Les recettes d'Agentforce de Salesforce pour percer dans les entreprises

En direct de San Francisco. L’agent autonome souhaité par Salesforce est capable de décomposer une tâche de haut niveau en plusieurs autres plus petites, toutes orchestrées et exécutées sur la plateforme maison. Les actions peuvent également être orchestrées en dehors par l’intermédiaire des API de Mulesoft. « Il s’agit d’un élément de base important, à savoir le portefeuille d’actions et le runtime d’exécution qui dispose de jeux de permissions et dont la sécurité est intégrée dès le départ », nous a expliqué Jayesh Govindarajan, vice-président senior IA et machine Learning de Salesforce., lors d'un point presse sur Dreamforce 2024.

Un des grands défis que l'éditeur a relevé pour faire fonctionner ses agents autonomes dans le monde réel a été la prise en compte du contexte qui se révèle être un élément crucial. « Comme vous le savez les agents peuvent halluciner et pour réduire largement leur niveau d’hallucination, la quantité de contexte que l’on pourra leur donner comblera les lacunes de ce qu’il ne sait pas », assure Jayesh Govindarajan. Un peu à la manière d’un humain pas bien formé et ne disposant pas des bonnes données, un agent autonome aurait ainsi une probabilité bien plus élevée de dérailler. L'intelligence lors de l'indexation des données et l'intelligence lors de la récupération des données, s'associent pour apporter le bon contexte au mécanisme de recherche », poursuit Jayesh Govindarajan.

Des garde-fous à ne pas négliger

Pour qu’un agent autonome fonctionne correctement, Salesforce souligne aussi le fait qu’il doit être capable d’exécuter des actions dans le bon ordre pour que la tâche confiée soit bien exécutée ce qui nécessite là encore de mettre en place un mécanisme de détection des lacunes a priori et a posteriori. D’où la nécessité de disposer d’un moteur de raisonnement robuste, de Rag et d’un mécanisme d’orchestration d’actions. Ainsi, le moteur de raisonnement consiste à décomposer une tâche en étapes plus petites, à proposer une ébauche de plan et ensuite de demander à l’utilisateur si tout va bien. Si tel est le cas, l’agent agira ensuite de façon séquentielle et exécutera la tâche mais rien n’est joué pour autant. « A un moment donné, il se heurte à un certain degré d’ambiguïté. Il y a des règles et des garde-fous à mettre en place dans le système », prévient Jayesh Govindarajan. « Une partie du travail que nous effectuons avec le moteur de raisonnement consiste à construire une couche d'auto-évaluation qui permet d’évaluer son travail. » Avec à la clé la capacité -théorique - de suivre son chemin initial ou bien de le changer en fonction de l’utilisateur et de la question qu’il pose.

Un agent IA bien nourri est un agent IA efficace

Pour être opérationnel, Agentforce doit également être correctement et bien nourri. Pour cela pas de mystère, cela passe par des mises fréquentes au niveau des données et de la variété des sources dans lesquelles l’agent va piocher, quel que soit leur nature (cloud, on-premise...). « Une fois que vous l'aurez intégré à l'entreprise et que vous voudrez y connecter beaucoup plus de données, cela nécessitera plus de travail, mais notre idée est d'aider les gens à démarrer dès maintenant », assure Jayesh Govindarajan. C’est pour cela que Salesforce a travaillé sur une centaine de scénarios d’agents multi-sectoriels. « Il y aura des agents qui feront des tâches très complexes et d'autres qui feront des tâches très simples », poursuit le dirigeant. « Mais fondamentalement, nous avons les outils pour le faire. »

Alors pour peu que les entreprises s’assurent que les données de leur Data Cloud sont propres, que les actions sont correctement définies et disposent du bon ensemble de permissions, l’objectif de Salesforce de voir émerger d’ici 2025 un milliard d’agents autonomes pourrait bien être gagné.