Les agents d’IA sont censés être la prochaine grande nouveauté en matière d’IA, mais il n’y a pas de définition exacte de ce qu’ils sont. À ce stade, les gens n’arrivent pas à se mettre d’accord sur ce qui constitue exactement un agent d’IA.

Dans sa forme la plus simple, un agent d’IA est mieux décrit comme un logiciel alimenté par l’IA qui effectue pour vous une série de tâches qu’un agent de service client humain, une personne des ressources humaines ou un employé du service d’assistance informatique aurait pu faire dans le passé, bien que cela puisse finalement impliquer n’importe quelle tâche. Vous lui demandez de faire des choses, et il les fait pour vous, traversant parfois plusieurs systèmes et allant bien au-delà de la simple réponse aux questions.

Cela semble assez simple, non ? Pourtant, il est compliqué par un manque de clarté. Même parmi les géants de la technologie, il n’y a pas de consensus. google les considère comme des assistants basés sur des tâches en fonction du travail : aide au codage pour les développeurs ; aider les spécialistes du marketing à créer une palette de couleurs ; aider un professionnel de l’informatique à traquer un problème en interrogeant les données du journal.

Pour Asana, un agent peut agir comme un employé supplémentaire, s’occupant des tâches assignées comme tout bon collègue. Sierra, une start-up fondée par l’ancien co-PDG de Salesforce, Bret Taylor, et le vétéran de Google, Clay Bavor, considère les agents comme des outils d’expérience client, aidant les gens à réaliser des actions qui vont bien au-delà des chatbots d’antan pour aider à résoudre des ensembles de problèmes plus complexes.

Cette absence de définition cohérente laisse place à la confusion sur ce que ces choses vont faire exactement, mais quelle que soit la façon dont elles sont définies, les agents sont là pour aider à accomplir des tâches de manière automatisée avec le moins d’interaction humaine possible.

Rudina Seseri, fondatrice et associée directrice de Glasswing Ventures, affirme qu’il n’en est qu’à ses débuts et que cela pourrait expliquer l’absence d’accord. « Il n’existe pas de définition unique de ce qu’est un « agent d’IA ». Cependant, la vision la plus fréquente est qu’un agent est un système logiciel intelligent conçu pour percevoir son environnement, raisonner à son sujet, prendre des décisions et prendre des mesures pour atteindre des objectifs spécifiques de manière autonome », a déclaré Seseri à TechCrunch.

Elle dit qu’ils utilisent un certain nombre de technologies d’IA pour y parvenir. « Ces systèmes intègrent diverses techniques d’IA/ML telles que le traitement du langage naturel, l’apprentissage automatique et la vision par ordinateur pour fonctionner dans des domaines dynamiques, de manière autonome ou aux côtés d’autres agents et d’utilisateurs humains. »

Aaron Levie, cofondateur et PDG de Box, affirme qu’au fil du temps, à mesure que l’IA deviendra plus performante, les agents d’IA seront en mesure de faire beaucoup plus au nom des humains, et il existe déjà des dynamiques en jeu qui seront à l’origine de cette évolution.

« Avec les agents d’IA, il y a plusieurs composants dans un volant d’inertie auto-renforcé qui serviront à améliorer considérablement ce que les agents d’IA peuvent accomplir à court et à long terme : prix/performances du GPU, efficacité du modèle, qualité et intelligence du modèle, cadres d’IA et améliorations de l’infrastructure », a écrit Levie sur LinkedIn récemment.

Il s’agit d’une vision optimiste de la technologie qui suppose que la croissance se produira dans tous ces domaines, alors que ce n’est pas nécessairement une certitude. Rodney Brooks, pionnier de la robotique au MIT, a souligné dans une récente interview à fr.techtribune.netque l’IA doit faire face à des problèmes beaucoup plus difficiles que la plupart des technologies, et qu’elle ne se développera pas nécessairement de la même manière que, par exemple, les puces selon la loi de Moore.

« Lorsqu’un humain voit un système d’IA effectuer une tâche, il la généralise immédiatement à des choses similaires et fait une estimation de la compétence du système d’IA ; pas seulement la performance à ce sujet, mais la compétence à cet égard », a déclaré Brooks lors de cette interview. « Et ils sont généralement très optimistes, et c’est parce qu’ils utilisent un modèle de la performance d’une personne sur une tâche. »

Le problème est qu’il est difficile de croiser les systèmes, ce qui est compliqué par le fait que certains systèmes hérités n’ont pas d’accès API de base. Bien que nous assistions à des améliorations constantes auxquelles Levie a fait allusion, faire en sorte qu’un logiciel puisse accéder à plusieurs systèmes tout en résolvant les problèmes qu’il peut rencontrer en cours de route pourrait s’avérer plus difficile que beaucoup ne le pensent.

