- Manu
Bonjour et bienvenue dans le dernier clic, votre podcast tech, IA et nos codes. Je suis en compagnie de Lulu pour un épisode thématique aujourd'hui où on va encore vous parler d'IA. Lulu, est-ce que tu vas bien ?
- Lulu
Ça va et toi ?
- Manu
Ça va très bien et ravi de te retrouver pour la suite de notre épisode thématique d'IA deux semaines. Alors pour celles et ceux qui nous découvrent avec cet épisode ou qui nous ont déjà écouté et qui n'ont pas toujours revu clair sur le fait qu'on a justement notre rythme d'une semaine sur deux, on a donc une semaine sur deux un épisode. thématiques sur un sujet tech et une semaine sur deux, un épisode qu'on appelle Côté Outils, où on va vraiment parler de nos outils numériques. Donc, pour que vous puissiez vous y retrouver, et puisque justement certaines personnes qui nous écoutent nous ont fait des retours, dans le sens où on abordait pas mal de choses et on pouvait être un peu perdu, partez du principe que les épisodes thématiques s'adressent à tous les curieux et curieuses qui veulent en apprendre un peu plus sur la tech et sur le rapport qu'on a aujourd'hui avec la technologie, avec l'IA, avec les différents changements qui peuvent y avoir. Et à chaque fois, on abordera des épisodes comme ça, vraiment sur des sujets thématiques, de manière accessible, pour que vous puissiez comprendre un peu ce qui se passe, de quoi on parle et de la manière dont ça peut vous, comment dire, interagir avec vous et vous influencer d'une manière ou d'une autre, comment ça peut, voilà, je cherche le mot, comment ça peut vous impacter, comment ça va vous impacter dans votre quotidien. Et... Les autres semaines, côté outils, donc là, ce sont des épisodes qui s'adressent davantage aux personnes qui travaillent avec des outils numériques, donc qui sont amenées à travailler avec des ordinateurs et des logiciels. Ça ne veut pas dire que si ce n'est pas votre cas, ça ne vous intéressera pas forcément. Enfin, ça vous intéressera pas, non. J'ai du mal à parler. Si vous ne travaillez pas avec des ordis, ça peut quand même vous intéresser, mais ça s'adresse davantage quand même aux gens qui ont des logiciels et qui s'en servent. dans leur quotidien.
- Lulu
Grosse majorité de gens, quand même. Après, c'est peut-être des outils qui sont un peu plus spécifiques. On ne va pas forcément parler de la suite bureautique ou ce genre de choses, même si les outils permettent de le faire. Mais ça va un peu plus loin et c'est généralement des outils qui permettent de construire des choses où il y a pas mal de personnalisation dedans. Donc, c'est... Voilà.
- Manu
Oui, beaucoup sur l'aspect no code. Mais c'est vrai que quand on parle d'IA, ça s'adresse à tout le monde. Mais voilà, les outils d'IA... justement bureautique et sur votre ordinateur si vous travaillez dehors ou là typiquement on a fait un retour d'un collègue qui travaille en tant que technicien fibre et qui passe ses journées dehors les épisodes côté outils vont pas beaucoup l'aider et le toucher donc voilà c'est pour ça que je voulais qu'on revienne là dessus et vous clarifier un petit peu cette vision voilà il y a aucun souci n'hésitez pas à sauter une semaine sur deux si vous êtes sur un des sujets qui vous correspond pas les thématiques c'est pour tout le monde et c'est inaccessible et ça parle de tech, IA et nos codes et les épisodes côté outils, vraiment sur les outils. Voilà, je pense que le petit point est fait. Je ne sais pas si tu voulais compléter ?
- Lulu
C'est vrai qu'en général, on va mettre en description, donc n'hésitez pas à lire la description. Et s'il y a un outil qui vous intéresse ou quelque chose dont on aura parlé, ça sera dans la description et ça permet de sauter un épisode et pas vous voler une heure de votre temps.
- Manu
Oui, et sachant qu'on les faisait un peu longs, aujourd'hui, on arrivera à faire un épisode court, peut-être. LULU, si tu veux bien nous faire un petit récap' de ce qu'on s'est dit il y a deux semaines sur notre épisode sur l'IA générative où tu nous avais présenté le fonctionnement des LLM et de l'IA générative avec les différentes couches, est-ce que tu peux nous faire un petit récap' en guise d'introduction avant qu'on aille sur notre sujet du jour qui va être vraiment les agents IA et de quoi on parle quand on entend parler des agents IA un petit peu partout.
- Lulu
Il y a deux semaines, on était un peu dans la description de comment sont construits les modèles, comment est-ce qu'ils sont entraînés et les propriétés qui en découlent. Donc concrètement, LLM, Large Language Model, grand modèle de langage, il va prédire du texte, très simplement. On se rend compte qu'au final, c'est plusieurs couches et ce n'est pas juste prédire comme un autocomplete. Il produit du texte plausible en s'appuyant sur un gros corpus de données qu'il a ingéré avec du fine-tuning.
- Manu
Différentes couches d'apprentissage. Le mot fine-tuning peut faire peur, mais on l'explique dans l'épisode, n'hésitez pas à aller l'écouter en entier.
- Lulu
Et il est, l'IA générative telle qu'on la connaît, elle est orientée pour du chatbot, donc être agréable pour de la conversation. Parce que ce n'est pas forcément ce qui en ressort aux premières étapes d'entraînement. Ça pousse un peu à produire des hallucinations parce que l'IA ne va pas vous dire qu'elle ne sait pas. C'est plus qu'elle veut essayer d'être agréable dans la conversation. C'est vraiment très résumé. Mais c'est inhérent à la technologie. Donc, ça ne va pas penser à votre place. Et c'est quand même nous qui orientons les réponses. En fonction de ce qu'on met en entrée, c'est ce qui va orienter. les mots qui vont sortir de l'intelligence artificielle. C'est pas vraiment intelligent, mais écoutez l'épisode d'il y a deux semaines, on en parle un peu plus.
- Manu
Disons que l'IA générative, c'est l'IA que vous allez retrouver dans toute l'IA dont on entend parler aujourd'hui. Vraiment, votre chat GPT, votre cloud, ces outils-là, les fameux assistants que vous allez retrouver un peu partout. Lulule nous avait expliqué les différentes phases d'apprentissage qui vont faire qu'un modèle au début va juste apprendre, on va lui donner de l'information et il va y avoir plusieurs couches avant qu'il devienne un chatbot à proprement parler, donc votre copain de chat GPT avec qui vous allez discuter au quotidien. Et effectivement, il va être là pour vous répondre, il peut être amené à halluciner, à se tromper. et à être conditionné par son rôle de chatbot. En partant de ça, donc ça c'est notre postulat de départ, c'est ce que vous allez utiliser au quotidien. Et là, ce dont vous avez probablement entendu parler, que ce soit aux infos, dans des vidéos YouTube, dans du contenu un peu partout, ce sont les agents IA. Alors, les agents IA, on les voit beaucoup, et même dans les journaux avancés, ou dans du marketing. comme étant cette fameuse IA qui va pouvoir remplacer des personnes et vous dire que vous pouvez avoir une armée d'agents IA et ils vont remplacer vos salariés. Je caricature, et pas beaucoup, parce qu'il y a vraiment ce genre de discours, malheureusement, qui sont aussi véhiculés. Mais en tout cas, le fait de se dire qu'on va pouvoir déléguer à des IA de manière autonome des tâches, comme si c'était des gens, et ils vont pouvoir faire un certain nombre d'actions. et d'interaction à votre place. Alors, de quoi on parle quand il s'agit d'agent ? La première chose, ça va être un peu de... On va essayer de le dissocier, de le distinguer de votre assistant type ChatGPT ou Cloud, ou Gemini si vous êtes sur Google. Un agent, de base, on va lui mettre un profil. On va lui mettre ce qu'on appelle un prompt, des instructions, pour lui donner un rôle à jouer. Ça, ça va être la première chose, c'est-à-dire que votre chat GPT, il va être généraliste, il est là pour répondre à un peu toutes vos questions, vous allez pouvoir lui donner des préférences et ce genre de choses, mais par défaut, il est généraliste. Un agent, son but, c'est d'être spécialisé, donc vraiment d'avoir un rôle, un profil spécialisé. Ça, c'est une des premières choses qui va le dissocier justement de votre assistant classique. La deuxième chose, c'est qu'il va pouvoir enchaîner des actions tout seul pendant très longtemps. Aujourd'hui... Genre pareil, votre assistant, vous pouvez lui poser des questions et vous allez le voir des fois qu'il travaille pendant un long moment parce qu'il va faire des recherches sur Internet, parce qu'il va vous rédiger un document ou un PowerPoint, ce genre de choses. Et donc un assistant classique fait déjà un certain nombre d'actions et peut déjà travailler un certain temps tout seul. Mais l'agent peut aller beaucoup plus loin. C'est-à-dire que le nombre d'actions qu'il va pouvoir faire et le temps de traitement en autonomie qu'il va pouvoir avoir, va être bien plus important. Et quand je dis bien plus important, c'est que ça peut se compter littéralement en heures. Et enfin, la troisième grosse différence que vous allez avoir, toujours pareil avec un assistant classique et un chatbot classique, c'est le fait qu'il puisse avoir des déclencheurs. C'est-à-dire qu'aujourd'hui, pour que votre chat GPT fasse quelque chose, vous devez discuter avec lui. Votre cloud, vous allez... vous placez devant votre fenêtre de conversation, vous allez écrire ou alors enregistrer votre voix pour lui parler, il va recevoir vos consignes et il va commencer à faire ce que vous lui avez demandé. Un agent, il va pouvoir être déclenché de plein de manières différentes, selon l'outil, selon là où il est utilisé, etc. Mais dans le principe, ça veut dire que vous allez avoir par exemple tous les matins ou le lundi matin, un agent qui va aller faire des recherches automatiquement. sur votre calendrier ou sur justement vos rendez-vous de la semaine et qui va vous faire un petit débriefing par mail ou dans un document de votre choix. Et il va tourner tout seul, c'est-à-dire que tous les matins, il va avoir son déclencheur, il va aller faire son travail, vous générez son petit compte rendu et vous le mettre à disposition. Voilà, c'est de ça qu'on parle quand on parle de déclencheur, c'est soit en autonomie. comme ça avec un calendrier et une échéance, soit un autre outil qui va lui envoyer du contenu et déclencher son fonctionnement. Il peut y avoir après plein de manières de faire des déclencheurs, mais on est sur cette logique-là.
