Services de gestion des applications (AMS) sont en cours de réinvention à l’ère de GenIA et de l’IA agentique.

À mesure que de nouvelles capacités arrivent à maturité, les dirigeants repensent les modèles opérationnels, les flux de travail et la relation entre humains et « collègues numériques ». Dans un récent balado HCLTech Tendances et perspectives, Kandasamy « Jam » Ramanujam, vice-président principal, Affaires numériques chez HCLTech, a expliqué pourquoi le changement s’impose, où intégrer l’IA tout au long de la chaîne de valeur AMS et comment garder la confiance, la conformité et la qualité au cœur des priorités.

Pourquoi la gestion des applications doit évoluer, maintenant

Ramanujam exprime clairement l’urgence : « le rythme de changement technologique s’est nettement accéléré ces dernières années. » Il précise que « tout a commencé avec GenIA... et maintenant il s’agit de l’IA agentique », et que les clients s’attendent à ce que les fournisseurs « intègrent cela dans leurs environnements pour que les bénéfices… puissent être récoltés rapidement ». Cette attente oblige à repenser le modèle opératoire lui-même.

La transition qu’il observe le plus souvent va d’opérations fonctionnelles à des modèles opératoires alignés sur les produits. Comme il le dit, les organisations qui investissent dans l’IA sont beaucoup plus susceptibles (quatre fois plus selon les plus récentes recherches de HCLTech) de maximiser leur ROI lorsqu’elles « fonctionnent selon le modèle aligné sur le produit [plutôt que] le modèle traditionnel. » La raison : un AMS aligné sur le produit est lié aux résultats d’affaires, y compris les parcours client, les objectifs d’expérience et le coût de service, plutôt qu’aux seuls systèmes et files d’attente. Les cadres souhaitent « améliorer les services livrés [et] améliorer l’expérience… tout en maintenant de faibles coûts », et cette combinaison exige un modèle conçu pour l’apprentissage et l’automatisation continus.

Faire de l’Expérience totale la boussole

Pour Ramanujam, l’AMS doit être guidée par l’Expérience totale; « l’expérience qui est livrée au client final… aux dirigeants et utilisateurs d’affaires… et aux utilisateurs TI. »

Traditionnellement, la gestion des applications était optimisée pour des indicateurs techniques et la résolution de causes profondes. Aujourd’hui, il préconise une perspective expérience : « imaginez pouvoir analyser le tout selon la perspective de l’expérience, [en incluant] les personas et les parcours associés à l’application. » Quand les équipes peuvent voir quels parcours sont interrompus, « elles sont en mesure d’identifier les bris dans l’expérience livrée aux parties prenantes » et d’acheminer la bonne nature du changement, comme des correctifs rapides dans le carnet de produit, des remédiations majeures dans le carnet de changements, et « tout ce qui nécessite une transformation » aux cadres supérieurs pour une mise en œuvre par étapes.

La GenIA accélère cela en transformant la télémétrie en récits lisibles par l’humain, par exemple ce qui se passe, qui est touché et la gravité de l’impact sur l’expérience, de sorte que la priorisation reflète la réalité terrain.

Prenons les études de cas publiques de HCLTech : Opérations propulsées par GenIA assurent un service sans faille à des millions d’abonnés d’une entreprise de télécommunications et réduction du temps d’arrêt grâce à l’automatisation pour une organisation du secteur de l’énergie. Chacune montre comment un AMS centré sur l’expérience, appuyé par l’IA, anticipe les problèmes et réduit la fenêtre entre la détection et la résolution.

Du pilote à la production : instrumenter la chaîne de valeur de bout en bout

Déployer GenIA à grande échelle, ce n’est pas simplement ajouter un agent conversationnel sur un outil ITSM. Ramanujam recommande de cartographier la chaîne de valeur AMS de bout en bout et d’insérer l’IA où elle crée un effet de levier mesurable. « Nous posons le regard sur la chaîne de valeur de bout en bout… avant même la création du billet… à la création du billet... l’attribution… la résolution automatisée ou humaine… pour finir dans la boucle de rétroaction. » À « chaque étape de la chaîne de valeur, il y a des occasions [pour] l’IA, la GenIA et l’IA agentique. »

• Prévention des billets (avant la création) : Avec l’observabilité de bout en bout, l’IA peut détecter des tendances émergentes avant que les utilisateurs n’en souffrent. GenIA ajoute un résumé simple (« une description lisible par l’humain d’une situation émergente »), alors que les approches agentiques « aident à identifier la cause fondamentale du problème ». Résultat : moins de billets et un meilleur sommeil pour les gestionnaires d’incidents
• Tri et attribution : Lorsque des incidents surviennent, la compréhension du langage naturel les classe, « identifie l’intention derrière », et achemine vers le bon groupe de résolution, avec score de confiance et guides suggérés
• Résolution et exécution : Si la confiance est élevée, les flux agentiques peuvent proposer et, dans certains cas, exécuter les correctifs. Ramanujam souligne l’importance de seuils « selon la confiance de la solution », avec une escalade automatique vers les humains si les seuils ne sont pas atteints. L’IA agentique favorise ainsi la résolution automatisée complète.
• La boucle de rétroaction : La gestion des problèmes devient plus rapide et rigoureuse. Comme il l’explique, les chefs de service peuvent utiliser GenIA pour analyser les problèmes, « identifier quels problèmes existent, quelles sont les occasions d’automatisation », et surtout, relier ces occasions au prisme de l’expérience pour que le carnet reflète la douleur utilisateur réelle

Cette approche intégrée transforme les pilotes isolés en un rythme d’exploitation infusé par l’IA.

