.jpg?w=1024)
.webp "Dell AI Factory with NVIDIA Logo")
- Points clés à retenir
- Que signifie « IA agentique pour le lieu de travail » ?
- Comment l'IA agentique transforme-t-elle les flux de travail et la coordination ?
- Pourquoi les écosystèmes d'IA ouverts sont-ils importants pour les agents d'IA d'entreprise ?
- Comment Dell AI Factory with NVIDIA favorise-t-elle l'adoption de l'IA agentique ?
- De quelle infrastructure a-t-on besoin pour déployer une IA agentique en production ?
- Risques à gérer avant un déploiement d'agents d'IA à grande échelle
- Comment les dirigeants doivent se préparer à la collaboration entre humains et agents
- FAQ
Points clés à retenir
- L'IA agentique fait passer l'IA sur le lieu de travail de la génération de contenu à l'exécution des flux de travail.
- Le déploiement d'agents autonomes à grande échelle ne permet pas uniquement d'avoir accès à des modèles d'IA, il nécessite également des environnements d'exécution sécurisés, une exécution des modèles sécurisée, des données d'entreprise fiables, ainsi que des contrôles de gouvernance.
- Les écosystèmes ouverts et les infrastructures d'IA hybrides offrent aux organisations la flexibilité nécessaire pour déployer des agents là où ils fournissent les meilleurs résultats en matière de valeur métier, de sécurité et d'exploitation.
L'IA agentique sur le lieu de travail transforme la manière dont les organisations attribuent le travail, font progresser les tâches et coordonnent les équipes. Les employés utilisent déjà l'IA au quotidien. Les agents sur le lieu de travail ajoutent une couche supplémentaire en planifiant les étapes, en utilisant des outils approuvés et en accomplissant des tâches définies qui nécessitent moins d'invites.
Les processus métier gagnent en rapidité lorsque l'IA passe d'une aide ponctuelle à l'exécution d'actions concrètes. Un agent peut certes faire avancer une file d'attente de tickets en faisant progresser les dossiers jusqu'à ce qu'un examen soit nécessaire, mais mettre en place ce type de tâches à l'échelle d'une entreprise exige bien plus qu'une automatisation. Les équipes ont besoin d'une base opérationnelle qui garantisse la préservation de la gouvernance à mesure que les cas d'utilisation des agents d'IA se développent.
Que signifie « IA agentique pour le lieu de travail » ?
L'IA agentique désigne des systèmes capables de poursuivre un objectif défini, de prendre des décisions et d'agir avec une intervention humaine limitée. Sur le lieu de travail, un agent peut examiner un ticket informatique, décider s'il peut mettre en œuvre une solution en toute sécurité, exécuter l'action ou transmettre le problème à une autre personne lorsque du discernement ou une approbation est nécessaire.
Les copilotes résident généralement au sein de la tâche de l'utilisateur, l'aidant pour des tâches telles que la rédaction, la synthèse, la recherche ou l'analyse. Les agents peuvent prendre en charge une partie du flux de travail, mais ce qui les distingue, c'est qu'ils peuvent également décider comment accomplir cette tâche, dans le respect de limites approuvées. Contrairement aux copilotes qui se contentent d'assister ou de générer du contenu, les agents autonomes peuvent accéder aux données, invoquer des outils, interagir avec des applications et agir au nom des utilisateurs.
À mesure que les agents passent d'une simple assistance aux tâches à leur exécution, les entreprises ont besoin d'environnements d'exécution sécurisés qui gouvernent l'identité, les autorisations, l'accès aux outils, l'application des politiques et l'observabilité. La transition entre l'humain et le système devient plus importante, car l'agent ne se contente plus de produire un résultat à examiner, mais il peut également initier des actions au sein des systèmes de l'entreprise.
Capacité | Copilotes IA | Agents d'IA |
| Rôle principal | Aider un utilisateur | Choisir des actions, s'adapter et agir dans le cadre d'un flux de travail défini |
| Implication des utilisateurs | Invites fréquentes | Objectifs et points de contrôle définis par des personnes |
| Accès au système | Souvent une seule application | Données, applications et outils |
| Meilleur domaine d'application | Rédaction, synthèse et analyse | Exécution de flux de travail, routage adaptatif et réalisation de tâches nécessitant plusieurs étapes |
| Besoin clé en matière de contrôle | Examen des résultats | Autorisations et pistes d'audit |
L'accès doit déterminer le modèle d'examen. Les tâches de synthèse peuvent faire l'objet d'un examen plus léger. Dès qu'un agent peut modifier des autorisations, approuver des dépenses, émettre des remboursements ou déclencher d'autres actions financières, des garde-fous doivent être mis en place avant toute action.
