🎤 Interview - Multi-agents : quand l’IA devient un collaborateur à part entière (Nicolas Gaudilliere, Capgemini Invent)

Nicolas Gaudilliere:
[0:01] La réalité, c'est que pour réussir à avoir le maximum de bénéfices,

Nicolas Gaudilliere:
[0:06] ce n'est pas juste un agent dans un coin qui va réussir à obtenir ce maximum de valeur. En fait, la difficulté, c'est comment j'arrive à les intégrer dans les processus métiers de façon complètement native, parce que c'est là, en réalité, où la valeur va se déployer.

Monde Numérique :
[0:31] Bonjour Nicolas Gaudilliere Bonjour Jérôme Directeur Technologie et Innovation chez Capgemini Invent Ravi de vous accueillir dans Monde Numérique pour ce rendez-vous mensuel en partenariat avec Capgemini On va parler ce mois-ci des agents intelligents c'est-à-dire que le chat GPT basique, c'est cette case où on prompte, on pose des questions, on lui demande de faire des choses, etc. De manière de la donner. Mais le côté agent, c'est quand il va sortir du cadre, en quelque sorte, pour aller interagir avec des sites web, interagir avec des API extérieurs, etc. Donc, ça devient une espèce de super-IA.

Monde Numérique :
[1:06] Et alors, ces agents, à quoi peuvent-ils servir concrètement en entreprise ? C'est déjà une réalité ?

Nicolas Gaudilliere:
[1:12] C'est déjà une réalité. À quoi ils servent ? Ils servent en fait principalement à automatiser les processus. C'est la raison pour laquelle on les utilise, avec une promesse de pouvoir automatiser des processus de bout en bout, des processus complexes. Auparavant, dans les entreprises, quand on voulait se simplifier la vie, on essayait d'automatiser certaines tâches, on utilisait des technologies de type RPA, du robotic process automation, c'est-à-dire des petits bouts de code qui simulaient ce qu'on faisait comme activité, concrètement, qui faisaient CTRL-C, CTRL-V à notre place, pour toujours placer les choses au même endroit. Mais quand on faisait ça c'était très très statique le robot ne pouvait faire que ce qu'on lui avait appris et vraiment il reproduisait exactement mais si par exemple le CTRL-C CTRL-V que je faisais je change le nom du répertoire dans lequel je copie le robot ne pouvait plus rien faire il était complètement perdu il était perdu exactement là, on injecte de l'adaptabilité dans le système. On est capable de designer des agents qui sont spécifiques et qui sont spécialisés sur certaines tâches et qui sont capables de s'adapter à leur environnement. Il ne faut pas oublier qu'on a des agents. Par exemple, on travaille pas mal avec les banques en ce moment sur l'automatisation de ce qu'on appelle le processus KYC, Know Your Customer.

Nicolas Gaudilliere:
[2:30] Ça a l'air compliqué comme ça, ça ne l'est pas du tout. C'est le processus qui dit « je veux avoir, enfin j'on-borde un nouveau client dans la banque, je dois vérifier un certain nombre de paramètres qui le concernent, depuis le nom jusqu'à sa carte d'identité, enfin tout un ensemble de critères qui font que je peux estimer si je prends un risque ou pas pour prendre ce client dans mon système, dans ma banque. » Le processus est parfaitement connu, il est parfaitement détaillé, on sait exactement quelles sont les tâches qui s'enchaînent. Et c'est toujours le même. C'est toujours la même chose. On doit toujours aller chercher les mêmes choses. Donc là, on travaille avec les banques pour designer des systèmes multi-agents qui vont être capables de savoir, OK, je dois récupérer cet ensemble d'informations. Donc ces informations-là je vais aller les chercher pour une partie sur internet l'autre partie je vais aller la chercher dans les systèmes internes de la banque certaines choses je ne saurais pas donc je vais être obligé de demander des informations complémentaires donc je vais interagir avec le client d'origine et tout ça dans une architecture multi-agents qui permet de dire j'ai un agent qui.

