Notre approche de l’IA agentique : l’humain reste aux commandes

Il suffit aujourd’hui de se présenter dans n’importe quelle conférence sur l’IA pour entendre le même débat : qu’est-ce qui relève réellement de la notion d’« agent » et où se situe la frontière entre l’automatisation, un assistant et quelque chose de véritablement autonome? Nous allons sauter ce débat. Celui-ci dure déjà depuis deux ans et il n’a pas facilité un seul déploiement. Ce qu’il importe de savoir, ce n’est pas ce qui constitue un agent. C’est ce qu’il faut pour qu’un système fonctionne.

Avec la technologie d’aujourd’hui, il est assez facile de fabriquer un agent. Il suffit d’un avant-midi. En revanche, son déploiement est une tout autre question, car il faut tenir compte de l’échelle, de la gouvernance et des coûts. La blague qui court, c’est que tout le monde a un agent dans un projet pilote et presque personne n’a vraiment d’agent en production. Combler cet écart, c’est tout le défi.

Commençons par l’échelle. L’industrie s’est empressée de déployer des agents autonomes un peu partout, avec des résultats mitigés. Prenons le cas de logiciels. Une multitude de solutions ont émergé qui permettent de créer des agents qui fonctionnent, pour les développeurs, les analystes de systèmes de gestion, les gestionnaires de projets, etc. Elles fonctionnent bien lorsque les rôles sont génériques et communs à l’ensemble de l’industrie. Mais quelle est leur utilité face aux centaines de rôles et de fonctions qui sont propres à votre organisation?

Les approches génériques échouent là où les choses se jouent vraiment, car c’est là que réside le savoir-faire de vos collaborateurs : le discernement, le sens du contexte et la connaissance institutionnelle. C’est pourquoi nous avons créé les agents personnels en les adaptant à notre propre marché. Nous disposons désormais d’un ensemble de données collectées sur deux ans, contenant des dizaines de milliers de définitions d’agents, d’indicateurs d’utilisation, ainsi que des statistiques sur le partage et l’adoption. Notre équipe peut s’en servir pour se concentrer sur les renseignements les plus demandés et les plus utiles en concevant nos produits agentiques. On n’obtient pas un tel niveau de précision et de données à moins de créer son propre logiciel.

Nous transformerons ces définitions d’agents en ensembles de compétences et de modules d’extension. Imaginez un monde dans lequel vous seriez un nouveau chef de produit intégrant l’entreprise et où vous auriez accès à un produit doté d’une série de modules complémentaires spécialement conçus pour faciliter votre travail, regroupant toutes les meilleures informations et connaissances de l’ensemble des chefs de produit de la banque. Nous pouvons uniformiser les règles du jeu, accroître la maîtrise de tous les outils et déployer rapidement de nouvelles compétences, connaissances et capacités à tous ceux qui occupent ces rôles communs. C’est ainsi que le savoir artisanal se démocratise : le praticien expérimenté et le collègue qui vient de débuter partent tous deux des mêmes bases communes. Il s’agit d’un concept très performant. Mais comment le déployer efficacement?

À notre avis, le moment n’est pas encore aux agents qui fonctionnent de façon entièrement autonome, sans intervention humaine. Sans contrôle adéquat, ces agents fonctionnent à l’aveugle, ce qui est hors de question dans un environnement réglementé. Mais au-delà de la réglementation, il s’agit d’un choix culturel délibéré de notre part... et, nous en somme convaincus, d’un avantage concurrentiel. En restant aux commandes, nous obtenons de meilleurs résultats d’affaires : le discernement humain sert de balise, les responsabilités demeurent clairement définies et la banque peut être garante du résultat.

À cet effet, nous avons transformé IAC en IAC 2.0, pour introduire un nouvel encadrement. L’équipe profite de capacités de pointe, mais demeure bien en selle. Le projet pilote en cours offre d’ailleurs des résultats vraiment étonnants. La recherche approfondie et structurée peut se faire à grande échelle. Il est possible d’effectuer une analyse approfondie de ces données afin de générer des tableaux structurés et des rapports de recherche. Ces rapports peuvent être transformés en présentations en quelques secondes, un travail qui prenait auparavant des semaines.

Ce niveau d’expertise est coûteux. L’époque de la gratuité est révolue. La plupart des produits sont dorénavant facturés à la consommation, car les prix fixes ne suffisent plus à couvrir le coût d’exploitation de l’IA. IAC 2.0 ne fait pas exception.

Dans cette version, pour mieux gérer les coûts, nous ne laissons pas le choix du modèle linguistique à l’utilisateur. Nous décidons pour lui, en fonction de la tâche sur laquelle travaille l’IA en nous servant de l’expertise de notre équipe, qui sait bien quel modèle convient le mieux à quel type d’activité. Il nous faudra, bien sûr, élargir notre choix de modèles et c’est pour cette raison que nous explorons déjà les modèles open source pour trouver le bon équilibre entre la qualité et l’efficacité.

Cela nous ramène directement à la gestion du changement. Nous élaborons des produits qui aident les membres de l’équipe à faire fonctionner des agents, à porter un jugement sur leur travail et à acquérir de nouvelles compétences au fur et à mesure de l’évolution de la technologie. Nous ne cherchons pas nécessairement à ce que les employés de la Banque formulent mieux leurs requêtes. Nous cherchons à ce qu’ils portent un jugement sur le résultat final.

Cette couche de supervision nous donne également un moyen de mesurer le taux d’adoption, la qualité, la confiance et l’impact tout en préparant le milieu du travail de l’avenir.

C’est particulièrement important pour les développeurs. Alors que l’IA change la forme même des logiciels, des données et des produits numériques, le cadre de développement d’applications de la CIBC veille au perfectionnement du personnel technique qui se trouve à profiter de la contribution de leaders et de collaborateurs individuels.Pour en savoir plus sur le cadre pour développeurs d’applications CIBC (PDF, 115 ko) Une nouvelle fenêtre s’affichera..

Ce n'est pas tous les technologues de talent qui doivent devenir gestionnaires de personnel. Une spécialisation approfondie, le mentorat et le leadership en ingénierie sont autant d’éléments essentiels à mesure que l'IA s’intègre dans la boîte à outils quotidienne des développeurs.

Nous appuyons ce virage par le perfectionnement pratique. Plus de 450 développeurs de la CIBC ont participé à des ateliers de formation sur l’IA au cours des dernières années, en acquérant des compétences dans des domaines comme le développement de l’IA et les systèmes multiagents.

Alors qu’une grande partie de l’industrie se précipite vers la pleine autonomie, nous renforçons d’abord la gouvernance, les compétences et la force culturelle. L’autonomie que nous finirons par accorder doit inspirer confiance à notre personnel, à nos clients et aux autorités de réglementation. Dans un proche avenir, chaque membre de l’équipe deviendra gestionnaire. Sauf qu’il ne gérera pas forcément le personnel.