Dans cet épisode de The Bridge by Artefact, Hanan Ouazan partage son expertise sur les agents d'intelligence artificielle et leur impact sur l'automatisation des processus métier et l'accélération de la productivité dans l'entreprise.
Il a été interviewé par Caroline Goulard, PDG et fondatrice de 2 sociétés data, sur son analyse de cette transformation majeure en cours et sur les nouveaux cas d'utilisation qui en résulteront.
Hanan rejoint Artefact à ses débuts il y a 10 ans et a toujours été passionné par les technologies de l'IA. Il joue un rôle clé dans le développement de solutions d'IA générative chez Artefact pour nos clients, en exploitant des technologies avancées en constante évolution pour mieux répondre à leurs besoins en fonction de leurs impératifs industriels.
Diplômé de Centrale Lille et de l'École Normale Supérieure (ENS), il a effectué son master de recherche MVA (Mathématiques, Vision, Apprentissage) à l'ENS, l'un des programmes les plus avancés en Machine Learning, Data Mining, et Statistical Learning. Hanan dirige une équipe d'ingénieurs talentueux dans la conception, le développement et l'industrialisation de cas d'utilisation de artificial intelligence.
L'agent d'IA : Une nouvelle ère dans l'automatisation.
Les agents d'IA ne sont plus de simples outils exécutant des tâches automatisées. Contrairement à la RPA (Robotic Process Automation), qui exécute des tâches prédéfinies dans une séquence précise, les agents d'IA peuvent s'adapter à leur environnement, prendre des décisions et optimiser les processus sans intervention humaine.
Il s'agit d'un véritable pas en avant vers une IA plus autonome, plus souple et plus intelligente. Ces agents d'IA apportent une nouvelle approche, plus adaptative, parce qu'ils peuvent :
- Observer leur environnement et adapter leur comportement en fonction du data.
- Interagir avec plusieurs systèmes pour effectuer des tâches complexes.
- Optimisez et automatisez les processus sans intervention humaine constante.
“Les agents d'IA et l'agentique seront les termes technologiques les plus discutés en 2025. Cette évolution de l'automatisation tire parti des performances exceptionnelles que l'IA générative a apportées. J'aime l'appeler RPA 2.0, capable de s'intégrer dans des flux de travail dynamiques et d'aller au-delà du simple assistant de rôle.”Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration
La technologie RPA (Robotic Process Automation) consiste à automatiser un processus en le décomposant en une succession de tâches, qui s'enchaînent jusqu'à l'obtention du résultat, souvent selon un processus simple : Lire, Extraire, Écrire.
Les technologies d'IA générative se composent de trois éléments :
- LLM : Tout d'abord, nous avions des modèles qui nous permettaient de répondre à des questions sur la base de leurs connaissances.
- Assistant : Puis est venu le temps des assistants capables de s'interfacer avec des systèmes de connaissance pour nous aider dans notre vie quotidienne (utilisation de RAG, etc.) - le fameux “ COPILOT ”. Ici, l'IA n“”exécute" rien mais enrichit ses connaissances et assiste son utilisateur.
- Agent : Un agent est une application qui cherche à atteindre un objectif en observant le monde et en agissant sur lui avec les outils dont il dispose. Ce qui est nouveau, c'est cette “conscience” de l'environnement qui permet à l'agent de s'adapter à des événements imprévus.
Et c'est là qu'elle s'oppose à la notion de RPA. C'est la capacité de l'agent à s'adapter à l'inattendu qui lui vaut souvent le qualificatif de RPA 2.0 !
Cas d'utilisation : comment les agents d'intelligence artificielle peuvent faire la différence.
Les agents d'intelligence artificielle ont des applications dans de nombreux domaines.
- Relations avec les clients : chatbots intelligents capables non seulement de répondre à des questions, mais aussi d'effectuer des actions (mise à jour d'un contrat, génération d'une facture, traitement d'une demande spécifique).
- Back office : GED 2.0, gestion automatisée des documents, traitement des incidents et des demandes internes.
- Rédaction de code : Les IA aident les développeurs en générant du code, en optimisant les scripts ou en automatisant les tests.
“Les cas d'utilisation devront être repensés en termes de processus et pas seulement traduits en IA. L'objectif n'est pas de superposer l'IA, mais de redéfinir le processus sans les contraintes qui ont pu exister.”Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration
L'impact des agents d'intelligence artificielle sur le développement de logiciels : automatisation, interopérabilité et nouveaux défis.
“Nous assistons à l'émergence d'outils d'IA capables de générer du code, de le déployer et même d'automatiser des processus complexes. Ces technologies bouleversent profondément le développement de logiciels, rendant l'évolution des applications beaucoup plus rapide et accessible.”Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration
Les agents d'intelligence artificielle ont deux utilisations principales :
- Amorçage rapide (par exemple Bolt)La transformation immédiate des concepts en prototypes.
