De la gestion des tâches quotidiennes à la prise de décision, une nouvelle transformation est en marche avec l'avènement de l'IA agentique. Ces agents intelligents, capables d'apprendre, de s'adapter et d'interagir de manière autonome, ouvrent la voie à une multitude d'applications. Mais alors, quel potentiel peut-on prédire pour cette technologie ? Comment les avancées dans les grands modèles de langage vont-ils réellement donner du pouvoir aux agents autonomes ?
Category
🗞
NewsTranscription
00:00Agent TKI, attention, c'est la nouvelle tendance qui monte nous dit-on.
00:07Alors pour en parler, Véronique Vantos est avec nous.
00:09Bonjour Véronique.
00:10Bonjour Nelphine.
00:11Vous êtes chercheuse cofondatrice de Noucaille, également maître de conférences au laboratoire
00:15de recherche en informatique.
00:16Noucaille, on a déjà présenté Noucaille plusieurs fois dans Smartech, mais je le
00:19refais avec grand plaisir, donc spécialisée dans l'IA, connue pour avoir conçu l'IA
00:24qui a battu les champions du monde de bridge, c'était en 2022, et qui propose des modèles
00:29pour résoudre des problèmes complexes et donc qui fait de l'Agent TKI.
00:34A côté de vous, Jean-Baptiste Bouzige, bonjour.
00:37Bonjour.
00:38Vous êtes président fondateur d'Equimetrix, c'est aussi une pépite française, spécialisée
00:43dans la data science.
00:44Vous êtes un des leaders même en Europe sur ce sujet, vous fournissez également des
00:48solutions AI.
00:49Alors je voulais déjà qu'on commence peut-être par la définition, qu'est-ce que c'est
00:54l'Agent TKI ou l'IA agentique ? Définition s'il vous plaît.
00:59Véronique.
01:00Bon, alors évidemment, tout le monde y va de sa définition, donc ça va être un petit
01:07peu facile parce que, comme vous l'avez dit, on a créé Noucaille pour développer ce
01:14genre de méthode.
01:15Alors à l'époque on appelait ça l'IA nouvelle génération, mais pour faire simple,
01:18l'IA des agents, ça va être un ensemble d'IA, un ensemble d'IA différents, de
01:25domaines différents, qui vont travailler ensemble, qui vont collaborer et un des agents
01:30pour nous très important, c'est évidemment l'humain, qui sait encore faire beaucoup
01:34de choses que les agents ne savent pas faire et l'idée c'est de créer des équipes
01:38d'agents qui vont résoudre ensemble, avec leurs forces et faiblesses, des problèmes
01:42complexes.
01:43Votre définition, est-ce que vous avez des précisions à apporter peut-être ?
01:48Oui, je pense que tout le détail qui fait toute la différence, c'est à quel point
01:54dans le comment on considère que ces agents sont autonomes, je pense que c'est le grand
02:00raccourci qu'on a beaucoup dans les grandes promesses du moment et notamment mettre l'humain
02:05dans la boucle, je pense que c'est un point extrêmement important et s'il y a eu avec
02:10les IA génératives aussi, on a beaucoup parlé de Retrieval Augmented Generation,
02:13donc RAG, et en fait la complémentarité des deux, parce que je pense que dans les
02:19agents, il peut y avoir des choses qui utilisent du RAG, c'est que l'agent est censé prendre
02:23une décision, donc quelque chose qui est finalisé, qui est vraiment un business outcome,
02:29pour parler toujours bien français, là où le RAG va surtout informer la décision et
02:34chercher à par exemple tuer les hallucinations, être le plus précis possible.
02:38On peut peut-être reprendre quand même encore plus en amont le sujet, parce que vous nous
02:43parlez de l'IA générative, est-ce que c'est lié, est-ce que ce sont deux technologies
02:49qui sont liées, est-ce que c'est l'IA générative qui permet de faire de l'agentique AI, déjà
02:54ça c'est une question, et ensuite dans l'agentique AI, vous l'avez dit Véronique, il y a le
02:58mot agent.
02:59Jusqu'ici on n'employait pas le terme d'agent pour parler justement des IA génératives,
03:03on parlait plutôt de bot, de chat bot, d'assistant personnel, d'assistant vocal, donc quelle
03:09est la différence entre les deux, entre ces IA avec lesquelles on converse et ces agents ?
