Brief IA : Un distributeur évalue ses agents IA à 20 fois le coût classique

Un distributeur évalue ses agents IA à 20 fois le coût classique

Brief IA
Tom Levy·5 min

Un distributeur évalue son système agentique à environ 20 fois le coût d’une architecture traditionnelle. Il constate un retour sur investissement à peu près équivalent, malgré un fonctionnement satisfaisant en production. Les agents nécessitent évaluation, traçabilité, gouvernance des données et possibilités d’intervention humaine.

En bref
1Un distributeur évalue son système agentique à environ 20 fois le coût d’une architecture traditionnelle.
2Il constate un retour sur investissement à peu près équivalent, malgré un fonctionnement satisfaisant en production.
3Les agents nécessitent évaluation, traçabilité, gouvernance des données et possibilités d’intervention humaine.
Pourquoi c'est important : l’automatisation par agents peut ajouter des dépenses d’intégration et d’exploitation que la valeur obtenue ne justifie pas toujours.

Un distributeur régional ayant déployé un système agentique pour ses transactions commerciales en évalue le coût à environ 20 fois celui d’une architecture traditionnelle, six mois après sa mise en production. Il constate un retour sur investissement à peu près équivalent. Le système fonctionne correctement, mais son intégration a demandé davantage de travail que prévu.

Les agents exigent des moyens d’exploitation

L’accès au modèle ne constitue qu’une partie des besoins d’un système agentique. S’y ajoutent la gestion des instructions, la coordination des outils et les dispositifs d’évaluation. La sécurité, la traçabilité des actions, la gouvernance des données et les possibilités d’intervention humaine demandent également des moyens et des compétences d’exploitation adaptés.

Ces systèmes peuvent coordonner des processus complexes, raisonner sur des données et mobiliser des outils pour des tâches auparavant difficiles à automatiser. Leur comportement comporte toutefois une part non déterministe, y compris lorsque le processus métier exige une réponse déterministe. Une automatisation simple peut ainsi devenir inutilement coûteuse.

Le projet du distributeur a exigé plus d’intégration

Le distributeur, dont l’identité n’est pas précisée, avait besoin d’un nouveau système de gestion des transactions commerciales. Le périmètre associait une partie du traitement des commandes, la validation des remises, les exceptions, les échanges clients et le contrôle des stocks. Les fournisseurs consultés présentaient des agents capables, selon eux, de décider, d’interpréter les intentions des clients et de coordonner les tâches à partir du contexte commercial.

L’un d’eux comparait son modèle de langage partagé au recrutement de 10 000 experts sans rémunérations à verser. L’argument avait reçu un accueil favorable au conseil d’administration. L’architecture retenue devait confier aux agents le pilotage des décisions, l’appel aux outils, le contrôle des politiques internes et les interactions avec les systèmes de l’entreprise, avec une intervention humaine lorsque nécessaire.

L’intégration a dépassé les prévisions : les agents avaient besoin de données propres, d’API gouvernées, de règles métier, de protections et d’observabilité. L’équipe a aussi construit des mécanismes de reprise humaine, des protections encadrant les décisions et des journaux retraçant le raisonnement. Des dispositifs de test pour les réponses imprévisibles et de nouvelles procédures d’exploitation ont complété cet ensemble. Les dépenses ont fortement augmenté, les vérifications de sécurité ont duré plus longtemps et le fonctionnement quotidien s’est complexifié.

Le bilan économique inclut l’ensemble des dispositifs de soutien, et pas seulement l’accès aux modèles.

Le choix dépend du processus à automatiser

L’interprétation d’une demande, l’adaptation au contexte et l’action partiellement autonome constituent les usages pour lesquels l’agentique présente le plus d’intérêt. Un processus stable, régi par des règles, fortement réglementé ou aisément traduisible en logique classique offre une justification moins convaincante. Une démonstration réussie lors d’une conférence peut d’ailleurs précéder une exploitation coûteuse, fragile ou difficile à gouverner.

La lettre du soirGratuit · 19 h

Vous voulez les meilleurs outils IA avant les autres ?

On teste et on décrypte les nouveaux outils IA chaque soir, en 5 min. Gratuit.

Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.

Choisissez votre rythme

Gratuit · Pas de spam · Désabonnement en 1 clic

L’évaluation peut porter sur le travail économisé, la qualité de la relation client, le traitement des exceptions ou une capacité que les logiciels traditionnels ne pourraient fournir à un coût acceptable. Ces bénéfices doivent pouvoir être mesurés : une promesse générale d’automatisation ne constitue pas une mesure. Un moteur de processus, une plateforme de règles, une intégration par API ou une application conventionnelle fournissent des points de comparaison.

Une solution classique pourrait, dans certains cas, fournir le même résultat pour un dixième du coût. La valeur des agents pourrait justifier leur coût dans certaines situations, sans le justifier dans de nombreuses autres.

Services et microservices : des bénéfices et des coûts

L’architecture orientée services reposait sur des capacités réparties entre services et exposées au moyen de contrats. Elle visait à réutiliser les fonctions métier, limiter les doublons et faciliter les évolutions. Elle a aussi encouragé une conception par capacités métier, à distance des applications monolithiques fortement couplées et des connexions point à point.

Cette approche a cependant connu des bus de services devenus des points de congestion et une gouvernance alourdie. Les discussions sur les contrats, les normes, les registres et les logiciels intermédiaires ont pris du temps sur la livraison de fonctions métier. Le coût de mise en œuvre pouvait alors dépasser le bénéfice attendu de la réutilisation. Une grande partie de ses principes subsiste dans les API, les plateformes d’intégration et la conception par services, tandis que l’étiquette AOS a reculé après des projets trop volumineux, lents et coûteux.

Les microservices proposaient une autre forme d’autonomie : de petits services, des équipes indépendantes, des déploiements séparés et une montée en charge ciblée. Ils ont donné de bons résultats dans des organisations dotées de pratiques DevOps solides, d’une automatisation mature, de domaines bien délimités et de besoins importants en volume. Une partie du système pouvait évoluer sans imposer une évolution de l’ensemble.

À l’inverse, le découpage d’applications ordinaires en dizaines ou en centaines de services a déplacé la complexité vers le réseau. Il a introduit des pannes distribuées, des problèmes de cohérence des données ainsi que des difficultés de surveillance et de test. Des entreprises insuffisamment préparées ont supporté une exploitation plus lourde, des dépenses cloud accrues, davantage de réunions et des dépannages ralentis.

Kubernetes promet une capacité élastique

Les conteneurs et Kubernetes ont porté la promesse d’applications conçues pour le cloud : charges transportables, déploiements déclaratifs, capacité élastique et récupération automatisée. Ces modèles peuvent favoriser la résilience, la portabilité et la rapidité de déploiement. Leur intérêt concerne notamment les grandes entreprises numériques, les équipes de plateforme et les applications dont les besoins d’exploitation varient fortement.

Des migrations insuffisamment justifiées ont néanmoins ajouté des clusters, des maillages de services, des outils d’observabilité et des couches de sécurité. Elles ont aussi nécessité des équipes de plateforme et des compétences spécialisées. Pour des systèmes ne nécessitant pas cette abstraction, le coût de fonctionnement a, dans de nombreux cas, presque doublé.

Suivez Brief IA

L'actu IA du jour, aussi dans votre fil.

Commentaires