Les agents IA en tant que collaborateurs : un modèle RH pour le personnel numérique

De nombreuses entreprises réfléchissent à la manière dont les agents IA peuvent automatiser des processus, préparer des décisions ou prendre en charge des flux de travail entiers. Ce faisant, elles négligent toutefois une question : comment ces collaborateurs numériques sont-ils réellement pilotés ? En effet, tout comme leurs collègues humains, ces systèmes doivent être formés, se voir confier des tâches et développer de nouvelles compétences. Certains deviennent des éléments très performants, d’autres ne fournissent aucun résultat exploitable et doivent finalement être remplacés. Le rôle du Chief AI Officer (CAIO) évolue donc lui aussi. À l’avenir, il ne sera plus uniquement responsable des modèles, de l’infrastructure et de la gouvernance. Il deviendra plutôt le directeur des ressources humaines d’un nouveau personnel numérique. Ce que cela signifie concrètement apparaît tout au long du „ cycle de vie “ d’un agent d’IA.

1. L'offre d'emploi

Les agents IA ont besoin d'un profil de poste : comme pour les collaborateurs humains, la première étape commence par une question simple : où manque-t-il réellement de main-d'œuvre ? Cela signifie que les entreprises doivent analyser leurs processus, identifier les goulots d'étranglement, puis définir des profils de tâches pour les agents IA.

Les activités nécessitant la collecte et l'analyse de grandes quantités de données non structurées se prêtent particulièrement bien à cette approche. C'est le cas notamment dans le traitement des sinistres, le reporting, la documentation ou la gestion des flux de travail. Dans le secteur des assurances, par exemple, les agents peuvent analyser les informations reçues ou rechercher des cas similaires afin d’accélérer le traitement des sinistres. Dans le domaine de la logistique, en revanche, les agents peuvent optimiser l’utilisation des entrepôts ou la chaîne d’approvisionnement.

D'un point de vue technique, il ne s'agit pas simplement de créer des chatbots, mais bien de définir des rôles numériques clairement délimités, dotés d'un accès à des sources de données, des API, des moteurs de recherche et des applications métier. L'agent se voit en quelque sorte attribuer une fiche de poste : quelles tâches doit-il accomplir ? Quels systèmes est-il autorisé à utiliser ? Dans quels cas peut-il prendre des décisions de manière autonome ? Quand faut-il faire intervenir un humain ?

2. L'entretien d'embauche

Tous les agents ne sont pas adaptés à toutes les tâches : à l'avenir, les entreprises ne développeront pas elles-mêmes chaque agent. Au contraire, un marché d'agents IA spécialisés va voir le jour, à l'instar de ce qui se passe avec les consultants externes ou les experts. Certains agents sont des généralistes, d'autres de véritables experts. L'analogie avec le recrutement s'impose : un „ agent junior “ ne dispose que de compétences de base et doit suivre une formation intensive. Un „ agent senior “ possède une connaissance du secteur, des compétences en communication ou un savoir-faire réglementaire, mais son coût est également nettement plus élevé.

C'est précisément pour cette raison que les entreprises doivent mettre en place au préalable un processus de sélection pertinent. Quelles doivent être les compétences de l'agent IA ? Dans quels domaines peut-on le former sans trop d'efforts ? Dans quels cas faut-il immédiatement faire appel à un spécialiste ? Le CAIO assume ainsi une tâche jusqu'à présent plutôt courante dans le domaine des ressources humaines : la recherche du candidat idéal.

3. L'intégration

Les agents IA doivent être formés : les nouveaux collaborateurs ne deviennent pas automatiquement productifs simplement parce qu’on leur remet un ordinateur portable. Il en va exactement de même pour les agents IA. Ils doivent se familiariser avec les connaissances de l’entreprise, ses processus, ses directives et ses objectifs. Sur le plan technique, cette intégration s’effectue via des bases de connaissances, des systèmes de recherche, des garde-fous et des compétences spécialisées. L’agent apprend ainsi quelles informations sont pertinentes, quelles décisions sont autorisées et comment fonctionnent certains processus.

„ Pour utiliser efficacement des agents, je dois commencer,
” les diriger comme s'il s'agissait d'un collaborateur humain. »

Oliver Köth,
Directeur général chargé de la technologie
et Innovation DACH,
NTT Data

La collaboration avec les collègues humains revêt ici une importance particulière. En règle générale, cela donne lieu à une chaîne de processus hybride : en amont, des agents analysent les flux de données et traitent les informations ; en aval, d’autres agents automatisent les processus standard ; entre les deux, des humains s’occupent des décisions complexes, des négociations ou des interactions avec les clients.

