Les 6 Primitives de Cas d’Usage de l’IA et Comment les Agents Vont les Transformer

Aujourd’hui, nous allons explorer les six primitives de cas d’usage de l’IA ainsi que la façon dont les agents IA vont les transformer. Bienvenue dans notre analyse approfondie de l’avenir de l’intelligence artificielle en entreprise.

OpenAI Accélère l’Adoption en Entreprise

OpenAI a récemment intensifié la publication de ressources destinées aux clients et aux entreprises. Cette stratégie montre clairement leur volonté d’accélérer l’adoption de l’IA dans le monde professionnel. Ce qui est particulièrement intéressant pour nous, c’est que ces publications nous donnent l’opportunité d’observer les grandes tendances qu’OpenAI identifie à travers sa vaste clientèle.

Leur dernière ressource, intitulée « Identifier et développer les cas d’usage de l’IA : Comment les adopteurs précoces concentrent leurs efforts en matière d’IA », met en lumière ce qu’ils appellent les « six primitives de cas d’usage ». Ces primitives représentent essentiellement des domaines d’application de l’IA sous lesquels se regroupent de nombreux cas d’usage spécifiques, et qui peuvent aider les organisations à conceptualiser leurs propres applications.

L’Adoption Rapide de l’IA

Le contexte est assez évident. En résumé, un nombre considérable de personnes utilisent déjà l’IA. OpenAI cite une étude indiquant que 39% des adultes américains ont déjà utilisé l’IA, un chiffre qui a certainement augmenté depuis la publication de cette étude. Ils soulignent que cette adoption est environ deux fois plus rapide que celle d’Internet à ses débuts.

Plus révélateur encore, ils mentionnent une étude de BCG qui a constaté que, au cours des 3 dernières années, les entreprises considérées comme leaders en IA ont connu :
– Une croissance des revenus 1,5 fois plus rapide
– Des rendements pour les actionnaires 1,6 fois plus élevés
– Un retour sur capital investi 1,4 fois meilleur que leurs concurrents qui n’étaient pas leaders en IA

La Base de Données des Primitives

Pour établir ces six primitives de cas d’usage, OpenAI s’appuie sur :
– 300 de leurs implémentations les plus réussies
– Plus de 4 000 enquêtes sur l’adoption
– Plus de 2 millions d’utilisateurs professionnels

Ces primitives ne constituent pas la totalité du rapport, bien qu’elles en représentent la partie la plus importante. Le rapport propose trois étapes pour identifier et développer les cas d’usage de l’IA les plus impactants :

Identifier les opportunités d’application de l’IA en comprenant ses points forts
Former les employés aux cas d’usage fondamentaux qui peuvent accélérer la découverte dans tous les départements

Collecter et prioriser les cas d’usage qui auront le plus grand impact sur l’entreprise

Nous allons nous concentrer sur le deuxième point, car c’est là qu’intervient le concept de primitives de cas d’usage.

Les Six Primitives de Cas d’Usage

Ces primitives proviennent de l’analyse de plus de 600 cas d’usage issus des clients d’OpenAI. Selon eux, la plupart s’inscrivent dans l’une des six primitives qu’ils définissent comme des types fondamentaux de cas d’usage applicables à tous les départements et disciplines.

Les six primitives de cas d’usage comprennent :
1. Création de contenu
2. Recherche
3. Codage
4. Analyse de données
5. Idéation et stratégie
6. Automatisation

Examinons ce qu’OpenAI dit sur l’état actuel de ces primitives, puis projetons-nous dans le futur pour voir comment les agents IA vont les transformer.

1. Création de Contenu

État Actuel

Étant donné l’ancrage de ChatGPT dans un grand modèle de langage, la création de contenu a toujours été au sommet des cas d’usage professionnels. Beaucoup des exemples cités par OpenAI vous seront probablement familiers.

Parmi les cas d’usage de création de contenu pour démarrer, ils mentionnent :

Marketing : Création de stratégies de campagne, titres ou campagnes d’emails, génération de plans de contenu et premiers brouillons, adaptation de contenu pour différents publics ou canaux
Finance : Rédaction de documents de politique

Produit : Élaboration de documents d’exigences produit ou notes de version
Ventes : Génération de scripts pour les appels ou emails de suivi

L’étude de cas qu’ils présentent concerne une entreprise de sciences de la vie qui a économisé 135 heures au cours de ses 6 premiers mois grâce aux premières ébauches de campagnes d’emails.