- Lulu
C'est vraiment les mêmes déclencheurs qu'on a quand on parle d'automatisation. Ça peut être des Webooks, on envoie une information qu'on définit en amont et l'agent se déclenche quand il reçoit en entrée ce qu'on a défini. ce qu'on a défini comme trigger.
- Manu
Comme déclencheur. Oui. On va essayer de faire attention, comme on a l'habitude de travailler avec ces outils qui sont souvent en anglais, en tout cas dans le côté no code, et il y a aussi encore pas mal. On essaie de se rattraper, mais il y a des petits mots comme ça en anglais qui peuvent nous glisser de temps en temps. Et oui, tu as très bien résumé. On reviendra un petit peu après sur les automatisations. Là, ce qu'on va essayer de faire, tout d'abord... ça va être déjà de vous présenter un petit peu les briques communes qu'on va avoir dans les agents. On verra ensuite, enfin on reparlera du fait qu'il y a certaines de ces briques qui sont aussi aujourd'hui dans les assistants, dans les clouds et les chat GPT, vous allez avoir ces mêmes composants, mais à la base ils viennent de la partie agentique et ils vont permettre d'aller plus loin sur les agents. Est-ce que Lulu, déjà tu veux bien nous présenter la première brique qui va être vraiment le modèle ?
- Lulu
Le modèle qui est utilisé dedans, c'est le même qu'il y a dans les chatbots. Après, l'avantage, quand on passe par des outils pour mettre en place des agents, on peut choisir ses modèles. Ce n'est pas forcément... Comment dire ? Si on est chez un fournisseur particulier, on est obligé d'utiliser ses modèles. Là, on peut, avec des API, prendre un modèle qui est bien adapté, même si ça demande un peu des tests. mais concrètement, c'est les mêmes que ceux qu'il y a dans les chatbots.
- Manu
Oui, alors,
- Lulu
je ne sais pas si...
- Manu
Je sais pas ce que tu parles de l'API, mais ce qu'on va faire, c'est que là, pour les différentes briques qu'on va vous présenter, on va les présenter en parlant de Dust, qui est un outil français qui permet de faire des agents. Pas parce que c'est le meilleur WOT, c'est juste qu'il est plus accessible que d'autres et qu'en fait, les briques telles qu'elles sont présentées dans Dust sont beaucoup plus faciles à prendre en main et à configurer. que vous l'aurez chez d'autres outils. Donc là sur le modèle effectivement ce que vient de dire Lulu c'est que vous avez le choix alors que d'habitude par exemple si vous allez chez Claude vous allez avoir le choix entre les trois modèles de chez Claude donc qui vont être Sonne, Opus et Haiku. Chez Gemini vous allez en choisir deux entre le Flash et le Pro. Chez le GPT vous allez avoir les différents modèles, le GPT 5.4, enfin voilà, vous allez avoir les différents choix. sachant que chaque fournisseur va avoir en gros à chaque fois un modèle plus rapide et un modèle plus complexe et qui est plus intelligent. Sur des outils type Dust et des outils comme ça qui vous permettent de mettre en place des agents, vous allez pouvoir généralement choisir entre plusieurs fournisseurs. Donc soit avec des API, donc en allant discuter avec des outils extérieurs, soit directement dans la plateforme. Dans Dust, vous pouvez directement choisir si vous voulez du Mistral, donc français. soit du Cloud, soit du ChatGPT, soit du Gemini, et ainsi de suite. Et voilà, donc la première chose à faire, ça va être de choisir le modèle. Parce qu'en fonction du modèle, vous allez lui confier une tâche qui va être plus ou moins complexe, et quand vous êtes sur des tâches plus simples, vous pouvez vous permettre de prendre des modèles qui sont plus efficients, plus légers, et moins chers.
- Lulu
Dans Dust, c'est un peu différent. Après, ça dépend aussi comment vous découpez la tâche. Parce que là, ça peut être dans une logique d'automatisation où on fait plusieurs étapes, ce qui pourrait permettre d'utiliser plutôt du petit modèle parce que c'est spécialisé à chaque fois. Mais si on veut mettre en place un orchestrateur ou être sur des choses beaucoup plus complexes, là, il faudra potentiellement un plus gros modèle parce qu'il faut une autonomie un peu plus grande. Parce que le côté agentique, c'est vraiment, on donne en entrée un objectif et l'agent va découper en sous-tâches et trouver le meilleur moyen, avec les outils dont il dispose, pour remplir l'objectif. Et ça va être aussi de pouvoir s'adapter en fonction des conditions. Et le but, c'est de... que nous, on ne vienne pas à chaque étape dire « bah oui, maintenant on fait ça, maintenant on utilise ça, voilà » . Donc c'est vraiment comme ça qu'on parle d'autonomie.
- Manu
Exactement. Mais alors, en plus, tu viens de faire le lien avec la deuxième brique importante qui est la partie instruction, qu'on appelle le prompt. Donc effectivement... L'agent va être défini par son rôle, son profil, à quoi il va servir, donc son objectif en tant qu'IA, on va dire ça comme ça, et en fonction du rôle qu'on va lui donner, ça va nous permettre et nous aider à choisir un modèle qui correspond. Typiquement, si vous avez un agent qui doit juste vous faire, par exemple, vous allez lui envoyer vos comptes rendus de réunion, et il doit juste vous en faire un... un retraitement pour avoir, je ne sais pas, qu'est-ce qu'on pourrait avoir pour les réunions. Isoler les points clés et les objectifs à faire en vue de votre planning de la journée, par exemple. Donc là, vous savez que vous avez besoin d'un tout petit agent, un agent très simple, puisqu'il va juste relire le compte-rendu de réunion, il va repérer les 4-5 trucs dont il a besoin, et il va les sortir pour vous faire un autre petit texte à un autre endroit, ou faire un petit récap. Là, vous aurez besoin d'un modèle qui est très léger. A contrario, et donc là, Lulu, tu parlais d'orchestrateur, c'est exactement ça. Pour vous donner un exemple, je m'étais créé un agent de product management, donc de responsable produit. Donc l'idée, c'est que quand on va développer une application, on a plusieurs couches, puisqu'il va falloir réfléchir aux besoins, créer une base de données, créer de la documentation. Vous voyez, voilà, il y a plein de tâches différentes. Et là on peut avoir un agent orchestrateur responsable produit qui va appeler un agent spécialisé sur la compréhension du besoin, un autre agent spécialisé sur le schéma de la base de données, un autre agent spécialisé sur la rédaction de documentation, et ainsi de suite. Donc là on a besoin d'un orchestrateur qui ait un modèle plus complexe pour aller discuter avec tout ça. Je ne sais pas si tu as d'autres exemples à donner de profils comme ça sur des agents, c'est vrai que je suis beaucoup dans des... des usages produits.
- Lulu
Tu parlais par exemple de la réunion. Alors oui, on peut identifier un peu les objectifs, mais ça peut être aussi d'identifier les tâches à produire et de les assigner aux bonnes personnes. Et aussi, une des choses d'un agent, c'est le côté autonomie, mais il ne fait aussi pas que renvoyer du texte. Il peut agir suivant les permissions qu'on lui donne et les outils auxquels il a accès. Donc, il peut créer des choses. comme un employé, comme une personne le ferait à la main. Là, par exemple, s'il identifie des tâches, il va aller les mettre dans le calendrier, associé tout de suite à la bonne personne, ou, on en parlera dans la brique d'après, aller chercher des précédentes réunions ou le contexte de l'entreprise pour augmenter la réunion et rapporter du contexte et ce genre de choses. Après, sinon, en termes...
