- Andrew Ng propose, autour des concepts d’agents IA et de systèmes agentiques (agentic), de se concentrer sur le spectre de l’autonomie plutôt que sur les débats de définition autour des agents
- Aujourd’hui, les véritables opportunités business se trouvent davantage dans des workflows simples, linéaires ou avec peu de branches que dans des agents entièrement autonomes et complexes
- Les compétences pratiques nécessaires pour concevoir et exploiter des systèmes agentiques (décomposition des tâches, systèmes d’évaluation, connexion aux données, etc.) restent rares, et la capacité à utiliser divers outils est essentielle
- Les evals, la voice stack et les assistants de code IA font partie des outils clés encore insuffisamment valorisés
- Les facteurs clés de réussite d’une startup sont la vitesse d’exécution et une compréhension technique approfondie ; avec les progrès des outils IA, le fait que davantage de non-développeurs acquièrent des bases en code peut aussi améliorer la productivité
Introduction
- Présentation du parcours d’Andrew Ng, qui a contribué à divers projets et communautés liés à l’IA et aux agents, notamment LangChain
- Plutôt que d’alimenter les débats sur la définition des agents, il souligne que les systèmes agentiques peuvent présenter des degrés d’autonomie très variés
- Il propose une approche pragmatique : au lieu de se demander s’il s’agit d’un « vrai agent », considérer l’autonomie comme un spectre plus ou moins large
Opportunities: opportunités business réelles
- En pratique, de nombreux workflows métier suivent un flux linéaire ou n’incluent que quelques embranchements
- Exemples : remplissage de formulaires web, interrogation de bases de données, recherche simple et automatisation de tâches répétitives
- Les compétences opérationnelles comme la décomposition des tâches et leur affinage en micro-tâches, la conception de métriques d’évaluation ou l’amélioration des workflows sont rares
- Les workflows agentiques complexes ont leur importance, mais la majeure partie de la création de valeur provient de structures simples et répétitives
Skills: compétences que doit posséder un builder d’agents
- Il faut des capacités de conception structurée permettant, après analyse du processus métier, de gérer la collecte/l’intégration des données, les prompts et le découpage des processus
- Les systèmes d’évaluation automatisés (suivi des performances par système/composant, mise en place de frameworks d’évaluation, etc.) sont importants
- Les équipes expérimentées ne s’obsèdent pas sur des « améliorations inutiles » et savent contourner ou remplacer efficacement un problème
- En testant réellement divers outils et frameworks IA, elles gagnent en rapidité de décision, de mise à l’essai et de combinaison d’outils (comme des briques Lego)
AI Tools & changements
- Ces 2 à 3 dernières années, l’écosystème des outils IA (par ex. Langgraph, RAG, chatbots, gestion de mémoire, evals/guardrails, etc.) s’est diversifié
- Les outils peuvent être combinés comme des briques Lego, ce qui permet des décisions plus rapides à mesure que l’expérience d’usage s’accumule
- Avec l’augmentation de la fenêtre de contexte des LLM, le rôle concret de certaines techniques comme le RAG évolue, et l’importance du tuning des hyperparamètres diminue
Underrated Tools: outils clés sous-estimés
- Evals (évaluation automatisée) : beaucoup d’équipes les jugent plus difficiles qu’elles ne le sont ; l’important est de prendre l’habitude de les mettre en place rapidement à partir de petits exemples, puis de les améliorer
- Voice stack (workflows basés sur la voix) : la demande et l’usage augmentent rapidement dans les grandes entreprises, mais le sujet manque encore d’attention dans la communauté développeur
- Assistants de code IA : le coding assisté par IA améliore la productivité, et si tous les membres d’une organisation acquièrent des bases en code, la productivité progresse dans chaque fonction
- Cas d’AI Fund : réceptionniste, CFO, juristes, tous apprennent à coder et gagnent en efficacité dans leur travail
Caractéristiques des applications vocales
- Par rapport aux prompts textuels, la saisie vocale réduit la charge pour l’utilisateur et permet une collecte d’informations plus rapide
- Pour les agents vocaux, le temps de réponse (latence) est crucial (idéalement inférieur à 1 seconde), et diverses astuces UX sont utilisées pour l’interaction en temps réel (par ex. pré-réponse, bruit de fond)
- Les interfaces vocales ont un très fort potentiel d’application, mais nécessitent davantage d’outils développeur et d’infrastructures de support
MCP: standardisation et intégration des données
- MCP (Mesh Capability Protocol) : une tendance du secteur visant à relier diverses sources de données, API et outils via une interface standardisée
- Le standard MCP en est encore à ses débuts, mais il devrait devenir un axe majeur de simplification des intégrations complexes entre données et outils
- La vision est de pouvoir connecter n agents et m sources de données avec un coût d’intégration en n+m plutôt qu’en n*m
Systèmes agent-to-agent
- Les systèmes multi-agents et les interactions entre agents en sont encore à un stade très précoce ; pour l’instant, les cas de réussite concrets se limitent surtout à l’intérieur d’une même équipe
- Les interactions entre agents de différentes équipes ou entreprises constituent un domaine de développement à venir
Vibe Coding et coding avec l’IA
- Le phénomène du « Vibe Coding » avec un assistant IA demande en réalité une forte concentration et un vrai travail intellectuel ; contrairement à ce que le nom suggère, on ne code pas « juste au feeling »
- Avec les progrès des assistants de code IA, l’importance des compétences en code augmente pour davantage de non-développeurs et de métiers
- Apprendre à coder devient un levier central de productivité future — il est recommandé de maîtriser au moins un langage de programmation, en particulier Python
Advice for Startups: conseils aux startups IA
- Le premier facteur de réussite d’une startup est la vitesse d’exécution, le deuxième étant une compréhension profonde de la technologie
- Le marketing, la vente ou la tarification sont importants, mais la compréhension du fonctionnement réel de la technologie et des évolutions techniques récentes est plus rare et plus décisive
- Une équipe dotée d’une intuition solide des fondamentaux techniques peut résoudre les problèmes plus vite et plus efficacement
2 commentaires
La partie sur le MCP (Mesh Capability Protocol) est sans doute une coquille, non ?
J’ai l’impression que, pour les agents, la clé du succès est de savoir comment découper les fonctions et les permissions, puis structurer le workflow.
Comme MCP est un terme qui a émergé récemment, j’imagine que le LLM ne l’a pas appris et utilise donc un mot bizarre lol