale.
Il peut par exemple :
- rechercher les informations nécessaires ;
- préparer une synthèse ;
- proposer une structure ;
- identifier les contenus existants liés au sujet ;
- préparer un premier brouillon ;
- proposer des liens internes ;
- vérifier certains éléments avant publication.
Mais nous distinguons clairement :
préparer
et
publier.
Pour de nombreux usages éditoriaux, une validation humaine reste souhaitable avant mise en ligne.
Agent d’enrichissement de données
Un agent peut participer à l’enrichissement d’une base.
À partir d’une fiche existante, il peut rechercher des informations dans des sources autorisées et proposer de nouvelles données.
Mais cette opération doit respecter plusieurs principes.
Il faut conserver :
- la donnée proposée ;
- sa source ;
- la date de collecte ;
- éventuellement un niveau de confiance ;
- son statut de validation.
Une information trouvée ne doit pas nécessairement remplacer automatiquement une donnée existante.
L’agent peut rechercher et proposer. La base métier doit conserver ses propres règles de validation.
Agent d’assistance interne
Un agent peut devenir un point d’entrée vers plusieurs outils internes.
Un collaborateur pourrait par exemple demander :
Quels dossiers nécessitent une intervention aujourd’hui ?
L’agent interroge alors les données auxquelles il est autorisé à accéder et présente les éléments correspondants.
Ou :
Prépare-moi un résumé des nouvelles demandes depuis hier.
Ou encore :
Quels clients n’ont pas reçu de réponse depuis plus de trois jours ?
Cette interface conversationnelle peut faciliter l’accès aux informations sans remplacer les outils métier qui les stockent.
L’IA devient alors une interface supplémentaire vers le système d’information.
Donner des outils à l’agent
Un agent ne devrait pas disposer automatiquement de tous les accès disponibles.
Nous définissons précisément les outils dont il a besoin.
Par exemple :
Lire une fiche
peut être autorisé.
Modifier une fiche
peut nécessiter davantage de contrôle.
Supprimer une fiche
peut ne jamais être autorisé.
De même :
Préparer un email
et
envoyer un email
sont deux permissions différentes.
Cette distinction est fondamentale.
Plus une action est difficile à annuler, plus son autorisation doit être contrôlée.
Le principe du moindre privilège
Nous appliquons autant que possible un principe simple :
un agent ne doit avoir accès qu’aux informations et actions nécessaires à sa mission.
S’il doit uniquement lire une base, il n’a pas besoin de droits d’écriture.
S’il travaille sur un ensemble limité de dossiers, il n’a pas nécessairement besoin d’accéder aux autres.
S’il prépare des messages, il n’a pas obligatoirement besoin de pouvoir les envoyer.
Cette limitation réduit les conséquences potentielles d’une erreur.
Validation humaine
Entre l’automatisation totale et le travail entièrement manuel, il existe de nombreux niveaux.
Un agent peut :
- simplement suggérer ;
- préparer une action ;
- demander confirmation ;
- agir puis signaler ce qu’il a fait ;
- agir automatiquement dans un périmètre limité.
Le niveau approprié dépend du risque.
Pour une opération sensible, nous pouvons mettre en place un mécanisme :
L’agent propose → l’utilisateur vérifie → l’utilisateur valide → le système exécute.
Cette validation humaine n’est pas une faiblesse du système. Elle peut être précisément ce qui permet de l’utiliser en confiance.
Traçabilité : savoir ce que l’agent a fait
Lorsqu’un agent agit dans un système professionnel, il est important de conserver un historique adapté.
Selon le projet, nous pouvons journaliser :
- la mission reçue ;
- les outils utilisés ;
- les principales actions ;
- les données modifiées ;
- les validations demandées ;
- le résultat ;
- les erreurs rencontrées.
L’objectif est de pouvoir répondre à une question simple :
Pourquoi cette action a-t-elle eu lieu ?
Un système totalement opaque devient rapidement difficile à administrer.
L’agent peut se tromper
Un modèle d’intelligence artificielle peut produire une réponse incorrecte.
Il peut mal interpréter une instruction.
Il peut disposer d’informations incomplètes.
Il peut être confronté à une situation que nous n’avions pas prévue.
Nous concevons donc le système en partant du principe que l’erreur est possible.
Il faut alors déterminer :
- comment la détecter ;
- quelles opérations doivent être bloquées ;
- lesquelles nécessitent une validation ;
- comment revenir en arrière ;
- comment signaler une anomalie.
Un agent fiable n’est pas un agent supposé infaillible. C’est un système conçu pour que ses erreurs restent maîtrisables.
