Comment évaluer les plateformes d'IA agentique : un cadre d'aide à la décision pour l'expérience client en entreprise

Vous avez assisté aux démonstrations. Les agents ont répondu à toutes les questions simulées, les tableaux de bord semblaient clairs et précis, et la plateforme doit désormais passer le test des personnes qui n'étaient pas présentes lors des démonstrations.

Évaluer une plateforme d'IA agentique destinée à l'expérience client (CX) en entreprise implique d'examiner six critères sur lesquels votre comité d'achat doit s'accorder : l'architecture, la gouvernance, les résultats en matière de résolution des problèmes, le niveau d'intégration, la pérennité des modèles et le délai de mise en production.

La plupart des évaluations s'appuient sur des frameworks conçus pour l'IA grand public ou destinée aux PME. La plateforme semble prometteuse, mais une fois qu'elle arrive sur le bureau du RSSI, le processus s'enlise. Il en résulte un gaspillage de cycles d'achat et des projets pilotes qui ne parviennent pas à passer leur premier audit.

Points clés à retenir

• La plupart des cadres d'IA agentique destinés aux acheteurs qui ont été publiés négligent les deux critères déterminants pour les contrats d'entreprise : la gouvernance et la pérennité des modèles. Un cadre conçu pour l'IA grand public n'est pas transposable à un environnement de production soumis à une réglementation.
• Le comité d'achat ne se limite pas au responsable de l'expérience client (CX). Le directeur des systèmes d'information (DSI), le responsable de la sécurité des systèmes d'information (RSSI), le directeur des risques et le directeur des opérations (COO) apportent chacun un point de vue différent. Une plateforme qui répond aux attentes du responsable de l'expérience client mais qui échoue lors de l'évaluation de sécurité constitue le scénario d'échec le plus courant.
• Le délai de mise en production n'est pas un indicateur fantoche. La différence entre une mise en service en quelques jours et une mise en service qui prend six mois, c'est la différence entre un programme d'IA qui prend de l'ampleur et un autre qui finit au placard.
• Un cadre en six étapes, mis en œuvre en présence de l'ensemble de la commission, permet de définir les critères déterminants pour la conclusion d'un contrat avant même que la procédure de passation de marché ne soit lancée.
• Découvrez, grâce à une démonstration, comment Encore répond à chaque critère d'évaluation.

Qu'est-ce qu'une plateforme d'IA agentique ?

Une plateforme d'IA agentique est un système d'entreprise qui permet à des agents d'IA de planifier et d'exécuter de manière autonome des tâches comportant plusieurs étapes, au-delà d'un simple échange de questions-réponses en un seul tour.

En matière d'expérience client, cela signifie une IA capable de gérer une interaction de bout en bout, et pas seulement de générer une réponse fluide avant de transférer l'appel à un agent humain.

Une véritable IA agentique est axée sur les objectifs. Elle reçoit un objectif, détermine elle-même la marche à suivre et l'exécute sans supervision continue ni étapes prédéfinies.

Cela diffère, sur le plan architectural, de l'automatisation basée sur des déclencheurs, présentée comme « agentique », où chaque étape est définie à l'avance.

6 étapes pour évaluer une plateforme d'IA agentique destinée à l'expérience client en entreprise

Suivez ces six étapes dans l'ordre. Chacune d'entre elles se termine par une question à poser directement au fournisseur, car la rapidité et la précision de la réponse en disent autant que la réponse elle-même.

Étape 1. Déterminer l'architecture : « Knowledge-first » ou « LLM-first »

Déterminez si les réponses proviennent d'une source contrôlée ou si elles sont générées par le modèle lors de l'exécution. Cette seule décision détermine si les cinq critères suivants sont même réalisables.

Question à poser au fournisseur : « Montrez-moi le document source précis sur lequel repose cette réponse, et précisez-moi si chaque réponse provient d'une source contrôlée ou si elle est générée au moment de l'exécution. »

Étape 2. Tester la gouvernance et la vérifiabilité dans des conditions extrêmes

Assurez-vous de pouvoir reconstituer ce qu’a dit l’IA et expliquer pourquoi, à la demande, et non pas seulement après l’ouverture d’un ticket d’assistance. Dans le domaine de l’expérience client réglementée, la traçabilité est une contrainte impérative, et elle doit respecter les obligations de transparence prévues à l’article 13 de la loi européenne sur l’IA.