- Manu
d'agents ? Après, ce dont on entend beaucoup parler, ça va être sur la création de contenu, donc des gens qui vont faire, soit comme nous, des podcasts, mais après ça peut être justement des posts sur les réseaux sociaux, ce genre de choses, qui vont partir d'un premier article, par exemple, qu'ils ont rédigé, et ils vont avoir des agents qui vont se baser sur cet article pour faire des déclinaisons sur LinkedIn, sur Instagram, sur ce genre de choses. Ça, il y en a beaucoup, des gens qui font des vidéos YouTube et qui prennent ce contenu pour en faire autre chose. On va voir aussi le fait de, par exemple pour des commerciaux, ça peut être de préparer ses rendez-vous. Il y a des agents qui vont être là justement pour dire, bon mais il va aller chercher dans un premier outil, justement dans un CRM, la personne avec qui on a rendez-vous dans telle entreprise. Il va faire une petite synthèse de l'entreprise, du coup de qui il s'agit. La personne a tel rôle et tel poste dans la boîte. Le sujet qui doit être abordé va le choper peut-être dans un autre outil ou dans un premier brief ou ce genre de choses. Et ce qui fait que vous pouvez mettre en place comme ça un petit agent qui va vous préparer en 10 minutes, un quart d'heure, enfin vous donner un truc à lire en 10 minutes, un quart d'heure, qui vous évite d'avoir à faire une ou deux heures de recherche pour préparer un rendez-vous commercial quand vous êtes dans une entreprise.
- Lulu
Puis en sortie de rendez-vous commercial, préparer une proposition commerciale ou un devis. Plus rapidement, il prend le contexte de la réunion et il va travailler un document. On peut lui donner une trame ou d'autres contextes. Il peut aller chercher dans les prix, les différents produits de l'entreprise et dire qu'on définit comme ça, de suivre des règles. J'allais repenser à autre chose.
- Manu
On avait des agents RH aussi, par exemple. Ce dont on entend beaucoup parler, c'est des agents de support, ce genre de choses. Personnellement, pour avoir fait beaucoup de support dans ma carrière, Le coup d'automatiser ça avec des agents, personnellement j'aime pas ça. Et chaque fois que j'y suis confronté, c'est rare que j'ai des bons résultats, et ça a plutôt tendance à m'agacer, et j'en finis toujours à devoir interagir avec des humains. Mais bon, ça reste une des tendances de fond du marché et dans certains cas, ça peut aider. Mais je pensais aux agents, effectivement, RH, où, par exemple, vous avez quelqu'un de nouveau qui vient d'arriver dans la boîte, ou pas nouveau d'ailleurs, mais vous avez besoin, en fait, de mettre à disposition de l'information qui peut être répartie dans plein d'outils. Et là, vous pouvez avoir soit un petit agent qui est là pour l'onboarding, pour dire, ben voilà, je suis nouveau et en fait, chaque fois que j'ai une question ou chaque fois que je ne sais pas ce que je dois faire après pour... avec qui je dois bosser, où est-ce que je peux trouver la documentation sur mon nouveau poste, et ce genre de choses. Un petit agent qui vous permet d'interroger ça et qui est que sur l'SPRH de la boîte ou sur votre service pour vous aider, vous orienter. Ou alors justement des agents qui sont là juste en guise de centralisation de l'information, qui sont connectés à plein de sources de données, et que vous allez interroger eux pour aller savoir où sont les infos et les récupérer rapidement. et avoir les liens des endroits où vous allez trouver l'information, même si derrière, vous allez la consulter en entier, la lire en entier.
- Lulu
Ça, et tu parlais de la partie support client. Il y avait dans un podcast de Datagen, celui sur Carrefour, eux, ils ne le font pas pour remplacer justement les interlocuteurs, mais ça va être plus en amont pour bien adresser le besoin, récupérer en amont toutes les pièces. justificative ou reprendre bien le contexte de la personne avant de diriger vers une personne qui, en parallèle à un autre agent, aurait déjà été recherché la commande, ce genre de choses. Et ça permet de répondre plus vite, de ne pas avoir à jongler entre plein d'outils et d'avoir tout de suite le bon contexte. On est un peu dans cette logique d'augmenter ou d'améliorer le confort. Là, le fait de pouvoir rechercher l'information partout, j'ai l'impression que ça diminue un peu le changement de contexte de fenêtres et ce genre de choses. On peut rester concentré sur sa tâche et je trouve ça assez cool. Mais ça demande quand même de bien définir un process. L'agent intervient dans une tâche qu'on a définie en amont et qu'on sait faire pour pouvoir la décrire. Il ne va pas prendre les décisions à notre place, sinon ça ne donnera pas forcément de bons résultats.
- Manu
Oui, tout à fait. Et là, ton exemple est très bien, c'est vrai, pour le support. Parce que moi, ce qui m'énerve, c'est ce où on est confronté en tant que personne au chatbot final. Mais effectivement, tous les agents qui sont là pour aider le service directement en interne et préparer les dossiers ou aider à identifier comment résoudre un souci ou comment répondre aux clients, ceux-là sont très utiles et très pertinents. C'est vrai que ton exemple est très, très bien.
- Lulu
Là, je pense qu'on pourrait le mettre en... Description, peut-être le lien vers ce podcast, parce que je trouvais ça vraiment intéressant et il travaillait vraiment sur l'interface utilisateur et de se dire que quelqu'un qui a une réclamation, l'interface chatbot ne sera pas la plus pertinente. Mais par contre, le chatbot, l'agent, il va proposer des boutons ou des solutions et l'utilisateur va juste cliquer avec le contexte que lui aura été récupéré dans la base de données client. les procédures et là je trouve que c'est justement intéressant, c'est pas juste mettre un chatbot pour mettre un chatbot et puis parce que c'est à la mode et de se demander vraiment avec l'interface utilisateur et dans ce côté d'assister à des tâches qui sont assez normalisées dans le process
- Manu
Ouais tout à fait et oui on mettra le lien dans la description, d'ailleurs n'hésitez pas à chaque fois On ne peut pas mettre toutes les sources parce que des fois, on cite beaucoup de choses et il n'y a tout simplement pas la place sur Ausha pour mettre tous les différents éléments. Mais en tout cas, les sources, les articles ou les podcasts les plus importants dont on parle dans les épisodes sont toujours en lien dans les descriptions. N'hésitez pas à les consulter. Il y en avait notamment pas mal dans les deux derniers épisodes.
- Lulu
Mais on travaille sur un site et là, on pourra mettre toutes les sources.
- Manu
Oui, mais ne dis pas tout. C'est un peu de suspense. alors donc on a vu les deux premières briques le choix du modèle les instructions donc le fameux prompt-système ensuite là on va traverser les exemples qu'on vient de donner on a aussi sous-entendu une des briques supplémentaires qui va être la brique connaissance c'est à dire qu'à un agent on va de enfin on va devoir, bon c'est une option du cas mais en tout cas c'est beaucoup plus adapté il sera beaucoup plus efficace et pertinent quand on va lui donner accès de la connaissance alors ça peut être soit des choses très légères je lui donner deux trois procédure et quelques éléments complémentaires, soit lui donner directement accès à des dossiers ciblés dans différents outils. Donc typiquement dans Udust vous allez pouvoir lui mettre des connexions vers un Google Drive, vers un Ocean, vers un Sharepoint, vers plein d'outils comme ça d'entreprise que vous avez l'habitude. Alors dans Udust c'est assez pratique en plus parce qu'en gros vous pouvez avoir une connexion au niveau de votre entreprise si vous voulez, de votre Google Drive d'entreprise. Mais après de dire qu'un agent qui est destiné au service RH pour lequel il peut y avoir des données justement qui ne sont pas exposées auprès de tout le monde, il ne va aller pointer que dans le dossier qui concerne les RH sur le Google Drive. Et du coup, le fait de resserrer la connaissance sur ce qui est le plus important va permettre d'avoir un agent plus efficace. Sachant que la connaissance a deux aspects, soit comme je le disais, le fait d'avoir des procédures ou des choses comme ça documentées qu'il a accès en intégralité. Soit quand vous connectez l'agent à un Google Drive ou un Ocean ou ce genre de choses, comme derrière il y a énormément de documents, en fait il n'a pas accès à tout en permanence, il va faire ce qu'on appelle un RAG. Donc un RAG, on ne va pas rentrer dans le détail technique maintenant de ce que c'est, mais partez du principe que ça consiste à avoir des documents qui vont être découpés en plein de petits bouts, qui vont être répartis dans une base de données un peu particulière, et qu'en fait l'IA quand elle va essayer de vous répondre, elle va chercher une correspondance par rapport à tous ces petits bouts pour retrouver les extraits les plus pertinents et de là identifier les documents qui correspondent le mieux. Donc elle n'a pas en tête en permanence tout votre Google Drive. Ce n'est pas possible. C'est un contexte qui est bien trop élevé. Et encore une fois, on a parlé longuement de la taille de contexte aussi l'autre fois quand on parlait d'apprentissage. Un chatbot, c'est comme un agent IA, pardon, c'est comme un chatbot. Il a une taille de contexte qui est limitée. Il a une fenêtre de mémoire qui est limitée. pas avoir accès à tout un drive, mais en revanche il peut avoir accès à cette base comme ça d'extraits où il va piocher, identifier et voir la meilleure chose. Et donc pour que la connaissance marche bien, il faut qu'elle soit, qu'elle existe déjà, il faut lui mettre à disposition.