- Assistance au développement (par exemple Copilot, Cursor): complétion de code, refactorisation, génération de tests.
Toutefois, cette évolution ne remplace pas l'expertise humaine. Ces outils nécessitent une supervision rigoureuse éviter les erreurs structurelles, et en particulier le risque de code “château de cartes”, qui peut sembler très performant mais qui est instable en production.
Comment les agents d'intelligence artificielle résoudront le problème de l'interopérabilité entre les applications.
Aujourd'hui, la connexion entre un agent d'IA et un logiciel est principalement basée sur API spécifiques aux services. Pour communiquer avec des systèmes tels que Google Drive, Slack et Confluence, par exemple, cela implique :
- Intégration de trois API distinctes, chacun avec son les spécificités techniques propres.
- Configuration de l'agent AI avec trois connecteurs, chacun nécessitant une authentification et une configuration individuelles.
- Lancement de trois requêtes distinctes, dont les réponses sont ensuite agrégées ou synthétisées par l'agent.
Ce processus est non seulement complexe, mais aussi difficile à maintenir et à faire évoluer, surtout à grande échelle. C'est précisément le problème que l'initiative lancée par Anthropic, avec le Model Context Protocol (MCP) vise à résoudre. Ce nouveau protocole agit comme un API normalisée, Le logiciel de gestion de l'intelligence artificielle, spécialement conçu pour simplifier les interactions entre les agents d'intelligence artificielle et les logiciels, est un outil de gestion de l'intelligence artificielle.
Enfin, il est important de comprendre que les agents d'intelligence artificielle remettent en question le principe de l'égalité de traitement entre les hommes et les femmes. structure des logiciels SaaS, qui repose sur trois composantes fondamentales (UX, Intelligence,Data). Cette technologie remet en cause ces 3 composantes :
- UX: Avec les agents d'IA, l'interaction avec l'utilisateur évolue. Les invites et l'automatisation remplacent le clic traditionnel, rendant l'UX classique moins central. L'expérience est redéfinie autour de flux de travail invisibles ou adaptés aux besoins des agents.
- Le renseignement: Les automatismes impliquent souvent des actions entre plusieurs systèmes. Une logique ouverte et normalisée pourrait remplacer les flux de travail enfermés dans des écosystèmes isolés.
- Données: Data reste un obstacle à l'intégration complète.
“Aujourd'hui, les éditeurs de SaaS intègrent des couches d'automatisation dans leurs plateformes, mais cette approche montre ses limites face aux besoins multiplateformes. L'avenir du SaaS réside probablement dans des logiques ouvertes, interconnectées et adaptatives, au service des entreprises.”Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration
Agents d'intelligence artificielle : adoption, défis et impact sur le travail.
Les premiers agents d'IA, tels que Copilot de Microsoft, Google et Salesforce, sont de plus en plus répandus, mais restent limités à des tâches simples. Les agents plus avancés peinent à être industrialisés, en raison d'un manque de contrôle et de confiance, tandis que les agents autonomes restent expérimentaux.
Il y a quelques mois, lors de la Salon de l'électronique grand public (CES) à Las Vegas, Jensen Huang, PDG de Nvidia, a déclaré que “Les technologies de l'information deviendront les ressources humaines des agents d'intelligence artificielle.”.
Selon Hanan Ouazan, si cette vision est intéressante et stimulante, elle n'est ni totalement réaliste ni souhaitable.
Selon lui, l'IT jouera un rôle clé dans le déploiement de ces agents d'IA mais ne pourra pas assumer seule la gestion de ces outils. Il faudra une transformation organisationnelle plus large et l'implication indispensable des métiers :
- Un défi commercial avant tout: Les agents d'IA automatisent les processus métiers. Leur supervision nécessitera l'implication des équipes opérationnelles et data.
- Un changement organisationnel profond: L'informatique sera responsable de la maintenance technique, mais la gouvernance et l'optimisation des agents relèveront de la responsabilité des lignes d'activité.
L'IA générative transforme déjà les entreprises : moins d'exécution, plus de supervision et d'optimisation. Comme pour l'automatisation industrielle, les compétences doivent évoluer pour intégrer efficacement ces outils.
“L'automatisation seule ne suffit pas : nous devons déjà repenser les processus d'affaires pour éviter toute complexité inutile. L'IA ne doit pas être une couche supplémentaire, mais un levier pour imaginer des modèles plus efficaces et adaptés aux besoins des entreprises.”Hanan Ouazan, Managing Partner Artefact & Global Lead AI Acceleration
