inAiLoading page content...
inAiLoading page content...
Programme de recherche
Les agents sont des systèmes de décision. Ils planifient, agissent, vérifient, réparent et reprennent sous des contrôles d'autonomie explicites, des procès-verbaux de surveillance et des pistes d'audit.
Ceci est la vue d’ensemble approfondie de l’axe de recherche Systèmes de décision agentiques. La page de collection rassemble les résultats, protocoles et liens liés.
Données utilisées : octobre 2025
Les agents d’entreprise réussissent lorsqu’ils sont traités comme des systèmes de décision avec modèles du monde, plans, vérificateurs, boucles de réparation et traces auditables. L’autonomie progresse par niveaux — Assistance → Approbation → Auto avec revue → Auto — bornés par des seuils de précision, de minutes de supervision, de taux d’escalade, de coût unitaire et d’incidents évités. Les déploiements de Klarna, Intercom, Walmart, LILT et autres montrent que l’« Auto avec revue » est commercialement viable pour des charges bornées, tandis que les flux lourds en conformité restent au niveau « Approbation ».
| Classe de tâches | Autonomie actuelle | Précision des décisions/KPI de service | Surveillance / escalade | Source |
|---|---|---|---|---|
| Prise en charge du triage/résolution (fintech de détail) | Auto avec revue | Parité CSAT ; demandes répétées −25 % ; TTR <2 minutes ; ~⅔ chats traités | ≈33 % de remontée | Klarna (août 2024) |
| Prise en charge du triage/résolution (HR SaaS) | Auto avec revue | AI resolution 82%; CSAT 85–90% | ≈11 % de remontée | Aileron d'interphone (octobre 2024) |
| Triage du support informatique | Approve | déviation de 53 % ; Temps de résolution moyen −26,63 % | 47% non déviés | Freshservice (agrégat 2024) |
| Extraction des attributs des opérations de catalogue | Auto avec revue | F1 95,6-97,9 ; CTR en ligne +2,16 % ; ATC +1,42% ; GMV +0,38% | Échantillonnage d'exception uniquement | Walmart (mai 2024) |
| Localisation (entreprise) | Approve | +17,5 % de précision ; −20% de coût | Proxy temporel de l'éditeur ↓ | LILT × Miro (2024) |
Vérification de réalité : les modèles de frontière restent sous le niveau humain sur WebArena (~14 % contre 78 % humain), WorkArena++ (~2 % contre 94 % humain) et OSWorld (~29–38 % de réussite). Nous réservons donc le niveau « Auto » aux surfaces contraintes avec vérificateurs et garde-fous qui ferment les modes d’échec.
| Suite | Type de tâche | Entrée / modalité | Métriques d'évaluation | Points forts | Mises en garde |
|---|---|---|---|---|---|
| WebArena | Tâches web réalistes (e-comm, forum, CMS, dev) | Contrôle du navigateur ; texte + vision ; API d'outils | Réussite des tâches, précision des pas | Basé sur l'exécution ; opérations Web de type support | Les premiers agents bien inférieurs à l'humain ; flux d'authentification limités |
| WorkArena++ | Tâches multi-applications Office/entreprise | Navigateur + interfaces utilisateur SaaS | Succès, efficacité | Cible les workflow commerciaux et la planification de la composition | Très faible succès SOTA ; toujours simulé |
| OSWorld | Applications Real OS + Web (369 tâches) | Ordinateur + Web | Le succès, basé sur l'exécution | Le plus proche de l'utilisation réelle d'un ordinateur | Complexité de configuration ; bac à sable de laboratoire |
| BFCL V4 | Appel d'outil/fonction | Appels de fonctions structurés | Précision des appels, coût, latence | Prédictivité de l'utilisation des outils d'entreprise | Résumé la dynamique de l’interface utilisateur |
| GAIA | Questions du monde réel nécessitant des outils/une navigation | Utilisation des outils + web | Humain 92 % contre GPT-4 15 % | Assistanat général d'épreuves de résistance | Pas entièrement basé sur l'exécution |
Les portes numériques maintiennent une autonomie honnête. Nous publions les exigences d'autonomie par domaine afin que les parties prenantes sachent quand l'échelle peut progresser et quelles données soutiennent cette évolution.
Le document de production de Walmart rapporte une précision de 95,6 à 97,9 et des augmentations en ligne avant la surveillance progressive.
Les résultats des clients LILT (+17,5 % de précision, -20 % de coût) prennent en charge le barreau « Approuver » ; le risque élevé reste la priorité humaine.
Employment use is high-risk; EU AI Act triggers demand provable oversight.
Échelle illustrative : les minutes de surveillance diminuent à mesure que la précision des décisions et le taux de réparation augmentent ; utiliser comme garde-corps avant d’obtenir l’autonomie.
Les traces compatibles OpenTelemetry capturent chaque décision. Nous stockons l'audit de la chaîne de hachage avec une conservation en écriture unique, la journalisation des identifiants de version des politiques, les politiques de rédaction et les décisions des réviseurs afin que les régulateurs et les partenaires puissent rejouer et inspecter.
Contraintes
Chaque décision référence les garde-fous, politiques et limites au niveau de la tâche avant l’exécution.
Trace source
Les journaux d’audit conservent les prompts, le contexte récupéré, les appels d’outils et les étapes de remédiation pour chaque sortie.
Pour le travail sur les produits inAi, cela reste un modèle de conception plutôt qu'une revendication publique de performance : les workflow de catalogue, les workflow de carrière et les outils destinés aux agents doivent utiliser des portes de révision, des artefacts d'audit, des contrôles de dérive et des chemins de restauration avant d'augmenter toute autonomie. Les seuils appartiennent aux évaluations ciblées et non aux promesses de produits destinés au grand public.
Année des données : octobre 2025 · Dernière mise à jour le 01 octobre 2025