L’IA d’entreprise est entrée dans une phase plus exigeante. Les premiers programmes visaient principalement à tester ce que GenAI pouvait accomplir. Alors que ces expérimentations sont arrivées à maturité, l’attention s’est portée sur la façon dont l’IA peut transformer la performance d’affaires au sein des opérations de base.

Prabhakar Appana, premier vice-président et chef mondial, unité d’affaires AWS chez HCLTech, a constaté cette évolution rapide dans les discussions avec la clientèle au cours des 18 derniers mois. Les entreprises vont de plus en plus au-delà des projets-pilotes isolés pour envisager le déploiement de l’IA dans le service à la clientèle, le traitement des réclamations, l’ingénierie logicielle, la fabrication, les chaînes d’approvisionnement, la réconciliation financière et la gestion des services TI.

« La conversation n’est plus “Est-ce que l’IA fonctionne?”, mais bien “En combien de temps l’IA peut-elle transformer mon entreprise?” », a-t-il affirmé. 

Ce changement amplifie de façon importante la portée du défi. Les entreprises ont déjà démontré que l’IA peut générer du contenu, soutenir les employés et automatiser certaines tâches. La prochaine étape consiste à connecter l’IA aux processus d’affaires où des agents peuvent raisonner, collaborer et agir à travers les systèmes et les fonctions.

Appana croit qu’une discipline accrue est nécessaire pour déterminer les priorités de l’investissement en IA.

« Les entreprises n’ont pas besoin de centaines de modèles et d’utilisations pour l’IA. Il leur suffit de quelques cas d’utilisation à forte valeur ajoutée et évolutifs, capables de changer fondamentalement la manière dont le travail s’effectue. »

L’accent mis sur un nombre restreint de cas à valeur élevée reflète une évolution vers des résultats mesurables. La productivité, la réduction des cycles, l’optimisation des coûts et l’expérience client deviennent des mesures clés pour évaluer si les programmes d’IA méritent de passer à l’échelle. 

La mise à l’échelle de l’IA transforme le modèle opérationnel

L’IA agentique à l’échelle de l’entreprise représente un défi opérationnel bien plus vaste à mesure que les agents commencent à interagir avec les applications d’affaires, les données, les employés et d’autres agents.

« Déployer un agent IA est facile. Or, faire fonctionner des milliers de décisions fiables prises par l’IA à l’échelle de l’entreprise, c’est une toute autre histoire », observe Appana.

À grande échelle, la performance du modèle n’est qu’une des considérations. Les organisations ont besoin de gouvernance, de sécurité, d’observabilité, de gestion des identités, de conformité et de supervision humaine autour de l’IA. Elles ont aussi besoin d’une gestion du cycle de vie, car les agents évoluent, apprennent et acquièrent de nouvelles responsabilités.

Cela constitue un volet important de notre collaboration avec AWS. AWS fournit des services d’IA, des infrastructures, des cadres d’orchestration et des capacités d’IA responsable, tandis que nous apportons notre expertise en ingénierie, notre connaissance sectorielle, notre intégration d’entreprise et notre capacité de livraison mondiale. Ensemble, ces atouts permettent aux clients de créer des environnements IA fiables, résilients, auditables et adaptés à l’échelle de l’entreprise. 

Refonte des processus d’entreprise pour l’IA agentique

La transition vers l’IA agentique offre aussi aux entreprises l’occasion de revoir des processus conçus avant l’arrivée des agents intelligents.

Beaucoup de flux de travail continuent de refléter les limites humaines : approbations manuelles, passations répétées, systèmes fragmentés, chaînes de décisions trop longues. Se contenter d’insérer l’IA à chaque étape peut accélérer le processus, mais laisse intacte l’inefficacité sous-jacente.

« La plus grande erreur des entreprises, c’est d’automatiser les processus d’hier au lieu de redessiner l’entreprise de demain », souligne Appana. 

Une approche plus efficace commence par l’objectif d’affaires visé et analyse comment les flux de travail peuvent être repensés à mesure que les agents interagissent avec les personnes, les applications et les données. Certaines étapes peuvent être automatisées, alors que d’autres ne sont peut-être plus nécessaires.

Appana repère des occasions de repenser ainsi dans le service à la clientèle, la gestion des réclamations, les finances, l’approvisionnement, les chaînes d’approvisionnement, l’ingénierie logicielle, les RH, les opérations TI, la sécurité et la conformité. Des expériences récentes dans la banque et la fabrication fournissent aussi des enseignements sur la façon d’éliminer les interventions manuelles et de réduire la friction, tout en maintenant un contrôle adéquat.

C’est le fondement de ce qu’Appana qualifie de transformation agentique des processus : miser sur la capacité des agents à revoir intégralement un processus, plutôt que de considérer l’IA comme une simple couche d’automatisation.

La co-innovation crée les conditions d’une démarche reproductible

À mesure que les entreprises augmentent l’ampleur des déploiements, la façon de collaborer avec les partenaires technologiques évolue aussi.

Notre collaboration avec AWS implique de travailler ensemble plus tôt dans le cycle d’innovation. Les équipes peuvent repérer les problèmes d’affaires, valider les cas d’utilisation, tester les technologies émergentes et développer des accélérateurs avant de déployer les solutions à grande échelle chez les clients.

L’objectif est de concevoir des approches qui pourront être appliquées à répétition dans les environnements des clients. Une fois l’approche éprouvée sur le terrain, l’expérience et les actifs acquis accélèrent les prochaines implantations et soutiennent l’adoption à travers divers secteurs.

Appana décrit cette collaboration en termes de co-développement, co-innovation, co-investissement, co-marketing et co-vente, fruit d’une décennie de partenariat entre HCLTech et AWS. 

Ce travail couvre la transformation agentique des processus, Amazon Bedrock AgentCore, Amazon Q, la modernisation du cloud et la productivité des développeurs, ainsi que des domaines émergents comme l’IA physique.

Définir la valeur d’affaires dès le départ

À mesure que l’IA s’intègre au cœur des fonctions d’affaires, les dirigeants accordent une plus grande importance à son impact économique.

« Le rendement de l’IA agentique ne se mesure pas au nombre de modèles déployés, mais à la façon dont l’entreprise fonctionne différemment », rappelle Appana.

Les indicateurs d’affaires doivent être définis au début d’une initiative. Selon le cas d’utilisation, les entreprises pourraient mesurer la productivité, la croissance des revenus, la satisfaction du client, la résilience opérationnelle, l’expérience employé, la vélocité du développement, la qualité, la conformité, la sécurité ou l’optimisation des coûts.

Définir ces résultats attendus avant la mise en œuvre fournit aux équipes un point de repère pour mesurer les progrès. Cela favorise aussi une communication plus claire entre les TI et les unités d’affaires quant aux attentes liées aux investissements en IA.

À l’approche d’AWS re:Invent, Appana constate que ces discussions migrent aux plus hauts niveaux de gouvernance. Les PDG, chefs des finances, chefs de l’exploitation et dirigeants d’affaires s’impliquent davantage dans les décisions visant à transformer les fonctions de l’entreprise, moderniser les opérations existantes et accroître la compétitivité. Les clients examinent également d’autres secteurs pour en tirer des leçons applicables à leur propre organisation. 

La prochaine phase de l’IA d’entreprise mettra à l’épreuve la capacité des organisations à transformer rapidement ces technologies en performance d’affaires durable. Selon Appana, tout progrès commence par des données propres et fiables, offrant le contexte d’affaires adéquat. Il faut aussi des plateformes et processus de confiance, conçus autour des capacités de l’IA et des objectifs d’affaires définis d’entrée de jeu.