Nicolas Gaudilliere:
[3:42] Qui orchestre un peu toutes les compétences. Il dit, OK, j'ai compris. Je dois aller chercher la carte d'identité. Je dois vérifier qu'elle est bonne. Je dois vérifier le justificatif de domicile. Je dois vérifier un certain nombre de points. J'ai des agents spécialisés qui sont dans mon équipe et à qui je vais demander, de façon séquentielle, de faire cette activité. Moi, à la fin, ils vont me donner leur résultat. Je vais résumer tout ça. Je vais regarder s'il me manque des choses. S'il me manque des choses, je vais créer un email qui sera envoyé pour aller chercher le reste. Tout ça, c'est des choses que les humains, entre guillemets, faisaient jusqu'à maintenant. Ce n'est pas forcément ce qu'il y a de plus drôle à faire, d'ailleurs, dans le processus. Donc, on l'automative, sauf qu'une seule IA n'est pas capable de faire ça toute seule. C'est trop large. Il faut pouvoir les spécialiser. Et puis surtout, il faut qu'à cette IA, on lui donne des capacités d'aller chercher ces informations à droite, à gauche, et de pouvoir propager les données qu'il récupère dans d'autres systèmes, donc de pouvoir interagir avec ces systèmes.

Nicolas Gaudilliere:
[4:41] Voilà, ça, c'est une vraie réalité. C'est qu'un exemple. On commence à voir arriver des agents dans les interactions clients pour les centres d'appel.

Nicolas Gaudilliere:
[4:52] Le support utilisateur, parce qu'on interagit avec une IA, mais quand tu lui poses une question, cette IA, elle a besoin d'aller chercher de l'aide. En fait, elle a besoin d'aller chercher l'information relative à la question. Et cette information, elle ne l'a pas dans son modèle qui a été préentraîné. Elle a besoin d'aller le chercher ailleurs. Et si la question est précise, demande une expertise particulière, il peut faire appel, cet IA peut faire appel à un autre agent qui est plus spécialisé sur un domaine en particulier. C'est ça qui est absolument génial dans ces architectures multi-agents, c'est qu'on réfléchit, comment est-ce que, on essaie de comprendre comment les humains fonctionnent à l'heure actuelle.

Nicolas Gaudilliere:
[5:31] Comment ils traitent ce processus, là où ils ont des difficultés ou des choses qu'ils répètent, et que l'on pourrait venir automatiser. Donc, on essaye de spécialiser un agent qui soit le plus pertinent possible par rapport à l'activité qui est demandée. Et puis, l'humain, du coup, se retrouve dans une position, et c'est ce qu'on voit dans nos études, on dit à deux, trois ans, ça va être vraiment ça, où l'humain va collaborer avec des agents. On entend souvent dire, on va tous être manager, en fait, en réalité. On va tous se retrouver à avoir des collègues agents qu'on va manager. Mais c'est cette idée-là d'hybrider un peu les deux systèmes parce que, Mais il y a toujours besoin, à certains moments clés dans le processus, d'une validation humaine. Parce que l'agent n'a pas la réponse, parce qu'il ne sait pas comment traiter le sujet, parce qu'on a donné une certaine condition qui dit, là, si tu arrives à cette conclusion-là, c'est un cas particulier,

Nicolas Gaudilliere:
[6:27] tu repasses la main à l'humain. Donc, on est en train de définir des architectures d'IA qui s'imbriquent avec des organisations humaines. C'est absolument passionnant, ça.

Monde Numérique :
[6:37] Est-ce que ça ne présente pas quand même certaines limites ? Parce que finalement, l'agent, on le comprend, c'est une espèce de super IA, qui a besoin aussi d'accéder à plein de choses, d'avoir beaucoup de droits dans les systèmes d'information et autres. J'imagine que ça pose des questions, des problèmes de sécurité, non ?