- Lulu
De manière textuelle, idéalement aussi.
- Manu
De manière textuelle, idéalement.
- Lulu
Ça reste un modèle de langage.
- Manu
Un nuancé, parce que dans les rags, maintenant, aujourd'hui, le découpage d'images et tout se fait... de mieux en mieux, alors c'est pas parfait encore mais en tout cas il y a eu beaucoup de progrès ces dernières années pour des contenus qui soient pas totalement textuels, soit convertis en quelque chose de lisible pour les IA mais effectivement le texte ça reste ce qui marche le mieux et en tout cas voilà il faut de la documentation qui existe, qui soit pas obsolète, qui soit pas incomplète et qui soit aussi organisée de manière structurée parce que si vous branchez tel quel votre Google Drive et que c'est le bordel Merci. l'IA va vous retourner n'importe quoi derrière, même en format agent, parce qu'elle ne va juste pas savoir s'y retrouver. Voilà, donc la partie connaissance, elle est très importante là-dessus. Je ne sais pas si tu veux dire quelque chose sur ce sujet-là, cette brique-là.
- Lulu
C'est vrai qu'on peut se dire que ça peut être mieux de donner accès à un maximum de choses, mais au final, c'est assez vite contre-productif. Et on peut le voir, ça on en avait déjà un peu parlé, c'est que, par exemple, dans nos chaînes, Si on a... énormément de contenu, de pages. Quand on va voir même juste la partie chatbot, ça va être beaucoup moins pertinent parce que tout est vraiment dilué. Et parfois, il peut avoir du mal à trouver les endroits pertinents pour prendre la bonne information. Donc, c'est pour ça qu'aussi, on peut avoir énormément de variabilité entre deux fois où on va faire la même, on va demander la même chose. C'est juste qu'il n'aura pas été pioché au même endroit et ça va jouer énormément sur la réponse. Donc, il vaut mieux avoir quelque chose de précis et spécifique. Et comme tu dis, de faire en amont un peu cette redirection, de dire, OK, il n'y a que là-dedans où il va y avoir des choses pertinentes. Ça ne sert à rien de donner accès à tout le reste. C'est contre-productif.
- Manu
Et ça, de manière générale, ça s'applique aux chatbots et aux agents. Moins il a de contexte, enfin, moins il a de contexte, moins vous remplissez son contexte. Donc, plus vous lui donnez de l'information ciblée dès le départ, plus il sera efficient. et même juste plus efficace. Parce que dès que vous lui remplissez cette mémoire, après, c'est là où l'IA dérape, elle va compacter sa conversation parce qu'il n'y a pas tout qui rentre, donc elle en fait un petit résumé. Quand elle fait un résumé, elle perd des infos et au fur et à mesure que vous discutez, elle sera de moins en moins qualifiée, elle sera de moins en moins pertinente et ça marche. Cette logique-là, c'est pareil que ce soit un agent ou pas.
- Lulu
Oui, et en général, ce qui est assez intéressant, ça va être des logiques métiers, ça va être des choses qui sont plus spécifiques. et vraiment spécifique au domaine dans lequel vous travaillez parce que voilà les largement le modèle enfin les de langage ils ont déjà un peu cet aspect généraliste et des fois il manque juste un peu ces petits détails pour produire des sorties qui sont plus pertinentes
- Manu
Ça ne sert à rien d'aller y mettre trop de choses.
- Lulu
Oui, ce qui est important, en fait, c'est vraiment les procédures et, comme tu disais, la méthode métier. Parce que l'IA, en fait, elle est généraliste, donc elle connaît plein de domaines, elle connaît plein de sujets, mais elle ne connaît pas votre manière à vous de bosser. Celle qui est en interne dans votre boîte, les points qui sont importants, les critères qui sont à prendre en compte, l'ordre dans lequel vous faites telle et telle action, ça, ça ne s'invente pas. Oui,
- Manu
surtout que ce n'est généralement pas des données sur lesquelles elle s'est entraînée, vu que c'est interne.
- Lulu
Donc, pour qu'elle le sache, il faut que ce soit formalisé, donc il faut que la procédure existe. Et c'est un des plus gros obstacles aujourd'hui à la mise en place de l'IA dans les entreprises, l'absence de connaissances et de procédures documentées et d'organisation de l'information pour permettre à l'IA de travailler. Voilà, gardez ça en tête. Alors,
- Manu
juste un mini point d'attention, ce n'est pas pour autant qu'il faut donner accès. à vos données sensibles ou du secret industriel ou ce genre de choses en se disant ah bah oui, mais j'aurai des meilleures réponses. Il faut se dire que même si toute l'interface est sur votre machine pour construire, à partir du moment où on fait appel à du cloud, du chat GPT, du Gemini, ça part sur des serveurs aux États-Unis. Là, c'est plus privé. Donc, il faut penser à quelles données on met et il y a d'autres solutions qui existent. Ça, on pourra... peut-être en reparler, mais par exemple Mistral qui va faire des modèles plus petits avec un modèle de fondation et qui va faire de la spécialisation en l'entraînant sur des données industrielles et vraiment propres au secteur, tout en restant interne. Et vu que c'est des petits modèles, ça peut tourner sur vos propres serveurs. Enfin, il ne faut pas dire ne donnez pas votre contexte parce qu'on vous l'a dit et que ça donnera des meilleures réponses, mais voilà. À garder en tête.
- Lulu
Voilà, la nuance donc. Le contexte est important, plus il est ciblé, moins vous en donnez en volume, mieux ce sera et plus l'IA sera pertinente. Ce qui compte c'est les procédures, c'est votre connaissance, mais effectivement par défaut, si vous l'utilisez là sans que ce soit déployé d'une certaine manière, vous envoyez vos données vers l'extérieur, donc à faire très attention. Et aujourd'hui en entreprise, il y a de plus en plus de moyens de mettre en place des circuits fermés, qui peuvent être complètement souverains dans certains cas, dans d'autres. non, mais qui sont quand même dans des contextes plus sécurisés. Typiquement, les données de santé, ne faites jamais, n'envoyez jamais de données de santé comme ça en roue libre si vous n'êtes pas dans un contexte d'entreprise qui a déjà balisé les choses.
- Manu
Et d'ailleurs, vous serez très sûrement hors la loi en faisant ça.
- Lulu
Oui.
- Manu
Avec l'IA Act qui arrive, l'RGPD, on ne fait pas n'importe quoi avec les données des gens.
- Lulu
Oui, puis les données de santé, en plus, c'est des législations plus dures et plus spécifiques.
- Manu
Ou données bancaires aussi. Ça, c'est des secteurs qui sont très... Bon, généralement déjà sensibilisés à ces questions, mais on n'est jamais trop prudents.
- Lulu
Très bien. Alors, on a parlé des modèles, on a parlé des instructions, donc le prompt système, on a parlé de la connaissance, la brique qui vient après, ça va être la brique outils. Alors, les outils. Il existe aujourd'hui un standard qu'on appelle le MCP. Vous n'êtes pas... besoin de savoir comment ça marche derrière, peu importe, dites-vous juste que c'est quelque chose qui va vous permettre de connecter les IA à différents outils qui existent déjà. C'est un standard qui n'est pas le plus le mieux pensé en termes de performance, donc il peut remplir d'ailleurs le contexte, et bref, il peut influer sur la capacité de l'IA ou d'un agent IA à être vraiment pertinent, mais il n'empêche que que ce soit ça ou d'autres outils, un agent va pouvoir en fait réaliser des actions et interagir de différentes manières. Alors quand on parle d'outils, il peut y avoir par exemple le fait d'aller faire de la recherche sur Internet. Quand il pose une question, il va utiliser un outil pour ça. Quand vous allez lui demander d'aller consulter ou accéder à votre Google Drive, ça va être un outil aussi. Qui peut être de différentes formes, une intégration, un MCP, enfin bref. Mais ça va être un outil qui va les faire. Et dans les outils, il peut y avoir également le fait d'aller appeler un autre agent. Donc, on parlait tout à l'heure de l'argent orchestrateur. Un de ces outils, ça peut être, je te donne accès à un agent documentation. Quand tu as besoin, tu l'appelles lui, c'est lui qui va te rédiger ta doc. Ensuite, j'étais en train de réfléchir à ce qu'il y a d'autres comme outils qu'on voit beaucoup.
- Manu
Alors là, dans le contexte du MCP, ce n'est pas forcément qu'aller consulter de la donnée d'ailleurs. Ça peut agir aussi grâce au MCP.
