Aera dévoile six nouveautés pour créer et encadrer les décisions d’entreprise fondées sur l’IA

Un agent d’IA d’entreprise peut recommander de changer de fournisseur ou de déplacer des stocks. Pour transformer cette recommandation en une décision d’entreprise fiable, il faut davantage : les données pertinentes, une comparaison des options, des vérifications de conformité aux politiques, l’autorisation d’agir et un compte rendu des suites données. Aera Technology réunit ces étapes grâce à six nouveautés apportées à sa plateforme d’intelligence décisionnelle agentique, annoncées lors d’AeraHUB 26 NYC, le 27 octobre.

Cette version comprend la création de compétences en langage naturel, un registre des décisions, Policy Studio, l’interopérabilité entre agents, Dynamic UX et un centre de commande. Son idée centrale est que les entreprises doivent encadrer les décisions prises par leurs agents avec autant de rigueur que les données et les systèmes auxquels ces agents ont accès.

Cette approche va au-delà de l’amélioration de la productivité de chaque employé. Aera cible des décisions opérationnelles récurrentes — que fabriquer, où expédier et quand acheter, par exemple — susceptibles d’avoir des répercussions sur plusieurs services et dont les résultats doivent alimenter la décision suivante.

S’appuyer sur une plateforme qui relie données, modèles et exécution

Aera fournit les fondations techniques. L’entreprise décrit un Decision Data Model qui harmonise les informations issues des systèmes d’entreprise et de sources externes, associé à une orchestration faisant intervenir les règles métier, l’optimisation, les simulations, l’apprentissage automatique et les agents. La plateforme permet également d’interagir avec les utilisateurs en langage naturel.

Ses compétences regroupent ces capacités autour de problèmes métier précis. Une compétence associe l’intégration des données, l’analyse, la logique décisionnelle et l’exécution dans les systèmes cibles. Elle constitue ainsi une capacité opérationnelle réutilisable, plutôt qu’une simple réponse générée dans une fenêtre de clavardage.

Les six nouveautés annoncées portent sur la manière dont les entreprises créent, supervisent et étendent cette automatisation. Elles tiennent également compte d’une contrainte pratique des agents d’entreprise : le raisonnement n’est utile que si le système dispose du contexte métier pertinent et d’un moyen contrôlé de mettre sa conclusion en œuvre.

La création de compétences transforme une demande métier en plan d’automatisation

La nouvelle expérience de création de compétences part d’un enjeu métier formulé en langage courant. Un utilisateur peut demander à Aera de créer une capacité qui signale les fournisseurs à risque. Le système propose un plan que l’utilisateur examine, affine et approuve avant qu’il ne devienne une automatisation décisionnelle encadrée.

Selon Aera, ce processus peut souvent se dérouler en une seule séance de travail. La publication ne fournit aucun repère temporel indépendant, mais l’objectif est clair : réduire le travail de configuration spécialisé nécessaire entre la description d’un problème et le déploiement d’une réponse reproductible.

L’étape de vérification reste importante. Une demande opérationnelle peut dissimuler des choix concernant les données auxquelles se fier, les critères définissant un risque et les personnes autorisées à agir. Un plan proposé permet de discuter de ces choix avant l’approbation de l’automatisation. Les utilisateurs peuvent ensuite affiner et mettre à jour les compétences par la conversation, au gré de l’évolution des exigences métier.

Decision Ledger et Policy Studio intègrent la gouvernance au processus de travail

Decision Ledger est conçu pour conserver le contexte d’une décision : la situation, le raisonnement, les politiques évaluées, les actions entreprises et le résultat final. Il consigne les décisions prises dans Aera ainsi que celles transmises depuis d’autres systèmes par son API. L’entreprise indique également qu’Aera peut repérer les décisions qui émergent au cours d’une conversation et demander à une personne de les confirmer.

Ce registre peut s’avérer précieux lorsqu’une équipe cherche à comprendre pourquoi une dérogation a été approuvée ou si une intervention antérieure a porté ses fruits. Un système transactionnel peut indiquer qu’un stock a été déplacé ; un registre des décisions vise à expliquer les circonstances et les compromis qui ont motivé ce déplacement.

