Orchestration agentique : UiPath entend prouver l’efficacité de Maestro

Maestro gagne du terrain

Une centaine de clients auraient adopté Maestro et plus de 2000 l’ont testé. UiPath revendique plus de 10 000 clients au total. « Cette technologie connaît un succès croissant, tant pour les petits processus métiers que pour les processus de bout en bout à grande échelle », affirme Vikram Kakumani, directeur technique adjoint chez UiPath, auprès du MagIT.

L’acteur prévoit de lancer la version « self-hosted » de Maestro dans dix jours, avec un peu de retard sur la feuille de route présentée l’année dernière. Ce sera le cas également d’Agent Builder, son studio de configuration d’agents IA.

Le cœur de Maestro est un moteur BPMN bâti sur Temporal, une plateforme d’exécution open source pensée pour la haute disponibilité et les temps longs.

« Cela permet aux responsables métier et aux personnes chargées de la mise en œuvre de disposer d’un langage commun », avance Vikram Kakumani, lors d’un keynote.

Comme tous les autres, UiPath a commencé par l’intégration d’assistant IA et s’est rapidement mis à l’IA agentique.

« Nous sommes allés plus loin », annonce Vikram Kakumani. « Nous pouvons à la fois gérer des tâches déterministes et faire appel à des agents IA lorsque le processus nécessite de l’adaptabilité, du raisonnement et du discernement ».

Certains grands clients français commencent à adopter Maestro. C’est le cas de Safran, Orange et Schneider Electric. Orange cible des processus « cœur métier », tandis que Safran et Schneider Electric s’attaquent aux faiblesses des processus de support.

En liant Maestro, LangChain et Copilot, Schneider prévoit d’automatiser le traitement des factures fournisseurs. Une fois passé à l’échelle, ce sont 600 000 factures par mois qui transiteront dans le système. Safran, lui, a repensé une application de gestion d’Order-to-Cash. Développée en deux mois, elle aurait permis de multiplier la vitesse de traitement par deux, tandis que les coûts liés aux licences des logiciels utilisés auparavant ont été divisés par dix, dixit le porte-parole du groupe. Par ailleurs, Safran s’est appuyé sur les assistants d’IA d’UiPath pour optimiser une portion de ses bots RPA. Ces trois acteurs avaient déjà déployé plus de 500 à 1300 bots.

Place au Case Management « agentique »

L’éditeur mise désormais sur ce qu’il appelle le « case management agentique ». Plus précisément, en novembre 2025, l’entreprise a présenté des applications de gestion de cas et de processus au sein de Maestro. Depuis, il y a inséré un agent orchestrateur.  

« L’agent “case manager” est responsable du suivi de l’évolution du dossier à chaque étape confiée aux agents IA ou aux bots RPA qui gèrent les automatisations, les tâches, les intervenants, la manière de les impliquer, qu’il s’agisse d’une escalade, d’une inspection approfondie ou d’un retour d’information », explique Vikram Kakumani.

L’objectif est d’accélérer les passages de relais entre les agents, les API, et les bots RPA dans l’automatisation des processus support et cœurs des entreprises.

Les agents IA sont principalement mobilisés pour lever des exceptions dans un processus impliquant plusieurs parties prenantes. Ils servent entre autres à vérifier des documents ou encore préapprouver des demandes.

Et les porte-parole d’UiPath de donner l’exemple d’un processus d’octroi de prêt immobilier. Des agents IA sont capables d’identifier les données manquantes dans les documents avant de faire valider l’envoi d’un courriel au futur emprunteur pour complétion, de comparer les niveaux d’assurances s’il décide de ne pas choisir celle proposée par sa banque, etc.

Les humains « restent dans la boucle ». Seulement, l’orchestrateur agentique peut aussi suggérer d’ajouter l’exception au sein du schéma BPMN afin de l’intégrer comme une partie du processus. UiPath dit mettre en place un système agentique « apprenant ».

« Nous ne réentraînons pas les modèles d’IA », précise le CTO adjoint auprès du MagIT. « Nous mettons à jour le contexte. La complexité réside dans le fait que de nombreuses instances s’exécutent en parallèle. Il faut identifier les informations pertinentes à retenir, les synthétiser et les transformer en des règles opérationnelles ».

Techniquement, UiPath s’appuie sur le task et le process mining pour identifier les données qui renseignent d’une déviation par rapport à la documentation, mais qui révèle l’usage réel du système. De nouvelles règles peuvent ainsi être construites et validées par les humains.

