L'IA agentique révolutionne les entreprises : un défi colossal

L'essor des agents d'IA et le défi organisationnel

L'adoption rapide des agents d'intelligence artificielle (IA) dans le monde des affaires crée un écart notable entre les ambitions des entreprises et leur capacité à les réaliser. Bien que 85 % des organisations aient exprimé leur intention de devenir agentiques dans les trois prochaines années, 76 % d'entre elles reconnaissent que leurs infrastructures actuelles ne sont pas prêtes pour un tel changement. Ce manque de préparation se manifeste à travers des lacunes dans les compétences humaines, les processus et les flux de travail, ce qui constitue un obstacle majeur à l'intégration efficace de l'IA.

Le problème du bricolage

Le principal défi auquel les entreprises sont confrontées réside dans leur tendance à superposer des agents d'IA sur des structures existantes, sans repenser en profondeur leur modèle opérationnel. Prasun Shah, directeur technique mondial pour le conseil en main-d'œuvre et responsable de l'IA chez PwC UK Consulting, explique que cette approche revient à intégrer des agents d'IA dans des systèmes conçus pour des opérations humaines. Il compare cela à l'ajout de ruban adhésif sur un modèle opérationnel en déclin, ce qui empêche les organisations de tirer pleinement parti du potentiel de l'IA agentique.

Cette méthode risque de freiner l'exploitation du potentiel complet de l'IA agentique, qui repose sur la capacité des agents à gérer des flux de travail complexes avec une intervention humaine minimale. Ces agents sont capables de coordonner des tâches, de prendre des décisions autonomes et de s'adapter à des conditions changeantes, ce qui pourrait accélérer les processus commerciaux de 30 % à 50 % et réduire le temps consacré à des tâches à faible valeur ajoutée de 25 % à 40 %.

Dans des domaines d'expérimentation tels que le service client, les ressources humaines et les ventes, l'impact potentiel des agents d'IA est déjà visible. Cependant, pour que cette capacité se réalise pleinement, un changement à l'échelle de l'entreprise est nécessaire, ce qui implique une révision des structures organisationnelles actuelles.

Enrichir le vocabulaire de l'IA

La plateforme d'IA agentique Ema a introduit le concept de transformation commerciale agentique (ABT) l'année dernière, en partenariat avec HFS Research, pour combler un vide dans le vocabulaire existant autour des agents d'IA. Selon Surojit Chatterjee, PDG et fondateur d'Ema, l'ABT représente un changement fondamental par rapport aux transformations numériques précédentes, en intégrant les agents d'IA au cœur des organisations.

Prasun Shah insiste sur l'importance de redessiner l'ensemble de l'organisation, y compris le modèle opérationnel, les flux de travail, les droits décisionnels et les systèmes de gestion de la performance, pour que les agents d'IA deviennent de véritables acteurs de la création de valeur.

Selon Ema, l'ABT englobe trois piliers fondamentaux : la pile technologique de l'organisation, sa main-d'œuvre et les métriques utilisées pour évaluer le succès. Ces éléments sont cruciaux pour garantir que les agents d'IA ne soient pas simplement des outils ponctuels, mais des participants actifs dans la création de valeur.

Les agents d'IA comme tissu connectif

Le premier pilier de l'ABT est la pile technologique. Chatterjee explique que les infrastructures actuelles, conçues pour des processus centrés sur l'humain, doivent être repensées pour intégrer des agents d'IA opérant à la vitesse des machines. Ces agents ne doivent pas être considérés comme une simple couche supplémentaire, mais comme un tissu connectif qui coordonne des tâches complexes et interprète des données provenant de multiples applications.

Pour réussir cette intégration, les entreprises doivent adapter leur pile technologique afin de permettre aux agents d'IA de prendre des décisions de meilleure qualité, en accédant simultanément à plusieurs ensembles de données et applications. Cela permettrait de réduire le délai de mise en production de nouvelles exigences commerciales de plusieurs mois à quelques jours.