L’Évolution avec les Agents IA

Horizon 1 (12-24 mois)

Nous verrons probablement apparaître des « agents rédacteurs fantômes » autonomes. Imaginez un agent de copie adapté à la marque qui surveille les directives de style, les règles juridiques, les OKR de campagne, et qui rédige du texte, des images et de courtes vidéos pour approbation humaine. Nous pourrions également voir une adaptation intelligente au canal, où un agent planifie des versions optimisées sur les CMS, les réseaux sociaux et les plateformes publicitaires.

Horizon 2 (2-4 ans)

Cet agent pourrait devenir plus sophistiqué, intégrant des boucles de rétroaction du public. L’agent pourrait surveiller les métriques d’engagement en temps réel, exécuter des tests A/B et réviser continuellement le contenu comme un growth hacker 24/7. Nous pourrions également voir l’émergence d’une « équipe créative coordonnée » où l’agent de copie utilise ces informations contextuelles et basées sur les données pour attribuer des tâches à une petite équipe : un ajusteur de ton, un traducteur, un concepteur de vignettes, avec un agent planificateur publiant des variantes sur chaque canal et un agent d’analyse dédié faisant des rapports.

Horizon 3 (4+ ans)

Nous aurons des « studios créatifs synthétiques » complets, des équipes multi-agents (rédacteur, designer, acteur vocal, producteur) qui storyboardent, tournent, éditent, localisent et placent des publicités de bout en bout, interagissant même avec des agents financiers pour établir des budgets. De plus, le studio pourrait prendre la forme d’un « essaim » où ce ne sont pas un rédacteur, un designer ou un acteur vocal unique, mais plusieurs qui travaillent en parallèle, collaborant avec des agents de finance, de conformité et de révision pour affiner les options jusqu’à ce que l’essaim converge vers la campagne la plus rentable et la plus fidèle à la marque.

2. Recherche

État Actuel

OpenAI écrit à propos de la recherche aujourd’hui : « L’IA est largement utilisée pour la recherche dans tous les secteurs, de la recherche sur le web d’articles pertinents ou de données concurrentielles à des projets de recherche plus complets en plusieurs étapes qui analysent le web pour des articles, des points de données et des insights. Nous voyons également des équipes télécharger de longs documents internes pour obtenir rapidement des informations. »

L’un des plus grands avantages de l’utilisation de l’IA pour la recherche est que vous pouvez spécifier le format et la structure de présentation de l’analyse : en format tableau, en points, organisé en sections spécifiques ou avec des références croisées.

Parmi les cas d’usage de recherche recommandés pour débuter :

Ventes et Marketing : Étudier de nouvelles industries ou mieux comprendre les concurrents
Finance : Rechercher des benchmarks d’entreprises cotées en bourse
Produit : Dimensionner de nouveaux marchés, étudier les concurrents ou identifier les tendances

IT : Rechercher de nouveaux fournisseurs et évaluer les forces et faiblesses de leurs produits
Ingénierie logicielle : Examiner les points de terminaison API et la documentation externe

L’Évolution avec les Agents IA

État Actuel et Proche Avenir

L’ère des agents a déjà commencé pour la recherche. L’un des premiers agents consommateurs d’OpenAI, selon la définition, est Deep Research. Avec une invite très simple, Deep Research (qu’il s’agisse de la version d’OpenAI, Gemini ou Gro) planifie, navigue, trie et synthétise de manière autonome des centaines de sources en rapports de niveau analyste. Ceci est disponible dès maintenant, ce n’est pas un état futur lointain.