Si, par exemple, une entreprise industrielle doit remplacer un fournisseur à court terme, un agent peut analyser les opérations d'approvisionnement antérieures, évaluer les risques au sein de la chaîne d'approvisionnement et hiérarchiser les alternatives possibles. La négociation proprement dite avec le nouveau partenaire ainsi que la décision finale restent toutefois du ressort de l'humain.

4. La formation continue

Les bons agents apprennent en permanence : tout comme les collaborateurs humains, les agents ont besoin d’une formation continue. Il existe deux formes d’apprentissage. La première correspond à l„“ apprentissage sur le terrain „ classique. Les agents analysent les tâches passées, évaluent les résultats et améliorent leur approche. Les systèmes modernes enregistrent les solutions efficaces, les erreurs et les nouveaux enseignements dans ce qu’on appelle des “ architectures de mémoire » ou des « data flywheels ». Certains modèles vont même jusqu’à consolider automatiquement ces expériences en arrière-plan, à l’instar de la façon dont les êtres humains assimilent leurs expériences pendant leur sommeil. La deuxième forme concerne les changements externes. Une entreprise doit intégrer activement dans les agents les nouvelles réglementations, les exigences de conformité modifiées ou les nouvelles conditions du marché. Un agent d’ingénierie produit doit, par exemple, apprendre que certains matériaux ne sont plus autorisés en raison de nouvelles lois environnementales. Cela signifie que les entreprises auront besoin à l’avenir d’une sorte d’« académie des agents » qui forme, supervise et certifie en permanence leurs collaborateurs numériques.

5. Le parcours professionnel

Du simple exécutant au résolveur de problèmes proactif : la différence entre un collaborateur moyen et un excellent collaborateur ne réside pas dans la rapidité, mais dans l’esprit d’initiative. C’est précisément cette évolution qui commence également chez les agents IA. Les systèmes simples se contentent de réagir à des commandes, tandis que les agents avancés travaillent de manière proactive. Ils reconnaissent des schémas, identifient les problèmes et élaborent de manière autonome des propositions d’amélioration. Cela modifie la nature des missions confiées. Les agents se voient de plus en plus souvent attribuer des objectifs. Au lieu de „ Traiter le formulaire X “, l’instruction peut par exemple être „ Réduire le temps de traitement à la caisse “ ou „ Améliorer la disponibilité des stocks “. L’agent analyse alors les données de manière autonome, teste différentes variantes et élabore des propositions d’optimisation.

6. L'entretien de licenciement

Parfois, les agents ne font tout simplement pas l’affaire : tous les agents ne sont pas réellement productifs. C’est pourquoi les entreprises ont également besoin d’objectifs clairs et d’évaluations de performance pour les agents IA. Si un agent n’atteint pas les objectifs fixés, commet trop d’erreurs ou engendre des coûts de retouche élevés, le système doit être ajusté, réentraîné ou désactivé. Certains agents perdent tout simplement leur raison d’être lorsque les modèles économiques ou les processus évoluent. L’avantage du recours aux agents IA réside dans la rapidité. Les effectifs numériques peuvent être augmentés ou désactivés en quelques minutes. Les entreprises gagnent ainsi en flexibilité, notamment en cas de pics d’activité saisonniers ou de volumes d’activité très fluctuants.

Une fonction de direction plutôt qu'un projet informatique

Avec la généralisation croissante des agents d’IA, une nouvelle forme de main-d’œuvre numérique voit le jour. Ces systèmes doivent être sélectionnés, formés, perfectionnés et évalués. L’accent est de plus en plus mis sur les questions d’organisation, de pilotage et de direction. „ Le développement technologique de l’IA suit une courbe exponentielle. En revanche, les entreprises n’adaptent souvent les nouvelles méthodes de travail que progressivement, ce qui les met sous pression. Les agents IA ne transforment pas seulement des processus individuels, mais l’organisation dans son ensemble. Le CAIO devient un nouveau poste clé “, explique Oliver Köth, directeur général Technologie et Innovation pour la région DACH chez NTT Data. „ Pour utiliser ces agents avec succès, il faut commencer à les diriger comme des collaborateurs humains, notamment en matière de recrutement, de formation continue, de définition d’objectifs et d’évaluation des résultats. “ (Source : NTT Data)