- Lulu
Oui, oui. J'ai peut-être pas été clair sur ce point, effectivement. voilà par défaut Une fois la frontière un peu mince par rapport aux assistants que vous avez toujours, et les briques dont on a parlé jusqu'à présent, ce sont des briques que vous avez aussi dans les assistants. On en reparlera juste après la différence à nouveau entre les agents et les assistants classiques comme Cloud ou ChatGPT. Mais les outils, aujourd'hui quand vous rajoutez dans votre ChatGPT une connexion à votre Google Drive, votre OneDrive, votre outil d'entreprise, un autre CRM, ce genre de choses, c'est que vous lui donnez accès à des outils. et l'IA va être en mesure de s'en servir pour faire des actions et dans les deux sens de la consultation, de la modification. Et d'ailleurs, c'est là où il faut faire très attention. C'est qu'en fonction de ce que vous allez lui donner comme droit, l'IA peut même être en mesure de supprimer du contenu et de vous faire des bêtises. Et voilà, il y a toute cette notion d'interaction. Ensuite, vous allez avoir en complément des outils ce qu'on appelle des skills. Alors les skills en fait c'est ni plus ni moins que des compétences que vous allez mettre à disposition de l'IA. Donc les skills c'est aussi un standard qui a été apporté par Anthropic, donc par Cloud ces derniers mois, et qu'on commence à retrouver dans de plus en plus d'outils un peu partout, et en tout cas dans l'agentique on va l'avoir systématiquement. Donc cette compétence comment elle va se matérialiser ? Toujours si on va revenir dans Dust, la manière dont vous allez le rédiger c'est un peu plus simple. Donc dans Doze, quand vous paramétrez votre agent, vous allez avoir une fenêtre justement où vous allez choisir votre modèle. Après, vous allez mettre le petit prompt comme on a dit tout à l'heure. Vous allez lui dire, tu peux utiliser telle ou telle source de données qui existe déjà dans mon espace. Tu peux utiliser tel ou tel outil pour réaliser des actions. Et tu vas avoir aussi à disposition ta compétence. Et en fait, ta compétence, ça va être de lui dire à quel moment elle doit s'activer. Et quand elle se déclenche, qu'est-ce que tu dois faire ? Je vais prendre un exemple assez simple, mais que j'utilise en tout cas, et que j'ai vu utiliser aussi pas mal. C'est un skill qui va permettre de rendre l'IA, de faire en sorte que l'IA rédige moins comme une IA. Typiquement les tirés quadratins ou des formulations, des choses comme ça. Personnellement, ça a tendance à me sortir par les yeux. Et même quand elle rédige de la documentation, ça peut être vraiment pénible d'avoir ce genre de... défauts visuels et de défauts de rédaction. Donc, j'ai un skill qui se déclenche dès qu'elle va générer du contenu pour moi, pas quand elle me répond, mais quand elle génère du contenu pour moi, et avec un certain nombre de règles pour lui dire, cette chose-là, c'est typiquement IA, s'il te plaît, ne le fais pas. Et le tiré quadratin, s'il te plaît, ne le fais pas. Ça, c'est un skill, c'est une compétence, une compétence de rédaction. Mais en fait, des compétences, des skills, on peut en avoir de différents types. Ça va être justement pour lui donner des bonnes pratiques, de lui dire, quand tu régis... rédige une documentation, tu vas le faire de telle ou telle manière. Quand tu travailles sur tel sujet, je veux que tu me poses des questions sur telle ou telle chose dans un ordre particulier. Quand tu utilises tel outil, je veux que tu utilises cette arborescence, cette logique-là pour retrouver rapidement l'information et pas que tu passes ton temps à aller interroger tout et n'importe quoi. Il y a plein de manières d'aborder les compétences. Sur les agents dans Dust, ça va être justement des logiques comme ça, beaucoup orientées sur la connaissance, sur la procédure. Mais quand vous êtes sur des agents, on va dire, plus techniques, ça va être même le fait d'aller utiliser des outils de certaines manières, d'aller utiliser des accès vers d'autres outils de certaines manières, comme le ferait un développeur, par exemple. Voilà, je ne sais pas si ça c'est clair.
- Manu
Si, et encore une fois, ça demande de bien formaliser les process internes, de savoir ce que ça mobilise. Et plus on sera clair, plus ça sera écrit de manière qui n'est pas interprétable de plusieurs façons, où il n'y a pas forcément de sous-entendu. Il faut être le plus clair possible, le plus direct. Et ça demande un gros travail en amont. et c'est pour ça qu'on ne peut pas mettre des agents sur des choses qui ne sont pas formalisées et où on a pas forcément la bonne connaissance, les données ne sont pas bien triées, ce genre de choses. Ça va juste produire plus de bruit et plus de mauvais résultats dans la donnée qui n'est pas forcément déjà bien ordonnée. Ça demande vraiment de se poser limite des fois avec vos collaborateurs et de dire, quand on fait cette tâche, qu'est-ce que ça mobilise ? Parce qu'il y a énormément de non-dits ou de sous-entendus en entreprise, et là c'est le moment de les mettre sur le papier et ça servira... à vos agents, mais ça servira aussi au moment où vous allez recruter des gens et qu'il y aura de l'onboarding à faire d'avoir cette documentation-là.
- Lulu
Ah oui, tu es entièrement raison. En plus, tout agent, normalement, devrait être pensé comme ça. Le fait de réfléchir avant à quoi il va servir. et de quoi il a besoin, et dans ce dont il a besoin, comment on fait aujourd'hui. Et du coup, c'est là qu'on repère les infos qu'il n'a pas ou les critères qu'il n'a pas et qu'on doit lui donner, et à travers les différentes briques qu'on a vues. Parce qu'il y a des briques qui iront dans les outils, dans la connaissance, et effectivement des fois dans les compétences ou dans les instructions, dans le propre système. Et sachant qu'il y a une dernière brique qui va rentrer en compte et qui est un peu différente de ce qu'on a dans les assistants, même si aujourd'hui on en a aussi, c'est un système de mémoire à long terme. Puisque le but des agents, c'est qu'ils puissent s'exécuter et tourner pendant longtemps. Et aussi qu'ils puissent, justement, en même titre que votre CGPT, le fait déjà depuis un moment, mémoriser des habitudes, mémoriser des comportements, mémoriser des choses que vous lui avez dit, pour qu'ils puissent s'adapter et être plus efficients. Mais dans les agents, ça peut aller très loin. Et c'est ce qui va permettre à des systèmes qu'on va avoir, comme du cloud code, ou je ne sais pas si vous avez entendu parler... Parler par exemple d'open-clos, ce sont des agents qui peuvent tourner pendant littéralement des heures en autonomie, semi-autonomie dans le sens où au début il faut lui avoir donné quand même des choses à faire, un rôle et un objectif, et assez de matière pour qu'il puisse, assez d'outils pour qu'il puisse agir, mais qui va se débrouiller tout seul pour réaliser les actions les unes après les autres, et quand il est bloqué c'est trouver un contournement et alimenter justement la mémoire comme ça. un peu plus long terme pour continuer à avancer et pour continuer à réaliser son plan d'action. Et petit à petit il va dire, ben ok, cette partie-là j'ai réussi, cette partie-là j'ai coincé, j'ai fait autrement, cette partie-là du coup je ne l'ai pas encore traité, et ainsi de suite. Donc voilà, contrairement à quand vous allez poser une question à votre assistant d'habitude, il va tourner et des fois il ne peut pas prendre 10 minutes, un quart d'heure pour faire quelque chose, un agent il peut littéralement mettre trois quarts d'heure ou une heure pour réaliser des actions. Donc les 6 briques c'était ça, le modèle, les instructions, la connaissance, les outils, les skills, donc les compétences et la mémoire à long terme. Donc si on revient là-dessus, justement on l'a évoqué, ces choses-là, ces briques-là, maintenant on les a dans vos assistants classiques, dans votre chat GPT ou votre cloud classique. Mais maintenant qu'on a vu un peu plus en détail, ça devrait normalement vous parler davantage quand on parle des différences, donc les différences étant le déclencheur. puisque là, je ne l'ai pas cité dans les différentes briques, mais en fait, le déclencheur est une brique supplémentaire, puisque là où l'assistant n'est déclenché que par vous quand vous lui posez une question, un agent, et par exemple, si on prend dans Dust, un agent, ça peut être de dire, il se déclenche tous les matins à telle heure, ou alors quand il y a un autre outil, et du coup, de manière informatique, on envole l'information, et là, il reçoit l'information, il traite, il fait quelque chose, ou alors c'est un autre agent qui est en train de travailler, qui a besoin de lui, qui va l'appeler. Tout ça, ce sont des déclencheurs différents. Donc ça, c'est ce qui change avec votre assistant classique. L'autonomie, on l'a dit, le fait qu'il a son objectif et il va tourner tout seul aussi longtemps que possible pour atteindre cet objectif. Et tant qu'il n'a pas vraiment de frein ou de mur complet, il va continuer à tourner jusqu'au bout. Et enfin, l'usage, puisqu'on l'a vu, votre assistant, il est généraliste, alors qu'un agent, il est spécialisé, il a un profil, il a un rôle.