03:15Alors en fait je pense qu'on utilise le mot agent pour en fait un petit peu faire passer
03:22le message que les méthodes, donc des choses qui sont codées pour faire simple, que ce
03:28soit une IA générative ou d'autres types d'intelligence artificielle, derrière il
03:32y a du code, et en fait on va concrétiser par rapport à des tâches j'ai l'impression,
03:38c'est-à-dire que pour nous en fait toutes les IA génératives c'est un ou plusieurs
03:44agents en particulier, mais il ne faut pas être guidé par le fait d'écrire ou de définir
03:50des agents, on construit une boîte à outils, on récupère évidemment tous les agents
03:57qui existent également parce qu'on ne refait pas la roue quoi, et on va mettre ensemble
04:02donc ces agents qui sont des codes, ça peut même être des robots physiques, des humains,
04:09on les met ensemble un petit peu comme une équipe d'humains en fait qui va résoudre
04:15un problème, donc ça veut dire qu'une IA générative, une IA de type...
04:20C'est un peu finalement un pion dans la chaîne d'intelligence, c'est ça qui va me permettre
04:25de résoudre mes problèmes, chaque agent est un pion qui va me permettre de progresser
04:30dans la résolution des problèmes.
04:32Et pour ça il faut qu'ils soient capables de collaborer, entre eux, entre chaque agent,
04:37et il faut qu'ils soient capables d'expliquer leur prise de décision, de repérer les faiblesses
04:42des autres agents, et au final ce sera soit un agent, soit un humain qui prendra la décision
04:48suivant le problème en fait.
04:50Mais sur la question, est-ce que c'est lié au progrès des IA génératives ou non ?
04:54Oui, ce qu'ont permis les IA génératives c'est que comme là on parle en fait d'orchestrer
05:00des processus de décision et d'avoir des chaînes, en tout cas de s'approcher le plus
05:05possible d'une couche de raisonnement, les IA génératives ont permis de générer, peuvent
05:10générer elles-mêmes des protocoles de prise de décision, et c'est là où, encore une
05:16fois, c'est là où il faut être dans le design de ces solutions extrêmement fin parce que
05:20les systèmes complètement autonomes qu'on voit jusqu'à aujourd'hui, en fait on a eu
05:26des tentatives de systèmes où on aurait eu plusieurs agents qui chacun se spécialiseraient
05:32et puis en fait on se rendait compte que la spécialisation ne marchait pas très bien,
05:35donc on se rend compte que c'est mieux de leur assigner des tâches et de les spécialiser.
05:39Donc ils sont hyper spécialisés en fait tous ces agents ?
05:41Voilà, c'est mieux de penser spécialisation, en tout cas ce qui aujourd'hui dans les usages
05:50les plus commoditisés fonctionne à peu près bien, c'est des choses très verticales et
05:55très productivité, donc tout le monde prend l'exemple, oui je peux avoir un assistant
06:00qui regarde mon agenda, qui fait les mails, oui mais c'est quelque chose de quand même
06:05très standardisé, dès qu'on va sur la décision de quel va être mon plan l'année prochaine,
06:11comment je vais prendre mes décisions, où je mets mes investissements, il y a beaucoup
06:14plus de contraintes, y compris culturelles, qui rentrent dans une couche de raisonnement
06:18et qu'aujourd'hui ni les LLM ni les agents sur étagère n'arrivent à capturer.
06:25Donc hyper spécialisés mais en même temps, où est-ce qu'ils sont attribués à des tâches
06:29finalement, c'est ça ? Plutôt que spécialisés dans un domaine ?
06:33Je vais encore reprendre l'exemple du bridge en fait, parce que le NOUC qui a battu 8 champions
06:39du monde, c'est vraiment une IA de type agentique et ag, ça veut dire qu'en fait on avait différents
06:46agents qui n'étaient pas spécialisés sur le bridge mais qui sont spécialisés sur
06:51une manière de raisonner, dont des méthodes numériques, par exemple on a un agent qui
06:59avait appris la stratégie des adversaires comme il pourrait apprendre autre chose, c'est
07:04une technique très générale, spécialisée, qu'on a juste instanciée sur le bridge,
07:09et on avait des modules plutôt novateurs qui permettaient de raisonner, donc c'est
07:16un petit peu comme un bridgeur qui va utiliser différentes zones de son cerveau pour prendre
07:24des décisions et pour résoudre un ensemble de problèmes très complexes, donc les agents
07:29c'est plutôt spécialisé sur une manière de faire des inférences, de faire du raisonnement,
07:36et après quand on attaque un nouveau problème, on va l'instancier, donc par exemple on a
07:41très vite transféré ce qu'on savait faire sur le bridge avec une partie de ses agents
07:45sur notre produit logistique qui permet de générer des choses sur de l'aérien qui
07:53n'a rien à voir avec le bridge, donc c'est spécialisé sur un type de raisonnement
07:57mais pas sur un domaine en particulier.
