Edward Funnekotter, Chief AI Officer, Solace
L’IA agentique est le nouveau venu dans l’univers de l’IA. Ce véritable bond en avant surpasse les simples applications LLM en combinant plusieurs agents en un système capable d’agir de façon autonome pour répondre à une question ou obtenir un résultat comme l’optimisation des stocks ou l’adaptation des lignes de production en fonction de la demande. Pour libérer son plein potentiel et fournir des applications capables de penser et raisonner en vue de résoudre des problèmes complexes en tous genres, le système doit être en mesure d'intégrer en temps réel et à l’échelle mondiale des données provenant de plusieurs sources.
Nous gravissons rapidement les échelons de la transformation par l'IA, en partant des applications simples faisant appel aux grands modèles de langage (LLM) et à la génération augmentée de récupération (RAG) jusqu’aux systèmes très prometteurs d'IA agentique qui ne se contentent pas de suivre des instructions pré-programmées, mais qui sont capables de réagir au quart de tour, de prendre des décisions et de s’adapter aux nouvelles situations.
Selon Gartner dans son guide des tendances technologiques stratégiques pour 2025 : « Les systèmes d'IA agentique planifient et prennent des mesures de manière autonome pour atteindre les objectifs définis par l’utilisateur. L’IA agentique offre la promesse d’une main-d’œuvre virtuelle capable de décharger et d'“augmenter” le travail humain. Gartner prévoit que d’ici à 2028, au moins 15 % des décisions professionnelles quotidiennes seront prises de manière autonome grâce à l’IA agentique ».
La valeur de l’IA agentique pour les entreprises
L’IA agentique va bien au-delà du simple processus de question-réponse pour lequel un LLM a été formé. Il s’agit d’un modèle logiciel utilisant une multitude de LLM et de services, appelés “agents”, pour la réalisation de tâches plus complexes et un raisonnement autonome. L’évolution de cadres agentiques a connu une remarquable transformation. Au début, ces systèmes se limitaient à des tâches basées sur des règles, avant d'évoluer progressivement pour arriver au stade d’agents multimodaux sophistiqués.
Ces agents sont capables de traiter et d’intégrer des informations issues de différentes sources, notamment des textes, des images et de l’audio. Cette multimodalité donne aux agents d'IA les capacités de raisonnement nécessaires pour pouvoir interagir d’une manière extrêmement similaire à la compréhension humaine. Ils peuvent s’assimiler à un employé flexible et adaptable, possédant un domaine de compétences particulier.
Par exemple, il pourrait jouer le rôle de l’agent du service clientèle ayant pour mission de « trouver, pour chaque nouveau ticket, des tickets similaires et répondre aux questions concernant l’utilisation des produits qui sont inscrites sur le ticket, avant d'ajouter les résultats sous forme de commentaire sur le ticket. » Il est alors possible de relever un grand nombre de défis commerciaux, comme les communications intuitives avec les clients, les décisions en temps réel concernant les stocks ou la gestion des flottes.
Mais il ne faut pas faire de faux départ. Les projets d’IA agentique sont dans les starting blocks et attendent le coup de pistolet
Ceci dit, sortir de la phase pilote pour passer aux applications de tous les jours s'avère être le plus grand obstacle pour tout projet d'IA. HBR a estimé que les projets d'IA connaissent un taux d’échec de près de 80 %. En fait, selon une étude IBM menée auprès de plus de 8 500 professionnels de l’informatique dans le monde entier, les compétences et l’expertise limitées en matière d’IA et les préoccupations éthiques ont été identifiées comme principaux obstacles au déploiement de l’IA.
Par ailleurs, d’autres études ont montré que de nombreux projets ne sont pas parvenus à passer à l’échelle en raison des dépendances à l’architecture existante ou des coûts et performances liés à la mise à l’échelle d’éléments aussi complexes et non structurés. Même si des projets voient le jour, les obstacles liés à la qualité, la gouvernance et la sécurité des données et à l’intégration des workflows technologiques subsistent.