- Manu
En général, c'est pour ça que je... En termes de conseils, on ne va pas mettre un agent sur une tâche qu'on ne sait pas faire. Pour moi, c'est quelque chose qu'on a déjà fait plusieurs fois et pour laquelle on a formalisé qu'est-ce que ça implique comme connaissance, de quoi j'ai besoin pour bien faire cette tâche. Et on peut commencer à mettre un agent. Alors après, si ça vous fait peur, dans Dust, il y a la possibilité, il y a le sidekick qui te permet d'aider à créer cet agent. on peut déjà même avoir une conversation et de tourner cette conversation en skill ou en agent, de dire, j'ai eu ça en entrée, j'ai ça en sortie. Et sinon, après, le truc, c'est tout de suite demander à l'agent, j'ai envie de faire ça, de quoi tu as besoin pour fournir tel résultat ? Parce que ça demande aussi de savoir quel résultat on veut, de ne pas juste dire, ah oui, mais il faut que ça soit bien, il faut que ça soit précis. Non, non, il faut être soi-même plus pertinent que ça et... donner des exemples et de donner des critères d'évaluation d'une bonne réponse. Donc c'est vrai que ça demande beaucoup de travail en amont, mais vous pouvez demander à l'IA de quoi tu as besoin pour optimiser la sortie, qu'est-ce que je peux te fournir, donc vous pouvez vous laisser guider un peu là-dedans, mais il faut quand même être proactif et c'est quand même vous qui décidez.
- Lulu
Oui, parce que même l'assistant dont tu as parlé, Sidekick, est très très bien parce qu'il va... En gros, il va vous permettre justement de lui dire, je veux un agent qui fait telle chose, et il va vous dire, d'accord, je vais rédiger un premier prompt, et je te propose ces outils, cette connaissance, ce genre de choses. Mais comme disait Lulu, votre partie métier, le fait de savoir ce que vous voulez faire, de quelle manière et les critères, ça c'est quand même du travail que vous avez besoin de faire en amont.
- Manu
Il ne peut pas le deviner tout seul, c'est clair.
- Lulu
Il peut poser des questions, il peut vous aider, mais c'est quand même un travail en deux temps. L'objectif, le rôle et tout ce dont vous avez besoin. Et ensuite, l'assistant à la création qui lui va être là pour formaliser ça correctement dans l'outil.
- Manu
L'idée, c'est de commencer à la limite sur des petites tâches et d'optimiser. Et puis après, d'intégrer déjà ça dans son quotidien, de voir, se dire « j'ajuste déjà » avant de passer sur la rédaction de rapports complets ou de propositions commerciales. Ça demande d'y aller petit à petit, plutôt que de se dire « ah oui, mais non, mais là, j'ai demandé quelque chose, ce n'est pas du tout ce que j'attendais, bon, ce n'est pas pour moi. » Non, il faut essayer, ça reste du liage génératif. pas forcément déterministe. Mais il y a moyen, en donnant, en optimisant et en réfléchissant à toutes ces briques, d'aller vers un résultat qui conviendra le plus possible.
- Lulu
Je trouve qu'un des premiers petits usages qui marche bien, c'est de la documentation. Parce que les IA sont assez fortes là-dessus. Dans la plupart des boulots, vous vous êtes amené normalement à un moment donné, ou alors vous n'avez pas le temps aujourd'hui de le faire, mais vous devriez faire plus de docs. Et ça peut être très très chouette justement là-dessus, de lui donner un peu en entrée. J'ai travaillé sur ce sujet, je n'ai pas le temps de rédiger la documentation, mais pour qu'on ait une trace de ce qui a été fait, est-ce que tu peux le rédiger ? Ça c'est des petits agents, quand vous êtes sur de la petite documentation qui fait une ou deux pages, ça le gère très bien et ça vous soulagera déjà au quotidien. Et si vous le faisiez déjà, vous n'avez plus à le faire à la mano, ça va beaucoup aider. Et si vous ne le faisiez pas, ça vous permet d'avoir... une source d'information pour votre boîte qui est utile et qui s'applique dans le plein de domaines. Mais les petits agents de documentation, en tout cas, moi je recommande au début, c'est simple à mettre en place et c'est assez utile.
- Manu
Et je dirais dans un premier temps de ne pas donner trop de permissions non plus. Surtout pas d'aller modifier de la donnée qui est créée de manière traditionnelle. Mais de si vous faites générer Merci. des choses, de les mettre peut-être à part dans un premier temps pour effectuer un peu de contrôle qualité et surtout pas donner la main parce qu'elle est supprimée et à un moment il se dit, ça peut être bien de supprimer la base de données ou ce genre de choses. Voilà. Il y a quelques petites histoires comme ça.
- Lulu
C'est pas que des légendes, ça arrive.
- Manu
Oui. Et des fois c'est juste parce qu'il y a des bugs où il se dit, bon bah je l'ai copié-collé, mais plutôt que de copier-coller, je vais prendre, ça supprime. et il s'applante et il ne leur met pas. Donc c'est tout à fait possible.
- Lulu
Très bon exemple, parce que tout à l'heure, on parlait des MCP, et c'est vrai que la plupart des outils qui sont utilisés en MCP, souvent, quand l'IA va rédiger du contenu dans une page où il y a déjà du contenu, sur certains outils, elle ne peut pas juste modifier facilement. Elle peut être amenée, et Notion le fait beaucoup, à supprimer le contenu de la page ou d'une portion de page pour ensuite le remettre. Sauf que quand elle plante à ce moment-là, elle pourra. des milliers de raisons différentes, soit vous allez vous retrouver avec un gros trou dans la page, soit elle va réussir à bricoler une réponse, mais vous pouvez avoir des manques et de l'information qui est littéralement perdue. Et là, si vous n'avez pas un historique de version, si vous n'avez pas une ancienne copie de la page, un brouillon, quelque chose, vous êtes marrant. Donc faites très attention quand vous utilisez l'IA dans ces conditions-là. Et ça arrive plus souvent qu'on le croit, la suppression de boutons. de page pour le coup.
- Manu
Ça demande de vraiment beaucoup contrôler parce que là, on parle d'une page, bah oui, on peut se dire, oui, mais je le vois s'il me supprime ma page. Oui, mais s'il agit sur plusieurs pages en même temps, c'est dans pas mal de bases de données, on peut s'en rendre compte assez longtemps après et pour retrouver à quel moment, retrouver quelle version, surtout si après ça s'empile, ça devient après presque impossible. à bien redémêler. Voilà, donc on commence doucement. On fait peut-être sur des jeux de données à côté. On coupe. Ça peut être de simuler un environnement, ce genre de choses, mais ça demande beaucoup de tests quand même.
- Lulu
Oui, tout à fait. On va aussi évoquer le cas des automatisations avec de l'IA, qu'on n'ira pas dans le détail là, parce que ce n'est pas l'objet, c'est assez technique, ça s'adresse... ou plutôt un autre profil, mais il est bon de savoir quand même que ça existe et que c'est un des cas où les agents sont très utilisés en entreprise. c'est que les automatisations existaient déjà avant l'IA, donc il y a des outils qui sont spécialisés là-dedans, de se dire on va brancher un outil A à un outil B, au milieu on va mettre en place tout un traitement, tout un workflow, pour qu'il y ait différentes actions qui soient faites, et vous évitez de faire des copiés-collés à la main, de faire des actions à la main répétitives, et ce genre de choses. Les automatisations, dans le principe, à la base, c'est ça. Et de lier justement plusieurs outils en une seule fois. Aujourd'hui, ce qui est possible de faire, c'est de rajouter des agents IA au milieu, à des endroits précis. Donc pas de dire, en fait, l'agent ne va pas être là pour remplacer l'automatisation, puisque si vous avez une automatisation, c'est qu'il y avait toute une part de règles logiques et déterministes, ça il faut le conserver. En revanche, l'agent devient pertinent à partir du moment où vous allez le mettre à des endroits clés, où il peut y avoir du dynamique et de l'imprévisible, et où lui va devoir trancher en disant, ben voilà, je viens de recevoir ce texte-là, Je vais le lire, je vais en déduire de quoi il s'agit, si c'est un rapport, si c'est une facture, si c'est de la documentation. Et en fonction de ça, je vais lui mettre des balises spécifiques. Et je vais ressortir ce contenu. Et le contenu, le texte qui sort avec ces balises, va suivre le reste de l'automatisation de manière déterministe. Et vu que cette balise est associée au texte, le texte ira automatiquement à tel endroit, de manière automatique et déjà planifiée, déjà encadrée par des règles et une logique. Et voilà, les automatisations avec de l'IA, aujourd'hui elles ont du sens. Dans des usages d'entreprise, j'ai l'impression que c'est quand même de plus en plus utilisé, et de plus en plus utile, peut-être même plus des fois que des chatbots, ou des assistants ou des agents, selon les cas de figure. Et voilà, ça peut être très puissant. Gardez en tête que ça existe et que ça fonctionne comme ça. Et que quand vous avez moyen d'automatiser des choses sans IA, faites-le d'abord sans IA. C'est plus fiable d'avoir des règles, d'avoir des contrôles. Mais dans des cas où il y a de l'imprévisibilité, besoin d'une réflexion et d'une analyse, c'est là où on peut mettre des briques d'IA dedans.
- Manu
Oui, d'ailleurs, ce n'est pas l'un ou l'autre. Il y a moyen de faire du mixte. Et en général, c'est... même un peu plus puissant que juste donner un gros prompt système, parce que ça permet aussi d'apporter le bon contexte lié au moment où il y a cette réflexion agentique.