Policy Studio porte sur les règles qui encadrent l’exécution. Les équipes téléversent un document de politique ou décrivent une règle, puis Aera rédige des règles qu’une personne doit approuver. Ces règles peuvent être testées sur des décisions réelles avant leur application. Une fois activées, elles peuvent bloquer une décision, exiger une approbation ou émettre un avertissement ; les résultats de leur évaluation sont consignés dans Decision Ledger.

Le lien entre ces deux produits est important : les vérifications de conformité aux politiques ont lieu au moment où une décision est prise, et leurs résultats sont intégrés à l’historique de celle-ci. Les organisations peuvent ainsi relier les contrôles aux éléments attestant de leur application, plutôt que de devoir reconstituer le processus après coup.

Connecter les agents d’entreprise sans perdre le contexte métier

Les nouveautés en matière d’interopérabilité connectent Aera à Microsoft Copilot Studio, à des agents externes par l’intermédiaire d’Agent2Agent (A2A) et à des outils externes grâce au Model Context Protocol (MCP). Il s’agit de voies d’intégration distinctes : A2A permet la collaboration entre agents, tandis que MCP fournit une interface d’accès aux outils et au contexte.

Pour une organisation qui déploie déjà des assistants et des agents, l’intérêt réside dans la réutilisation. Les capacités décisionnelles d’Aera peuvent s’intégrer à un processus de travail existant, tandis que les autres systèmes conservent leurs propres interfaces et fonctions. Le défi consiste à faire en sorte que le contexte métier, les autorisations et les vérifications de conformité aux politiques continuent de s’appliquer lorsque le travail passe d’un système à l’autre.

L’annonce présente l’interopérabilité comme un moyen de relier le raisonnement à la gouvernance et à l’exécution. L’intégration en elle-même ne prouve pas que les résultats de chaque agent connecté sont corrects : cela dépend toujours du processus décisionnel, des données sources et des contrôles entourant l’action.

Dynamic UX et Command Center donnent de la visibilité aux décisions

Dynamic UX permet aux utilisateurs de créer et d’adapter des expériences à l’aide d’instructions en langage naturel et des graphiques, tableaux, recommandations et actions proposés par Aera, puis de publier ces expériences dans le cadre d’une Skill. Aera présente cette refonte comme une évolution au-delà de la boîte de réception traditionnelle des recommandations, vers des espaces de travail interactifs adaptés à chaque rôle.

Cette approche est utile, car chaque décision nécessite des éléments différents. Un responsable des achats qui évalue les risques liés aux fournisseurs et un planificateur qui examine les transferts de stocks peuvent avoir besoin de comparaisons, de seuils et d’actions différents, même s’ils utilisent la même plateforme sous-jacente.

Command Center offre une vue à l’échelle de l’entreprise, couvrant l’activité décisionnelle, les performances et les retombées pour l’activité, qu’il s’agisse de décisions structurées ou situationnelles, et que les personnes bénéficient d’une assistance ou que l’exécution soit automatisée. L’outil vise à aider les organisations à évaluer les résultats et à repérer les processus décisionnels à améliorer à mesure que le déploiement s’étend.

« Notre vision a toujours été de gérer les décisions comme un actif numérique : les saisir, les gouverner et les améliorer en continu », a déclaré Shariq Mansoor, cofondateur et directeur technique d’Aera.

Les six nouveautés soutiennent cette vision à différentes étapes du cycle de vie : développer les capacités, appliquer les règles, coordonner les systèmes, présenter les éléments probants, consigner le résultat et suivre les performances. Leur valeur pour l’entreprise dépendra de la façon dont ces éléments fonctionneront ensemble dans les opérations réelles. Pour l’IA en entreprise, le véritable changement consiste à passer de la production d’une recommandation plausible à la gestion d’une action dont le raisonnement, les contraintes et le résultat peuvent être examinés.