Sans comprendre les processus métiers, les besoins profonds et les données disponibles : impossible de créer des Workflow IA, ou Agents, dignes de ce nom qui serviront aux équipes sur le terrain.
Les IAs ne sont pas plus malignes que vos équipes. C'est en comprenant les éléments utilisés par les opérationnels qui permettent la prise de décision claires, que vous arriverez à créer le contexte et les outils nécessaires à un workflow IA qui apporte de la valeur.
D'ailleurs, les workflow/Agent IA ne contiennent pas que de l'IA, au contraire. Les outils et étapes sont nombreuses, et seulement quelques unes font intervenir les IA génératives.
Les IAs restent limitées dans leur compréhension des demandes, dans le contexte qu'elles peuvent ingérer. Plus on augmente la quantité d'information, moins elles sont précises et fiables. L'important est alors de mettre en place des étapes de récupération de données, de transformation, de vectorisation. De créer des outils pour les IA plus déterministes. De donner les bonnes instructions, les fameux prompts, aux agents IA. Et enfin d'orchestrer tout ça de manière à mettre en musique ces blocs et à créer enfin le workflow qui va appuyer les équipes.
Rien n'est magique, mis à part peut-être la puissance des derniers modèles. C'est donc en étant malin sur ces étapes que vous arriverez à vos fins.
Notre conviction profonde sur l'approche à utiliser au cours des projets de création d'outils digitaux sur-mesure est renforcée par l'apparition des LLMs.
L'approche du consultant-développeur® par la compréhension profonde des besoins métiers et de l'environnement a encore plus de sens : car rien ne pourra sortir d'utile des IA génératives sans ça.
En prenant les projets par le bon bout, en expérimentant et en validant la capacité de chaque agent IA à réaliser ses tâches correctement, vous obtiendrez alors un outil qui est selon nous incroyablement utile sur le terrain.
On ne le répètera jamais assez, comprendre vos méthodes, outils, environnement, culture, est indispensable pour avoir la capacité à les traduire en solutions technologiques, y compris IA.
Imaginer l'équipe d'agents et d'outils, les données nécessaires et les étapes de transformations, puis essayer rapidement avec des outils low code comme Langflow ou crewAI. A ce stade il ne faut pas perdre de temps sur du développement robuste mais le passer au maximum sur les essais et la validation du fonctionnement et l'apport de résultats viables.
Créer un MVP en production : un produit minimum viable, c'est à dire qui contient le minimum de fonctionnalités qui pour autant apportent un maximum de valeur.
Ne pas dépenser des resources tant que les priorités ne sont pas couvertes.
La base est là, l'apport de valeur est prouvé : itérez, améliorez, ajoutez des fonctionnalités, automatisez des plus en plus les tâches à non valeur ajouté, créez de nouvelles opportunités.
