Ce qu’il faut retenir
- Aller au-delà de la course aux tokens : Si certains mesurent la performance de l’IA au volume de données traitées, le véritable avantage concurrentiel réside dans le fait de passer de simples gains de productivité à des résultats opérationnels mesurables.
- Le passage à l’IA agentique : Passer de l’IA générative, qui permet d’amplifier les capacités individuelles, à l’IA agentique permet aux organisations de « repenser » leurs processus de bout en bout grâce à des agents d’IA autonomes capables de raisonner et de collaborer.
-
La
confiance, véritable facteur de différenciation : Au-delà des
modèles fondamentaux, le véritable avantage réside dans l’ancrage des
agents dans les données propriétaires de l’entreprise et dans des
processus conçus par des experts. Pour naviguer dans cette complexité, il
est essentiel de s’appuyer sur un partenaire de confiance capable de faire
le lien entre innovation en matière d’IA et exigences réglementaires.
- Un cadre pour une transformation à grande échelle : Pour réussir à l’horizon 2030, il est nécessaire de procéder à une refonte structurelle articulée autour de six piliers clés, intégrant une gouvernance automatisée, une orchestration technologique et un modèle économique fondé sur la «valeur par jeton».
- Lors du « Mistral AI Now Summit », Charles Holive, Chief AI Officer chez BNP Paribas CIB, a mis le secteur au défi de dépasser l’obsession actuelle du « token-maxxing ». Pour les dirigeants qui déploient l’IA agentique au sein de grandes entreprises, une véritable réussite ne se mesure pas au volume de jetons consommés, mais aux résultats commerciaux concrets : chiffre d’affaires, productivité et impact sur la clientèle. Découvrez ci-dessous ses principales réflexions.
De la productivité à la refonte des activités
Pour mener à bien la transition vers l’IA agentique, les entreprises doivent distinguer les deux phases actuelles d’adoption.
La première phase, l’IA générative, agit comme un « super-pouvoir » pour chaque collaborateur. Elle utilise des modèles linguistiques de grande envergure (LLM) pour effectuer les tâches existantes plus rapidement et avec plus d’efficacité. Si l’IA générative revient à donner à chaque collaborateur une calculatrice ultra-performante, elle amplifie l’expertise mais ne modifie pas fondamentalement le processus sous-jacent.
La deuxième phase, plus disruptive, est celle de l’IA agentique. Il s’agit de la phase de « refonte ». Contrairement à l’IA générative classique, l’IA agentique fait appel à des agents IA autonomes capables de raisonner, d’agir et de collaborer pour exécuter des flux de travail de bout en bout. Cela revient à constituer une main-d’œuvre numérique capable de gérer un projet dans son intégralité, de la conception à la mise en œuvre, ne nécessitant qu’une supervision humaine de haut niveau.
Pour l’entreprise moderne, le défi n’est plus de savoir « comment exécuter », mais « quoi construire ».
La confiance, le seul véritable facteur de différenciation
Pour mener à bien la transition vers l’IA agentique, les entreprises doivent distinguer les deux phases actuelles d’adoption.
À l’ère de l’agentique, la confiance constitue le principal avantage concurrentiel. Si de nombreuses organisations ont accès aux mêmes modèles de base, la capacité à générer une valeur unique dépend de la qualité et de l’intégrité des informations introduites dans le système. Pour les agents d’IA autonomes, la confiance repose avant tout sur la qualité des données propriétaires qui les alimentent. Les données de marché brutes, les historiques de transactions et les données clients ne peuvent plus rester cloisonnés dans des silos : ils doivent être transformés en « produits de données » soigneusement sélectionnés. En créant une « couche d’intelligence » au-dessus de ces produits, les organisations s’assurent que les agents effectuent des requêtes précises basées sur des informations fiables et contrôlées, plutôt que de se perdre dans des ensembles de données fragmentés.
Cette confiance va au-delà des données pour s’étendre à l’architecture elle-même ; elle repose sur l’expertise des personnes qui conçoivent des systèmes agentiques et des flux de travail sûrs et hautement performants. En définitive, cela permet d’adopter une approche fondée sur la « valeur par token » (Value-per-Token, VPT), dans laquelle l’investissement dans l’IA passe du statut de centre de coûts spéculatif à celui de véritable levier de performance économique, mesurable et reposant sur la confiance.
En définitive, la fiabilité technique doit aller de pair avec une intégrité institutionnelle. Pour les entreprises, la clé d’une transition réussie réside dans un partenariat avec des conseillers de confiance, capables de conjuguer des compétences avancées en matière d’IA avec une expertise reconnue en matière de sécurité, de réglementation et de résultats prévisibles.
En définitive, la fiabilité technique doit aller de pair avec une intégrité institutionnelle. Pour les entreprises, la réussite de cette transition repose avant tout sur un partenariat avec des conseillers de confiance, capables de conjuguer des compétences avancées en matière d’IA avec une expertise reconnue en matière de sécurité, de réglementation et de résultats prévisibles.
