Vous avez mis en place une IA agentique pour gérer les interactions avec les clients, et elle s'en acquitte très bien… jusqu'au moment où elle invente avec assurance une politique qui n'existe pas.
L'« intelligence programmée » est une architecture de commutation adaptative qui régit l'IA agentique en basculant entre des approches de recherche déterministe et des approches génératives en fonction du contexte de chaque interaction.
Le secteur s'accorde désormais à dire que l'IA agentique d'entreprise doit allier précision déterministe et fluidité générative. Mais le simple fait d'identifier ce besoin ne suffit pas à construire l'architecture.
L'étiquette indique « contrôlé », mais le comportement suggère plutôt une approche empirique. C'est l'intelligence programmée qui comble ce fossé au niveau architectural.
Points clés à retenir
- « Programmed Intelligence » est l'architecture de commutation adaptative d'Inbenta : une recherche déterministe lorsque la précision est de mise, et des approches génératives lorsque la fluidité apporte une valeur ajoutée.
- La plateforme gère la commutation pour chaque interaction en fonction du contexte. Vous n'avez pas besoin de la configurer pour chaque réponse.
- La recherche déterministe à partir d'intentions prédéfinies constitue la méthode de réponse par défaut. Les approches génératives sont utilisées de manière sélective, lorsqu'elles apportent une valeur ajoutée sans présenter de risque d'hallucination.
- Chaque interaction est vérifiable : la méthode de réponse, l'intention visée, le contenu source et le résultat sont tous traçables.
- Vous souhaitez voir comment Programmed Intelligence s'intègre à votre infrastructure ? Prenez rendez-vous pour une démonstration.
Qu'est-ce que l'intelligence programmée ?
Le terme « intelligence programmée » a été inventé par Inbenta pour désigner l'architecture de commutation adaptative qui est au cœur de la plateforme d'IA agentique d'Encore.
Il détermine la manière dont la plateforme choisit, lors de l'exécution, entre la recherche déterministe et les approches génératives, en fonction du contexte de chaque interaction avec le client.
Pour les réponses à enjeux élevés, soumises à une réglementation ou sensibles sur le plan politique, le système s'appuie sur une recherche déterministe à partir d'intentions prévalidées et associées à des sources. Pour les interactions ouvertes, il utilise des approches génératives dans le respect de cadres réglementaires bien définis.
La plateforme se charge de la commutation. Vous n'avez pas besoin de la configurer pour chaque interaction.
Qu'est-ce que la logique déterministe en IA ?
En IA, la logique déterministe produit systématiquement le même résultat pour une même entrée.
À partir d'une question spécifique posée par un client et d'une base de connaissances réglementée, le système renvoie la réponse pré-validée associée à cette intention.
Le processus décisionnel est reconstituable, le résultat est prévisible et la source est traçable. C'est là la caractéristique qui faisait défaut à l'expérience client réglementée.
Comment fonctionne l'intelligence programmée lors de l'exécution
Voici ce qui se passe lorsqu'une interaction client est transmise à Encore.
Étape 1 : Reconnaissance de l'intention
La plateforme interprète la requête du client et la met en correspondance avec les intentions définies à partir de votre contenu source lors de l'ingestion.
Étape 2 : Évaluation du contexte
Elle évalue les enjeux de l'interaction : s'agit-il d'une question réglementée, sensible sur le plan politique, ou d'une question ouverte, propice à la conversation ? C'est le contexte qui détermine la décision suivante.
Étape 3 : Commutation adaptative
En fonction de ce contexte, la plateforme choisit la méthode de réponse. Les requêtes pour lesquelles la précision est essentielle sont acheminées vers une récupération déterministe. Les requêtes axées sur la fluidité font appel à des approches génératives dans le respect de certaines limites.
Étape 4 : Réponse réglementée
Le client reçoit une réponse cohérente. En arrière-plan, la méthode de réponse, l'intention définie et le contenu source sont consignés à des fins de traçabilité.
Le conflit central : IA probabiliste contre IA déterministe
Le débat entre IA déterministe et IA probabiliste fait actuellement rage dans les résultats de recherche. L'IA déterministe est prévisible et traçable ; l'IA probabiliste est fluide mais sujette à l'erreur.
L'intelligence programmée est la solution, et non un simple argument de plus dans le débat.
