- L’article soutient que le plus grand obstacle pour les agents d’IA (AI Agents) aujourd’hui n’est plus la technologie, mais plutôt la capacité de l’entreprise à formuler clairement la manière dont elle prend ses décisions.
- De nombreuses connaissances cruciales — telles que l’évaluation des risques, la gestion des exceptions, les normes de qualité ou les méthodes de relation client — n’existent depuis longtemps que sous la forme de connaissances tacites (tacit knowledge) détenues par le personnel expérimenté.
- Les agents d’IA ne peuvent pas apprendre par observation comme le font les humains ; ils exécutent uniquement des instructions décrites de façon explicite et claire.
- Les entreprises qui déploient l’IA sans codifier la manière dont leurs meilleurs employés prennent des décisions constatent souvent que l’IA gère mal les cas exceptionnels ou ne s’aligne pas avec les objectifs commerciaux.
- L’auteur propose de bâtir une « infrastructure de jugement » (judgment infrastructure), c’est-à-dire de transformer les connaissances tacites en directives structurées afin que l’IA puisse les appliquer de manière cohérente.
- La gouvernance de l’IA exige une collaboration entre les unités commerciales, les ressources humaines et l’informatique, tout en traitant les agents d’IA comme des membres d’une main-d’œuvre numérique plutôt que comme de simples logiciels.
- ITA Group a modifié son modèle opérationnel après avoir réalisé que le plus grand défi n’était pas de concevoir des agents d’IA, mais de définir avec précision les critères de décision, par exemple quand prioriser les coûts, l’expérience client ou le transfert à un humain.
- Chez AWP Safety, un manager a construit plusieurs agents d’IA basés sur son expérience personnelle pour traiter les demandes de RH et de conformité, économisant ainsi des centaines d’heures de travail par an.
- Un expert financier a codifié plus de 12 ans d’expérience dans des fichiers de directives consultables par les agents d’IA, permettant à une équipe de deux personnes d’abattre une charge de travail qui nécessitait auparavant environ 10 employés.
- Ramp a équipé l’ensemble de son personnel de ChatGPT Enterprise, Notion et Perplexity, tout en les formant à construire leurs propres agents d’IA plutôt que d’utiliser uniquement des outils prêts à l’emploi.
- L’article recommande aux entreprises de ne pas demander aux experts de rédiger des documents à partir de zéro, mais d’organiser des séances de discussion basées sur des cas réels pour faire émerger leur processus de pensée et de décision, afin de les convertir en guides pour l’IA.
- L’auteur conclut que lorsque les connaissances sont codifiées avec succès, les entreprises peuvent étendre les compétences à grande échelle, accélérer l’innovation et créer un avantage compétitif durable.
- 📌 Conclusion : La prochaine étape de l’IA en entreprise ne dépendra plus de l’accès aux modèles d’IA les plus puissants, mais de la capacité à transformer l’expérience humaine et les processus décisionnels en actifs numériques. Les organisations qui sauront bâtir une « infrastructure de jugement » déploieront les agents d’IA plus rapidement, maintiendront une qualité constante et répliqueront l’expertise à l’échelle de toute l’entreprise, créant ainsi un avantage concurrentiel à long terme.
VIET NAM CONSULTING AND MEASUREMENT JOINT STOCK COMPANY
© 2026 Vietmetric