« Self AI » : les meilleurs outils pour mettre les agents dans les mains des métiers

Un Data Office moins centralisé et plus fédéré

Avant de plonger dans les différentes options, une remarque : cette démocratisation de l’IA suppose néanmoins un rééquilibrage organisationnel.

AI Builders observe que de nombreuses entreprises passent d’un modèle centralisé, où le data office contrôlait l’ensemble des projets, à un modèle « fédéré ». L’idée est de donner plus d’autonomie aux directions métiers, mais de manière encadrée par une gouvernance très claire (avec des règles, des standards, des processus de validation, etc.).

Ne pas passer au Data Office fédéré risque de créer plus de problèmes que d’en résoudre, avertit le cabinet de conseil.

Anatomie d’une plateforme agentique no-code/low-code

Mais venons-en aux outils. Une plateforme agentique no-code ou low-code se présente comme une boîte à outils intégrée. Elle réunit quatre briques essentielles : un Studio (pour créer des agents), des cerveaux IA (l’orchestrateur et les sous-agents), des bras pour agir (les connecteurs), et des yeux pour surveiller l’observabilité.

L’environnement de construction, le studio, peut être graphique, avec du glisser-déposer de blocs logiques, ou avec (de plus en plus) une interface où l’utilisateur décrit en langage naturel ce qu’il attend de l’agent.

Deuxième brique : un moteur d’IA. La plateforme doit, logiquement, donner accès à plusieurs LLM, pour répondre à une diversité de besoins.

Troisièmement, les connecteurs. Par définition, un agent doit pouvoir agir. Il doit pouvoir lire des PDF, se connecter à des bases de connaissances internes, interagir avec Salesforce, Jira, des bases SQL, ou encore envoyer des mails. Plus il a de connecteurs, plus l’agent sera utile.

Enfin : l’observabilité. Autrement dit, la capacité de comprendre ce que fait l’agent. Quelles données a-t-il utilisées ? Quelles étapes a-t-il suivies ? Etc. Cette brique est essentielle pour la confiance, pour le debugging, et bien sûr pour la sécurité et la conformité.

Les meilleures plateformes pour faire ses agents

Pour établir sa AI Decision Matrix, AI Builders a évalué une trentaine de solutions et en a retenu dix-neuf, selon deux critères : la performance (diversité des modèles, connecteurs, flexibilité, accessibilité aux non-développeurs) et la maturité (stabilité, communauté d’utilisateurs, fréquence des mises à jour, ergonomie, pénétration du marché).

L’analyse fait apparaître trois grandes familles, aux philosophies bien distinctes, qui sont en train de se structurer le marché.

Trois familles de plateformes

La première famille est celle des outils de workflows. La logique de l’agent est « dessinée », souvent avec des diagrammes, dans l’esprit du BPM. Ce sont des plateformes low-code, c’est-à-dire qui demandent une certaine logique et un minimum de compréhension technique.

Leurs courbes d’apprentissage risquent d’être un peu longues pour un utilisateur purement métier. Elles s’adressent plus aux équipes qui ont une certaine culture technique, comme les citizen-développeurs.

L’avantage est la flexibilité. Il est possible de faire des automatisations assez complexes, d’intégrer de nombreux d’outils et de personnaliser finement les agents. L’étude cite des exemples comme les Belges de NQTN, les Français de MindFlow ou la solution open source LangFlow de Datastax.

La deuxième famille, est celle du no-code pur et dur. Ces plateformes sont pensées dès le départ pour les experts métiers sans aucune compétence technique. La création d’agents se fait souvent en langage naturel comme si l’on expliquait ce que l’on veut à un collègue.

Ces solutions sont optimisées pour être très rapides à mettre en œuvre sur des cas précis. C’est la voie d’accès la plus directe au Self-AI. Revers de la médaille, elles sont logiquement moins personnalisables et puissantes que les précédentes.

Dans cette catégorie on retrouve les Français de Prism.ia, de Konverso ou de Dust.

La troisième famille est celle des solutions intégrées à un écosystème existant. Ce sont les outils proposés par Microsoft, Google, Amazon, ServiceNow, ou encore Salesforce. Dans ce cas, la sécurité, la gouvernance, tout est pensé dans le cadre global d’un éditeur. Cette famille facilite la gouvernance, mais avec un inconvénient : le risque de dépendance (vendor locking).

Choisir sa plateforme d’IA agentique : pas qu’un choix technique

La maturité des outils de conception d’agents est encore variable et, on le voit, tout ne se vaut pas. Le défi, pour chaque entreprise, sera donc de trouver son équilibre technologique propre.

Mais AI Builders avertit : le succès de la Self AI ne dépend pas que du choix d’une plateforme. Il dépend aussi de l’accompagnement humain, de la formation pour que les collaborateurs montent en compétences et, donc, de la collaboration étroite entre l’IT et les métiers dans un modèle fédéré.