On conseille généralement aux entreprises de combiner ces deux approches, puis on les laisse se débrouiller seules pour les intégrer lors de la conception. C'est ce qu'on appelle le paradoxe de l'intégration.
Choisir à l'avance un mode de communication pour chaque cas d'utilisation ne permet pas d'anticiper la prochaine question du client. Dans les vraies conversations, la frontière entre précision et fluidité s'estompe au fil de l'échange.
Les garde-fous ne résolvent pas ce problème. Ils détectent les erreurs probabilistes après que le modèle les a déjà générées, contrôlant ainsi le résultat plutôt que la méthode elle-même.
L'intelligence programmée détermine l'approche à adopter pour chaque interaction, ce qui permet à la précision et à la fluidité de coexister au sein d'une même conversation sans que vous ayez à faire de compromis.
Pourquoi l'IA agentique a besoin d'une gouvernance déterministe
Un agent capable d'agir de manière autonome dans le cadre de flux de travail en plusieurs étapes peut également commettre des erreurs au cours de ces derniers. L'autonomie multiplie le coût d'une erreur non maîtrisée.
L'indice IA 2026 de Stanford a révélé que les taux d'hallucination des principaux modèles variaient entre 22 % et 94 %, l'inexactitude étant désormais le risque lié à l'IA le plus souvent cité par les entreprises.
L'intelligence programmée constitue le mécanisme de gouvernance. Elle limite l'action autonome à des intentions prédéfinies et à des réponses liées à leur source, de sorte que l'agent opère dans des limites vérifiables.
Il en résulte une autonomie vérifiable. L'agent peut agir de manière autonome tout en vous permettant de vérifier ce qu'il a fait et pourquoi ; ainsi, autonomie et responsabilité ne s'opposent plus.
Les fournisseurs qui génèrent des réponses au moment de l'exécution ne peuvent pas offrir une véritable gouvernance de l'IA agentique. C'est la recherche déterministe qui distingue une IA agentique prête pour la production d'une simple démonstration.
L'intelligence programmée dans le domaine de la CX réglementée : applications sectorielles
Services financiers
Un client se renseigne sur une procédure de règlement des litiges. L'intelligence programmée effectue une recherche déterministe et renvoie le libellé exact de la politique en vigueur, dont la provenance peut être retracée.
Le client reformule alors sa demande en termes plus simples. La plateforme utilise l'enrichissement génératif pour reformuler le texte, en s'appuyant sur le contenu réglementé comme référence. Deux méthodes, une seule conversation, vérifiables au regard de la norme SR 11-7 et de la documentation du modèle OCC 2011-12.
Tourisme et hôtellerie
Un voyageur demande à modifier une réservation. Les étapes de la transaction s'exécutent selon une logique déterministe via le moteur d'automatisation des flux de travail : récupération de la réservation, vérification des conditions générales, traitement de la modification, recalcul du tarif.
Le message de confirmation utilise une formulation fluide et naturelle pour communiquer le résultat. Chaque action est consignée dans les registres de traitement prévus par l'article 30 du RGPD.
SaaS B2B destiné à une clientèle soumise à une réglementation
Un administrateur client pose une question concernant la localisation des données de son tenant. Programmed Intelligence effectue une recherche déterministe et renvoie le texte de conformité applicable à ce déploiement spécifique.
Aucune interpolation générative n'est effectuée en matière de conformité. La réponse est exacte, référencée à la source et vérifiable par l'équipe de conformité du client ainsi que dans le cadre de l'audit SOC 2.
Comment Encore met en œuvre l'intelligence programmée
Avec Inbenta Encore, la commutation adaptative devient une fonctionnalité intégrée à la plateforme plutôt qu'une contrainte de configuration. Voici comment l'architecture se comporte sous une charge régulée.
L'intelligence programmée, qui s'appuie sur l'architecture double LLM d'Encore, confie aux modèles de langage de grande envergure (LLM) la tâche de comprendre, tandis que la recherche déterministe fournit des réponses issues d'intentions prédéfinies.
La plateforme gère la bascule entre ces deux modes. Plusieurs fonctionnalités permettent cela :
- Dans une architecture axée sur la connaissance, les intentions gérées constituent l'unité déterministe. Chacune d'entre elles est pré-validée et associée à sa source, ce qui permet de conserver la récupération déterministe comme méthode par défaut.