Question à poser au fournisseur : « Veuillez établir une trace d'audit conforme aux exigences réglementaires pour cet échange, indiquant la source de chaque réponse. »

Étape 3. Évaluez les résultats en termes de résolution, et non en termes de déviation

Évaluez la plateforme en fonction de la résolution dès le premier contact, et non en fonction de la gestion ou du renvoi vers un autre service. La gestion est prise en compte que l'intervention d'un conseiller humain ait été évitée ou non. La résolution est prise en compte que le problème du client ait été résolu ou non.

Questions à poser au fournisseur : « Présentez-nous le taux de résolution dès le premier contact et le taux de satisfaction client (CSAT) issus d'un compte de production réglementé, et non d'un environnement de démonstration. »

Étape 4. Évaluer le niveau d'intégration et l'adéquation avec le centre de contact

Vérifiez si la plateforme s'intègre aux systèmes que vous utilisez déjà, y compris les infrastructures de centre de contact vieillissantes. Une plateforme qui impose un remplacement complet avant d'apporter une valeur ajoutée passe rarement le test de rentabilité.

Questions à poser au fournisseur : « Pour quels-uns de nos systèmes proposez-vous des intégrations prêtes à l'emploi, et pouvez-vous vous connecter à notre centre de contact existant sans avoir à le remplacer entièrement ? »

Étape 5. Vérification de l'indépendance vis-à-vis du modèle et de la pérennité de l'investissement

Vérifiez que la plateforme est capable de passer d'un modèle de base à un autre sans avoir à revalider l'ensemble du déploiement. Le paysage des modèles évolue chaque année, et le fait de se limiter à un seul modèle se traduit par un cycle de mise à jour que personne n'avait prévu lors de l'achat.

Question à poser au fournisseur : « Lorsqu'un nouveau modèle est lancé ou que celui que nous utilisons est obsolète, quels changements cela implique-t-il pour nous, et quels éléments doivent être revalidés ? »

Étape 6. Vérifier les délais de mise en production et la maintenance continue

Vérifiez à quelle vitesse la plateforme permet de parvenir à un déploiement opérationnel et contrôlé, et ce qui garantit la précision des réponses après le lancement. Un projet pilote rapide qui s'essouffle au troisième mois n'est pas prêt pour la production.

Questions à poser au fournisseur : « Expliquez-moi en détail les étapes menant à un déploiement en production, et montrez-moi comment la précision est préservée à mesure que notre contenu évolue. »

4 signaux d'alerte à surveiller lors de l'évaluation

Ces schémas réapparaissent sans cesse dans des évaluations qui finissent par échouer.

• Le fournisseur n'est pas en mesure de fournir, sur simple demande, une piste d'audit conforme aux exigences réglementaires. Si la traçabilité nécessite un appel de suivi pour être établie, cela signifie qu'elle n'existe pas dans l'architecture.
• Les références clients concernent principalement les PME ou le secteur des technologies grand public, et non les entreprises soumises à une réglementation. Une plateforme qui a fait ses preuves dans le domaine de l'assistance à faible enjeu n'a pas encore été mise à l'épreuve face à un contrôleur.
• Les délais de déploiement sont exprimés en trimestres, et non en semaines. Des délais longs indiquent généralement un travail de développement sur mesure qui devra être répété à chaque fois que votre contenu changera.
• La capacité d'action se démontre par des démonstrations, et non par des références. Une démonstration contrôlée prouve le scénario idéal. Un compte de référence réglementé prouve la validité de l'architecture.

Si une plateforme remplit au moins deux de ces critères, l'évaluation vous donne déjà des indications. Testez une plateforme qui ne les remplit pas.

Pourquoi la plupart des cadres d'achat négligent la gouvernance

Quatre angles morts apparaissent dans les cadres de référence proposés par les acheteurs.

