40% des entreprises prêtes à abandonner l'IA : comment éviter l'échec

L'enthousiasme autour des agents d'intelligence artificielle (IA) est palpable, mais leur efficacité en termes de retour sur investissement reste à démontrer. Selon une analyse récente de Gartner, d'ici 2027, 40 % des entreprises pourraient abandonner leurs agents d'IA autonomes. Cette prédiction est motivée par des lacunes en matière de gouvernance qui ne sont souvent découvertes qu'après des incidents survenus lorsque ces agents sont déjà en production.

Lors du Snowflake Summit à San Francisco, trois leaders du numérique ont partagé leurs expériences sur la mise en œuvre des agents d'IA dans leurs organisations respectives. Ils ont identifié trois stratégies essentielles pour exploiter efficacement ces technologies : l'utilisation de cadres structurés, le recours à des analystes experts et la monétisation des données.

Se concentrer sur les cadres

Matt Luizzi, vice-président de l'analyse chez Whoop, a expliqué comment son entreprise collecte des données biométriques en continu pour fournir des insights en matière de santé et de bien-être. Whoop utilise les services d'analyse de Snowflake pour soutenir ses opérations internes. Luizzi a souligné que les agents d'IA, notamment CoCo, l'agent de codage de Snowflake, jouent un rôle de plus en plus crucial dans ce processus.

"Nous utilisons CoCo depuis plusieurs mois maintenant. Nous avons commencé avec l'équipe d'analyse, qui est capable de rapidement évaluer la pertinence des réponses à des requêtes et d'étendre ce processus," a-t-il déclaré. "Nous en sommes maintenant à un stade où nous avons mis en place des cadres d'évaluation plus formalisés et nous commençons à déployer les agents à grande échelle."

Luizzi a précisé que l'entreprise dispose d'ingénieurs logiciels qui effectuent des tests A/B, utilisent CoCo pour analyser les résultats, proposer de nouvelles fonctionnalités, les tester et itérer. "Cette approche accélère la livraison de valeur commerciale en automatisant le cadre d'expérimentation, tout en apportant de la valeur aux clients," a-t-il ajouté.

Utiliser des analystes experts

Madeleine Want, vice-présidente des données chez Fanatics, supervise l'ingénierie des données, la science des données et l'apprentissage automatique dans la division des paris et des jeux de l'organisation, soutenue par la plateforme Snowflake.

"Lorsque nous avons commencé à expérimenter, nous n'étions pas sûrs de ce qui fonctionnerait, mais nous avons constaté que plus la qualité des données sous-jacentes était bonne et plus la gouvernance était efficace, plus le LLM était capable de dériver du sens et de répondre aux questions efficacement," a-t-elle déclaré.

Bien que cette concentration sur les données et la gouvernance puisse sembler évidente aujourd'hui, Want a précisé que ce n'était pas le cas il y a 18 mois. "Nous avions beaucoup d'expérience en tant qu'organisation à construire des modèles d'apprentissage automatique sur mesure, donc il était difficile de croire que l'idée d'importer un modèle tiers et de le superposer directement aux données pouvait fonctionner pour l'analyse."

Want a ajouté que son organisation a connu plus de succès au fil du temps. L'investissement nécessaire dans la couche de contexte diminue, tout comme le degré de supervision qu'un agent nécessite avant de pouvoir commencer à répondre aux questions de manière autonome.

Monétiser vos données

Sriram Sitaraman, directeur informatique chez Synopsys, a déclaré que son organisation est un client de longue date de Snowflake, utilisant la plateforme de données et ses services agentiques, tels que CoCo, pour alimenter ses processus décisionnels.

Il y a environ 18 mois, Sitaraman a indiqué que l'entreprise avait reconnu le potentiel des agents d'IA pour remplir les tâches des employés juniors, comme exécuter des requêtes rapides, créer des graphiques et dériver des insights. "Nous avons tiré parti de cette capacité, et nous avons dit : 'D'accord, si nous créons un agent de connaissance, nous pouvons commencer à le déployer dans plusieurs dimensions.'"

Sitaraman a précisé que l'équipe a évalué le potentiel de l'IA selon trois dimensions : la qualité des résultats, le temps nécessaire pour obtenir des résultats et le coût des résultats. Ils ont découvert que l'IA a un impact positif dans ces trois domaines, ce qu'il a qualifié de percée significative.

"Commencez par les données - monétisez vos données en utilisant l'IA," a déclaré Sitaraman, réfléchissant à l'évolution agentique de son entreprise. "Peu importe le volume que vous investissez dans l'initiative, car l'IA est véritablement une échelle linéaire. Plus l'IA a de données, meilleures sont les décisions qu'elle prend."

Cependant, Sitaraman a également émis un avertissement. "Une chose que nous avons réalisée, c'est qu'il n'y a pas beaucoup de différence aujourd'hui entre l'automatisation et l'autonomie, et donc vous devez être prudent," a-t-il dit.

Sitaraman a encouragé les professionnels à identifier les bons cas d'utilisation, à construire les bons cadres et à ne jamais sous-estimer ce qu'un agent peut faire. "Vous pouvez déployer un agent et dire : 'C'est un agent d'opérations commerciales.' Souvent, rien ne l'empêche de devenir également un agent d'analyste commercial ou un autre type d'agent," a-t-il conclu.