C'est quoi un agent IA ?

La prochaine grande révolution ? Gartner pense que les agents IA sont l'avenir.

OpenAI, Nvidia et Microsoft misent dessus — tout comme des entreprises telles que Salesforce, qui jusqu'à présent étaient plutôt discrètes dans le domaine de l’IA.

Et il ne fait aucun doute que cette technologie est en train de décoller en ce moment même.

Wow.

Alors, qu’est-ce qui se cache réellement derrière cette tendance ?

La clé pour comprendre les agents est l’autonomie.

Contrairement aux systèmes traditionnels d’intelligence artificielle générative, les agents ne se contentent pas de répondre aux entrées des utilisateurs.

Ils peuvent traiter un problème complexe de bout en bout, comme une demande d’indemnisation en assurance.

En gros, ils peuvent :

• Comprendre le texte, les images et les documents PDF d’une réclamation.

• Extraire les informations nécessaires de la base de données client.

• Comparer le cas avec les termes et conditions du contrat d’assurance.

• Poser des questions au client et attendre ses réponses, même si cela prend plusieurs jours, sans perdre le contexte.

Les agents font tout cela de manière autonome, sans qu’un humain ait à vérifier si l’IA traite bien les informations correctement.

Comment j’ai réussi à mettre en place un grand agent IA : ce qui a fonctionné et ce qui n’a pas fonctionné

Contrairement aux systèmes IA existants et aux copilotes qui assistent les employés dans leur travail, les agents IA sont en réalité des employés à part entière, offrant un potentiel immense pour l’automatisation des process.

Imaginez une IA capable de gérer des tâches complexes et multi-étapes, qui sont aujourd’hui réalisées par un employé humain ou une entière division d’une entreprise :

• Planifier, concevoir, exécuter, mesurer et optimiser une campagne marketing.

• Retrouver un colis perdu en communiquant avec les transporteurs, les clients et les entrepôts. Et si le colis reste introuvable, réclamer sa valeur au partenaire responsable.

• Surveiller la base de données des marques déposées et détecter automatiquement tout nouveau dépôt pouvant être en conflit avec sa propre marque, puis déposer une opposition immédiatement.

• Collecter et vérifier les données ESG, demander des informations aux employés, compiler et générer un rapport.

Aujourd’hui, les modèles d’IA générative peuvent aider à certaines tâches, comme la rédaction de contenu marketing ou l’évaluation d’emails. Mais ils ne peuvent pas encore exécuter un processus complet.

Un agent IA, en revanche, le peut.

IA traditionnelle vs agents IA

L’IA traditionnelle est comme une machine à expresso performante, mais les agents IA sont comme un barista.

Une machine à expresso prépare un café. Un barista, lui, peut :

• Accueillir les clients,

• Prendre la commande,

• Préparer le café,

• Servir le client,

• Encaisser le paiement,

• Mettre les tasses dans le lave-vaisselle,

• Fermer la boutique en fin de journée.

Même la meilleure machine à expresso du monde ne peut pas gérer un café seule. Un barista, si.

Pourquoi un agent IA (comme un barista) est-il capable de tout cela ?
Parce qu’il sait gérer plusieurs sous-processus, il décide de quelle tâche s’occuper en priorité, et il peut communiquer avec les humains s’il a besoin d’informations supplémentaires.

Anatomie d’un employé IA

Assez parlé, passons à la pratique. Construisons un agent IA.

Nous allons créer un agent capable de traiter une réclamation d’assurance, de la déclaration du sinistre jusqu’au remboursement.

Ce que nous allons développer ici, c’est l’architecture métier et le flux de travail.

1. Classification et assignation de la tâche

Notre processus démarre lorsqu’un client envoie un message à son assureur pour déclarer un sinistre.

Que fait l’agent IA ?

• Il analyse le message et comprend ce que veut le client.

• Sur cette base, il détermine la procédure adéquate et lance l’exécution des étapes nécessaires.

Cela va au-delà d’un simple appel de fonction : l’agent prend des décisions fondamentales sur la procédure à suivre, avant d’exécuter une série d’actions précises.

2. Extraction des données

L’étape suivante consiste à extraire les informations utiles.

Un des rôles majeurs d’un agent IA est de convertir des données non structurées en données structurées, pour que le traitement soit plus fiable et sécurisé.

Exemple d’email reçu :

Email du client :
Bonjour,
Je souhaite déclarer un sinistre et demander un remboursement.

Hier, en jouant avec un ami, mon fils Rajad (9 ans) a accidentellement tiré un ballon contre le lustre du salon. Celui-ci s’est décroché de son support et s’est brisé en morceaux (il était en verre).

Heureusement, personne n’a été blessé, mais le lustre est irréparable.

Vous trouverez ci-joint la facture et des photos du lustre cassé.

Cordialement,
Deepak Jamal
Numéro de contrat : HC12-223873923
Adresse : 123 Main Street, New York, 10008
Téléphone : (718) 123 45678

L’agent IA transforme cet email en données structurées :

Données extraites en JSON :

{   "nom": "Deepak",   "prenom": "Jamal",   "adresse": "123 Main Street, 10008 New York City, NY",   "telephone": "+1 718 123 45678",   "numero_contrat": "HC12-223873923",   "description_sinistre": "Hier [8 décembre 2024], mon fils Rajad (9 ans) a accidentellement tiré un ballon contre le lustre du salon. Celui-ci s’est décroché et s’est brisé. Heureusement, personne n’a été blessé, mais le lustre est irréparable." } 

3. Appel aux services externes et gestion du contexte

Contrairement à un modèle d’IA classique qui répond à des requêtes, un agent IA doit interagir avec des bases de données et conserver le contexte au fil du temps.

Dans notre exemple, l’agent :

• Vérifie le numéro de contrat dans la base de données clients.

• Enregistre l’état d’avancement du dossier dans un système de suivi.

• Demande des informations supplémentaires au client, si nécessaire.

4. Évaluation, raisonnement et confiance

Les décisions en assurance reposent sur l’interprétation des termes du contrat.

L’IA ne peut pas simplement répondre à une question. Elle doit analyser des règles complexes et justifier ses décisions.

C’est ici qu’intervient la technique du Retrieval Augmented Generation (RAG), qui permet à l’agent de récupérer des informations juridiques pertinentes avant de répondre.

Enfin, le modèle évalue son niveau de confiance pour chaque décision.

• Si le niveau de confiance est bas, l’agent envoie le cas à un humain.

• Si le niveau de confiance est élevé, l’agent traite le dossier automatiquement.

Conclusion

Si vous avez mis en place seulement 2 ou 3 de ces étapes, vous avez déjà construit un agent IA.

Un tel système peut automatiser 70 à 90 % du travail d’un service de gestion de sinistres, ce qui est impossible avec une IA générative classique.

Il y a deux ans, je n’aurais jamais imaginé que cela deviendrait une réalité aussi vite.

PS : Une vidéo ultra détaillée sur YouTube arrivera très bientôt avec un plan complet de A à Z pour créer votre propre agent IA avec ChatGPT en fine-tuning pour l’automatisation de vos posts sur les réseaux sociaux