Horizon 2

Ce qui pourrait arriver prochainement serait quelque chose comme des « agents d’intelligence continue ». Imaginez Deep Research, mais toujours actif, s’abonnant à des flux de données, des brevets, des appels de résultats, repérant des signaux faibles, générant des briefings, et peut-être même contactant des experts du domaine lorsque leur confiance est faible. Nous pourrions également commencer à voir la première « essaimification » des agents de recherche. Imaginez, par exemple, une « cellule de renseignement persistante », pas seulement un agent unique, où un agent planificateur alimente des sous-agents comme un crawler d’actualités, un observateur de brevets et un intervieweur d’experts, puis un agent de synthèse pour fusionner ces mises à jour dans un dossier vivant qui vous alerte sur des événements seuils.

Horizon 3

La version la plus sophistiquée serait des essaims capables d’interagir avec des experts et des données de manières totalement différentes. Imaginez, par exemple, des agents de négociation qui contactent automatiquement des pairs experts ou leurs agents, planifient des entretiens, achètent des rapports, mettent à jour des graphes de connaissances privés, et peuvent même débattre entre eux sur différentes interprétations pour obtenir à la fois un consensus et des points de vue contradictoires.

3. Codage

État Actuel

L’IA est désormais omniprésente dans le codage. Comme le souligne OpenAI, cela concerne à la fois les ingénieurs logiciels existants qui utilisent l’IA pour des tâches comme le débogage, la génération de premières ébauches de code dans des langages peu familiers, ou la conversion de code d’un langage à un autre, mais aussi les non-codeurs qui commencent à construire avec du code pour la première fois.

Fait intéressant, OpenAI indique des cas d’usage de codage qui ne sont pas réservés aux ingénieurs logiciels :

Marketing : Construction de graphiques interactifs ou de visualisations de données
Finance : Création de scripts Python pour automatiser certaines parties de la clôture mensuelle

Produit : Construction de prototypes interactifs pour développer de nouvelles idées de produits (« vibe coding »)

L’Évolution avec les Agents IA

État Actuel

On pourrait dire que l’ère des agents commence déjà à impacter cette primitive particulière. Vous avez déjà des « agents de développement en binôme » qui surveillent les événements IDE, exécutent des tests, déposent des PR, opérant aux côtés des codeurs de manière beaucoup plus autonome et complète. De plus, à ce stade, les outils de « vibe coding » sont essentiellement des agents qui prennent des entrées en langage naturel de non-codeurs et les transforment en processus et code utilisables.

Horizon 2

Ce qui pourrait suivre serait une « usine logicielle composable ». Imaginez un pipeline de spécification à production où des agents planificateurs décomposent les fonctionnalités en tâches, des agents développeurs juniors codent, des agents seniors révisent, et des agents DevOps déploient chaque jour. Tout cela est bien sûr orchestré par une mémoire partagée.

Horizon 3

Un horizon encore plus lointain pourrait être un système « auto-réparateur » complet. Imaginez des agents de surveillance qui détectent des anomalies, qui peuvent ensuite générer des agents de réparation qui reviennent en arrière, corrigent ou lancent de nouveaux microservices avec une intervention humaine minimale. En plus de cela, vous auriez probablement d’autres agents connexes comme des agents de gouvernance enregistrant chaque étape, notifiant les humains uniquement en cas de nécessité absolue, mais documentant l’ensemble du processus au fur et à mesure.

4. Analyse de Données

État Actuel

OpenAI écrit : « L’IA aide n’importe qui à harmoniser des données provenant de différentes sources, à identifier des insights et des tendances, et à travailler avec des données complexes de tableur sans avoir besoin de compétences avancées en Excel, SQL ou Python. Vous pouvez fournir à l’IA plusieurs tableurs ou captures d’écran de tableaux de bord pour soutenir une analyse rapide. Elle peut interpréter les données de tableur, comprendre les graphiques visuels, et même vous aider à formater votre sortie pour les rapports. »

Quelques cas d’usage recommandés pour débuter :

Marketing : Télécharger des données de participation à des webinaires et les visualiser
Produit : Analyser les tendances et les retours sur les réseaux sociaux
Ventes : Mapper les prospects aux comptes et les noter pour les signaux d’intention

Finance : Analyser les données de dépenses et rechercher des tendances

L’Évolution avec les Agents IA

Horizon 1

Imaginez quelque chose qui prend en charge des tâches programmées de manière plus continue et automatisée. Par exemple, un « agent de notebook » qui enchaînerait SQL et Python, générerait des graphiques, rédigerait des insights narratifs et joindrait des citations, produisant des éléments comme un résumé des KPI du lundi sans avoir à être sollicité.