- Lulu
Oui, et on va terminer quand même avec les quatre grandes familles d'agents. Enfin, quatre grandes familles. Il peut y en avoir plus, l'idée ce n'était pas d'être exhaustif, mais en tout cas de vous donner un petit peu les grandes tendances et les gros types d'outils que vous pouvez trouver en agentique aujourd'hui, puisqu'il y a plein de mots vous avez dû entendre ces derniers mois, même à travers la presse, les médias et ce genre de choses. Le premier système sur lequel je vais revenir, c'est typiquement ce que vous avez avec du dust, dont on a parlé tout à l'heure. Pourquoi ? Parce que du dust, il a des alternatives, des concurrents, mais c'est l'idée d'avoir une plateforme qui est accessible, que n'importe qui peut prendre en main. Alors, ça ne veut pas dire que c'est simple de... définir et de configurer un agent puisque comme on l'a dit il faut se questionner avant, il faut y réfléchir, il faut avoir compris les différentes briques qu'on vous a expliqué aujourd'hui. Ça tombe bien on vient de vous briefer dessus donc maintenant vous saurez de quoi ça parle et à quoi ça sert la prochaine fois que vous mettrez les mains dans un outil comme ça mais Dust va être plus accessible puisque justement tout est entre guillemets simple, vous avez des petites fenêtres pour remplir votre instruction, pour choisir votre modèle, il va vous proposer des outils, vous avez le sidekick à côté, le petit assistant. qui est là pour vous aider à paramétrer votre agent. Vous pouvez facilement faire des connexions avec un Google Drive, etc. Et même pour un système informatique, c'est assez simple de mettre en place ce genre de choses. Et quand vous êtes dans une boîte, vous pouvez très bien avoir quelques personnes ou un référent par service qui va être l'architecte de votre service et qui va faire les différents agents pour le reste de l'équipe. Et vous, en tant qu'utilisateur derrière, vous allez juste arriver, accéder aux agents qui sont réservés à votre équipe. et ceux que vous avez accès au niveau de la boîte et les utiliser. Ils sont déjà prêts, ils sont déjà paramétrés. La logique d'utilisation est très simple parce que vous avez tant de messages à utiliser par jour. Par défaut, c'est 100 et je crois que sur les entreprises, c'est 200 par personne et par jour. Voilà, donc c'est pour quelqu'un de ce qu'on appelle des métiers, donc ça veut dire des gens qui ne sont pas justement des profils techniques ou du service informatique. C'est assez simple d'accès à prendre en main. Pour les utilisateurs finaux, c'est d'autant plus simple puisque c'est comme d'utiliser un chat GPT déjà paramétré. Et voilà, cette famille-là, je ne sais pas comment on peut dire, mais en tout cas c'est... les plateformes d'agents orientées vers les métiers, accessibles et semblent à prendre en main. Ensuite, vous allez avoir de l'agentique vraiment orientée de développement, comme Cloud Code. Pas d'argiverser là-dessus, c'est juste à prendre en compte que c'est l'outil qui a fait beaucoup de remue-ménage et apporté beaucoup de changements au niveau de l'IA sur la dernière année, en s'adressant directement aux développeurs. et en permettant justement aux développeurs d'aller utiliser plein d'agents pour coder de manière beaucoup plus rapide et de venir plus que de rédiger même le code, en fait, de devenir des managers d'IA et des managers d'agents IA qui rédigent le code pour eux. Et après, donc, ça va être à eux de penser, en fait, le code, de réfléchir à, OK, je veux que tu fasses ça de telle manière, à tel endroit, et de relire après le code, de le vérifier, de le contrôler. Voilà. Et en fait, les... beaucoup d'innovations qui sont arrivées à travers Cloud Code sont justement après apportées dans les autres couches de différentes manières pour en tirer parti. Mais Cloud Code était déjà le premier, en tout cas un des premiers, à permettre du travail en automatique pendant un long moment. Ensuite, on va avoir... Lulule, n'hésite pas à me compléter là, parce que j'enchaîne un peu. Non,
- Manu
mais je me dis que Cloud Code, on pourra faire un épisode outil dessus. Il y aura largement... quoi et que même si on n'est pas technique et pas développeur ça permet quand même de faire des choses, bon encore une fois pareil on va pas lancer une application avec des données utilisateurs quand on n'est pas dev et qu'on n'a pas un minimum de sensibilisation mais pour des petites app internes ou ce genre de choses pourquoi pas pour en parler un petit peu du coup peut-être un épisode plus vibe coding que cloud code tout seul parce que cloud code il reste quand même un peu
- Lulu
Un peu plus coton quand même, quand on entend le détail. Mais oui, on parle de vibe coding, mais c'est le développement assisté par IA. C'est vrai qu'aujourd'hui, il y a des outils qui vous permettent de créer des applications ou des sites. Et en tout cas, ça marche très bien pour des sites vitrines ou des pages de vente ou des choses comme ça. C'est des choses qui peuvent être à peu près sans risque et que vous pouvez mettre en œuvre beaucoup plus facilement en discutant avec une IA. qui peut être très intéressant et là pour le coup dans plein d'usages, que ce soit à titre personnel, professionnel, pour des assos, pour ce genre de choses. Quand vous allez sur de l'application avec des données utilisateurs, là par contre, c'est pas que c'est pas possible, mais il y a beaucoup plus de réserves à avoir et il faut se renseigner avant puisque là c'est un peu plus cotant en termes de sécurité pour qu'il n'y ait pas de données perdues, de failles de sécurité, ce genre de choses. Mais voilà, donc on a dit qu'on avait Dust comme système, on a Cloud Code. Et après les deux autres grands et nouvelles tendances qui sont arrivées sur ce début d'année, fin d'année dernière, ça va être Cloud Cowork et Open Cloud. Alors Cloud Cowork, le principe c'est qu'il va être, vous allez avoir votre assistant sur votre ordinateur, comme vous aviez déjà par exemple du Cloud classique, et ce qu'il va ajouter c'est le fait d'aller interagir sur vos documents dans l'ordi. Donc l'intérêt de cette solution et ce pourquoi ils l'ont amené, C'est de se dire que Cloud Code c'est trop poussé pour quelqu'un qui n'a pas envie d'aller dans le développement, dans le code, et puis en plus les interfaces sont un peu plus austères, un peu plus complexes, ce genre de choses. Mais les gens peuvent avoir besoin de manipuler des documents dans leur ordinateur, d'avoir de l'interaction, et Cloud Co-Work s'adresse à ça. Donc le fait d'aller, il va pouvoir vous générer par exemple des Excel, des Word et ce genre de choses, mais du coup aussi aller attraper ce que vous avez déjà dans l'ordi pour... les ouvrir, les lire, les consulter, les modifier, ce genre de choses. Sans que ce soit dans un Google Drive, sans que ce soit sur un SharePoint, ce genre de choses. Il peut travailler directement sur votre machine.
- Manu
Mais ça part quand même aux Etats-Unis. C'est pas parce que c'est en local que ça... Voilà.
- Lulu
Oui, tout à fait.
- Manu
On peut se dire, non, mais ça va, il a interagé sur mes fichiers locaux, donc c'est en local. Il y a des moyens de le faire en local, mais on ne va pas développer ça. Mais il faut savoir qu'à partir du moment où il le lit, où il y a accès, ça reste pion local. Voilà, donc c'est aussi à savoir.
- Lulu
Le modèle en lui-même n'est pas local, effectivement.
- Manu
Voilà, c'est ça.
- Lulu
Il continue à être utilisé.
