Comment les agents IA vont tout changer dans le monde du SaaS en 2025

Traduction d’un article original de : Ori Ziv

Le monde du Software-as-a-Service (SaaS) est à la veille d'un changement sismique. Avec les progrès rapides de l'intelligence artificielle, et en particulier des LLM (Large Language models), les agents d'intelligence artificielle apparaissent comme des outils transformateurs prêts à redéfinir la manière dont les plateformes SaaS fonctionnent, fournissent de la valeur et interagissent avec les utilisateurs. D'ici 2025, on peut s'attendre à ce que les agents d'IA ne se contentent pas d'améliorer les systèmes existants, mais qu'ils soient également à l'origine de la création de modèles commerciaux entièrement nouveaux. Récemment, le concept d'agents verticaux d'IA a connu un essor important, suggérant un changement de paradigme potentiel encore plus transformateur que le SaaS traditionnel. Comme le souligne YC dans le podcast Lightcone, ces agents spécialisés, conçus pour s'intégrer profondément dans des industries et des cas d'utilisation spécifiques, sont sur le point de créer une toute nouvelle catégorie d'opportunités commerciales. Avec des projections qui laissent entrevoir l'émergence de centaines d'entreprises d'un milliard de dollars dans cet espace, les agents verticaux d'IA pourraient dépasser les SaaS d'un ordre de grandeur. Satya Nadella, PDG de Microsoft, a offert une perspective visionnaire sur la façon dont les agents d'IA vont remodeler le paysage SaaS, prédisant un changement fondamental dans la façon dont les applications d'entreprise sont conçues et utilisées. Dans une récente interview B2G podcast, il a suggéré que la structure traditionnelle des SaaS - essentiellement des bases de données CRUD (créer, lire, mettre à jour, supprimer) régies par la logique métier - pourrait s'effondrer à l'ère de l'IA agentique. Dans cet article de blog, je vais essayer de plonger dans le monde des agents d'IA et de l'explorer :

• Qu'est-ce qu'un agent d'IA ?
• L'évolution des systèmes à agent unique vers les systèmes d'IA multi-agents.
• Les plateformes permettant la conception et le déploiement d'agents d'IA.
• Comment les interfaces homme-agent vont-elles évoluer ?
• Pourquoi les agents d'IA ont le potentiel de perturber le marché des SaaS ?

Qu'est-ce qu'un agent d'intelligence artificielle ?

Les agents d'intelligence artificielle sont des programmes logiciels dotés d'une intelligence artificielle, généralement basée sur un modèle de fondation, conçus dans le but d'effectuer des tâches spécifiques de manière autonome. Ces agents sont conscients du contexte, orientés vers des objectifs et capables d'apprendre des interactions avec leur environnement ou les utilisateurs.

Les agents d'intelligence artificielle sont comparables à des assistants virtuels, mais ils sont beaucoup plus spécialisés et compétents. Ils peuvent automatiser des tâches répétitives, analyser des données complexes, prendre des décisions et interagir avec les utilisateurs et les systèmes pour atteindre des objectifs définis. Pour devenir autonomes, ils seront équipés d'outils et de capacités tels que l'appel de fonctions, la mémoire, la capacité de faire des recherches sur l'internet ou d'effectuer des opérations CRUD sur des systèmes externes.

Par exemple, un agent d'IA dans une plateforme SaaS CRM pourrait gérer de manière autonome les interactions avec les clients, programmer des suivis et fournir des analyses prédictives aux équipes de vente.

Anatomie d'un agent d'IA

À la base, un agent d'IA est construit sur un modèle de base, généralement l'un des grands modèles de langage (LLM) tels que GPT4, Claude, Gemini, etc. ou les petits modèles de langage à faible coût (SLM) qui conviennent le mieux à la tâche spécifique pour laquelle l'agent a été conçu. L'invite du système sert de cadre d'orientation, définissant l'objectif de l'agent et le format de ses résultats. Pour que l'agent soit adapté au contexte, il est connecté à une base de connaissances ou à une source de données externe, ce qui permet de fonder ses réponses sur des informations précises et spécifiques au domaine. Une approche courante de cette intégration est le modèle RAG (Retrieval-Augmented Generation), qui combine la recherche de données externes avec des capacités de génération. Au-delà de sa compréhension fondamentale, l'agent est équipé d'une boîte à outils - des capacités et des compétences spécialisées lui permettant d'effectuer des actions de manière autonome, de déclencher des flux de travail ou de résoudre des tâches alignées sur ses objectifs. La coordination de tous ces composants est assurée par l'orchestrateur, qui est le ciment de la fonctionnalité de l'agent. L'orchestrateur traite les entrées des utilisateurs, gère les opérations internes et fournit des résultats cohérents soit directement à l'utilisateur, soit à d'autres agents dans des systèmes impliquant des interactions multi-agents.