Horizon 2

Un second horizon pourrait être quelque chose comme des « auto-ML », où un agent sélectionne une technique d’apprentissage automatique, entraîne, valide et déploie des modèles prédictifs, puis renvoie des prédictions aux agents opérationnels. Il s’agirait essentiellement de commencer à faire davantage le travail d’une équipe de données complète.

Horizon 3

À quatre ans et plus, on parle d’un « essaim de maillage de données » complet où vous avez tout, des agents de schéma qui proposent des changements et simulent les ruptures en aval, aux agents de confidentialité qui peuvent opposer leur veto ou expurger des colonnes si le risque de données personnelles dépasse la politique, en passant par des agents de lignage qui peuvent mettre à jour les catalogues et notifier les équipes concernées, le tout avec une implication humaine extrêmement minimale.

5. Idéation et Stratégie

État Actuel

Un cas d’usage qu’OpenAI dit être populaire dans toutes les équipes, du brainstorming d’un nouveau billet de blog à l’aide à la structuration d’un document. Ils soulignent qu’à mesure que les modèles deviennent plus capables de réfléchir à des problèmes complexes, nous voyons de nombreuses équipes élaborer des plans stratégiques avec eux, en tenant compte de leurs données, objectifs, contexte, contraintes et dépendances.

Quelques cas d’usage d’idéation et de stratégie qu’ils mettent en évidence :

Marketing : Brainstorming d’idées de campagne, téléchargement d’un brief marketing et demande de ce qui manque
Finance : Élaboration d’un plan d’expansion de marché pour une nouvelle géographie
Produit : Téléchargement de votre PRD et identification des zones de faiblesse avant une revue exécutive

Ventes : Pratique de votre pitch ou de vos compétences de découverte avec le mode vocal

C’est certainement un domaine où nous avons vu d’énormes améliorations basées sur les mises à jour de modèles. Le modèle de raisonnement 03, par exemple, est une amélioration massive par rapport aux versions 40 et 45 en ce qui concerne ce type d’idéation stratégique. Mais on a aussi l’impression que nous ne faisons qu’effleurer la surface.

L’Évolution avec les Agents IA

Horizon 1

Dans l’immédiat, nous commencerons à voir des choses comme des « agents planificateurs de scénarios ». Imaginez des agents qui peuvent exécuter des simulations Monte Carlo sur les données de marché, de coût et de concurrents, produisant des arbres d’options avec des cartes thermiques de risque et de ROI pour les dirigeants.

Horizon 2

Un ou deux ans plus tard, ce pourrait être quelque chose comme des « groupes de discussion synthétiques », où vous avez des agents de persona qui recréent des segments de clients cibles avec des psychographiques fins, des agents créatifs qui testent les messages, les prix ou les ensembles de fonctionnalités contre ces personas, et des agents d’insight qui font ressortir les courbes d’émotion et recommandent des ajustements de mise sur le marché.

Horizon 3

C’est le domaine où vous pourriez vraiment voir certains des employés synthétiques les plus importants et puissants. Imaginez, par exemple, un « agent chef de cabinet » qui assiste à chaque réunion par la voix et la vision, suit les OKR, pousse les propriétaires, réalloue le budget, escalade les choses quand la stratégie dérive. Un « IA COO » n’est pas hors de question. Et bien sûr, un seul IA COO pourrait en fait être un essaim d’agents géré par un seul coordinateur qui a cette fonction.

