Un agent IA d’entreprise peut interpréter les objectifs, prendre en compte le contexte, planifier les étapes, employer des outils et fonctionner dans des limites métier et de gouvernance définies. Définir les composants des agents IA peut aider les entreprises à mieux les évaluer et les utiliser. Chaque composant remplit une fonction distincte tout en s’appuyant sur d'autres composants pour produire des résultats percutants.
Perception
La perception désigne la façon dont un agent IA reçoit et interprète les signaux de son environnement actuel. Dans les logiciels, cela inclut généralement les informations saisies par l'utilisateur ou l'utilisatrice, l’état de l’application, les évènements système, les API, les métadonnées et les sources de données approuvées. La perception peut aider l’agent à comprendre ce qui se passe en temps réel, ce que demande l’utilisateur ou l'utilisatrice et les conditions ou contraintes pouvant affecter la tâche.
Ce composant donne à l’agent une conscience contextuelle au début de l’exécution. Il transforme les signaux entrants en contexte utilisable pour éclairer le raisonnement, la planification et l’action. La perception peut, par exemple, aider un agent à reconnaître la page sur laquelle se trouve un utilisateur ou une utilisatrice, le statut d’un workflow, les objets de données impliqués, les autorisations en vigueur, ou si un champ requis ou une dépendance fait défaut.
Rôles et mécanismes de sécurisation
Les rôles et les mécanismes de sécurisation définissent le rôle, les objectifs et les contraintes opérationnelles d’un agent IA au sein de votre entreprise. Ce composant détermine la finalité de l’agent, le type de tâches qu’il doit traiter, les systèmes auxquels il peut accéder, les politiques ou directives qu’il doit respecter, et les situations où il doit s’en remettre à un humain. Les rôles et les mécanismes de sécurisation établissent les limites de ce que l’agent doit faire ou ne pas faire, garantissant ainsi que les agents IA restent alignés sur les priorités de l’entreprise. Voici quelques exemples de tâches : l’identification de la portée des tâches, des autorisations, des règles de marque, des règles d’escalade et des exigences de validation.
Mémoire
La mémoire fournit le contexte nécessaire pour qu’un agent IA exécute les tâches avec précision au cours d’une session spécifique. Pour maintenir cette précision, il est important de distinguer la mémoire active de la récupération statique de connaissances. La mémoire fonctionne généralement à travers deux couches distinctes :
- Mémoire à court terme dédiée au contexte conversationnel immédiat et aux détails sur la tâche active.
- Mémoire à long terme dédiée aux connaissances réutilisables, aux interactions passées, aux modèles ou aux préférences stockées.
Tandis que la récupération de connaissances implique l’extraction d’informations depuis une base de données externe volumineuse (comme un catalogue produit ou de la documentation), la mémoire enregistre les engagements passés de l'agent. Ce composant n’implique pas un apprentissage autonome illimité. Il permet à l’agent de fournir des expériences cohérentes lorsque le contexte est intentionnellement enregistré et gouverné. En accédant à ces interactions passées, un agent peut aligner ses réponses sur les préférences clients établies et sur les workflows précédents sans exiger de répétitions des instructions de base de la part de l’utilisateur ou de l'utilisatrice.
Planification
La planification est le composant qui aide l’agent à interpréter les objectifs, séquencer les tâches et identifier les actions approuvées. Ce composant analyse les objectifs de haut niveau et décompose les tâches complexes en une séquence logique d’étapes. Plutôt que de suivre un script rigide, il évalue les options disponibles et sélectionne le chemin le plus efficace pour atteindre l’objectif souhaité.
Cette capacité permet de fournir la réflexion stratégique nécessaire pour mieux gérer les obstacles imprévus, à l’instar d’un chef de projet. Elle permet au système de prendre des décisions éclairées basées sur le contexte en temps réel et d’adapter sa stratégie selon l’évolution des circonstances. Cette flexibilité distingue les systèmes agentiques de l’automatisation rigide basée sur des règles. Les composants de planification permettent aux agents de rester alignés sur des objectifs métier plus larges même lorsqu’ils rencontrent des situations pour lesquelles ils n’ont pas été explicitement programmés.
Action
L’action transforme les décisions en tâches spécifiques exécutées au sein des systèmes d’entreprise. Ce composant relie l’intelligence de l’agent IA aux capacités opérationnelles concrètes : mise à jour d’enregistrements, déclenchement de workflows, envoi de communications ou interfaçage avec des services externes. La réflexion stratégique n’apporte que peu de valeur sans la capacité d’agir. Le composant action établit le lien entre raisonnement et planification d’une part, et outils opérationnels d’autre part : API, applications et workflows.
