Une IA Ethique pour transformer votre business
Au tour d’Anthropic de partager sa vision des Agents, en distinguant clairement les workflows (orchestration de LLM selon un schéma défini) et les agents (LLM autonomes dans leurs processus et outils). La partie sur les agents reste limitée, reflétant leur stade de développement. En revanche, les cas d’orchestration “classiques” sont bien détaillés, montrant l’étendue des possibilités déjà accessibles sans recourir à des agents autonomes.
Encore une tentative de précision de ce qu’on entend par Agent IA. C’est Google qui s’y colle (pour bien sûr nous proposer ses technologies ensuite, mais le contenu n’en reste pas moins intéressant). Un agent est un LLM avec des capacités de raisonnement et donc de prise de décision, auquel on donne accès à des services externes via API. C’est une vue peut-être limitée avec l’avantage de correspondre au présent, sans être totalement futuriste.
Toujours la source d’un fournisseur de solution Agentic AI, un guide assez complet sur les étapes à passer pour se lancer dans un tel projet. Il couvre pour une fois les sujets métiers, les humains, la sécurité et la mesure de performance. Plutôt rare, surtout vu la source.
Une autre définition de l’Agentic AI ou l’IA (pas seulement générative) grâce au raisonnement prend des décisions et des actions de manière autonome. Faite par un fournisseur de solution donc forcément positivé. Des redites sur que j’ai pu partager précédemment, parce que la répétition et les légères variations permettent d’affiner notre perception des choses. C’est comme ça que nous fonctionnons nous les humains (comme les IA d’ailleurs puisqu’elles ont été calquées sur nous).
Tentative de synthèse intéressante pour ne pas se laisser dépasser par le buzz des Agents IA. On regrette quand même l’accent mis sur la prise en main d’applications tierces alors que la vraie rupture serait d’après moi ceux qui sont réellement autonomes et ont la capacité d’analyser une situation et de prendre une décision, puis une action. Ce qui expliquerait la différence et l’échec de toutes les automations dans un monde connu et normé (qui n’existe pas). Par contre, il n’oublie pas de poser la question de l’impact social ce qu’on ne trouve pas toujours…
Après o1 et DeepSeek-R1, Google lance son modèle qui “réfléchit”. En fait juste un LLM qui fait du Chain of Thought lui-même (mais on est mauvaise langue). En tout cas, c’est clairement le besoin, la genAI en mode LLM qui crée des textes ou des images atteint son plateau. Cela ouvre la porte à beaucoup de choses. À petite échelle, comparez ChatGPT 4o et o1 pour créer des fonctions matricielles complexes sur Google Sheet ou Excel. De 15 itérations sans solution à un résultat qui fonctionne, c’est bluffant.
J’essaie ici d’éviter de suivre toutes les annonces de nouveaux modèles, mais celle-ci est importante pour deux raisons. Premier modèle Chinois à s’opposer aux américains et un changement majeur dans les applications avec des modèles qui raisonnent, ce que ne fait vraiment pas la première génération de LLM. Cela permettrait de développer des Agents IA plus ou moins autonomes parce que capables de prendre des décisions dans une situation inconnue. Beaucoup plus lent et coûteux que les modèles génératifs classiques, ils viennent en complément pour rendre possibles les Agentic Workflow dont toute la tech rêve depuis bien avant la GenAI.
On le disait précédemment les Agent IA ne sont pas encore là mais ça bouge de partout. OpenAI et Microsoft annoncent leurs frameworks. Encore très théorique, ça n’existe pas et pas avant plusieurs trimestre ou années, mais ça permet de se projeter. Et de visualiser la distance à parcourir !
Bien que rien de très neuf dans cette définition des Agents IA, il est toujours utile de se mettre au clair sur les définitions précises des différents concepts poussés par les équipes marketing les plus puissantes du monde et repris parfois avec peu de précision dans les médias. C’est clairement l’étape du moment qui devrait éclipser l’IA Générative ou le positionner comme un outil IA parmi d’autres. A sa place donc.
Sujet peut-être un peu technique : les “cognitive architecture” expliquée par LangChain. Cela reste simple et vaut le coup de bien comprendre les différents modèles, du 100% humain au 100% autonome. Aucune solution n’est meilleure qu’une autre, tout va dépendre du problème à résoudre. On visualise aussi qu’une confusion peut se créer : beaucoup de workflow sont connus et prévisibles, l’autonomie d’un agent pour décider quelle est la prochaine étape n’est pas nécessaire, un bon vieux (no)code est bien plus frugal et maîtrisable.