Attention aux instructions contenues dans les données
Un agent peut être amené à consulter des pages web, des emails ou des documents produits par des tiers.
Ces contenus ne doivent pas automatiquement devenir des instructions pour l’agent.
Un document peut contenir un texte demandant par exemple au système d’ignorer ses règles ou d’effectuer une action différente.
Le système doit donc distinguer :
les instructions qui lui sont données
et
les contenus qu’il doit simplement analyser.
Cette séparation fait partie des enjeux de sécurité propres aux agents IA.
Protéger les données
Avant de connecter un agent à des données métier, nous devons savoir :
- quelles informations il peut consulter ;
- où elles sont envoyées ;
- quels services interviennent ;
- combien de temps elles sont conservées ;
- quels utilisateurs peuvent y accéder ;
- quelles informations doivent être exclues.
Une base clients ou une documentation interne ne doit pas être rendue accessible dans son intégralité simplement parce que cela facilite le développement.
Nous cherchons à limiter les données exposées au strict besoin du service.
Agent IA ou automatisation classique ?
Un agent n’est pas toujours nécessaire.
Pour une opération déterministe :
tous les jours à 8 heures, exporter les nouvelles commandes
une automatisation classique est probablement préférable.
Pour une opération nécessitant d’interpréter des informations et d’adapter plusieurs étapes, un agent peut devenir intéressant.
Par exemple :
analyse les nouvelles demandes, détermine celles qui nécessitent une intervention urgente, consulte la documentation pertinente et prépare un résumé pour l’équipe.
Nous ne remplaçons pas une règle fiable par une IA uniquement parce que la technologie est nouvelle.
Un agent n’est pas nécessairement autonome
Le terme « agent autonome » peut laisser penser qu’une intelligence artificielle doit fonctionner seule, sans intervention humaine.
Ce n’est pas notre objectif.
Dans un environnement professionnel, l’autonomie doit être graduée.
Un agent peut disposer d’une grande autonomie pour rechercher et synthétiser des informations tout en nécessitant une validation avant toute action externe.
Un autre peut être autorisé à effectuer automatiquement certaines opérations à faible risque.
L’autonomie est un paramètre de conception, pas une obligation.
Mesurer son utilité
Un agent n’a de valeur que s’il améliore réellement quelque chose.
Nous cherchons donc à mesurer :
- temps économisé ;
- volume traité ;
- délai de réponse ;
- qualité des classifications ;
- nombre d’interventions humaines évitées ;
- taux d’erreur ;
- nombre de corrections nécessaires ;
- coût d’utilisation.
Si un agent nécessite davantage de temps de vérification que la tâche qu’il remplace, il faut revoir le système.
La sophistication technique n’est jamais un indicateur suffisant de réussite.
Commencer petit
Nous recommandons généralement de commencer avec :
une mission précise ;
un nombre limité d’outils ;
des données identifiées ;
des permissions restreintes ;
un mécanisme de validation ;
des logs.
Le système peut ensuite évoluer progressivement lorsque son comportement est suffisamment compris.
Cette approche permet de tester l’utilité réelle avant d’augmenter son autonomie.
Construire un agent adapté à votre organisation
Selon le projet, nous pouvons intervenir sur :
- définition du cas d’usage ;
- analyse des processus ;
- choix des données ;
- connexion aux outils ;
- conception des permissions ;
- développement des intégrations ;
- définition des validations ;
- journalisation ;
- tests ;
- mesure des résultats ;
- évolution progressive du système.
Lorsque le besoin n’est pas encore clairement identifié, nous recommandons de commencer par un audit IA & automatisation.
Un assistant numérique qui connaît ses limites
Notre vision des agents IA peut finalement se résumer ainsi :
Donner une mission claire.
Fournir uniquement les informations nécessaires.
Limiter les outils et les permissions.
Prévoir les erreurs.
Demander une validation lorsqu’une action présente un risque.
Conserver une trace des opérations importantes.
Mesurer l’utilité réelle.
Et surtout :
ne jamais confondre autonomie et absence de contrôle.
Quel travail pourriez-vous confier à un agent ?
Vous avez une veille quotidienne à effectuer ?
Des centaines de demandes à qualifier ?
Une documentation difficile à exploiter ?
Des informations à rechercher et comparer ?
Des réponses à préparer ?
Plusieurs outils entre lesquels vos collaborateurs naviguent toute la journée ?
Nous pouvons commencer par étudier une mission précise.
Puis déterminer si elle nécessite une automatisation classique, une fonction d’intelligence artificielle ou véritablement un agent.