Les assistants applicatifs, comme Google Gemini ou Notion AI, incarnent une nouvelle ère de productivité. Ils ne se contentent plus de prédire des résultats : ils orchestrent des actions planifiées et automatisées. L’AI Decision Matrix d’AI Builders Research, le cabinet d’analystes d’AI Builders, en cartographiant et analysant les solutions des principaux acteurs de ce marché, permet aux entreprises de choisir la solution la plus adaptée à leurs besoins spécifiques.
Les LLMs : des orchestrateurs
Les LLMs, dotés de milliards de paramètres, agissent comme des orchestrateurs, capables de :
- Décomposer les tâches : ils identifient les étapes nécessaires pour répondre à une requête complexe ;
- Planifier : ils structurent et ordonnent ces étapes pour proposer une exécution cohérente ;
- Attribuer des outils : ils assignent des ressources spécifiques à chaque étape, permettant une action directe et adaptée.
Ces modèles fonctionnent comme des Large Action Models (LAM), transformant une requête en une série d’actions réalisables.
Du réactif à l’actionnable
Le machine learning a permis aux systèmes d’IA d’évoluer du réactif au prédictif, l’IA générative du prescriptif à l’actionnable planifié.
Stéphane Roder, PDG d’AI Builders commente :
“L’actionnabilité est certainement la vraie révolution de l’IA Générative. Ces assistants d’un nouveau genre, capables de réaliser des actions, semblent devenir un nouveau standard d’interaction avec nos applications du quotidien”.
Typologie des assistants applicatifs
Les assistants applicatifs sont des chatbots intégrés à des logiciels ou à des suites logicielles qui utilisent des agents pour actionner les applications de la suite dans laquelle ils opèrent, permettant ainsi une automatisation efficaces des tâches.
Il peut s’agir d’assistants bureautiques comme Microsoft Copilot ou Gemini de Google ou d’assistants dédiés aux suites métiers comme Agentforce de Salesforce ou Joule de SAP.
L’AI Decision Matrix (AIDM)
L’AIDM se veut un outil évolutif, AI Builders prévoit déjà une nouvelle publication d’ici 6 mois. Il ne pouvait tenir compte lors de sa publication de la décision par Microsoft de retirer son assistant Copilot pour les utilisateurs professionnels, annoncée ce 16 décembre.
L’AIDM évalue les solutions selon leur performance et leur maturité. La performance inclut des critères comme la qualité des réponses, la personnalisation, la sécurité des données et la complexité des tâches réalisées tandis que pour la maturité, l’AIDM analyse l’adoption sur le marché, les intégrations possibles, la facilité d’utilisation et la scalabilité.
Les solutions étudiées sont classées en quatre catégories :
- Best in Class : solutions leaders, combinant haute performance et intégration fiable ;
- Safe Bet : options solides et matures, adaptées à un large spectre de besoins ;
- Next Gen : technologies performantes mais exigeant une maturité accrue pour leur exploitation ;
- Rising Star : Solutions prometteuses encore en phase de développement.
Exemples d’assistants applicatifs évalués par l’AIDM
AI Builder a évalué quinze assistants applicatifs. Parmi ceux-ci :
Microsoft Copilot
Points forts : Intégration avec des outils tiers comme SAP et ServiceNow, possibilité de créer des agents spécialisés.
Catégorie : Best in Class.
Google Gemini
Performances : Nombreuses fonctionnalités grâce à une intégration
totale avec l’écosystème Google, notamment les outils BigQuery, Workspace et Colab.
Catégorie : Best in Class.
SAP Joule
Particularités : Dashboards automatiques, création d’agents personnalisés via Joule Studio.
Catégorie : Next Gen.
Notion AI
Atouts : Simple d’utilisation, capable de générer des tableaux et de rechercher dans plusieurs bases de données.
Catégorie : Safe Bet.
On retrouve dans le tableau ci-dessous les catégories attribuées à chacun des assistants analysés.
