Q&R : L’IA agentique dans le commerce de détail et la planification de la chaîne d’approvisionnement

Jul 24, 2025 • 9 min

Nous avons rencontré les experts de RELEX Max Mononen, directeur de produit, et Rich Kurhajetz, stratège principal, pour explorer ce qu’est l’IA agentique, comment elle fonctionne en pratique et comment les entreprises peuvent la mettre en œuvre avec succès.

Qu’est-ce que l’IA agentique ?

Max : Les agents d’IA sont de petites entités autonomes qui agissent, s’adaptent et collaborent avec une efficacité surhumaine. Au sein d’un système, ils peuvent fonctionner individuellement ou en tant que réseau de décideurs. Vous leur donnez un objectif, et ils diagnostiquent, optimisent et exécutent continuellement des tâches pour résoudre des problèmes complexes et atteindre cet objectif. Ils peuvent être déclenchés par des systèmes de données et, à l’avenir, par d’autres agents.

Les agents d’IA sont de petites entités autonomes qui agissent, s’adaptent et collaborent avec une efficacité surhumaine.

Je tiens à souligner une nuance importante. Le travail de l’agent consiste à atteindre un objectif. Lorsque je dis qu’un agent “agit”, je veux dire qu’il décide de la tâche qui lui permettra d’atteindre cet objectif et qu’il fait ensuite appel à un outil pour l’exécuter. Différents outils sont à sa disposition – algorithmes, codes et calculs mathématiques – et ces outils exécutent l’action. L’agent analyse ensuite le résultat, détermine s’il a réussi ou non, et fait appel à des outils dans une boucle constante jusqu’à ce que l’objectif soit atteint.

C’est pourquoi les agents ne sont pas d’une grande utilité sans une plateforme robuste de données de qualité et des capacités d’apprentissage automatique et d’optimisationéprouvées . L’efficacité des agents dépend des outils qu’ils peuvent utiliser.

En quoi les agents d’IA sont-ils différents des chatbots ?

Max : La plus grande différence entre les agents et les chatbots d’IA générative est que les agents agissent et que les chatbots fournissent des informations.

Par exemple, chez RELEX, nous avons Rebot, notre assistant IA qui se comporte comme un copilote. Dans sa version actuelle, il accède au référentiel RELEX de connaissances spécifiques à l’industrie et aux solutions, mais il n’accède pas aux données de l’environnement RELEX d’un client. Vous pouvez donc demander à Rebot d’expliquer un terme de l’industrie ou une capacité de la solution, ou de présenter différentes façons de mesurer la précision des prévisions de la demande, et il vous donnera ces réponses. Mais il n’examine pas vos données. Il agit comme un consultant 24h/24 et 7j/7, aidant les entreprises à accélérer l’intégration, à faciliter les opérations quotidiennes et à améliorer la compréhension de la solution par les utilisateurs afin qu’ils se sentent plus confiants dans leur prise de décision.

La plus grande différence entre les agents et les chatbots gen AI est que les agents agissent et que les chatbots fournissent des informations.

Les agents sont l’évolution naturelle des chatbots conversationnels. Mais contrairement aux assistants d’IA générique, ils vivent dans votre environnement et peuvent donc prendre des mesures basées sur vos données – de manière transparente, sûre et en collaboration avec des humains.

Rich : Du point de vue de l’utilisateur, les interactions avec les agents et avec les assistants généralistes peuvent se ressembler. Il y a généralement un champ de saisie dans lequel vous tapez vos questions et vos invites. Mais la plus grande différence réside dans ce qui se passe sous le capot. Avec un chatbot d’IA générative, un LLM ou un modèle GPT, vous posez une question et il répond – mais il n’agit pas. L’IA agentique peut percevoir, décider et agir en fonction des paramètres et des règles que vous lui fournissez.

Comment fonctionne l’IA agentique dans la pratique et quels sont les principaux cas d’utilisation ?

Max : En termes simples, tout ce qu’un utilisateur peut faire dans le système RELEX, un agent peut le faire. Et comme l’agent n’a pas les mêmes limites que les humains en termes de temps, il peut accomplir beaucoup plus de tâches. Mais un agent n’a généralement qu’une seule action à accomplir. Cette restriction fait partie des garde-fous qui garantissent qu’il ne modifie rien qu’il ne soit censé faire.

À titre d’exemple concret, examinons le moteur de règles commerciales (BRE) qui sous-tend la logique de base de RELEX. Le BRE permet aux utilisateurs de définir des règles et des flux de travail qui se déclenchent automatiquement en fonction des entrées, des données et des seuils. Dans un système agentique, vous pourriez utiliser un agent pour exécuter un tel flux de travail.

Un agent n’a généralement qu’une seule action à effectuer. Cette restriction fait partie de ses garde-fous.