Comment l'IA agentique transforme-t-elle les flux de travail et la coordination ?
L'IA agentique remodèle les flux de travail en prenant en charge la coordination qui dépend habituellement d'un suivi manuel. Au lieu d'attendre que quelqu'un vérifie un état d'avancement, attribue la prochaine étape ou relance le transfert d'un dossier, un agent peut faire progresser la tâche jusqu'à ce qu'une action soit entreprise ou qu'une personne ait besoin de l'examiner ou de prendre une décision.
Moins d'échanges entre les équipes
En recueillant des informations contextuelles avant l'examen, les agents peuvent faire progresser une demande sans pour autant déresponsabiliser la personne chargée de la décision.
Automatisation des flux de travail plus flexible
L'automatisation traditionnelle suit des règles fixes, mais les flux de travail de k'IA agentique peuvent gérer un plus grand degré de variation en interprétant le contexte et en utilisant des outils approuvés dans le respect de limites définies.
Une meilleure visibilité sur le travail
Les agents d'IA d'entreprise bien gouvernés peuvent laisser un enregistrement à propos de chaque processus qu'ils ont effectué. Les dirigeants peuvent utiliser cette visibilité pour repérer les goulots d'étranglement et détecter les erreurs au plus tôt.
Pourquoi les écosystèmes d'IA ouverts sont-ils importants pour les agents d'IA d'entreprise ?
Les écosystèmes d'IA ouverts sont importants pour les agents d'IA d'entreprise, car la plupart des organisations ont besoin d'agents capables de fonctionner sur plusieurs modèles, applications, sources de données et exigences de gouvernance. Les grandes entreprises fonctionnent rarement sur une plateforme unique. C'est pourquoi l'IA agentique a besoin de flexibilité pour se connecter aux systèmes existants sans contraindre chaque équipe à suivre une voie technique unique et étroite.
Les exigences relatives aux agents varient selon le flux de travail. Chaque cas d'utilisation nécessite donc ses propres règles d'accès, d'examen et d'auditabilité. Les écosystèmes ouverts peuvent raccourcir le chemin entre le projet pilote et le déploiement en permettant aux équipes de s'appuyer sur les outils et processus métier existants.
À mesure que les agents prennent en charge davantage de tâches, les écosystèmes ouverts aident les équipes à garder le contrôle sans s'enfermer dans une architecture unique. L'IA agentique au service de la productivité de la main-d'œuvre a besoin d'espace pour être testée, mais la gouvernance doit rester intacte à mesure que les cas d'utilisation augmentent. Tout aussi important, les écosystèmes ouverts contribuent à connecter les agents aux sources de données de l'entreprise qui fournissent le contexte en temps réel nécessaire au raisonnement, aux prises de décisions et aux actions dans le cadre des flux de travail métier.
Comment Dell AI Factory with NVIDIA favorise-t-elle l'adoption de l'IA agentique ?
Dell AI Factory with NVIDIA favorise l'adoption de l'IA agentique en s'appuyant sur des technologies telles que NVIDIA NemoClaw et OpenShell, conçues pour sécuriser les agents autonomes dès qu'ils entrent en service. Les agents commencent avec des autorisations limitées, l'inférence peut rester privée par défaut et les actions sont régies par des contrôles basés sur des politiques pour l'identité, l'accès aux outils, la circulation des données et l'observabilité.
Dell étend ce socle sécurisé avec l'infrastructure d'entreprise, des logiciels d'IA, un accès sécurisé aux données et des contrôles de gouvernance dans un environnement coordonné qui aide les organisations à faire passer leurs agents de la phase de projet pilote à celle de la production.
Ce socle est important, car les agents sur le lieu de travail ont besoin de bien plus qu'un simple accès à des modèles. Ils ont besoin de connexions autorisées aux données de l'entreprise, d'outils approuvés, de systèmes de flux de travail, de mécanismes de surveillance et de procédures d'examen afin de pouvoir agir dans le cadre de politiques établies au lieu de fonctionner comme des expériences isolées.
L'IA agentique introduit de nouvelles exigences qui vont au-delà de l'IA générative traditionnelle. Les agents autonomes ont besoin d'environnements d'exécution sécurisés pour gouverner les actions et l'utilisation des outils, d'un accès fiable aux données et aux flux de travail de l'entreprise, et de la flexibilité nécessaire pour exécuter des modèles de pointe, propriétaires et ouverts là où ils sont les plus pertinents.
Dell AI Factory with NVIDIA réunit ces fonctionnalités via NVIDIA OpenShell, qui offre des environnements d'exécution d'agents sécurisés, un calcul confidentiel pour une exécution des modèles sécurisée et la plateforme de données d'IA de Dell avec NVIDIA pour la préparation, la gouvernance, l'indexation et la diffusion des données d'entreprise qui servent de contexte en temps réel aux agents d'IA.
