Dans cet épisode de « The Bridge » par Artefact, Hanan Ouazan partage son expertise sur les agents IA et leur impact sur l'automatisation des processus métier et l'accélération de la productivité au sein de l'entreprise.
Il a été interviewé par Caroline Goulard, PDG et fondatrice de deux data , à la fois sur son analyse de cette transformation majeure en cours et sur les nouveaux cas d'utilisation qui en découleront.
Hanan a rejoint Artefact dès sa création il y a 10 ans et s'est toujours passionné pour les technologies d'IA. Il joue un rôle clé dans le développement de solutions d'IA générative chez Artefact nos clients, en exploitant des technologies de pointe en constante évolution afin de mieux répondre à leurs besoins en fonction des impératifs de leur secteur.
Diplômé de Centrale Lille et de l'École normale supérieure (ENS), il a obtenu son master de recherche MVA (Mathématiques, Vision, Apprentissage) à l'ENS, l'un des programmes les plus pointus en apprentissage automatique, Data et apprentissage statistique. Hanan dirige une équipe d'ingénieurs talentueux chargée de la conception, du développement et de l'industrialisation de cas d'utilisation de l'intelligence artificielle.
L'agent IA : une nouvelle ère dans le domaine de l'automatisation.
Les agents IA ne sont plus de simples outils chargés d'effectuer des tâches automatisées. Contrairement à la RPA (Robotic Process Automation), qui exécute des tâches prédéfinies dans un ordre précis, les agents IA sont capables de s'adapter à leur environnement, de prendre des décisions et d'optimiser les processus sans intervention humaine.
Cela marque une avancée significative vers une IA plus autonome, plus flexible et plus intelligente. Ces agents IA apportent une nouvelle approche, plus adaptative, car ils sont capables de :
- Observer leur environnement et adapter leur comportement en fonction des data.
- Interagir avec plusieurs systèmes pour effectuer des tâches complexes.
- Optimiser et automatiser les processus sans intervention humaine constante.
« Les agents IA et l’« agentique » seront les termes technologiques les plus en vogue en 2025. Cette évolution de l’automatisation tire parti des performances exceptionnelles offertes par l’IA générative. J’aime l’appeler la RPA 2.0, capable de s’intégrer dans des flux de travail dynamiques et d’aller au-delà du simple rôle d’assistant. »Hanan Ouazan, Managing Partner Artefact responsable mondiale de l'accélération de l'IA
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 schéma simple : lecture, extraction, écriture.
Les technologies d'IA générative s'articulent autour de trois composantes :
- LLM : Au départ, nous disposions de modèles qui nous permettaient de répondre à des questions en s'appuyant sur leurs connaissances.
- Assistant : Puis vint l'ère des assistants capables d'interagir avec des systèmes de connaissances pour nous aider dans notre quotidien (utilisation de la 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 qui l'entoure et en agissant sur celui-ci à l'aide des outils dont il dispose. La nouveauté réside dans cette « conscience » de l'environnement, qui permet à l'agent de s'adapter à des événements imprévus.
Et c'est là qu'il se distingue de la notion de RPA. C'est justement cette capacité de l'agent à s'adapter à l'imprévu qui lui vaut souvent l'appellation de « RPA 2.0 » !
Cas d'utilisation : comment les agents IA font la différence.
Les agents IA trouvent des applications dans de nombreux domaines.
- Relations clients : des chatbots intelligents capables non seulement de répondre à des questions, mais aussi d'effectuer des actions (mettre à jour un contrat, générer une facture, traiter une demande spécifique).
- Back-office : EDM 2.0, gestion automatisée des documents, traitement des incidents et des demandes internes.
- Écriture de code : les IA aident les développeurs en générant du code, en optimisant les scripts ou en automatisant les tests.
« Il va falloir repenser les cas d'utilisation en termes de processus, et non pas simplement les transposer dans l'IA. L'objectif n'est pas de superposer l'IA, mais de redéfinir le processus en s'affranchissant des contraintes qui pouvaient exister auparavant. »Hanan Ouazan, Managing Partner Artefact responsable mondiale de l'accélération de l'IA
L'impact des agents IA sur le développement logiciel : 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 logiciel, rendant l'évolution des applications beaucoup plus rapide et plus accessible. »Hanan Ouazan, Managing Partner Artefact responsable mondiale de l'accélération de l'IA
Les agents IA ont deux utilisations principales :
- Mise en route rapide (par exemple, Bolt): transformation immédiate des concepts en prototypes.