6. Automatisations

État Actuel

C’est par là que beaucoup d’entreprises commencent quand elles pensent à l’IA. OpenAI écrit : « Les automatisations peuvent être simples, comme la génération de mises à jour hebdomadaires sur la concurrence, ou plus complexes, comme la création d’un rapport financier pour les briefings hebdomadaires des dirigeants. »

Quelques autres cas d’usage d’automatisation sur lesquels ils se concentrent :

Marketing : Construction de résumés de mises à jour Slack pour les notes de réunion
Produit : Résumé et partage des insights clients hebdomadaires

Finance : Transformation des données financières hebdomadaires en un aperçu pour les dirigeants
IT : Téléchargement de votre architecture logicielle sous forme de capture d’écran et demande des dépendances clés, des risques et des opportunités d’optimisation

L’Évolution avec les Agents IA

État Actuel

Encore une fois, c’est un domaine où les agents commencent vraiment à apparaître maintenant. Je ne pense pas qu’ils soient tout à fait aussi compétents que quelque chose comme Deep Research, qui excelle vraiment dans ce qu’il fait. Mais vous commencez à voir des agents d’utilisation web comme Operator imiter les clics et les frappes humaines pour exécuter des flux de travail en plusieurs étapes. Les domaines où vous voyez des organisations expérimenter cela sont des domaines comme les achats, les réservations de voyage, les mises à jour CRM.

Horizon 1

Bien que ces choses soient encore émergentes au moment de cet enregistrement, je pense qu’au cours des 12 prochains mois, beaucoup de cela va devenir complètement de rigueur. Et encore une fois, je ne serais pas surpris si une partie de la façon dont cela se produit n’est pas des agents uniques qui peuvent faire beaucoup de choses, mais des agents individuels qui sont bons dans des choses très spécifiques travaillant ensemble de concert. Donc au lieu d’un agent acteur web, un « pod d’acteur web » : un agent de remplissage de formulaire pour gérer les factures et les rapports de dépenses, un agent de mise à jour CRM pour synchroniser les notes de réunion et les tâches de suivi, un agent coordinateur qui peut résoudre les collisions, demander des clarifications sur les champs ambigus, et fait des choses comme horodater chaque action pour un audit ultérieur.

Horizon 2

Ce à quoi cela mène, je pense dans l’Horizon 2, est une couche d’orchestration encore plus étendue. Imaginez un « gestionnaire de flotte » qui génère des agents spécialisés pour surveiller les SLA, transmettant les cas limites aux humains.

Horizon 3

Cela mène finalement à l’horizon le plus lointain à des « unités commerciales autonomes » entières. Des agents financiers qui peuvent clôturer les livres, des agents de chaîne d’approvisionnement qui peuvent négocier des contrats, des agents RH qui exécutent des enquêtes continues et du L&D personnalisé.

Encore une fois, la voie constante ici est juste comme nous l’avons discuté avec l’indice de tendance de travail de Microsoft cette année. De là où nous sommes maintenant, qui est des humains en partenariat avec des co-pilotes et des assistants, à l’avenir, tout le monde étant un « patron d’agent » gérant des essaims ou des armées d’agents qui fonctionnent ensemble de manière complexe pour exécuter des priorités stratégiques complètes.

Ce qui Va Permettre Cette Accélération

Qu’est-ce qui va permettre toute cette accélération ? Plusieurs facteurs clés :

Améliorations de la mémoire : Plus les agents peuvent se souvenir des préférences et du contexte passé, plus ces agents vont devenir capables.
Amélioration des frameworks d’utilisation d’outils : L’appel de fonctions à des milliers de points de terminaison SaaS ou même à des appareils IoT, à la robotique. Ces éléments vont considérablement élargir les capacités.

Agents d’infrastructure : Vous allez voir beaucoup de ce qui ressemble à des agents d’infrastructure, des choses comme des planificateurs de tâches intégrés, des moteurs de politique qui peuvent examiner et auditer les choses ou les examiner en termes de sécurité ou de coût et qui permettent aux organisations de déployer des agents avec plus de confiance.
Protocoles de coordination : Des normes qui permettent aux spécialistes de déléguer des sous-tâches à des pairs d’une manière qui reflète les équipes réelles.

Conclusion

Tout cela ne va pas se produire du jour au lendemain, mais c’est en cours. Et je pense que si j’ai un résumé, c’est que aussi précieux qu’il soit d’enseigner à votre équipe ces six primitives de cas d’usage, vous devez y réfléchir non seulement en termes de comment ils utilisent les assistants et les LLM aujourd’hui, mais comment ils vont gérer les agents dans des rôles comme les leurs à l’avenir.

Pour l’instant, cependant, c’est tout pour l’analyse d’aujourd’hui. Merci de votre lecture.