Faites connaissance avec le multiplicateur de force de l'IA : l’architecture orientée événement et l'event mesh
On retrouve au cœur de ces défis une déficience critique : l’absence d’un flux d’informations contextuelles en temps réel. Les modèles de traitement par lots traditionnel et de données statiques, encore utilisés par de nombreuses organisations, ne sont pas capables de fournir des environnements commerciaux dynamiques où des décisions doivent souvent être prises en quelques fractions de seconde, comme c’est le cas pour les transactions financières, afin de garantir le succès de l'entreprise.
Un event mesh étayé par une architecture orientée événements (EDA) représente l‘ingrédient manquant qui va transformer l’IA d’entreprise en une force imparable opérant en temps réel et tenant compte du contexte. Un event mesh est un réseau interconnecté de brokers d’événements qui achemine de manière dynamique des données orientées événements vers une multitude d’applications et d’appareils dans divers environnements, et cela à l'échelle mondiale.
C’est là où l'event mesh joue un rôle décisif dans le déploiement de l’IA. Il apporte le découplage nécessaire pour assurer un développement et une évolution rapides. L’architecture orientée événements ainsi mise en œuvre permet de gérer les écarts de taux, de prendre en charge différentes applications avec des modèles de messagerie, et de fournir l’efficacité requise pour une mise à l’échelle horizontale et verticale.
En appliquant le modèle architectural rendu possible par l'event mesh à des cas d’utilisation d’IA agentique, vous créez un réseau flexible de distribution de données en temps réel, permettant à divers modèles IA d'accéder et de réagir instantanément aux flux de données pertinentes.
Rencontrez l'agent mesh
Tandis qu’un event mesh permet l'acheminement dynamique de flux de données en temps réel à travers l’entreprise, un agent mesh passe à l'étape supérieure en introduisant des agents intelligents capables de raisonner de manière autonome et d’agir sur ce flux d’informations.
Un agent mesh est un cadre vous permettant de créer un réseau d’agents d'IA qui sera supervisé et contrôlé par une couche d'orchestration dynamique. Les résultats de plusieurs agents pour des tâches complexes pourront ainsi être regroupés dans un système de gestion des données. Des passerelles entre agent mesh permettent d’accéder au système pour de nombreux cas d’utilisations différents, chacun ayant son propre type d’interface d’entrée et d’autorisations.
Les organisations peuvent mettre en place des systèmes d’IA agentique véritablement autonomes capables de gérer des demandes pour obtenir les meilleurs résultats basés sur la base d'informations non structurées telles que les chats.
Un cadre d'IA flexible et composable permet aux entreprises de commencer doucement…
Mieux encore, l'agent mesh ne s’interpose pas dans la pile d’applications existantes et le cadre d'IA agentique d’une organisation. Grâce à cette approche “plug-and-play”, les entreprises peuvent commencer à petite échelle avec un ou deux cas d’utilisation, avant de faire évoluer l'agent mesh en ajoutant des agents pour augmenter ses capacités et des passerelles pour intégrer d’autres cas d'utilisation et interfaces au système.
... et d'évoluer au rythme de leur croissance
S’appuyant sur l’orchestration et le contrôle d'accès intégré de tous les agents et actions du système, un cadre unique pourra être utilisé et réutilisé à maintes reprises, que ce soit pour une nouvelle commande, un nouveau ticket d'assistance ou une question du chatbot, chacun fournissant- des interfaces différentes et un contrôle d'accès régi par la sécurité au niveau de l’entreprise.
Dans un paysage où les technologies d'IA sont en rapide évolution, le découplage d’un cadre orienté événements qui sous-tend l'agent mesh permet aux organisations de mettre à jour, remplacer ou ajouter facilement de nouveaux modèles IA et des sources de données sans perturber les systèmes existants. Cette possibilité est particulièrement essentielle pour suivre le rythme des progrès de l’IA.
L’avenir des agents d'IA impliquera un agent mesh
Tournant décisif dans l'utilisation de l'IA, l’IA agentique va au-delà des simples applications LLM pour créer des systèmes autonomes capables d’atteindre des niveaux inédits de raisonnement et d’adaptation. Pour réaliser son plein potentiel et gérer dynamiquement les niveaux de stocks dans un entrepôt ou reconfigurer les chaînes d’approvisionnement à la volée, il faudra tenir compte de ses besoins en flux d’informations contextuelles en temps réel.