Nicolas Gaudilliere:
[6:56] À vrai dire, tous les déploiements de produits digitaux dans les environnements des entreprises ont toujours entraîné des problématiques de sécurité. Mais là, c'est démultiplié un petit peu. Donc, c'est très vrai. Probablement plus que ces problèmes exponentiels. Pourquoi ? Parce qu'en fait, notre système multi-agent, tu as complètement raison, notre système multi-agent doit pouvoir avoir accès finalement au système d'information. Si on veut qu'il soit le plus pertinent possible, le plus efficace possible, comme un humain, il faut qu'il ait accès au système, aux données dont il a besoin pour pouvoir faire sa tâche en vrai. Donc, ça, la bonne nouvelle, c'est qu'il y a encore quelques temps, c'était compliqué à faire. C'était des développements spécifiques. Maintenant, il y a des protocoles qui commencent à être standardisés, notamment le protocole, ce qu'on appelle le protocole MCP, modèle contexte protocole, qui vient d'Anthropic, qui a un moyen, de dire au LLM de l'agent « Voilà les points d'accostage qui te sont possibles dans le système d'information et voilà comment tu peux les utiliser. » Rien que ça, cette capacité-là, ça fait qu'on ouvre, on dessilote le système d'information. Donc, on sent bien que ce protocole MCP, la façon dont les agents communiquent avec.

Nicolas Gaudilliere:
[8:16] Ces entités que l'on crée dans le système d'information, il va y avoir besoin d'une sécurité super forte. Or, aujourd'hui, ces protocoles sont en train de gagner en maturité, donc il va falloir encore travailler un peu cet aspect sécurité. Et ce qu'on sent bien comme aspect sécurité, surtout, c'est comment est-ce qu'on s'assure que c'est bien le bon agent qui parle au bon serveur ? Comment est-ce qu'on assure que c'est bien tel agent qui parle à tel autre agent et pas un autre, comment est-ce qu'on s'assure que l'agent n'outrepasse pas ses droits, n'essaye pas de faire des choses qui ne sont pas autorisées.

Nicolas Gaudilliere:
[8:51] Et donc ouvrir un pan de trous de sécurité sur l'ensemble du système. On a des questions sur et si je prends le contrôle d'un agent, qu'est-ce qui se passe à l'ensemble du système par ricochet en réalité ? On sait tous qu'un moteur LLM, Il faut faire très attention à ces moteurs parce qu'ils ont tendance dans le temps peut-être à halluciner ou à diverger. Il faut toujours les recadrer pour être sûr qu'ils sont performants. Mais donc, s'il y en a un qui commence à diverger, sachant que ce que lui fait est peut-être utilisé par un autre en entrée, c'est quoi la conséquence sur la performance du système dans sa totalité ? Donc là, on a en fait des entités qui sont assez complexes. Mais finalement, quand on dit ça, ce qu'on se rend compte, c'est comme si on était en train de manager une équipe humaine, en fait. On a des personnes sauf que là on appelle ça des synthétiques qui ont des accès, on veut s'assurer qu'ils aient les bons accès, pas plus pas moins, on veut s'assurer que c'est bien le bon synthétique qui parle la bonne personne synthétique j'allais dire.

Nicolas Gaudilliere:
[9:51] Tout comme tu peux vérifier toi tu parles à quelqu'un que c'est la bonne personne à qui tu parles, donc on retrouve un petit peu, on veut s'assurer que la compétence de chaque agent elle est bonne dans le temps, donc comment est-ce que je le forme dans le temps, comment je m'assure qu'il est toujours aussi performant ? Comme nous, on continue à se former, comme nous, on continue à apprendre des choses pour s'assurer qu'on fait bien de notre travail. Finalement, on retrouve maintenant dans ces architectures agentiques des principes d'organisation humaine et de façon de manager humaine.

Nicolas Gaudilliere:
[10:24] Mais la sécurité, ça, ça va être clé pour le passage à l'échelle.

Monde Numérique :
[10:28] Est-ce qu'aujourd'hui, on peut mesurer les bénéfices ? Est-ce qu'il y a un retour sur investissement qui est un peu le grand mot en matière d'IA dans les entreprises aujourd'hui ?

Nicolas Gaudilliere:
[10:37] Alors, il y a ce qui est dit sur le marché et puis il y a la réalité des projets.