07:59Ok, c'est très clair, justement venons-en aux principaux usages, les premiers usages
08:04peut-être qui vont émerger, là vous évoquez l'aérien, très concrètement comment on
08:11va utiliser ces premiers agents ?
08:13Je pense que déjà on peut faire évoluer un certain nombre de techniques qui sont déjà
08:21bien implantées, donc tout le pilotage des plans stratégiques, donc des plans d'investissement
08:28des entreprises, on parlait de supply chain ou de maintenance prédictive où en fait
08:32on peut bénéficier du fait d'avoir des agents, donc en fait c'est une façon différente
08:36d'orchestrer l'existant, au lieu d'avoir quelques outils isolés on les met dans un
08:41flux et on va se dire, tiens pour la maintenance prédictive je vais avoir un agent qui est
08:44spécialisé dans la détection de défauts, un autre qui est spécialisé dans quel va
08:49être le tour de maintenance pour le coup des agents physiques qui font le tour d'un
08:54train comme on fait chez Gatling, puis ensuite quel est l'agent qui est très supply chain
08:59pour commander les pièces etc, donc en fait chez nous les domaines qu'on couvre c'est
09:03ça, c'est la performance, comment on va mieux investir, avoir des ventes plus rentables,
09:10faire évoluer son mix produit pour le rendre plus soutenable, des choses très autour du client,
09:14donc on connaît, il y a beaucoup de choses autour de l'agent augmenté, c'est plutôt
09:20que du chatbot en direct qui comporte beaucoup de risques, on équipe l'agent, le conseiller
09:28bancaire qui va avoir tous les PDF avec tous les prêts possibles mais qui doit tenir compte
09:33de la situation de son client, on va l'accompagner là-dessus et donc bien designer aussi la
09:37place que lui a dans cette architecture-là et puis après tout ce qu'on appelle opérations
09:42donc supply chain, assortiment en boutique, optimisation des flux etc.
09:49Mais en termes d'interface, parce qu'aujourd'hui ce qui fait un des grands succès de l'IA
09:54génératif c'est que l'interface est hyper simple, hyper intuitive, unique, est-ce que
10:00pour que tous ces agents fonctionnent ensemble dans une chaîne qui a été pensée en amont,
10:04on peut avoir une interface aussi simple et unique ou non ? Il faut vraiment repenser
10:10la manière dont on va les interroger ces agents.
10:12Alors ça c'est une très très bonne question parce qu'effectivement quand on veut créer
10:18une équipe, il faut créer aussi des interfaces, interfaces au sens, si on veut que les agents
10:23collaborent, il faut qu'ils puissent échanger donc ça va passer par des interfaces et bien
10:29la première chose très importante, ça va choquer tout le monde, mais c'est que l'humain
10:33est une interface, c'est-à-dire que l'humain, on n'est pas obligé d'avoir du tout automatique,
10:39donc si c'est l'utilisateur, l'expert qui veut être aidé par sa petite armée d'agents,
10:44il va pouvoir les laisser se débrouiller, donc il y a une autonomie, mais il va pouvoir
10:48aussi par exemple requêter un LLM etc, renvoyer la réponse, et une interface ça peut également
10:58passer, c'est ce que je disais, par un robot, un robot de type, je ne sais pas si j'ai le
11:02droit de dire des marges, un robot qui a beaucoup de systèmes embarqués, beaucoup
11:06de capteurs, et qui par exemple pourrait récupérer des sorties d'un programme intelligent basé
11:13sur l'IA agentique AI, et puisqu'il peut et traduire et parler, l'humain pourrait interagir
11:21avec ce robot qui représente très physiquement les sorties de cet ensemble d'agents, donc
11:26ça peut être les écrans, ça peut être un robot qui parle, et ça peut même être
11:31l'humain finalement, qui va communiquer ces choses-là aux différents agents en passant
11:36par évidemment ordinateurs.
11:39Est-ce qu'on doit taper des prompts, très concrètement en fait ?