• La plupart ont été conçus pour l'IA grand public. Les frameworks axés sur l'intégration, la conception des flux de travail et l'optimisation de l'expérience partent du principe que la gouvernance ne constitue pas une contrainte déterminante. Or, dans le domaine de l'expérience client réglementée, c'est bien le cas.
• Les responsables de l'expérience client ne peuvent pas mener à bien cette évaluation seuls. Le service chargé de l'expérience client est responsable des indicateurs d'expérience, le RSSI est responsable de la politique d'audit, le directeur des risques est responsable de l'exposition réglementaire et le DSI est responsable de l'engagement vis-à-vis de la plateforme. Un cadre qui ferait l'impasse sur l'un d'entre eux ne sera pas approuvé par le service des achats.
• La gouvernance n'est pas une fonctionnalité que l'on ajoute a posteriori. Une plateforme conçue en privilégiant d'emblée les connaissances, avec l'interconnexion des sources et les pistes d'audit comme principes de conception, génère la gouvernance comme un sous-produit. Une plateforme conçue en privilégiant d'emblée les grands modèles linguistiques (LLM) ne peut pas intégrer cette gouvernance a posteriori par le biais de la documentation. C'est là le cœur du problème posé par les « wrappers » de LLM.
• La durabilité des modèles est le critère dont on parle le moins. Le paysage des modèles en 2024 n'est pas celui de 2026, et ne sera pas non plus celui de 2028. Une plateforme reposant sur un seul modèle engendre un cycle de renouvellement que personne n'avait prévu ; c'est pourquoi l'indépendance vis-à-vis des modèles constitue une protection de l'investissement.

Ce dont le comité de décision chargé de l'expérience client (CX) de l'entreprise a réellement besoin

Quatre acteurs donnent leur feu vert à l'IA appliquée à l'expérience client en entreprise, et chacun d'entre eux a une exigence non négociable qui lui est propre.

Le directeur des systèmes d'information a besoin d'une pérennité des investissements et d'un engagement vis-à-vis de la plateforme qui ne devienne pas un handicap lorsque le paysage des modèles évolue. La question est de savoir si cette décision paraîtra toujours judicieuse dans trois ans, compte tenu des systèmes déjà en place.

Le RSSI et le directeur des risques ont besoin d'une piste d'audit complète, d'un lien vers la source pour chaque réponse, d'un comportement déterministe en cas de requêtes répétées, ainsi que d'une mise en correspondance des contrôles avec les référentiels auxquels ils doivent se conformer, tels que la norme SR 11-7, la norme SOC 2 et l'article 30 du RGPD.

Le responsable de l'expérience client (CX) a besoin d'une précision qui s'applique à grande échelle, et pas seulement lors des démonstrations, ainsi que d'une résolution à laquelle les clients font confiance dès le premier contact. Cette résolution doit être mesurable et s'inscrire dans le cadre d'un déploiement de l'IA conforme à la réglementation du secteur, que l'équipe soit en mesure de justifier.

Le directeur des opérations a besoin que le programme soit mis en service rapidement et qu'il continue de fonctionner. Un déploiement qui se mesure en jours plutôt qu'en trimestres, avec une maintenance ne nécessitant pas d'équipe dédiée au contenu, fait toute la différence entre un programme qui prend de l'ampleur et un programme qui stagne.

Comment Encore répond aux critères de l'acheteur

Inbenta Encore a été conçu en privilégiant les connaissances, ce qui lui permet de répondre aux six critères plutôt qu’à trois. La norme dans le secteur est de privilégier les grands modèles de langage (LLM). Encore renverse cette approche.

• Architecture. Le contenu source est importé et structuré en intentions régulées et liées à la source. Au moment de l'exécution, le système récupère une réponse pré-validée, et le modèle se charge de l'orchestration et de l'enrichissement plutôt que de générer le contenu proprement dit.
• Gouvernance. Chaque réponse remonte à son intention d'origine, et chaque cheminement décisionnel peut être examiné, ce qui permet à un responsable de la conformité ou à un contrôleur de comprendre exactement pourquoi le système a donné telle ou telle réponse. La piste d'audit est conservée au fur et à mesure que le contenu évolue, grâce à l'ingénierie des connaissances, la couche de données régie qui sous-tend la gestion intelligente des connaissances.
• Résultats en matière de résolution. La plateforme est conçue pour résoudre les problèmes, et pas seulement y répondre : elle affiche une amélioration de +35 % du taux de résolution dès le premier contact et une augmentation de +30 % de la satisfaction client (CSAT), comme en témoignent ces chiffres. GOL Airlines traite plus de 10 millions de demandes par an, et Travel Club a réduit le coût par appel de 39 % grâce à l'IA vocale Encore.
• Niveau d'intégration. Grâce à plus de 850 intégrations d'entreprise prêtes à l'emploi, l'orchestration intégrée permet de se connecter à l'infrastructure existante du centre de contact sans avoir à remplacer l'ensemble de la plateforme. Vous n'avez donc pas besoin de régler la question de la migration avant de vous lancer dans l'IA.
• Durabilité des modèles. Encore évalue les modèles disponibles en fonction de votre cas d'utilisation et peut passer de l'un à l'autre, afin que votre investissement ne devienne pas un handicap lorsque le contexte évolue. L'« intelligence programmée », optimisée par l'architecture à double LLM d'Encore, alterne entre la recherche déterministe et la formulation générative en fonction du contexte. Il s'agit là d'une orchestration de l'IA indépendante des modèles, mise en pratique.
• Délai de mise en production. Encore est prêt à être mis en production en quelques jours, et non en plusieurs mois, avec un déploiement plus rapide de 75 % et une réduction des frais généraux de 50 %. Sa couche de maintenance autonome surveille les interactions, détecte les lacunes dans le contenu et actualise les intentions lorsque le contenu source change, sans intervention manuelle.