Enfin, une expérience utilisateur optionnelle exposera les capacités de l'agent à l'utilisateur final, si une interaction utilisateur est nécessaire. Dans les systèmes multi-agents, certains agents ne communiqueront qu'en interne avec les autres agents du système, tandis que d'autres communiqueront avec les utilisateurs finaux.

Anatomie de l'agent (source : Microsoft Ignite 2024)

Des systèmes d'IA mono-agent aux systèmes multi-agents

En 2025, nous assisterons à une transition significative des solutions d'IA mono-agent vers les systèmes multi-agents.

• Systèmes mono-agent : Il s'agit de modèles d'IA ciblés et spécifiques à une tâche, comme les chatbots intelligents. S'ils sont efficaces dans des scénarios isolés, ils sont limités dans la gestion de flux de travail complexes et interconnectés. Les systèmes à agent unique nécessitent généralement la présence d'un humain dans la boucle, qui fournit un retour d'information continu.
• Systèmes multi-agents : Ils impliquent un réseau d'agents d'intelligence artificielle qui collaborent pour résoudre des problèmes ou atteindre des objectifs nécessitant des compétences diverses. Pensez à une équipe qui communique en interne, se critique et améliore ses résultats afin de résoudre une tâche donnée, par opposition à un agent unique qui ne reçoit ses informations que de l'humain qui communique avec lui. Par exemple, dans une plateforme SaaS de gestion de projet, un agent d'IA pourrait hiérarchiser les tâches, un autre pourrait prévoir les risques liés au projet et un troisième pourrait s'occuper de l'allocation des ressources - tous travaillant en harmonie. Ces systèmes imitent les équipes humaines, où chaque agent apporte une spécialisation unique. Les systèmes multi-agents sont particulièrement intéressants parce qu'ils peuvent s'adapter dynamiquement à de nouveaux défis, déléguer des responsabilités et même négocier les uns avec les autres pour optimiser les résultats. Les systèmes multi-agents visent à réduire au minimum l'intervention humaine dans la boucle, en demandant la supervision et/ou l'approbation de l'homme et en ne prenant des mesures que lorsque cela est nécessaire ou prévu.

Plateformes et outils pour la construction et la conception d'agents d'IA

La prolifération des agents d'IA a déjà été favorisée par les plateformes qui rendent accessibles leur conception, leur formation et leur déploiement. Ces plateformes fournissent généralement

