Assistant, collaborateur, autonomie totale : les trois prochaines ères de l’IA dans les logiciels d’entreprise 

Imaginez l’interface utilisateur d’une plateforme de business intelligence. Généralement, ces interfaces débordent d’onglets, de barres latérales, de menus déroulants, de curseurs et d’autres éléments. Un nouvel utilisateur ne saurait pas où chercher ce dont il a besoin, et même un utilisateur expérimenté pourrait se retrouver à devoir fouiller la plateforme à la recherche d’une fonctionnalité moins utilisée. 

Imaginez maintenant qu’à la place de tous ces composants, l’écran comporte une simple zone de texte. L’utilisateur pourrait y saisir un prompt du type « Générer un graphique indiquant le nombre d’abonnements annuels enregistrés au cours des dix dernières années pour les personnes âgées de 20 à 30 ans dans la région EMEA ». Et en un clin d’œil, le graphique se matérialiserait. 

Nous n’en sommes pas encore là. Mais cet avenir n’est pas si lointain.

Au cours de la dernière décennie, les éditeurs de logiciels se sont concentrés sur l’amélioration de l’expérience utilisateur (UX) : optimisation des interfaces utilisateur (UI), simplification des workflows et réduction des clics nécessaires à l’exécution des tâches. Ces progrès ont permis d’accroître la productivité, d’améliorer les taux d’adoption des logiciels et de réduire les délais d’exécution des tâches.  

Cependant, l’utilisation de logiciels d’entreprise nécessite toujours un investissement de la part des utilisateurs, qui passent du temps à se familiariser et à s’adapter à différents systèmes, d’autant plus lorsque cette transition s’effectue à partir d’applications existantes. En outre, les incohérences de conception entre les plateformes compliquent davantage la formation des utilisateurs et l’adoption de la nouvelle solution. 

Pour relever ces défis, les organisations déploient souvent des programmes de gestion du changement de grande envergure, mais ces initiatives ne portent pas toujours leurs fruits, les utilisateurs ayant du mal à accepter l’arrivée de nouveaux systèmes. Les facteurs qui favorisent cet échec sont souvent une formation inadéquate, une résistance au changement et la complexité des transitions effectuées à partir de systèmes hérités.

L’IA va tout changer. 

Découvrons comment nous prévoyons que les applications d’entreprise évolueront au cours de trois ères distinctes, sous l’impulsion des progrès de l’IA agentique, différentes phases qui impliqueront d’abord des améliorations incrémentielles, jusqu’à atteindre une autonomie totale. 

Nous en sommes actuellement aux premiers stades de l’intégration de l’IA agentique dans les logiciels d’entreprise. Bien que ces changements améliorent l’expérience utilisateur, ils viennent principalement compléter les interfaces utilisateur existantes, sans les remplacer totalement. 

Assistance intégrée alimentée par l’IA : autocomplétion des descriptions et des détails à l’aide de l’IA générative, recommandations basées sur le machine learning et recherche des informations pertinentes avec la génération augmentée de récupération (RAG).

Interfaces conversationnelles : les chatbots et les copilotes permettent d’exécuter les tâches à l’aide de commandes en langage naturel.

Plateformes personnalisables : les solutions de plateforme en tant que service (PaaS) permettent aux clients de créer des fonctions d’IA sur mesure en utilisant les grands modèles de langage (LLM) disponibles sur la plateforme.

Bien que ces optimisations améliorent la productivité, les interfaces utilisateur traditionnelles jouent toujours un rôle prépondérant dans les interactions des utilisateurs, dont l’intervention reste nécessaire.

À ce stade, les applications d’entreprise évoluent vers un cadre plus intelligent et collaboratif. L’interface utilisateur conventionnelle passe au second plan, devenant un outil principalement destiné aux professionnels de l’informatique et aux superutilisateurs. Les agents d’IA automatisent la plupart des interactions humain-logiciel, fournissant des conseils étape par étape et mettant en évidence les goulots d’étranglement. Mais une perspective humaine est toujours de mise pour les décisions critiques. Voici les principales fonctionnalités attendues à ce stade :

Agents en tant qu’interfaces : les interfaces conversationnelles dominent les interactions utilisateur, minimisant ainsi la dépendance à l’égard des interfaces utilisateur traditionnelles.

Communication interagent : les agents d’IA de différentes plateformes logicielles communiquent de façon fluide à l’aide de protocoles normalisés qui s’apparentent au protocole HTTP.

Intégration dynamique : les intégrations manuelles entre produits logiciels deviennent obsolètes, car les agents d’IA échangent des informations en temps réel. Cette évolution permet aux professionnels de l’informatique de se concentrer sur des tâches à plus forte valeur ajoutée, telles que la stratégie et l’innovation, plutôt que sur la maintenance et le dépannage de routine. Les workflows organisationnels deviennent également plus agiles, car la communication fluide entre les agents d’IA réduit les goulets d’étranglement et accélère les processus de prise de décision.

Au dernier stade de l’évolution, les applications d’entreprise devraient être presque entièrement autonomes, nécessitant une intervention humaine minimale. Les utilisateurs définissent des objectifs et les agents IA collaborent pour les atteindre dans le cadre de garde-fous organisationnels prédéfinis. Les principales caractéristiques sont les suivantes :

Agents d’IA orientés objectifs : les utilisateurs spécifient les objectifs et les agents d’IA exécutent les tâches de bout en bout.

Rails directeurs configurables : des lignes directrices adaptables définissent les limites des tâches, les points de décision et les exigences en termes d’autorisations. Ces lignes directrices peuvent être configurées en langage naturel : inutile d’avoir des compétences informatiques spécialisées. Les administrateurs pourraient par exemple saisir des instructions simples comme « Transmettre toutes les factures de plus de 10 000 $ pour approbation par le service financier », et le système générerait le workflow approprié.

Ce système pourrait toutefois présenter des limites, notamment à cause des ambiguïtés linguistiques : des commandes vagues ou mal formulées pourraient entraîner des configurations imprévues. Pour éviter ces écueils, il est essentiel de garantir la précision des instructions et de prévoir des mécanismes de secours, comme des prompts guidés ou des étapes de validation.

Interfaces utilisateur à la demande : des interfaces dynamiques sont générées selon les besoins pour la prise de décision ou la présentation d’informations.

Gestion des données non structurées : les informations sont principalement capturées dans des formats non structurés, mais elles sont transformées en données structurées ou semi-structurées pour l’analytique et le reporting. 

Architecture rationalisée : les applications d’entreprise incluent deux composants principaux—des agents d’IA spécialisés et des rails directeurs configurables, avec des limites de portée. Les données sont stockées dans des référentiels centralisés à l’échelle de l’organisation, éliminant ainsi le besoin d’avoir des référentiels de données propres à chaque application.

À ce stade, les gains de productivité devraient être substantiels, avec encore plus d’avantages, notamment la réduction du coût total de possession (TCO) pour les applications d’entreprise et la gestion des données.