Inbenta Encore est une plateforme d'IA agentique unifiée, et non un ensemble de produits isolés ; c'est pourquoi elle a remporté le TSIA Star Award dans la catégorie « Innovateur de l'année en matière de réussite client numérique » pour Inbenta Encore.

Si vous menez une évaluation que vous préférez ne pas refaire, présentez ce cadre lors d'une séance de travail.

Foire aux questions

Qu'est-ce qu'une plateforme d'IA agentique ?

Une plateforme d'IA agentique permet aux agents IA de planifier et d'exécuter de manière autonome des tâches comportant plusieurs étapes, au-delà d'un simple échange de questions-réponses en un seul tour. Dans le domaine de l'expérience client (CX), elle peut gérer une interaction de bout en bout, plutôt que de se contenter de générer une réponse puis de transférer la demande. Elle est axée sur les objectifs et ne suit pas de scénario prédéfini.

Comment évaluer une plateforme d'IA agentique destinée à l'expérience client en entreprise ?

Évaluez six critères dans l'ordre suivant : architecture, gouvernance, résultats en matière de résolution, niveau d'intégration, pérennité du modèle et délai de mise en production. Réalisez cette évaluation avec l'ensemble du comité, car les services chargés de l'expérience client, de la sécurité, de la gestion des risques et de l'informatique ont chacun un point de vue différent. Terminez chaque étape par une question directe adressée au fournisseur.

Quelle est la différence entre une IA agentique et un assistant IA intelligent ?

Un assistant IA « intelligent » répond à des questions ponctuelles et passe le relais lorsque la tâche devient complexe. L'IA « agentique » planifie et exécute une tâche en plusieurs étapes pour atteindre un objectif, en gérant l'interaction de bout en bout. La différence réside dans l'autonomie et la capacité à résoudre les problèmes, et non dans la fluidité des réponses.

Que doivent rechercher les secteurs réglementés dans une plateforme d'IA agentique ?

La traçabilité avant tout. Vous devez disposer d'un lien vers le code source pour chaque réponse, d'une piste d'audit conforme aux exigences des autorités de régulation, d'un comportement déterministe lors de requêtes répétées, ainsi que de mappages de contrôle vers les cadres réglementaires dans lesquels vous opérez. La gouvernance doit être intégrée à l'architecture, et non pas se limiter à une couche de journalisation ajoutée a posteriori.

Combien de temps faut-il pour déployer une plateforme d'IA agentique ?

De quelques jours à quelques semaines, et non pas des trimestres. Les délais prolongés sont généralement le signe d’un travail de développement sur mesure qui doit être répété à chaque modification du contenu. Une plateforme axée sur la connaissance intègre rapidement le contenu dans des « intents » contrôlés ; c’est ainsi qu’Encore parvient à un déploiement plus rapide de plus de 75 % par rapport aux approches traditionnelles.

Quel est le critère le plus souvent négligé dans l'évaluation de l'IA agentique ?

Durabilité des modèles. La plupart des frameworks ne tiennent pas compte de cet aspect, mais le paysage des modèles évolue chaque année, et le fait de se retrouver « prisonnier » d’un seul modèle se traduit par un cycle de mise à jour sans fin. Une plateforme indépendante des modèles protège l’investissement en permettant de passer d’un modèle à l’autre sans avoir à revalider l’ensemble du déploiement.