Ensemble, ces fonctionnalités offrent aux organisations la flexibilité nécessaire pour déployer des agents et des modèles dans les environnements cloud, de centre de données et de bureau, tout en préservant la sécurité, la gouvernance et le contrôle. Les agents peuvent opérer au plus près des données et des systèmes sur lesquels ils s'appuient, tandis que les responsables informatiques et les dirigeants d'entreprise conservent une supervision plus claire, une application plus efficace des politiques et une meilleure préparation à la production à mesure que l'adoption de l'IA agentique prend de l'ampleur.
De quelle infrastructure a-t-on besoin pour déployer une IA agentique en production ?
L'IA agentique a besoin d'une infrastructure de production capable de prendre en charge l'accès sécurisé aux données, l'utilisation d'outils approuvés, l'intégration des flux de travail, la surveillance et la supervision humaine. Dans la mesure où les agents sur le lieu de travail peuvent agir sur plusieurs systèmes, les entreprises ont besoin de contrôles sur leurs accès et leurs actions. Il est également important qu'elles puissent déterminer les moments où des personnes doivent examiner les tâches.
Les entreprises doivent également planifier l'économie des jetons de l'IA agentique. Les agents d'IA peuvent consommer plus de jetons que les copilotes car ils peuvent raisonner sur des tâches nécessitant plusieurs étapes, appeler des outils, récupérer du contexte, résumer des résultats et réessayer des actions avant de terminer un flux de travail. À grande échelle, cela peut transformer le coût par jeton, le temps d'obtention des jetons et l'utilisation globale en indicateurs d'infrastructure importants. Dell et NVIDIA ont toutes deux souligné que le coût par jeton était une mesure clé de l'économie des usines d'IA. De plus, un récent reportage de Dell Technologies World 2026 a mis en évidence le fait que l'IA agentique pouvait rendre l'utilisation des jetons plus difficile à prévoir à mesure que les flux de travail autonomes se développent.
Domaine de l'architecture | Pourquoi c'est important pour l'IA agentique |
| Préparation des données | Offre aux agents un accès gouverné au contexte d'entreprise pertinent et actualisé afin qu'ils puissent raisonner, récupérer des informations et mener à bien leurs flux de travail efficacement |
| Exécution de l'agent | Fournit l'environnement d'exécution sécurisé qui gouverne la manière dont les agents accèdent aux outils, aux données, aux modèles et aux systèmes d'entreprise tout en appliquant les politiques, les autorisations et l'observabilité. |
| Informatique confidentielle | Protège les modèles et les données tout en permettant le déploiement sécurisé de modèles de pointe, propriétaires et ouverts dans des environnements hybrides. |
| Identité et autorisations | Limite les actions que les agents peuvent entreprendre et les informations qu'ils peuvent voir en fonction de leur rôle, de leur tâche et de la sensibilité des données. |
| Intégration d'outils | Permet aux agents de se connecter à des systèmes approuvés tels que des plateformes de gestion de tickets, de CRM, de RH, de finance ou de service à la clientèle. |
| Supervision humaine | Définit les situations où des personnes doivent approuver directement les actions sensibles et celles où elles surveillent les opérations autonomes via des alertes, des procédures de remontée et un examen des exceptions. |
| Observabilité | Permet de suivre les actions des agents, les erreurs, les remontées et les examens. |
| Gouvernance | Définit les domaines d'intervention des agents, les éléments nécessitant un examen et les procédures de remontée en cas de problèmes. |
| Économie des jetons | Suit l'utilisation des jetons, le coût des inférences, la latence et l'utilisation lorsque les agents effectuent un travail en plusieurs étapes sur différents outils et sources de données. |
Pour les déploiements sur site ou en entreprise privée, l'infrastructure d'IA agentique maintient les agents au plus près des données, des applications et des flux de travail sur lesquels ils agissent, tout en préservant les limites d'accès, la surveillance et les procédures d'examen.
Risques à gérer avant un déploiement d'agents d'IA à grande échelle
Dans les flux de travail réglementés ou sensibles, le modèle de contrôle approprié dépend des éléments auxquels l'agent peut accéder, des actions qu'il peut entreprendre et de l'impact de ces actions sur les clients, les employés, les finances ou les données protégées.
Le déploiement d'agents d'IA à grande échelle introduit différents risques en fonction du flux de travail et du niveau d'accès. Les entreprises ont besoin d'un modèle de contrôle capable de définir le champ d'action de chaque agent, de limiter l'accès en fonction du rôle et de la finalité, et d'exiger un examen humain avant la réalisation d'actions à haut risque.