Par exemple, vous pourriez utiliser une invite comme celle-ci : “Aidez-moi à créer un tableau de bord montrant la valeur des ventes perdues pour ces différents types d’articles dans ces différents lieux . Résumez les actions que je devrais entreprendre pour éviter ces ventes perdues.” Au lieu de créer ces tableaux de bord vous-même dans l’interface utilisateur, vous pouvez les préconfigurer et les demander lorsque vous en avez besoin.

Rich : L’automatisation en général est un cas d’utilisation majeur. Pensez aux systèmes de planification de la chaîne d’approvisionnement et de la vente au détail. Il y a tant de mathématiques, tant de données, tant de décisions complexes. Avec les agents, il y a une incroyable latitude pour l’automatisation. Il ne s’agit pas de tout automatiser dans votre plateforme de bout en bout. Les humains doivent rester dans la boucle. Mais il s’agit de confier des tâches à des agents et de les entraîner de manière très spécifique pour soutenir les décisions de planification.

Avec les agents, il existe une incroyable marge de manœuvre pour l’automatisation.

Par exemple, à l’heure actuelle, le nombre d’exceptions de planification nécessitant un examen doit rester gérable pour un humain. Mais cela peut vous amener à vous poser la question suivante : “Avons-nous manqué quelque chose de vraiment important ?” La puissance de l’IA réside dans sa capacité à analyser toutes ces données, à effectuer des analyses de haut niveau et à établir des priorités, à prendre des mesures sur des problèmes mineurs et à mettre en évidence des problèmes plus importants qui nécessitent un examen humain.

L’étendue et la profondeur de l’analyse des données ouvrent un tout nouveau champ d’analyse avancée pour lequel un utilisateur n’aurait pas été formé auparavant. Désormais, grâce à des agents spécifiques, un utilisateur débutant ou de niveau intermédiaire peut débloquer des analyses très avancées grâce à quelque chose d’aussi simple que l’ingénierie d’invite.

Quel sera l’impact de l’IA agentique sur l’avenir du travail et des rôles des utilisateurs ?

Rich : Je pense que les gens se posent la question suivante : “Vais-je perdre mon emploi ou vais-je faire un travail différent ? Ce rôle va-t-il être éliminé, ou allons-nous commencer à créer plus de rôles de scientifiques des données ?”

Fondamentalement, le travail est toujours là. Vous effectuez un travail de plus haut niveau et éliminez les tâches banales, mais vous avez toujours besoin de ces rôles d’analystes pour examiner la gestion des exceptions et la remédiation des tâches plus simples.

Cependant, les agents changeront la manière dont les utilisateurs interagissent avec leurs systèmes de planification et apporteront une valeur ajoutée. Qui utilise le mieux l’IA ? Eh bien, celui qui pose les meilleures questions . Il faut un utilisateur éduqué.

Max : Ce n’est pas pour rien que l’on parle d’interaction homme-machine. Même si les agents se chargent d’un grand nombre de tâches, vous êtes la personne qui les contrôle . En tant que super utilisateur, vous fixez les règles, les objectifs et les cibles en fonction de la stratégie et des priorités de votre entreprise.

Qui se débrouille le mieux avec l’IA ? Eh bien, celui qui pose les meilleures questions.

La plus grande différence est qu’avec les agents, vous disposez désormais de milliers d’analystes juniors. Vous pouvez les guider pour qu’ils prennent des mesures spécifiques, en modifiant les paramètres en fonction de vos objectifs. Comme les agents s’occupent des tâches répétitives, vous pouvez vous concentrer sur les tâches qui ajoutent le plus de valeur et contribuent à faire progresser votre entreprise.

La composition des équipes va également changer, car même aujourd’hui, les équipes qui utilisent des outils d’IA et des copilotes sont plus performantes que celles qui n’en utilisent pas. Cela signifie que les entreprises seront en mesure d’évoluer et d’accomplir davantage avec le même nombre de personnes qu’aujourd’hui.

Quels sont les garde-fous à mettre en place lors de la mise en œuvre de l’IA agentique ?

Rich : Si vous intégrez l’IA à votre système actuel sans plan précis, vous risquez de faire beaucoup plus de mauvais travail à l’échelle. Vous pouvez faire beaucoup de dégâts très rapidement parce que vous pouvez maintenant apporter un grand nombre de changements.

Quels sont donc les garde-fous à mettre en place ? Pensez aux personnes, aux processus et à la technologie. Vous ne donneriez pas à un analyste débutant la possibilité d’apporter des modifications importantes à votre plan mensuel ou annuel. Ce type de permissions spécifiques à un rôle devrait s’appliquer aux agents également.

Max : Oui, réfléchissez aux autorisations que vous donnez à vos agents. Vous pouvez répartir ces autorisations en trois catégories de base.