Prêt pour l’automatisation agentique ?

Ramanujam analyse la préparation selon la persona. Pour l’ingénieur de service, le flux est familier : un billet assigné ; l’ingénieur identifie l’objet du billet, la cause probable, la solution puis l’exécute. Un agent peut désormais prendre en charge une grande partie de ce travail : « identifier l’intention… identifier la cause fondamentale, la meilleure solution disponible pour résoudre le problème », et selon le seuil d’autonomie, « la solution peut effectivement être exécutée. »

Qu’il s’agisse de suggestions en mode consultation seulement, d’exécution nécessitant approbation, ou d’actions pleinement autonomes pour les correctifs standardisés à faible risque, il prône des paliers d’autonomie explicites pour assurer sécurité et évolutivité. L’élément-clé : « les seuils… qui déterminent la confiance guident le niveau d’autonomie », et « si le seuil n’est pas atteint… l’agent sollicite une intervention humaine », demande une approbation ou permet à l’ingénieur d’intervenir selon le contexte élargi. Ajoutez à cela un accès à privilèges minimaux et des traces vérifiables, et vous gagnez en rapidité sans perdre le contrôle.

Collaborer avec les collègues numériques : des pratiques qui fonctionnent

La relation humain-agent n’est pas conflictuelle ; elle est collaborative. « Nous voyons l’agent comme un compagnon [ou] un collègue qui prend en charge certaines tâches », dit Ramanujam. En gestion de la surveillance, par exemple, les équipes sont inondées de signaux provenant de tableaux de bord et d’alertes. Les agents peuvent « contribuer à traiter une partie de ces données, les présenter et prioriser ce qui se passe », afin que les humains se concentrent sur le jugement, l’escalade et la communication avec les parties prenantes.

Il cite aussi des agents spécialisés, alignés sur des rôles : si « l’ingénieur doit analyser un ensemble de journaux », un agent Analyseur de journaux peut « identifier les différents types de journaux à consulter… analyser le problème en cours… en faire un résumé… le présenter à l’ingénieur. »

Le critère d’une bonne collaboration est simple : moins de réunions extraordinaires, plus grande rapidité de résolution, transmissions plus fluides entre quarts et aucune surprise pour les équipes de gestion des risques, d’audit ou de sécurité.

Impacts mesurables : productivité et qualité

Ramanujam est clair sur les retombées : « nous prévoyons deux avantages majeurs : premièrement l’amélioration de la productivité, deuxièmement la hausse de la qualité de la solution offerte. » Concrètement, cela se traduit par une détection plus rapide, un taux de réussite du premier coup augmenté, moins d’incidents prioritaires et plus de temps redonné à l’ingénierie. Les études de cas précédemment citées en témoignent : opérations télécoms qui restent sans faille pour des millions d’abonnés grâce à l’assurance assistée par GenIA et un leader énergétique qui réduit le temps d’arrêt grâce à l’automatisation. Dans tous les cas, le meilleur incident est celui que les utilisateurs ne remarquent jamais.

Et l’effet est cumulatif. « Nous commençons à voir d’importants bénéfices dans les deux domaines, » ajoute-t-il, notant que cela va « s’améliorer en continu », avec des « résultats importants » à mesure que les modèles se peaufinent, les manuels d’intervention se codifient, et que l’autonomie progresse dans des domaines bien encadrés.

Catalyseurs d’une nouvelle ère

La GenIA et l’IA agentique ne sont pas des ajouts à l’AMS ; ce sont les catalyseurs d’un nouveau modèle opératoire. En mettant l’accent sur l’Expérience totale, en instrumentant la chaîne de valeur de bout en bout et en établissant des paliers clairs d’autonomie avec balises de contrôle humain, les organisations peuvent prévenir plus de problèmes, accélérer la résolution du reste et apprendre en continu.

Comme l’observe Ramanujam, le double bénéfice consiste en une productivité accrue et une qualité améliorée, rendues possibles grâce à la collaboration des collègues numériques et des experts humains pour fournir des services fiables, axés sur l’expérience. La voie est praticable : commencer par les parcours utilisateur et les objectifs de niveaux de service (SLO), sélectionner quelques cas d’usage à fort impact, établir les garde-fous nécessaires et monter en puissance de façon incrémentielle. Menée de façon efficace, la gestion des applications devient non seulement assistée par l’IA, mais entièrement infusée par celle-ci, offrant des gains mesurables pour les clients, les utilisateurs d’affaires et les parties prenantes TI.