1. Des modèles d'IA préconstruits : Modèles préformés prêts à l'emploi et prêts à être déployés dans le nuage.
2. Personnalisation : Outils permettant d'adapter les agents d'IA aux besoins spécifiques de l'entreprise.
3. L'évaluation : Outils permettant d'évaluer la qualité et la sécurité de l'agent d'intelligence artificielle, ainsi que sa communication dans l'environnement.
4. Intégrations : API et connecteurs pour intégrer les agents d'IA dans les plateformes SaaS existantes de manière transparente.
5. Cadres multi-agents : Plates-formes avancées offrant des modèles et des protocoles pour la collaboration multi-agents. Ces cadres incluent souvent la capacité de simuler le comportement de plusieurs agents au sein d'un système. Voici quelques plateformes et outils émergents à surveiller Semantic Kernel : Un kit de développement léger et open-source de Microsoft qui vous permet de construire facilement des agents d'intelligence artificielle et d'intégrer les derniers modèles d'intelligence artificielle dans votre base de code C#, Python ou Java. Il s'agit d'un logiciel intermédiaire efficace qui permet de fournir rapidement des solutions d'entreprise. LangChain : Comme semantic kernel, LangChain est une boîte à outils OSS pour la construction d'applications alimentées par des modèles de langage, souvent utilisés pour concevoir des agents conversationnels. Il propose des SDK Javascript et Python pour la programmation. API d'assistant d'OpenAI : Avec GPT-4o, o1 et au-delà, les développeurs peuvent créer des agents de plus en plus sophistiqués et les déployer dans leurs applications ou dans la plateforme ChatGPT. OpenAI's Swarm : Un cadre éducatif développé par l'équipe d'Open AI explorant l'orchestration multi-agents ergonomique et légère à des fins de recherche et de simulation. AutoGen : Un cadre de conversation multi-agents développé par Microsoft Research qui simplifie la construction de flux de travail LLM, permettant diverses applications dans différents domaines. Il fournit des API d'inférence LLM optimisées pour améliorer les performances et réduire les coûts, ce qui en fait un outil puissant pour créer des solutions efficaces et polyvalentes basées sur l'IA. AutoGen propose également « AutoGen Studio » pour une expérience de construction d'agents multiples sans code et avec peu de code. Vercel's AI SDK : Une bibliothèque open-source gratuite de Vercel qui vous donne les outils dont vous avez besoin pour construire des produits alimentés par l'IA avec Typescript et Node.JS qui est facilement intégré dans les applications web Next.JS. AutoGPT : Framework open-source pour le développement de systèmes autonomes et multi-agents avec CLI. TinyTroupe : Projet OSS intéressant de Microsoft, qui fournit une simulation de persona multi-agents alimentée par des modèles de langage pour améliorer l'imagination et les perspectives commerciales. No code/Low code SaaS-AI Builders (Constructeurs de SaaS-AI sans code/à faible code) Outils spécialisés permettant aux utilisateurs non techniques de créer, déployer et configurer des agents d'IA. Azure AI Foundry est une plateforme robuste pour construire, déployer et gérer des applications basées sur l'IA en utilisant une variété de modèles et de services. Elle offre un nouvel assistant (actuellement en avant-première publique) pour construire et déployer des agents dans Azure. Microsoft Copilot Studio vous permet de créer et de personnaliser des assistants d'IA pour Microsoft 365 et d'autres canaux à l'aide d'outils à code bas et d'IA générative. Ces plateformes démocratisent le développement de l'IA, permettant aux entreprises de toutes tailles d'exploiter la puissance des agents d'IA.

Comment les interfaces homme-agent vont-elles évoluer ?

Pour réussir, les agents d'IA doivent s'intégrer de manière transparente dans les flux de travail et être conviviaux. C'est là que les interfaces homme-agent entrent en jeu. Interfaces conversationnelles

L'IA conversationnelle va redéfinir la manière dont les utilisateurs interagissent avec les plateformes SaaS. Au lieu de naviguer manuellement dans des menus ou des formulaires, les utilisateurs peuvent simplement taper ou prononcer des requêtes, telles que « Créer un rapport sur les ventes du mois dernier » ou « Quel est l'état d'avancement du projet X ? » L'agent d'IA comprendra la requête, interprétera l'intention et exécutera les commandes. L'agent d'IA comprendra la requête, interprétera l'intention et exécutera les commandes. En outre, ces agents conversationnels seront de plus en plus conscients du contexte et maintiendront un dialogue continu à travers de multiples interactions, ce qui peut améliorer l'expérience de l'utilisateur. Agents proactifs : Au lieu d'attendre des données, les agents d'IA anticiperont les besoins et lanceront des actions, par exemple en suggérant des optimisations ou en alertant les équipes en cas d'anomalies.

Interface personnalisée : Les agents d'IA adapteront les interfaces SaaS aux utilisateurs individuels en apprenant de leur comportement, de leurs préférences et de leurs besoins. Au lieu d'une approche unique, la plateforme s'adaptera dynamiquement à chaque utilisateur. Par exemple, une plateforme SaaS pour la gestion de projets pourrait présenter différents tableaux de bord à différents membres de l'équipe en fonction de leur rôle - les responsables pourraient voir une vue d'ensemble, tandis que les développeurs pourraient obtenir des tâches et des calendriers plus détaillés. Au fil du temps, l'IA suggérera des raccourcis, des outils ou des flux de travail personnalisés qui correspondent aux habitudes de chaque utilisateur, ce qui rendra l'interface personnelle et intuitive.