Si c’est le cas, tout le monde pourrait surestimer ce que les agents d’IA devraient être capables de faire. David Cushman, responsable de la recherche chez HFS Research, voit la génération actuelle de bots plus comme le fait Asana : des assistants qui aident les humains à accomplir certaines tâches dans le but d’atteindre une sorte d’objectif stratégique défini par l’utilisateur. Le défi consiste à aider une machine à gérer les imprévus de manière véritablement automatisée, et nous sommes clairement loin d’en être encore là.

« Je pense que c’est la prochaine étape », a-t-il déclaré. « C’est là que l’IA fonctionne de manière indépendante et efficace à grande échelle. C’est donc là que les humains établissent les lignes directrices, les garde-fous et appliquent de multiples technologies pour sortir l’humain de la boucle – alors que tout a consisté à garder l’humain dans la boucle avec GenAI », a-t-il déclaré. La clé ici, a-t-il dit, est donc de laisser l’agent d’IA prendre le relais et d’appliquer une véritable automatisation.

Jon Turow, associé chez Madrona Ventures, affirme que cela va nécessiter la création d’une infrastructure d’agents d’IA, une pile technologique conçue spécifiquement pour la création d’agents (quelle que soit la définition que vous leur donnez). Dans un récent billet de blog, Turow exemples d’agents d’IA travaille actuellement dans la nature et comment ils sont construits aujourd’hui.

De l’avis de Turow, la prolifération croissante des agents d’IA – et il admet également que la définition est encore un peu insaisissable – nécessite une pile technologique comme toute autre technologie. « Tout cela signifie que notre industrie a du travail à faire pour construire une infrastructure qui prend en charge les agents d’IA et les applications qui en dépendent », a-t-il écrit dans l’article.

« Au fil du temps, le raisonnement s’améliorera progressivement, les modèles de pointe viendront diriger une plus grande partie des flux de travail et les développeurs voudront se concentrer sur les produits et les données, c’est-à-dire sur les éléments qui les différencient. Ils veulent que la plate-forme sous-jacente « fonctionne » avec évolutivité, performances et fiabilité.

Une autre chose à garder à l’esprit ici est qu’il faudra probablement plusieurs modèles, plutôt qu’un seul LLM, pour faire fonctionner les agents, et cela a du sens si vous considérez ces agents comme un ensemble de tâches différentes. « Je ne pense pas qu’à l’heure actuelle, un seul grand modèle de langage, du moins accessible au public, soit capable de gérer des tâches agentiques. Je ne pense pas qu’ils puissent encore faire le raisonnement en plusieurs étapes qui me rendrait vraiment enthousiaste à propos d’un avenir agentique. Je pense que nous nous rapprochons, mais ce n’est pas encore le cas », a déclaré Fred Havemeyer, responsable de la recherche sur l’IA et les logiciels aux États-Unis chez Macquarie US Equity Research.

« Je pense que les agents les plus efficaces seront probablement plusieurs collections de plusieurs modèles différents avec une couche de routage qui envoie des requêtes ou des invites à l’agent et au modèle les plus efficaces. Et je pense que ce serait un peu comme un [automated] superviseur, une sorte de rôle de délégation.

En fin de compte, pour Havemeyer, l’industrie s’efforce d’atteindre cet objectif de faire en sorte que les agents fonctionnent de manière indépendante. « Alors que je réfléchis à l’avenir des agents, je veux voir et j’espère voir des agents qui sont vraiment autonomes et capables de prendre des objectifs abstraits, puis de raisonner toutes les étapes individuelles entre les deux de manière totalement indépendante », a-t-il déclaré à TechCrunch.

Mais le fait est que nous sommes encore dans une période de transition en ce qui concerne ces agents, et nous ne savons pas quand nous arriverons à cet état final que Havemeyer a décrit. Bien que ce que nous avons vu jusqu’à présent soit clairement un pas prometteur dans la bonne direction, nous avons encore besoin de quelques avancées et percées pour que les agents d’IA fonctionnent comme ils sont envisagés aujourd’hui. Et il est important de comprendre que nous n’en sommes pas encore là.