11:43Très concrètement, de toute façon, ce qu'on dit quand on parle de la couche de raisonnement
11:47et de toutes ces interactions-là, c'est que c'est quand même des sujets où le design
11:51du produit est extrêmement important, et quand on design un produit, on pense aussi à l'adoption,
11:57et donc dans l'adoption, effectivement, quelle va être l'interface, au sens, comment
12:02in fine on va interagir avec tous ces agents-là, c'est important, effectivement ça se fait
12:06de plus en plus en langage naturel, il ne faut pas que ce soit un gadget, donc je pense
12:11que c'est extrêmement important de concevoir les systèmes, et nous on a eu beaucoup de
12:15retours où chez un client, la façon dont les experts interagissaient par rapport à
12:21leurs collègues qui devaient avoir recours à la même information n'était pas du tout
12:24la même, et finalement les experts nous disaient, moi, avoir tout en langage naturel,
12:29maintenant je veux pouvoir switcher et regarder les tableaux de chiffres, voilà, je veux
12:34quelque chose qui m'aide à aller chercher la bonne information, mais je n'ai pas besoin
12:37de ça, donc je pense qu'il faut essayer de designer ça en se disant quel est le meilleur
12:41des deux mondes, mais clairement, de plus en plus d'interface texte, ce qui est extrêmement
12:46important, ce n'est pas d'avoir quelque chose qui va marcher tout seul, mais c'est quelque
12:49chose qui, nous on entraîne beaucoup d'agents pour poser les bonnes questions, c'est se
12:53dire, tiens, le départ ça peut être une question en langage naturel, ou, je ne sais
12:59pas moi, une liste de commandes, et là on regarde les trous dans la raquette, on va
13:03poser les questions, mais en fait vous faites quoi, vous faites une rénovation, ou c'est
13:07vous installez l'éclairage dans un local neuf, est-ce que la consommation d'énergie
13:13c'est un critère clé pour vous, est-ce que votre local a des caractéristiques spéciales
13:17en termes de hauteur sur le plafond, etc., donc j'entraîne un agent pour être quelqu'un
13:20qui en faisant le tour d'un bâtiment va faire un premier diagnostic de ce qui va être
13:23compliqué dans le projet électrique. Un agent artificiel, on est d'accord. Oui, voilà,
13:27et donc ce design-là, c'est vraiment là où il va y avoir le débat sur l'autonomie
13:36dont je parlais au début en fait, c'est-à-dire que les tenants de la, très technosolutionnistes
13:43mais qui tiennent, qui vendent de la technologie très amont vont dire ça va marcher tout
13:48seul, et en fait vous allez avoir toujours le même gap qui sont les entreprises, les
13:52utilisateurs en bout de chaîne qui vont dire ben moi pour l'instant j'ai moins de
13:5620% de mes investissements IA qui génèrent du ROI. Et au milieu, il faut des gens, j'espère,
14:03comme nous, qui designons, qui mettons la puissance brute de ces technologies qui ouvrent
14:09énormément de portes au service, qui designent quelque chose qui est au service de quelque
14:14chose qui fait du sens. Alors quand vous dites on espère que ce soit nous, justement ça
14:18c'est ma question, est-ce que les champions demain de l'Agentiq AI, de l'IA Agentiq,
14:24ce seront les mêmes que les champions des modèles de fondation ? Je ne pense pas. On
14:32n'est pas obligé de passer d'abord par le modèle de fondation pour devenir un champion
14:38de l'Agentiq ? On les utilise. Autant j'ai été assez pessimiste par rapport aux IA génératives
14:50et par rapport à la France parce qu'il faut être clair, toutes les GAFAM ont à la fois
14:58les datas, la puissance de calcul, beaucoup d'avance. Donc que ce soit aux Etats-Unis
15:02ou en Chine, ce n'est pas notre force. Je vais parler d'un point de vue recherche parce
15:07que derrière, avant de penser aux utilisateurs, il faut aussi penser vraiment à développer
15:11des méthodes nouvelles. On ne va pas rebrander des choses qui existent. D'un point de vue
15:16recherche, ça touche à des domaines qui sont un peu tombés dans les oubliettes parce
15:21que si on veut collaborer, si on veut raisonner, ce ne sont pas des techniques de type IA générative,
15:26c'est des techniques symboliques et ce ne sont pas les vieux systèmes experts parce
15:29que c'est tout ce qu'il y a eu dans le web sémantique. Et on a des champions en France
15:34en recherche qui, pour le moment, n'ont pas succombé au charme des gros labos. Ça veut
15:41dire qu'on a vraiment quelque chose à jouer et quand on regarde au niveau des conférences
15:46internationales, les chercheurs français dans ce type de domaine sont très bien représentés
15:51et ils sont encore sur le marché français. Je suis très positive et très optimiste
15:58pour l'avenir.
15:59On termine sur cet optimisme. Merci beaucoup Véronique Ventos de Noucaille et Jean-Baptiste
16:05Bousige d'Equimetrix. Merci à tous les deux pour vos éclairages.