Cas d'utilisation d'un agent d'IA sur le lieu de travail | Risque à gérer | Contrôles nécessaires |
| Assistance informatique | Autorisations excessives en matière d'accès | Contrôles d'identité et règles de remontée |
| Activités commerciales | Utilisation non autorisée des données clients | Autorisations CRM et examen humain |
| Assistance RH | Divulgation d'informations sur les employés | Sources approuvées et mesures de protection de la vie privée |
| Flux de travail financiers | Approbations défectueuses ou documents manquants | Journaux d'audit et points de contrôle d'approbation |
| Service client | Réponses inexactes ou inappropriées | Examens de qualité et déclencheurs de remontée |
| Orchestration des agents | Utilisation de jetons et coûts d'exécution incontrôlés | Budgets de jetons, limites échelonnées, surveillance de l'exécution et déclencheurs de remontée |
L'observabilité fournit aux dirigeants les preuves dont ils ont besoin avant d'étendre l'utilisation des agents. Lorsque les équipes peuvent retracer l'activité des agents jusqu'aux contrôles impliqués, elles peuvent procéder à un déploiement par étapes au lieu de se fier uniquement aux résultats préliminaires des projets pilotes.
Comment les dirigeants doivent se préparer à la collaboration entre humains et agents
Avant que l'IA agentique ne devienne partie intégrante des opérations quotidiennes, les dirigeants qui se préparent à une collaboration entre humains et agents doivent définir les domaines d'intervention des agents, ceux où les humains demeurent responsables et les modalités de contrôle du travail.
- Adéquation au flux de travail : déterminez la place des agents d'IA, les tâches qu'ils peuvent accomplir et les domaines où la responsabilité des décisions doit rester humaine.
- Modèle de contrôle : définissez le rôle, les autorisations, les procédures d'examen, les déclencheurs de remontée et les limites de chaque agent d'IA avant la mise en production.
- Transparence envers les employés : expliquez dans quels domaines les agents d'IA sont utilisés, comment les collaborateurs peuvent contester les résultats et quand les problèmes doivent être remontés.
Des limites clairement définies rendent l'adoption moins perturbatrice, car les employés peuvent voir comment les agents d'IA s'intègrent aux processus métier et comprendre dans quels domaines le discernement humain contrôle encore le résultat.
FAQ
Qu'est-ce que l'IA agentique sur le lieu de travail ?
L'IA agentique sur le lieu de travail désigne des systèmes d'IA qui peuvent faire progresser un travail défini et orienté vers un objectif, avec un examen humain lorsque cela est nécessaire.
De quelle infrastructure a-t-on besoin pour l'IA agentique ?
L'IA agentique a besoin d'un accès sécurisé aux données d'entreprise, d'environnements d'exécution fiables, d'une flexibilité dans les modèles, de voies de déploiement gouvernées et d'une surveillance pour que les agents puissent passer de la phase de projet pilote à celle de la production.
Comment les entreprises font-elles passer l'IA agentique de la phase d'expérimentation à celle de la production ?
Les entreprises peuvent faire passer l'IA agentique de la phase de l'expérimentation à celle de la production en commençant par un environnement zéro confiance dans lequel les agents débutent avec des autorisations minimales, un accès limité aux données et un accès à des outils approuvés uniquement. À partir de là, les équipes peuvent définir le flux de travail, étendre les autorisations par rôle et par objectif, connecter les données d'entreprise gouvernées, ajouter des parcours d'examen humain, surveiller l'activité des agents et passer au déploiement à grande échelle uniquement après le test des contrôles.
Comment les employés doivent-ils collaborer avec les agents d'IA ?
Les employés doivent considérer les agents comme une assistance aux flux de travail, en examinant les résultats à risque élevé et en faisant remonter les décisions nécessitant un discernement humain.
Quelle est la différence entre un copilote IA et un agent d'IA ?
Les copilotes IA assistent les utilisateurs dans des tâches individuelles, tandis que les agents d'IA peuvent faire progresser des tâches nécessitant plusieurs étapes en respectant des limites approuvées.
Comment l'IA agentique peut-elle permettre de réduire les frais opérationnels ?
L'IA agentique peut réduire les frais opérationnels en faisant progresser les tâches courantes, en recueillant du contexte avant un examen, en acheminant les tâches et en créant des enregistrements de l'activité des agents. Les entreprises ont toujours besoin d'autorisations claires, de procédures d'examen et d'une observabilité accrue avant de déployer des agents sur des flux de travail sensibles.
Comment les entreprises peuvent-elles mesurer la réussite de l'IA agentique ?
Les entreprises peuvent mesurer la réussite de l'IA agentique en vérifiant si les agents contribuent à accélérer la progression du travail tout en préservant l'intégrité des mécanismes d'examen, de responsabilité et de gouvernance.