Nicolas Gaudilliere:
[10:44] Ce qui est dit sur le marché, c'est qu'on voit d'ici 3-5 ans un énorme potentiel effectivement de bénéfices à l'utilisation des agents en termes de, création de valeur et aussi ça prend différentes formes, mais notamment de temps gagné, d'efficacité. On a certains clients dans le domaine des telcos, par exemple, sur certains processus, qui gagnent jusqu'à 30% d'efficacité sur certains processus en utilisant des agents. La réalité, c'est que pour réussir à avoir le maximum de bénéfices, ce n'est pas juste un agent dans un coin qui va réussir à faire obtenir ce maximum de valeur. En fait, la difficulté, c'est comment j'arrive à les intégrer dans les processus métiers de façon complètement native, Parce que c'est là, en réalité, où la valeur va se déployer. Donc, les intégrer dans les processus métiers. Et la seconde chose, c'est comment je passe à l'échelle ? Ça, c'est la grande question à l'heure actuelle. La sécurité est une question. Mais l'autre question, c'est, OK, on a tous essayé de faire des choses. On continue à se faire la main. On teste, on fait des démos, on fait des POC, on fait des MVP. On peut mettre le mot que l'on veut derrière tout ça. La question, c'est comment je passe à l'échelle ? comment je fais en sorte que ce produit IA, multi-agent, il est disponible pour l'ensemble des utilisateurs qui en ont besoin, comment est-ce qu'il est intégré nativement dans mes processus ? Et ça, c'est des questions qui ne sont pas encore complètement.

Nicolas Gaudilliere:
[12:10] Résolues, parce que ça suppose une certaine maturité sur les plateformes technologiques, ça suppose d'avoir fait des choix et d'être monté en compétences, d'avoir les bonnes compétences en interne pour pouvoir monter, à l'échelle sur ces sur ces modèles, sur ces architectures. Donc, oui, on commence à avoir certains bénéfices. Je dirais le minimum, c'est 8-10% de productivité sur des procès jusqu'à 30% dans certaines autres industries comme Telco que je mentionnais. Mais avec un effort qui, aujourd'hui, va nous porter encore quelques temps,

Nicolas Gaudilliere:
[12:48] quelques années, pour que ce soit vraiment natif dans les architectures et les organisations.

Monde Numérique :
[12:53] Un dernier mot sur l'adoption, on en est où aujourd'hui ? Et est-ce que c'est quelque chose qui concerne encore uniquement les grands groupes ou toutes les entreprises ou en tout cas, même les plus modestes peuvent y aller aussi ?

Nicolas Gaudilliere:
[13:04] Toutes les entreprises. Toutes les entreprises. Écoute, il ne se passe pas une semaine sans qu'on ait la chance d'interagir avec des entreprises de toute taille pour, à minima.

Nicolas Gaudilliere:
[13:16] Éduquer sur ce que sont les agents, ce qu'il y a génératif, ce qu'elle n'est pas, ce qu'elle va être et comment l'utiliser. On travaille avec eux sur quels sont les cas d'usage prioritaires, ce qui apporte le plus de valeur et qu'ils sont le plus éligibles à ce type de solution. Et puis, un point qui est important, à se dire et comment je peux y aller ? L'avantage aujourd'hui c'est.

Nicolas Gaudilliere:
[13:43] Par rapport à d'autres technologies qu'on a vues peut-être avant, c'est que finalement, c'est accessible par tout le monde. Tous les éditeurs de solutions quasiment sur la place ont injecté quelque part dans leurs solutions de l'IA, de l'IA générative ou de l'adjentique. Que ce soit dans les solutions collaboratives que l'on connaît très bien, que ce soit dans des solutions métiers qui sont utilisées par des directions financières, par des directions RH, par des directions juridiques, que ce soit dans des systèmes industriels. Tous les fournisseurs, en réalité, de logiciels sont en train d'inclure des capacités d'IA, d'IA générative et d'agents dans leur solution. Donc, ça va être dans les mains de tout un chacun et donc la difficulté, ça va être de choisir un petit peu ces plateformes et de pouvoir les agencer les unes avec les autres. Donc, en termes d'adoption, en tout cas, il n'y a aucun doute sur le fait que on est en train d'accélérer cette adoption, mais juste, on se concentre sur, oui, mais pas à tout prix. C'est-à-dire, on le fait pour quoi ? Pour quel process ? Pour quelle valeur ? Et il y a des endroits où franchement, utiliser des agents, c'est vraiment trop par rapport à, j'allais dire, la douleur qui est exprimée au départ.

Monde Numérique :
[14:55] Merci Nicolas Gaudilliere, directeur technologie et innovation chez Capgemini Invent.