Les dirigeants doivent donc adapter leur pile technologique pour faire émerger des décisions de meilleure qualité de la part des agents d'IA, en priorisant l'accès à plusieurs ensembles de données et applications simultanément afin de développer des connaissances tacites. « Les organisations qui effectuent ce changement architectural deviennent véritablement plus adaptatives », déclare Chatterjee. « Lorsqu'une nouvelle exigence commerciale émerge, vous n'attendez pas six mois qu'un fournisseur de logiciels construise une fonctionnalité. Vous configurez un employé IA en utilisant un langage naturel et le connectez aux systèmes dont il a besoin. Le temps de passage du flux de travail commercial à la production passe de plusieurs mois à quelques jours. »

La main-d'œuvre, redessinée

Avec l'expansion des agents d'IA, les entreprises doivent repenser la dynamique de leur main-d'œuvre. Les structures hiérarchiques traditionnelles, héritées de l'ère industrielle, doivent évoluer pour intégrer des équipes hybrides composées d'agents d'IA et d'employés humains. Les managers devront gérer de nouvelles responsabilités, notamment en matière de confiance, d'explicabilité et de sécurité psychologique.

Dans une main-d'œuvre qui mélange agents d'IA et employés humains, les managers seront libérés de nombreuses tâches d'exécution mais devront assumer de nouvelles responsabilités liées à la gestion d'équipes hybrides. Les managers « devront être capables de gérer des questions autour de la confiance, de l'explicabilité, de la sécurité psychologique et même des dynamiques de statut » pour naviguer dans les nouvelles tensions qui pourraient surgir dans une main-d'œuvre hybride, explique Shah.

L'impact de l'IA agentique sur les structures de main-d'œuvre existantes va bien au-delà de la couche de gestion. Les organisations devront agir rapidement pour modifier le recrutement, la rétention et la rémunération afin de s'adapter à ces changements.

De la production au résultat

Les métriques de succès traditionnelles, axées sur la production, deviennent obsolètes avec l'intégration des agents d'IA. Chatterjee souligne que les entreprises doivent développer de nouvelles métriques centrées sur les résultats, plutôt que sur les livrables individuels, pour évaluer l'impact réel des agents d'IA.

Un exemple concret est celui d'un client d'Ema qui a triplé son retour sur investissement en révisant ses métriques, en se concentrant sur des résultats tels que le pourcentage de contrats examinés sans intervention humaine.

Pour corriger cela, les entreprises doivent développer un nouvel ensemble de métriques qui se concentrent sur le résultat plutôt que sur la production. C'est-à-dire des métriques sur les avantages ou changements plus larges réalisés, plutôt que sur des livrables individuels.

Par exemple, lorsque l'un des grands clients d'Ema a révisé ses propres métriques, passant de métriques d'outils comme le coût par requête et la précision de l'IA, à des résultats comme le pourcentage de contrats examinés sans escalade humaine, le retour sur investissement mesuré de l'IA agentique a triplé en deux trimestres. Ces changements ont signifié que « ce client a cessé de construire des solutions ponctuelles dans des flux de travail à fort volume et faible complexité et a commencé à déployer des employés IA là où la valeur du résultat était la plus élevée », déclare Chatterjee.

L'intégration de nouvelles métriques peut également nécessiter une reconfiguration complète des processus de gestion des récompenses et des talents, ainsi que de la responsabilité et de la propriété au sein des organisations, souligne Shah. Dans les équipes humaines-IA, par exemple, bien que les responsabilités éthiques et fiduciaires demeurent probablement avec les employés humains, la responsabilité opérationnelle deviendra beaucoup plus diffusée pour refléter le rôle systémique des agents d'IA.

Ce changement soulèvera de nouvelles questions que les équipes de direction devront examiner, ajoute Shah. Elles devront considérer : Qui est responsable lorsqu'un employé IA commet une erreur ? Que se passe-t-il lorsque l'IA et les humains ne sont pas d'accord ? Quelles protections doivent être mises en place pour protéger les clients ?

Poser les bases d'un changement à l'échelle des systèmes

Le changement à l'échelle des systèmes est graduel. Ce sont des questions complexes que les experts continuent d'explorer. Mais en amorçant un dialogue interne sur les piliers fondamentaux de l'ABT—la main-d'œuvre, la pile technologique et les métriques par lesquelles le succès peut être évalué—les dirigeants peuvent poser les bases d'une entreprise mieux préparée à embrasser les agents d'IA à un niveau systémique et commencer à combler le fossé entre leur ambition et leur exécution.