Premièrement, décidez des outils à donner à ces agents. Comme je l’ai dit, les agents ne peuvent utiliser que les outils dont ils disposent. Limitez-les aux outils dont ils ont besoin pour atteindre l’objectif que vous leur avez fixé.

Pensez aux personnes, aux processus et à la technologie. Ces types d’autorisations spécifiques à un rôle doivent également s’appliquer aux agents.

Deuxièmement, déterminez les règles applicables aux agents eux-mêmes. Dans quelle mesure peuvent-ils agir de manière autonome ? Reprenons l’exemple précédent où nous avons parlé de demander à un agent d’aider à résoudre le problème des ventes perdues. Pour commencer, nous demandons une analyse afin de déterminer les lieux et les produits qui subissent le plus de pertes de ventes. Ensuite, vous pouvez commencer à demander des suggestions. Que dois-je faire pour résoudre ce problème de ventes perdues dans les magasins de cette région ? L’agent fait des suggestions et vous demande si vous voulez qu’il agisse. Il vous demande votre permission jusqu’à ce que ses suggestions se révèlent fiables ou jusqu’à ce que vous ayez mis en place des règles ou d’autres agents capables de prendre automatiquement les mesures appropriées.

Troisièmement, définissez des règles claires de l’engagement . C’est une question de gouvernance. Définissez le domaine d’activité de chaque agent, les flux de travail qu’il gère et les types de comportement qu’il doit adopter lorsque vous le sollicitez. Et prévoyez des garde-fous solides en arrière-plan. Vous ne voulez pas qu’il soit comme cet agent d’échecs qui a commencé à tricher lorsqu’il jouait contre le plus grand système d’IA d’échecs parce que sa seule instruction était de gagner – il n’a rien dit à propos du respect des règles.

Par où les entreprises devraient-elles commencer leur voyage vers la mise en œuvre de l’IA agentique ?

Max Mononen : Le premier conseil que je donnerais est de commencer. Si vous utilisez RELEX, vous avez déjà accès à Rebot et à de nombreuses capacités d’IA. En ce qui concerne l’IA agentique, commencez à vous familiariser et à expérimenter avec différents systèmes. C’est la façon la plus simple d’apprendre. Mais soyez prudent avec vos données. Contactez votre service juridique pour vous assurer que vous disposez des outils et des autorisations appropriés qui ne mettront pas en péril la sécurité des informations ou la confidentialité des données.. Contactez votre service juridique pour vous assurer que vous disposez des outils et des autorisations appropriés qui ne mettront pas en péril la sécurité des informations ou la confidentialité des données. Ne téléchargez pas les données de l’entreprise vers des systèmes externes, mais essayez les outils disponibles.

Commencez simplement. C’est la façon la plus simple d’apprendre. Mais soyez prudent avec vos données.

Deuxièmement, déterminez les résultats métier que vous cherchez à atteindre, puis identifiez ceux qui conviennent à l’IA. N’essayez pas de tout faire avec l’IA agentique. Vous finirez par créer des agents sans valeur ajoutée. Même si vous pouvez en faire plus aujourd’hui, vous devez toujours établir des priorités. Examinez l’emploi du temps de votre équipe et réfléchissez aux domaines dans lesquels vous perdez de l’argent, à ceux qui vous rapporteraient le plus et à ce que vous n’avez pas le temps de faire pour l’instant.

Avec les agents, vous pouvez commencer à vous pencher sur des sujets à fort impact pour lesquels vous n’aviez pas le temps auparavant.

Nombreux sont ceux qui pensent immédiatement à réduire le temps consacré aux rapports, et il est vrai que les tâches liées aux rapports peuvent être fastidieuses. Mais en même temps, il s’agit d’une tâche à très faible valeur ajoutée. Avec les agents, vous pouvez commencer à examiner les sujets à fort impact pour lesquels vous n’aviez pas le temps auparavant, en passant en revue la longue traîne des problèmes et en déterminant où vous pouvez déployer ces agents pour vous aider à visualiser les données et à prendre des mesures.

Troisièmement, si vous ne l’avez pas encore fait, commencez à mettre en œuvre une plateforme qui donnera aux agents ce dont ils ont besoin pour accomplir leurs tâches – les capacités d’apprentissage automatique, d’optimisation et de gestion des données que les entreprises utilisent déjà pour accélérer et améliorer la planification de leur chaîne d’approvisionnement et de leur commerce de détail.

Vous vous demandez quels outils les agents d’IA pourraient utiliser ? Consultez cet article sur Monoprix, qui ultilse les solutions IA de RELEX

Ecrit par

Richard Kurhajetz

Stratège de terrain

Contact via LinkedIn

Max Forsius

Directeur de produit, AI Innovations