Réalité Augmentée (AR)

La réalité augmentée pourrait considérablement améliorer les interfaces SaaS, en particulier pour les outils axés sur la conception, la visualisation et la collaboration. Imaginez que vous utilisiez une application SaaS pour la visualisation de données dans laquelle un agent IA superpose des modèles ou des graphiques en 3D dans l'espace physique de l'utilisateur, ou que vous utilisiez la réalité augmentée pour projeter un espace de travail virtuel pour la collaboration d'équipe. Par exemple, dans une application SaaS pour la conception architecturale, les utilisateurs pourraient visualiser et manipuler des plans de bâtiments en temps réel, en visualisant l'aspect des changements dans leur environnement. La RA combinée à l'IA pourrait créer une expérience immersive permettant aux utilisateurs d'interagir avec des données ou des conceptions complexes de manière plus significative et plus tangible. Une interface utilisateur bien conçue comble le fossé entre les capacités sophistiquées de l'IA et l'accessibilité de l'utilisateur final, en veillant à ce que les agents de l'IA complètent l'expertise humaine au lieu de la remplacer.

Interfaces décentralisées

Plutôt que de laisser les utilisateurs interagir exclusivement au sein d'une seule application, l'agent d'IA pourrait devenir un pont entre différents écosystèmes. Par exemple, un agent d'IA pourrait permettre aux utilisateurs d'accéder de manière transparente à des fonctionnalités SaaS à partir de leur plateforme de messagerie ou de leur espace de travail virtuel sans avoir besoin d'ouvrir l'application dédiée. Imaginez que vous ayez une conversation dans Microsoft Teams et que l'agent d'IA vous assiste en allant chercher des données sur les clients ou en générant des rapports sans jamais quitter la plateforme. Cette décentralisation pourrait améliorer l'accessibilité, car les utilisateurs ne seraient pas liés à une seule plateforme ou application pour accomplir leurs tâches.

Changement de format de l'expérience utilisateur

L'expérience utilisateur et l'agencement des plateformes SaaS vont subir une transformation significative pour s'adapter à l'intégration des interfaces conversationnelles. Les éléments traditionnels de l'interface utilisateur céderont la place à des conceptions plus fluides et personnalisées, intégrées de manière transparente dans des canevas conversationnels. Cette évolution permettra de rationaliser les interactions, de réduire la dépendance à l'égard des menus et des formulaires statiques et de créer une expérience plus dynamique et intuitive, adaptée aux besoins individuels des utilisateurs.

source : Les défis de la communication homme-agent, Microsoft Research

La perturbation à venir

En 2025, les agents d'IA pourraient perturber profondément le SaaS :

1. Efficacité opérationnelle : L'automatisation des tâches répétitives et la fourniture d'informations en temps réel permettront aux agents humains de se concentrer sur le travail stratégique.
2. Personnalisation à grande échelle : Les plateformes SaaS offriront des expériences hyperpersonnalisées à chaque utilisateur, grâce à la capacité d'apprentissage et d'adaptation des agents IA.
3. Nouveaux modèles commerciaux : Les agents d'IA en tant que service (AIaaS) verront le jour, permettant aux entreprises de louer des agents spécialisés pour des tâches spécifiques.

Différenciation concurrentielle : Les entreprises qui intègrent des systèmes multi-agents et des IA avancées prendront un avantage significatif sur le marché du SaaS.

Conclusion

Les agents d'IA ne sont pas seulement des outils - ce sont des collaborateurs, des amplificateurs et des perturbateurs, incarnant une nouvelle ère de « superagence » dans notre façon de travailler et d'innover. À l'approche de 2025, les entreprises qui adoptent cette transformation prospéreront, tandis que celles qui s'accrochent aux paradigmes traditionnels du SaaS pourraient avoir du mal à rester pertinentes. La question n'est pas de savoir si les agents d'IA et les systèmes d'IA multi-agents perturberont le SaaS, mais de savoir dans quelle mesure les organisations seront préparées à cette révolution.