- Outils d'aide au développement (par exemple Copilot, Cursor): complétion de code, refactorisation, génération de tests.
Cette évolution ne remplace toutefois pas l'expertise humaine. Ces outils nécessitent une supervision rigoureuse afin d'éviter les erreurs structurelles, et en particulier le risque d'un code de type « château de cartes », qui peut sembler très performant mais qui s'avère instable en production.
Comment les agents IA vont résoudre le problème de l'interopérabilité entre les applications.
Aujourd'hui, l'interaction entre un agent IA et un logiciel repose principalement sur des API spécifiques à chaque service. Pour communiquer avec des systèmes tels que Google Drive, Slack et Confluence, par exemple, cela implique :
- Intégrer trois API distinctes, chacune présentant ses propres spécificités techniques.
- Configuration de l'agent IA avec trois connecteurs, chacun nécessitant une authentification et une configuration spécifiques.
- Lancer trois requêtes distinctes, dont les résultats sont ensuite regroupés ou synthétisés par l'agent.
Ce processus est non seulement complexe, mais aussi difficile à maintenir et à faire évoluer, en particulier à grande échelle. C'est précisément ce problème que l'initiative lancée par Anthropic, avec le Model Context Protocol (MCP), vise à résoudre. Ce nouveau protocole fait office d'API universelle normalisée, spécialement conçue pour simplifier les interactions entre les agents d'IA et les logiciels.
Enfin, il est important de comprendre que les agents IA remettent en question la structure des logiciels SaaS, qui repose sur trois piliers fondamentaux (expérience utilisateur, intelligence,Data). Cette technologie remet en question ces trois composantes :
- UX: Avec les agents IA, l'interaction avec l'utilisateur évolue. Les invites et l'automatisation remplacent le clic traditionnel, reléguant l'expérience utilisateur classique au second plan. L'expérience est redéfinie autour de flux de travail invisibles ou adaptés aux besoins des agents.
- Intelligence: les automatisations impliquent souvent des interactions entre plusieurs systèmes. Une logique ouverte et normalisée pourrait remplacer les flux de travail enfermés dans des écosystèmes isolés.
- Data: Data reste un obstacle à une intégration complète.
« Aujourd’hui, les éditeurs de SaaS intègrent plusieurs niveaux d’automatisation dans leurs plateformes, mais cette approche atteint ses limites face aux besoins multiplateformes. L’avenir du SaaS réside sans doute dans des logiques ouvertes, interconnectées et adaptatives, au service des entreprises. »Hanan Ouazan, Managing Partner Artefact responsable mondiale de l'accélération de l'IA
Agents IA : adoption, défis et impact sur le travail.
Les premiers agents IA, tels que Copilot de Microsoft, Google et Salesforce, se généralisent, mais restent cantonnés à des tâches simples. Les agents plus avancés peinent à être déployés à grande échelle, en raison d'un manque de contrôle et de confiance, tandis que les agents autonomes en sont encore au stade expérimental.
Il y a quelques mois, lors du Consumer Electronics Show (CES) à Las Vegas, Jensen Huang, PDG de Nvidia, a déclaré que « l'informatique deviendra le service des ressources humaines des agents IA ».
Selon Hanan Ouazan, bien que cette vision soit intéressante et ambitieuse, elle n'est ni tout à fait réaliste ni souhaitable.
Selon lui, les technologies de l'information joueront un rôle clé dans le déploiement de ces agents d'IA, mais ne pourront pas assumer à elles seules la gestion de ces outils. Cela nécessitera une transformation organisationnelle plus large et l'implication indispensable des différents secteurs d'activité :
- Un défi avant tout d'ordre opérationnel: les agents IA automatisent les processus métier. Leur supervision nécessitera la participation des data opérationnelles et data .
- Un changement organisationnel en profondeur: le service informatique sera chargé de la maintenance technique, mais la gouvernance et l'optimisation des agents relèveront de la responsabilité des divisions opérationnelles.
L'IA générative transforme déjà les entreprises : moins de tâches d'exécution, davantage de supervision et d'optimisation. Comme pour l'automatisation industrielle, les compétences doivent évoluer pour permettre une intégration efficace de ces outils.
« L'automatisation à elle seule ne suffit pas : nous devons d'ores et déjà repenser les processus métier pour éviter toute complexité inutile. L'IA ne doit pas être simplement une couche supplémentaire, mais un levier permettant d'imaginer des modèles plus efficaces, adaptés aux besoins de l'entreprise. »Hanan Ouazan, Managing Partner Artefact responsable mondiale de l'accélération de l'IA