- Manu
Et ce n'est pas parce qu'on décoche la recherche Internet ou ce genre de choses que ça veut dire qu'il n'interagit plus. Voilà, je préfère préciser. Et là, on va dire que ça va un peu toucher, ça va révolutionner la bureautique. Enfin, de presque plus avoir à changer de fenêtre et juste être en mode conversationnel avec son ordinateur. Oui, puisque la tendance de ce type d'outils, c'est de vous faire aller de moins en moins dans du Word et dans du Excel pour travailler votre donnée dans la conversation et faire générer de plus en plus de documents à partir de là. Donc c'est la tendance, aujourd'hui elle va prendre un certain temps quand même à être adoptée, à être mise en place à l'échelle d'équipe et à l'échelle d'un utilisateur, ça va convenir à certains types de postes et ça peut être très pertinent. à l'échelle d'équipe pour être sécurisé, mis en place, mis en commun et que ce soit un peu intéressant pour tout le monde. C'est un peu plus... Enfin, pas délicat, mais en tout cas, voilà, ça se réfléchit d'une autre manière. Et c'est ce qui a amené derrière un... Enfin non, c'est un peu l'inverse d'ailleurs. OpenClaw est arrivé avant. Mais OpenClaw, lui, si vous en avez entendu parler, c'est en mode... L'IA qui travaille toute seule pendant des jours et qui fait le café et tout ce qui va bien. et qui va vous remplacer demain dans votre boulot parce qu'elle peut tourner pendant 24 heures d'affilée en faisant des milliards de choses. Le concept derrière, c'est de se dire, ok, justement, l'aspect local, c'est intéressant puisque ça va travailler sur votre ordi. Déjà, Cowork peut aller cliquer à votre place. Donc, il peut ouvrir un navigateur Internet, il peut aller faire des clics. C'est clairement pas là où il est le meilleur. Mais la force de ce truc-là, c'est qu'en fait, quand il... avant d'aller cliquer dans votre navigateur, s'il doit aller accéder à de la donnée ou faire des choses, il peut commencer à développer, en fait il va coder des petits bouts de choses pour aller faire des actions. Et c'est ça qui rend le concept et cette plateforme assez puissante, le Cowork, et OpenClaw c'est ça mais encore plus poussé. C'est vraiment de se dire, on lui donne les accès sur sa machine, on lui donne l'accès aux mails, l'accès aux différents outils, l'accès aux API, on lui donne sa CB quand on est très confiant. Et à partir de là, on lui donne un objectif et l'agent va être en mesure de travailler en autonomie très longuement, de plein de manières. Et avec plein d'outils, il peut aussi dépenser votre argent, mais dans le sens où il va pouvoir avoir des interactions très poussées. Et c'est un peu une vision assez SF, assez fantasmée par beaucoup. justement cet ordinateur qui devient vraiment un assistant autonome auquel on va confier quelque chose, une tâche qui est un peu comme un jarvis dans Iron Man et ce genre de choses. Fais-moi ci, fais-moi ça, et pendant qu'on fait autre chose et qu'on travaille sur autre chose, l'agent va travailler en totale autonomie sur la machine pendant des fois très longtemps pour aller faire un certain nombre d'actions et d'interactions. Aujourd'hui, la grosse limite à ça, assez unanimement reconnue, c'est la partie sécurité puisque du coup... Du coup, par défaut, les IA, on l'a déjà dit, peuvent se tromper, peuvent faire des erreurs, etc. Littéralement, ils peuvent faire des conneries. Et en plus de ça, à partir du moment où vous lui donnez des autorisations et des accès à tout, ça veut dire qu'il peut aller interagir un peu partout. Et donc, s'il est exposé à du hacking ou à des fichiers malveillants ou à ce genre de choses, il peut vous en mettre partout. C'est une grosse passoire en termes de sécurité. Et voilà, je ne sais pas trop quoi vous dire. vous en dire de plus d'OpenClaw, si ce n'est que ce n'est pas ce que je vous recommande aujourd'hui ?
- Lulu
Pas non plus tomber dans le côté, c'est génial parce que il est capable d'agir tout seul pendant des heures, parce que s'il n'a pas de direction, il peut tourner aussi, c'est bien, il va faire des tâches, mais s'il n'a pas une direction, une vision, c'est bien, il va faire des choses, mais on n'a plus du tout la main dessus, on ne sait pas exactement ce qu'il fait, et ça n'empêche pas que s'il se trompe... plus ou moins dès le départ, ou qu'il y a quelque chose où il y a un peu d'incertitude, ça va s'amplifier d'autant plus. C'est pour ça, là, on revient un peu à ce truc de commencer par mettre de la gentille sur des petites tâches où vous avez une entrée, une sortie, avec déjà des exemples, vous savez ce que vous attendez, vous pouvez itérer assez facilement, que de déléguer tout de suite tout.
- Manu
Oui, puis en plus, open-close, on le dit en tournant longtemps, mais ça peut vite vous coûter très cher aussi. Parce que là, on n'est pas sur un système à abonnement. Et ça me fait penser qu'il y a quelque chose d'important que je n'ai pas dit, c'est qu'à la base, OpenClaw est open source. Donc on verra si ça restera ou pas. Mais c'est vrai qu'il a fait beaucoup de bruit, beaucoup fait parler de lui en arrivant, puisqu'en gros, ça arrivait comme une plateforme qui n'était pas rattachée directement à un des gros acteurs. Depuis, il a été racheté par OpenAir, maintenant c'est le cas. Il est rattaché. Mais il y a cette logique de se dire, On a un... une plateforme qui est ouverte, qu'on peut brancher à toutes les IA qu'on veut et des modèles aussi ouverts, et en tirer parti pour devenir autonome et se passer complètement des suites bureautiques et des outils classiques. Et d'ailleurs, il y a quand même des tendances, en tout cas, de passer des choses qui invitent à la réflexion en se disant que les anthropiques et OpenAI auraient tout intérêt à tuer ce type d'outils pour éviter de perdre la main sur l'écosystème qu'elles essaient de créer. Parce que d'ailleurs, on peut expliquer le fait qu'OpenAI ait acheté ça assez rapidement, mais anthropique aujourd'hui est devenu incontournable. leader en tout cas dans le marché professionnel puisqu'ils créent l'écosystème. Ils ont fait très fort avec Cloud Code. Ils ont été là pour suivre un peu cette tendance et essayer de le développer. Ils avaient donc déjà Cloud qui était très orienté entreprise depuis le début, qui était connecté puisque vous avez des extensions Cloud dans Microsoft aussi. Vous avez Cloud pour Word, Cloud pour Excel. Ils ont vraiment pénétré très fort le marché de l'entreprise.
- Lulu
Mieux que Copilot.
- Manu
beaucoup plus que Copilot. Et dernièrement, ils ont rajouté la semaine dernière Cloud Design, donc aussi pour aller rajouter une couche de maquettage et de choses comme ça. Donc vraiment, sur le milieu professionnel, Anthropique est très très fort, et tout l'écosystème qu'il crée, justement, est un peu antithétique avec un Open Cloud. Et voilà, donc on verra un peu comment ça évolue. En tout cas, l'agentique aujourd'hui s'impose sur le marché de plus en plus. Vous avez... Comme on vient de l'évoquer, il y a plein de plateformes différentes et il y a des manières beaucoup plus accessibles de s'en servir. Et vous pouvez mettre en place dans des entreprises sans que ce soit des choses qui font peur avec du code et avec beaucoup de techniques. Il y a des solutions qui existent. Et en même temps, si vous voulez aller sur des choses plus puissantes, plus complexes, c'est possible aussi. Aujourd'hui, ça existe. Et la tendance de fond qui a l'air de se dessiner, même si là, elle est peut-être un peu en stand-by en ce moment. c'est quand même cette volonté d'aller sur des interactions sur le local et d'avoir des machines qui travaillent sur votre poste et qui font des choses en dehors de vos logiciels en ligne. Voilà pour aujourd'hui. Je pense qu'on a fait un joli tour de l'agentique. En tout cas, on vous a présenté les différentes briques d'un agent IA, en quoi ils sont différents avec les assistants. On a terminé sur les différents systèmes qui existent et les tendances. Ce n'est pas exhaustif. Sur les systèmes, il peut y en avoir plus. détails, mais en tout cas vous avez les grandes familles. Lulu, est-ce que tu penses qu'on a raté des choses ou qu'on a...
- Lulu
Non, je pense que ça peut être bien, on peut faire vite fait quelques rappels. On a été plus long forcément que ce qu'on avait prévu, comme toujours. Mais je pense qu'on peut passer à la conclusion et je te laisse commencer.
- Manu
Oui, la conclusion elle est conclue. Non, c'est qu'on a fait le tour de tout ça, alors on se retrouvera la semaine prochaine pour un épisode côté outils. Comme on l'a dit au début de l'épisode, si vous bossez avec des outils numériques, on se retrouve la semaine prochaine dans le côté outils, ça devrait vous intéresser. Si ce n'est pas le cas, on peut se retrouver dans deux semaines pour le prochain épisode thématique, pour lequel on ne va pas teaser parce qu'on n'a pas encore décidé du sujet, tout simplement.
- Lulu
Sinon, on va se teaser nous-mêmes aussi. Oui.
- Manu
Mais on se retrouvera donc en... semaine prochaine ou dans deux semaines en fonction de ce qui vous intéresse n'hésitez pas à venir nous contacter sur LinkedIn par mail enfin vous voulez pour échanger ou nous donner des suggestions de thèmes et d'idées dont vous voulez qu'on parle dans les prochains épisodes on essaiera d'aller sur un petit peu autre chose en tout cas que l'IA puisque là on vous a fait deux petits dossiers et d'un côté outil on va reparler d'IA d'ailleurs mais on ira probablement sur d'autres choses merci beaucoup nous avoir écoutés. Et vraiment, s'il y a des choses qui n'étaient pas claires dans cet épisode ou celui de l'autre fois sur l'IA ou en tout cas des petits bouts sur l'IA que vous voulez qu'on aille creuser et clarifier davantage, n'hésitez pas à nous le dire. Ce sera avec plaisir justement qu'on pourra revenir sur certains concepts.
- Lulu
Oui, voilà. Et puis, vu que les épisodes ne sont pas encore assez longs, on peut prendre un temps au début ou à la fin pour répondre aux questions.
- Manu
Et on a fait beaucoup plus court que d'habitude. Félicitations. Je te félicite.
- Lulu
De mes mains, j'y croyais pas. Donc c'est cool.
- Manu
Merci Lulu de m'avoir accompagnée. Bonne journée ou bonne fin de journée, selon quand vous nous écouterez. Et à très bientôt pour un autre épisode du Dernier Clic.
- Lulu
Salut, salut.