Cette transition s’appuie sur les relations de longue date et la confiance qui unissent les clients à leurs banquiers. Charles Holive explique : "Pour nos clients entreprises et institutionnels, le passage à l’IA agentique constitue une évolution structurelle de leurs modèles opérationnels. Cela nécessite des investissements stratégiques et une vision à long terme. Nous sommes là pour jouer le rôle de partenaire stratégique dans cette transition, en aidant nos clients à appréhender cette complexité."
Le six piliers du cadre de transformation axée sur l’agentique
Passer de projets pilotes isolés à des flux de travail axés sur l’agentique à l’échelle de l’entreprise nécessite bien plus que de simples modèles sophistiqués, à savoir une refonte structurelle fondamentale. Pour aller au-delà des preuves de concept et parvenir à une transformation évolutive, Charles Holive préconise un cadre en six piliers - une méthodologie conçue pour intégrer l’IA de manière responsable au sein d’une organisation mondiale soumise à une réglementation.
- Une stratégie axée sur l’entreprise : Pour réussir, il faut aller au-delà des expériences fragmentées et se tourner vers des programmes phares : des transformations de bout en bout à forte valeur ajoutée, assorties d’objectifs précis en matière de chiffre d’affaires et de productivité.
- Une orchestration technologique : À mesure que la technologie de l’IA se démocratise, la valeur se déplace vers l’orchestration. Les entreprises doivent se concentrer sur la mise en place des référentiels d’agents solides et des couches d’observabilité afin de garantir que les solutions puissent être réutilisées et déployées à l’échelle mondiale.
- Les données comme avantage concurrentiel : Les données propriétaires constituent le facteur de différenciation ultime. Les données doivent être traitées comme un « produit » soigneusement sélectionné, en veillant à ce que les agents disposent de la couche d’intelligence et de la traçabilité rigoureuse nécessaires pour prendre des décisions autonomes en toute sécurité.
- Une gouvernance automatisée : Dans un environnement mondial fortement réglementé, une gouvernance reposant uniquement sur l’intervention humaine ne peut pas évoluer à la même échelle que des milliers d’agents autonomes. La conformité doit être intégrée directement dans l’architecture logicielle au moyen de moteurs de règles automatisés, permettant de conserver une piste d’audit de chaque décision prise par l’IA.
- Capital humain et culture : La transition vers l’IA constitue une opportunité de faire évoluer les métiers et les compétences. Les entreprises doivent donner à leurs collaborateurs les moyens de travailler aux côtés de l’IA, en leur fournissant la formation, les outils et l’accompagnement nécessaires. En automatisant les tâches répétitives, les organisations permettent à leurs collaborateurs de se concentrer sur des activités à plus forte valeur ajoutée, faisant appel à l’esprit critique et à la prise de décision.
- FinOps et « valeur par token » (VPT) : Face à l’augmentation des coûts, il est nécessaire d’adopter une approche économique pragmatique. De la même manière qu’une entreprise ne confierait pas à un dirigeant une tâche qu’un stagiaire pourrait accomplir, il convient d’adapter les modèles d’IA aux besoins. Nous devons privilégier des modèles dotés de fortes capacités de raisonnement pour les tâches complexes, et des modèles plus économiques pour les opérations courantes.
Définir le paysage à l’horizon 2030
La transition vers un avenir fondé sur l’IA agentique implique un changement fondamental de paradigme.
Cette évolution vers l’IA agentique transformera en profondeur les « nœuds et les connexions » qui structurent l’écosystème financier. Dans les années à venir, les entreprises qui tireront le mieux leur épingle du jeu seront celles qui s’intégreront de manière fluide dans les écosystèmes agentiques, en devenant les points de connexion les plus performants auxquels les autres systèmes autonomes chercheront naturellement à se rattacher.
Se contenter, en 2025, d’être la meilleure version d’une organisation traditionnelle ne suffira pas à répondre aux enjeux de 2030. L’objectif est de se réinventer dès aujourd’hui pour prospérer dans un avenir où les interactions combineront de manière fluide les échanges entre humains, entre humains et agents, et entre agents.
Si ce qui nous a permis d’arriver jusqu’ici ne nous permet pas d’aller plus loin, nous devons repenser l’écosystème de fond en comble."
Qu’est-ce que la consommation de tokens ?
Dans le contexte des grands modèles linguistiques (LLM), un « token » est l’unité de base du texte traité par l’IA. Il peut s’agir d’un simple caractère, d’une syllabe ou d’un mot entier. Lorsque les utilisateurs interagissent avec l’IA, ils sont facturés en fonction du nombre de tokens traités, tant au niveau des données d’entrée (le prompt) que des données de sortie (la réponse). Si une consommation élevée de tokens peut témoigner d’un recours intensif à l’IA, elle ne garantit pas pour autant la création de valeur pour l’entreprise.
Favoriser l’innovation chez BNP Paribas
BNP Paribas s’engage à aider ses clients à naviguer dans les méandres de la transition numérique. En intégrant des technologies de pointe telles que l’IA agentique à une gouvernance rigoureuse et à des stratégies de gestion durable des données, nous avons pour objectif de transformer les évolutions technologiques en opportunités prometteuses pour nos clients.
Cet article a été traduit de l’original en anglais : Agentic AI for large organisations: beyond token-maxxing - BNP Paribas CIB
