L’IA générative passe de copilote à agent de raisonnement
Dans son « TechnoVision Top 5 Tech Trends to Watch in 2025 », consacré aux technologies qui devraient atteindre un point d’inflexion l’année prochaine, Capgemini met en avant l’ « agentification ».
L’IA générative entre désormais dans une ère d’agentification dans laquelle les systèmes d’IA ne réalisent plus seulement des tâches isolées mais deviennent des agents spécialisés et interconnectés
D’ailleurs, selon une étude du Capgemini Research Institute menée auprès de 1 500 cadres dirigeants du monde entier et qui sera publiée à l’occasion du prochain CES en janvier prochain, 32 % désignent les agents IA comme la principale tendance technologique dans le domaine des données et de l’IA pour 2025.
Grâce aux capacités croissantes de raisonnement logique des modèles d’IA générative, ceux-ci commenceront à opérer de façon plus autonome tout en fournissant des résultats plus fiables, étayés par des preuves, et seront capables de gérer des tâches relevant par exemple des chaînes d’approvisionnement et de la maintenance prédictive sans supervision humaine constante. Les systèmes d’IA peuvent gérer la prise de décision dynamique dans des environnements plus sensibles où l’exactitude est primordiale. La prochaine étape sera la montée en puissance d’un super agent, un orchestrateur de plusieurs systèmes d’IA, optimisant leurs interactions.
Les agents IA dépassent les copilotes
En 2025, ces avancées permettront de créer de nouveaux écosystèmes d’IA dans tous les secteurs d’activité et d’atteindre de nouveaux niveaux d’efficacité et d’innovation. Ces IA semi-autonomes, capables d’exécuter des tâches complexes, seront au cœur des innovations. Par exemple, Salesforce les utilise déjà pour gérer des contacts commerciaux, un exemple précurseur de leur potentiel. Comme le note Capgemini, les agents IA dépassent les simples copilotes actuels en effectuant des actions en plusieurs étapes de façon autonome.
Pour Capgemini, c’est très important. Avec la montée en puissance des modèles d’IA, les modèles transformateurs et autres architectures d’IA générative ont gagné en sophistication et en précision, rendant les systèmes multi-agents viables pour la prise de décisions complexes et dynamiques dans le monde réel, même dans des situations imprévisibles. Cela devrait permettre de révéler un plus grand potentiel dans les secteurs qui exigent des réponses rapides et flexibles à des défis inattendus, tels que la santé, le droit et les services financiers.
Des obstacles à surmonter
Cependant, la définition précise de leurs capacités reste floue. Certaines entreprises, comme IBM, attribuent à leurs agents la capacité de raisonner sur des problèmes complexes. Malgré cela, peu de produits présentés jusqu’ici possèdent cette compétence…
En même temps, ce ne sera pas facile. Comme le souligne de son côté Forrester, les entreprises qui ont l’ambition de construire elles-mêmes des architectures agentiques avancées pourraient se heurter à des obstacles considérables.
La principale difficulté réside dans le fait que ces architectures sont complexes, qu’elles nécessitent des modèles divers et multiples, des stacks de génération sophistiquées avec récupération et augmentation, des architectures de données avancées et une expertise de niche. Les entreprises matures reconnaîtront ces limites et choisiront de collaborer avec des fournisseurs de services d’IA et des intégrateurs de systèmes, en tirant parti de leur expertise pour élaborer des solutions agentiques de pointe.
