Par Andrew McKinzie et Pietro Decio
18 décembre 2024
Le 16 décembre, Tower Research Ventures a organisé un événement consacré aux agents d’IA dans l’entreprise. Les discussions ont porté sur les cas d’utilisation des agents d’IA en entreprise, définis comme des systèmes d’IA qui exploitent des modèles linguistiques et font preuve d’une certaine autonomie. Parmi les conférenciers figuraient Clément Perrot, architecte principal de solutions pour l’IA à Amazon Web Services (AWS), Mohammed Hayat, cofondateur et directeur de la technologie d’Abstract, et Ravi Ramachandran, cofondateur et chef de la direction d’Eidolon AI.
La première intervention, présentée par Clément Perrot, a mis en avant les nouveaux outils d’agent qu’AWS a intégrés à sa suite d’outils de développement, qui englobent les bases de connaissances, les agents, les flux et la gestion des invites. Amazon Bedrock permet aux développeurs d’entreprise de créer une base de connaissances entièrement personnalisable en spécifiant l’emplacement de leurs données, en sélectionnant un modèle d’intégration et en configurant un magasin de vecteurs. Les entreprises peuvent également créer des bases de connaissances avec un magasin de données structurées et l’index Kendra GenAI d’AWS, qui offre une grande précision sémantique prête à l’emploi et la possibilité de réutiliser l’index sur Amazon Q Business et Amazon Bedrock. En exploitant ces bases de connaissances, les développeurs peuvent ensuite créer des agents et des flux agentiques en sélectionnant un modèle de base et en ajoutant des « groupes d’actions » définis par l’utilisateur.
Au cours de la démonstration, Clément a créé un « agent des RH » qui automatisait un flux de réponses qu’un coordonnateur des RH pourrait avoir avec un employé qui pose des questions au sujet de ses congés payés et de ses avantages sociaux. L’agent a été en mesure de répondre à une question en accédant à l’instance Workday de l’entreprise, en récupérant le solde de congés payés de l’employé, en le comparant au manuel de l’employé de l’entreprise et en répondant à l’employé en langage naturel. Il a ensuite abordé l’orchestration des agents, laquelle est définie par des invites avancées qui spécifient comment l’agent traite l’information et coordonne les réponses. De plus, il a évoqué la collaboration entre plusieurs agents, qui permet à un agent superviseur de déléguer des tâches à d’autres agents collaborateurs.
Clément Perrot parle de l’orchestrateur de flux de travail de l’IA agentique d’AWS.
Ensuite, dans sa présentation intitulée « Agents in a Risk-Averse World » (les agents dans un monde averse au risque), Mohammed Hayat a parlé des agents dans la pratique. Il a commencé par un aperçu des niveaux d’agent L1 à L5, avec des degrés croissants de sophistication et d’autonomie. Les agents L1 peuvent exécuter des fonctions à l’aide d’invites système de base et d’un réglage précis, tandis que les agents L5 peuvent tirer parti du profilage et de la contextualisation des utilisateurs, de la personnalisation basée sur la mémoire et de la commutation de contexte. Il a ensuite expliqué comment les agents parcourent un flux de travail : en commençant par une invite, en interrogeant une base de connaissances utilisateur, en interrogeant une base de connaissances influente, en générant des réponses avec des références, en décorant ces réponses avec des intégrations et en les transmettant en continu à l’utilisateur final ou à un autre agent. Mohammed a également évoqué l’importance pour les développeurs d’adapter les agents à des cas d’utilisation particuliers de l’entreprise par le biais d’un cycle de prototypage. Ces cycles consistent généralement à établir le profil de l’utilisateur afin de saisir pleinement l’identité d’une entreprise par le biais de réunions directes avec les clients et de données accessibles au public, à comprendre l’identité intentionnelle pour s’assurer que les agents agissent en fonction de cette intention et à structurer les réponses de manière à ce que l’agent puisse répondre dans le cadre des paramètres de l’entreprise.
Mohammed Hayat explique les niveaux des agents d’IA.
Enfin, Ravi Ramachandran a présenté la trousse de développement logiciel (SDK) d’agent à code source libre et le serveur d’agent d’IA d’Eidolon pour l’entreprise. Ce cadre offre un environnement robuste pour la création d’agents modulaires orientés service qui peuvent communiquer et travailler ensemble. Ravi a expliqué comment la trousse SDK d’Eidolon prend en charge les agents préconstruits et permet de définir de nouveaux agents à l’aide d’une simple syntaxe YAML déclarative. Cela aide les développeurs à échanger des composants d’agent pour s’adapter aux exigences changeantes de l’entreprise sans réécritures importantes. Eidolon s’intègre à Kubernetes, ce qui permet de déployer les agents de manière sécuritaire et évolutive. La solution fournit également des composants React pour aider les développeurs à créer une interface utilisateur graphique pour interagir avec les agents. Ravi a ensuite fourni des exemples de cas d’utilisation en production avec Eidolon, notamment la conformité des transporteurs et la planification des livraisons pour les entreprises de logistique, les relevés de compte des clients et la validation des appels de capitaux pour les entreprises de technologie financière, le premier avis de sinistre dans les compagnies d’assurance et les systèmes hiérarchiques de soutien multiagents pour les fournisseurs de services gérés.
Ravi Ramachandran explique le cadre de serveur à code source libre Eidolon AI.
Si vous travaillez dans ce domaine, nous serions ravis de discuter avec vous. Veuillez communiquer avec Tower Research Ventures à l’adresse ventures@tower-research.com!
Les opinions exprimées dans ce document sont uniquement celles de l’auteur (ou des auteurs), telles qu’elles étaient au moment de leur publication initiale, et ne reflètent pas nécessairement les opinions de Tower Research Ventures LLC ou de ses affiliés. Elles ne sont pas destinées à fournir, et ne doivent pas être considérées comme, des conseils en investissement, et aucune information contenue ici ne constitue une offre d’achat ou de vente de titres, ni ne doit être utilisée comme base pour l’achat ou la vente d’un investissement. Les informations contenues ici n’ont pas été et ne seront pas mises à jour ou révisées pour refléter les informations qui pourraient devenir disponibles ultérieurement, ni pour tenir compte des circonstances existantes ou des changements survenus après la date de préparation. Certaines informations contenues dans le présent document sont basées sur des sources publiées et non publiées. L’information n’a pas été vérifiée de façon indépendante par TRV ou ses représentants, et l’exactitude ou l’exhaustivité de ces renseignements n’est pas garantie. Votre lien vers ou utilisation de tout site Web tiers se fait à vos propres risques. Tower Research Ventures décline toute responsabilité quant aux produits ou services offerts ou aux renseignements contenus sur tout site Web tiers.