C’est là où l'agent mesh va devenir un élément clé pour maximiser la valeur des agents d'IA dans ces environnements commerciaux dynamiques.
Nous gravissons rapidement les échelons de la transformation par l'IA, en partant des applications simples faisant appel aux grands modèles de langage (LLM) et à la génération augmentée de récupération (RAG) jusqu’aux systèmes très prometteurs d'IA agentique qui ne se contentent pas de suivre des instructions pré-programmées, mais qui sont capables de réagir au quart de tour, de prendre des décisions et de s’adapter aux nouvelles situations.
Selon Gartner dans son guide des tendances technologiques stratégiques pour 2025 : « Les systèmes d'IA agentique planifient et prennent des mesures de manière autonome pour atteindre les objectifs définis par l’utilisateur. L’IA agentique offre la promesse d’une main-d’œuvre virtuelle capable de décharger et d'“augmenter” le travail humain. Gartner prévoit que d’ici à 2028, au moins 15 % des décisions professionnelles quotidiennes seront prises de manière autonome grâce à l’IA agentique ».
La valeur de l’IA agentique pour les entreprises
L’IA agentique va bien au-delà du simple processus de question-réponse pour lequel un LLM a été formé. Il s’agit d’un modèle logiciel utilisant une multitude de LLM et de services, appelés “agents”, pour la réalisation de tâches plus complexes et un raisonnement autonome. L’évolution de cadres agentiques a connu une remarquable transformation. Au début, ces systèmes se limitaient à des tâches basées sur des règles, avant d'évoluer progressivement pour arriver au stade d’agents multimodaux sophistiqués.
Ces agents sont capables de traiter et d’intégrer des informations issues de différentes sources, notamment des textes, des images et de l’audio. Cette multimodalité donne aux agents d'IA les capacités de raisonnement nécessaires pour pouvoir interagir d’une manière extrêmement similaire à la compréhension humaine. Ils peuvent s’assimiler à un employé flexible et adaptable, possédant un domaine de compétences particulier.
Par exemple, il pourrait jouer le rôle de l’agent du service clientèle ayant pour mission de « trouver, pour chaque nouveau ticket, des tickets similaires et répondre aux questions concernant l’utilisation des produits qui sont inscrites sur le ticket, avant d'ajouter les résultats sous forme de commentaire sur le ticket. » Il est alors possible de relever un grand nombre de défis commerciaux, comme les communications intuitives avec les clients, les décisions en temps réel concernant les stocks ou la gestion des flottes.
Mais il ne faut pas faire de faux départ. Les projets d’IA agentique sont dans les starting blocks et attendent le coup de pistolet
Ceci dit, sortir de la phase pilote pour passer aux applications de tous les jours s'avère être le plus grand obstacle pour tout projet d'IA. HBR a estimé que les projets d'IA connaissent un taux d’échec de près de 80 %. En fait, selon une étude IBM menée auprès de plus de 8 500 professionnels de l’informatique dans le monde entier, les compétences et l’expertise limitées en matière d’IA et les préoccupations éthiques ont été identifiées comme principaux obstacles au déploiement de l’IA.
Par ailleurs, d’autres études ont montré que de nombreux projets ne sont pas parvenus à passer à l’échelle en raison des dépendances à l’architecture existante ou des coûts et performances liés à la mise à l’échelle d’éléments aussi complexes et non structurés. Même si des projets voient le jour, les obstacles liés à la qualité, la gouvernance et la sécurité des données et à l’intégration des workflows technologiques subsistent.
Faites connaissance avec le multiplicateur de force de l'IA : l’architecture orientée événement et l'event mesh
On retrouve au cœur de ces défis une déficience critique : l’absence d’un flux d’informations contextuelles en temps réel. Les modèles de traitement par lots traditionnel et de données statiques, encore utilisés par de nombreuses organisations, ne sont pas capables de fournir des environnements commerciaux dynamiques où des décisions doivent souvent être prises en quelques fractions de seconde, comme c’est le cas pour les transactions financières, afin de garantir le succès de l'entreprise.
