Le contexte gouverné devient une exigence pratique pour les agents d’intelligence artificielle censés prendre des décisions au sein d’une entreprise. À mesure que les entreprises vont au-delà des outils de productivité personnelle, ces agents ont besoin d’informations qui reflètent l’évolution des conditions dans les systèmes qu’ils utilisent.
L'approche d'IBM Corp. relie cette base de données au défi plus large de la mise en production de l'IA. Les capacités de raisonnement d'un grand modèle de langage dépendent des informations dont il dispose, ce qui fait de la fourniture de données une préoccupation opérationnelle, selon Shaun Clowes (photo), directeur général de Confluent et Data chez IBM.
« Vous ne confieriez pas la gestion de vos comptes clients à un physicien nucléaire qui a travaillé sur le côté production d'énergie de votre entreprise », a-t-il déclaré. « Alors, pourquoi prendriez-vous un modèle très, très intelligent, lui donneriez-vous toutes les informations possibles sur votre entreprise et diriez : « Calculez les comptes clients ? » Vous avez besoin du bon contexte pour le travail.
Clowes s'est entretenu avec Dave Vellante et John Furrier de CUBE Research pour la série d'interviews sur le modèle opérationnel de l'IA d'IBM, lors d'une diffusion exclusive sur theCUBE, le studio de diffusion en direct de SiliconANGLE Media. Ils ont discuté des données en temps réel, de la spécialisation des agents et de la gouvernance de la production avant IBM TechXchange 2026. (* Divulgation ci-dessous.)
Créer un contexte gouverné dans le flux de données
Les architectures de données d'entreprise ont évolué en fonction de l'évolution des exigences en matière de stockage, de calcul et d'application. Les agents introduisent le besoin de combiner les informations entre les systèmes opérationnels, tels que les réservations de voyage, le suivi des bagages et les voitures de location, alors que ces informations sont toujours pertinentes pour une décision, selon Clowes.
« Maintenant, nous avons besoin d'un nouveau type d'architecture, un type d'architecture qui puisse rassembler tout l'état actuel de notre entreprise et le présenter directement aux LLM », a-t-il déclaré. « Nous appelons cela l'architecture du Streamhouse. »
IBM Confluent rassemble des fonctionnalités de streaming, de connectivité, de traitement, de gouvernance et d'interrogation pour prendre en charge cette approche. Plutôt que d'exiger que toutes les informations soient d'abord centralisées, la plate-forme prend en charge la préparation de produits de données utilisables dans les environnements d'où proviennent les informations commerciales, a expliqué Clowes.
« Notre argument serait qu'il est possible de déplacer tout cela très, très près de l'endroit où les données ont été produites pour la première fois, aussi près que possible », a-t-il déclaré. « Plus tôt vous le gouvernez, mieux c'est. Plus vite vous produisez des données de grande valeur, mieux c'est. Il vous suffit ensuite de vous connecter à tous les endroits pertinents. »
Donner la raison aux agents spécialisés
Fournir des données actuelles et gouvernées n’est qu’une partie du défi. Les agents ont également besoin d'un contexte adapté au travail qu'ils effectuent. Différentes équipes peuvent utiliser le même terme commercial pour désigner des choses différentes. Préparer le contexte d'un agent implique donc d'établir les définitions qui s'appliquent à sa tâche, selon Clowes.
« Vous pouvez décrire : « Hé, dans ce processus commercial, ce que je veux dire, c'est X » », a-t-il déclaré. « Ensuite, vous pouvez disposer de ces métriques gouvernées et de ces ensembles de données gouvernés qui représentent effectivement la base sur laquelle le modèle raisonnera. »
Les entreprises peuvent commencer par des tâches à forte valeur ajoutée et améliorer chaque agent à mesure qu'il acquiert de l'expérience. Une fois que ces agents exécutent de manière fiable les processus métier établis, l’opportunité s’étend à l’examen de la manière dont le travail lui-même est organisé, a expliqué Clowes.
« Ensuite, vous pouvez dire à l'agent superviseur : 'Ai-je vraiment besoin de ces processus ? Dois-je simplement faire quelque chose de totalement différent ?' », a-t-il déclaré. « Le meilleur de ce système dans son ensemble est qu'il peut apprendre à chaque couche. »
Rendre le contexte métier disponible en production
À mesure que les agents assument davantage de responsabilités, l’accès aux informations commerciales actuelles devient de plus en plus important. Passer des décisions assistées par l'homme à des opérations autonomes change la manière dont les entreprises doivent fournir des informations. Les agents travaillant en permanence ont besoin d'accéder aux données opérationnelles sans attendre qu'une personne les collecte, a expliqué Clowes.
« Les gens parlaient autrefois des données comme du nouveau pétrole, mais ce qu’ils voulaient réellement dire, c’est que, dans un certain sens, les données existaient et étaient utilisées par les humains pour prendre de bonnes décisions », a-t-il déclaré. « Les entreprises étaient dirigées par des humains… (et) c'est comme ça qu'on gagne. »
Les informations peuvent provenir de plates-formes pétrolières, de navires de croisière ou d'autres systèmes distants. Les entreprises doivent connecter ces sources dans une vue opérationnelle utilisable sans supposer qu'une solution centralisée contiendra tout, selon Clowes.
« Vous devriez toujours vous demander : « Comment puis-je connaître l'état de mon entreprise en ce moment ? » », a-t-il déclaré. « Parce que c'est le monde dans lequel vous prenez des décisions. C'est aussi le monde dans lequel les humains prendraient des décisions. »
Voici l'interview vidéo complète, qui fait partie de la couverture par SiliconANGLE et theCUBE de la série d'interviews sur le modèle opérationnel de l'IA d'IBM :
(* Divulgation : TheCUBE est un partenaire média payant pour la série d'interviews d'IBM sur le modèle opérationnel de l'IA. Ni IBM, le sponsor de la couverture de l'événement theCUBE, ni les autres sponsors n'ont de contrôle éditorial sur le contenu de theCUBE ou SiliconANGLE.)