« Nous disposons de traces exhaustives de ce qui s’est passé dans le traitement », affirme Sofiene Jenzri, senior principal Solution Engineer chez UiPath. « Nous observons à la fois ce que font les robots RPA, les agents au moindre détail, y compris dans les appels au LLM, et les interventions humaines. La console affiche évidemment le “rework”, c’est-à-dire l’agent qui va retravailler sa complétude ».

Extraction d’informations : une combinaison RPA – agentique jugée nécessaire

Par ailleurs, en matière documentaire, UiPath complète ses techniques d’extraction de données d’écrans en encadrant les fonctionnalités de « computer use » proposées par les fournisseurs de LLM.

L’entreprise a présenté « ScreenPlay », un runtime pour automatiser l’extraction de données depuis des interfaces hétérogènes à partir d’une requête en langage naturel. La solution s’appuie sur un modèle Claude Sonnet 4.5. Il n’abandonne toutefois pas ses techniques de « screen scraping ». 

« Imaginons que certains clients souhaitent extraire des informations de différents sites de compagnies aériennes. Les interfaces utilisateur de ces sites sont toutes différentes. Dans ce cas, les agents sont clairement la solution la plus rapide », indique Vikram Kakumani. « En revanche, si la tâche est répétitive et pour des raisons de coût, vous avez besoin de la RPA », souligne-t-il.

Justement. UiPath a développé une solution intermédiaire, « Healing Agent ». « Elle vous permet de continuer à utiliser l’automatisation déterministe pour la plupart des exécutions. En cas d’erreur ou de changement dans l’application, un agent IA intervient, détecte le problème, l’atténue et permet à l’automatisation de se poursuivre », affirme le directeur technique adjoint, sur scène.

« Pour l’instant, dans ce cas précis, nous n’avons pas constaté le remplacement de la RPA par des agents IA », ajoute Vikram Kakumani auprès du MagIT. « Cela nous permet de compléter certains scénarios ».

UiPath IXP (Intelligent Xtraction and Processing), lui, évolue et ne se contente plus d’extraire des données de fichiers structurées. Un prompt doit suffire pour récolter des informations d’un document non structurées en s’appuyant sur les capacités de raisonnement d’un LLM.

Un score d’efficacité des agents IA

De manière plus générale, UiPath développe le « score de l’agent » IA. En préversion, cette fonctionnalité prend en compte, la structure, les objets, la longueur du prompt, l’utilisation des outils, du contexte, le niveau d’intervention humaine et des arguments d’entrée/sortie. L’éditeur note l’agent sur six dimensions : la quantité (le volume de tokens à traiter et à utiliser), le niveau de documentation, la clarté du contexte, la clarté de l’escalade, l’alignement et la complétude. La note sur 100 affichée est une moyenne pondérée de ces dimensions. Un bouton permet la génération de recommandations pour améliorer cette note.

Toujours plus de solutions verticalisées

À noter qu’UiPath et Microsoft ont présenté « une intégration native » entre Maestro et Copilot. Les agents IA créés avec les outils de la firme de Redmond peuvent être supervisés avec la plateforme d’UiPath. L’occasion également de déployer l’une des solutions verticalisées.

L’outil de gestion et d’automatisation de tests logiciels UiPath Test Cloud (une évolution de Test Suite) s’exécute sur Azure. Elle s’intègre avec Azure DevOps et GitHub. Là encore, l’éditeur combine RPA et IA agentique. « Nous comptons déjà parmi nos clients des entreprises qui ont réalisé plus de 50 % d’économies par rapport à l’effort qu’elles consacraient auparavant aux tests manuels », vante Vikram Kakumi, en citant le cas de Cisco.

D’autres solutions verticalisées siglées UiPath ciblent les e-commerçants et les marques souhaitant optimiser leurs marchandises en fonction de la demande et de la planification des campagnes publicitaires. Peu de temps après avoir acquis WorkFusion, un spécialiste dans le domaine, UiPath a également présenté une solution de lutte contre les crimes financiers et d’audit propulsée par des agents IA.

À cela s’ajoute un produit agentique « préfabriqué » pour la gestion du processus « Procure-To-Pay », dont la disponibilité générale est prévue à l’été 2026. Il devra prendre en charge certaines exceptions et router les approbations auprès des responsables concernés à travers Slack ou Teams. Il pourra ingérer des emails, des PDF, des données EDI, etc. Vikram Kakumani cite par ailleurs une solution qui cible les processus administratifs des hôpitaux.

Ce faisant, UiPath entend bien gagner en compétitivité face à Celonis, Appian ou encore Pegasystems.