Un event mesh étayé par une architecture orientée événements (EDA) représente l‘ingrédient manquant qui va transformer l’IA d’entreprise en une force imparable opérant en temps réel et tenant compte du contexte. Un event mesh est un réseau interconnecté de brokers d’événements qui achemine de manière dynamique des données orientées événements vers une multitude d’applications et d’appareils dans divers environnements, et cela à l'échelle mondiale.
C’est là où l'event mesh joue un rôle décisif dans le déploiement de l’IA. Il apporte le découplage nécessaire pour assurer un développement et une évolution rapides. L’architecture orientée événements ainsi mise en œuvre permet de gérer les écarts de taux, de prendre en charge différentes applications avec des modèles de messagerie, et de fournir l’efficacité requise pour une mise à l’échelle horizontale et verticale.
En appliquant le modèle architectural rendu possible par l'event mesh à des cas d’utilisation d’IA agentique, vous créez un réseau flexible de distribution de données en temps réel, permettant à divers modèles IA d'accéder et de réagir instantanément aux flux de données pertinentes.
Rencontrez l'agent mesh
Tandis qu’un event mesh permet l'acheminement dynamique de flux de données en temps réel à travers l’entreprise, un agent mesh passe à l'étape supérieure en introduisant des agents intelligents capables de raisonner de manière autonome et d’agir sur ce flux d’informations.
Un agent mesh est un cadre vous permettant de créer un réseau d’agents d'IA qui sera supervisé et contrôlé par une couche d'orchestration dynamique. Les résultats de plusieurs agents pour des tâches complexes pourront ainsi être regroupés dans un système de gestion des données. Des passerelles entre agent mesh permettent d’accéder au système pour de nombreux cas d’utilisations différents, chacun ayant son propre type d’interface d’entrée et d’autorisations.
Les organisations peuvent mettre en place des systèmes d’IA agentique véritablement autonomes capables de gérer des demandes pour obtenir les meilleurs résultats basés sur la base d'informations non structurées telles que les chats.
Un cadre d'IA flexible et composable permet aux entreprises de commencer doucement…
Mieux encore, l'agent mesh ne s’interpose pas dans la pile d’applications existantes et le cadre d'IA agentique d’une organisation. Grâce à cette approche “plug-and-play”, les entreprises peuvent commencer à petite échelle avec un ou deux cas d’utilisation, avant de faire évoluer l'agent mesh en ajoutant des agents pour augmenter ses capacités et des passerelles pour intégrer d’autres cas d'utilisation et interfaces au système.
... et d'évoluer au rythme de leur croissance
S’appuyant sur l’orchestration et le contrôle d'accès intégré de tous les agents et actions du système, un cadre unique pourra être utilisé et réutilisé à maintes reprises, que ce soit pour une nouvelle commande, un nouveau ticket d'assistance ou une question du chatbot, chacun fournissant- des interfaces différentes et un contrôle d'accès régi par la sécurité au niveau de l’entreprise.
Dans un paysage où les technologies d'IA sont en rapide évolution, le découplage d’un cadre orienté événements qui sous-tend l'agent mesh permet aux organisations de mettre à jour, remplacer ou ajouter facilement de nouveaux modèles IA et des sources de données sans perturber les systèmes existants. Cette possibilité est particulièrement essentielle pour suivre le rythme des progrès de l’IA.
L’avenir des agents d'IA impliquera un agent mesh
Tournant décisif dans l'utilisation de l'IA, l’IA agentique va au-delà des simples applications LLM pour créer des systèmes autonomes capables d’atteindre des niveaux inédits de raisonnement et d’adaptation. Pour réaliser son plein potentiel et gérer dynamiquement les niveaux de stocks dans un entrepôt ou reconfigurer les chaînes d’approvisionnement à la volée, il faudra tenir compte de ses besoins en flux d’informations contextuelles en temps réel.
C’est là où l'agent mesh va devenir un élément clé pour maximiser la valeur des agents d'IA dans ces environnements commerciaux dynamiques.