- L'ingénierie des connaissances organise les connaissances de l'entreprise en intentions prêtes à être mises en œuvre. La qualité de la couche déterministe dépend de cette ingénierie.
- La gouvernance « Glass Box » conserve une piste d'audit complète pour chaque interaction : la méthode de réponse, l'intention régie, le contenu source et le résultat.
- Elevate assure une maintenance autonome, garantit la précision de la surveillance et met en évidence les intentions là où la couche déterministe doit être étendue.
- Une conception indépendante des modèles permet à l'architecture de commutation de ne dépendre d'aucun modèle en particulier, ce qui permet de remplacer les modèles sans avoir à reconstruire la couche déterministe.
- Avec plus de 850 intégrations et plus de 800 connecteurs, le moteur d'automatisation des flux de travail intervient sur l'ensemble de votre infrastructure existante, tandis que l'intelligence programmée gère la réponse.
- Plus de 90 langues sont gérées à partir d'une base de connaissances centralisée, ce qui évite toute divergence des réponses d'un marché à l'autre.
Cette gouvernance se traduit par une réduction des escalades. BBVA a réduit de 84 % les escalades au service client en acheminant les interactions à enjeux élevés vers des réponses régies et déterministes.
Inbenta Encore a remporté le TSIA Star Award pour sa couche de résolution gérée, récompensée lors de la conférence TSIA.
Découvrez comment Programmed Intelligence gère vos interactions les plus critiques : réservez une démonstration.
Foire aux questions
Comment l'intelligence programmée permet-elle d'éviter les hallucinations de l'IA ?
Cela fait de la recherche déterministe la voie de réponse par défaut. Les réponses critiques proviennent d'intentions prévalidées et liées à une source, plutôt que de texte généré à l'exécution ; la plateforme renvoie donc la réponse approuvée plutôt qu'une interprétation de celle-ci.
Qu'est-ce que la commutation adaptative en IA ?
La commutation adaptative désigne la capacité, en cours d'exécution, de basculer entre une recherche déterministe et des approches génératives en fonction du contexte de chaque interaction.
Les requêtes exigeant une grande précision sont acheminées vers une logique déterministe ; celles qui laissent une marge de manœuvre font appel à la fluidité générative. C'est la plateforme qui décide, et non l'utilisateur.
Pourquoi l'IA agentique a-t-elle besoin d'une gouvernance déterministe ?
Les agents autonomes interviennent dans des flux de travail comportant plusieurs étapes, de sorte qu'une erreur non maîtrisée a des répercussions en cascade sur l'ensemble de ces étapes. C'est là le problème central que la gouvernance de l'IA agentique doit résoudre.
La gouvernance déterministe limite l'action à des intentions prédéfinies et à des réponses liées à la source, vous offrant ainsi une autonomie vérifiable : l'agent agit de manière autonome, et vous pouvez démontrer ce qu'il a fait et pourquoi.
L'intelligence programmée est-elle compatible avec différents fournisseurs de modèles de langage de grande envergure (LLM) ?
Oui. L'architecture de commutation est indépendante du modèle. Les grands modèles de langage (LLM) se chargent de la compréhension et de l'enrichissement, tandis que la recherche déterministe ancre les réponses à des intentions prédéfinies.
Les modèles peuvent être remplacés sans avoir à reconstruire la couche de connaissances, ce qui protège le déploiement contre la dérive des modèles.
Qu'est-ce que l'autonomie vérifiable ?
L'autonomie vérifiable signifie qu'un agent d'IA peut agir de manière indépendante tout en garantissant la traçabilité de chacune de ses décisions.
Pour chaque interaction, la méthode de réponse, l'intention visée, le contenu source et le résultat sont consignés, ce qui permet à une équipe chargée de la conformité ou à une autorité de régulation de reconstituer exactement ce qui s'est passé.
Comment l'intelligence programmée s'applique-t-elle aux secteurs réglementés ?
Dans les secteurs des services financiers, du voyage et de l'hôtellerie, ainsi que dans le domaine du SaaS B2B destiné à une clientèle soumise à une réglementation, cette solution propose des formulations conformes aux politiques établies pour les questions sensibles en matière de conformité et une réponse fluide et créative pour les questions ouvertes, le tout en lien avec la source et vérifiable.
Découvrez-le en fonction de vos propres cas d'utilisation : planifiez une démonstration.
Articles connexes
