L’IA sait répondre aux questions. Le prochain défi consiste à aider les gens à aller de l’avant.

Nous sommes devenus remarquablement doués pour concevoir des IA capables de répondre aux questions. Demandez-leur quelle est la date limite de dépôt d’une candidature, quels documents sont requis ou comment fonctionne une démarche : elles peuvent fournir une réponse utile en quelques secondes. Mais lorsque l’éducation, l’avenir financier ou le sentiment d’appartenance d’une personne sont en jeu, la réponse n’est qu’un début. L’essentiel, c’est de savoir si cette personne peut réellement aller de l’avant.

C’est là que l’IA agentique devient intéressante. Au lieu de traiter chaque interaction comme une question isolée, un agent d’IA peut comprendre où en est une personne dans un parcours plus vaste, déterminer la prochaine étape et l’aider à la franchir. Pour y parvenir de manière fiable, il faut toutefois davantage qu’un modèle de langage performant. Il faut des parcours conçus à cette fin, des systèmes interconnectés et une supervision humaine intégrée au processus dès le départ.

Prenons l’enseignement supérieur. Un étudiant présente sa candidature, effectue les démarches d’aide financière, s’inscrit à des cours, rencontre un conseiller, trouve du soutien scolaire, cherche un stage, se prépare à obtenir son diplôme, cherche un emploi et finit par devenir ancien élève de l’établissement. Les établissements répartissent ces étapes entre différents services et systèmes technologiques, mais les étudiants, eux, fréquentent une seule et même université. Ils ne devraient pas avoir à comprendre son organigramme pour obtenir l’aide dont ils ont besoin.

Les gens ne veulent pas d’une interface de plus. Ils veulent pouvoir faire avancer les choses.

Dans une enquête récente menée auprès de 1 058 étudiants américains actuellement inscrits dans un établissement d’enseignement supérieur, 76 % ont déclaré s’attendre à pouvoir régler la plupart de leurs besoins liés aux services aux étudiants sans appeler un bureau ni s’y rendre. Pourtant, un étudiant sur quatre a indiqué que son établissement ne répondait pas à cette attente. Interrogés sur les aspects les plus importants d’une expérience numérique moderne, 64 % ont cité la rapidité de la réponse et de la résolution, 54 % la disponibilité 24 h/24 et 7 j/7, et 50 % la possibilité d’accomplir des démarches au même endroit. Les étudiants veulent obtenir des réponses plus rapidement, avoir moins d’interlocuteurs et pouvoir effectuer leurs démarches sans passer d’un système à l’autre.

Un futur étudiant commence à remplir un dossier de candidature à l’université, mais ne le termine jamais. Un agent conversationnel classique peut répondre à ses questions sur les conditions d’admission, mais l’étudiant doit encore déterminer ce qui manque et comment poursuivre. Un système agentique peut repérer à quelle étape le dossier est resté bloqué, déterminer la prochaine démarche et aider l’étudiant à reprendre là où il s’était arrêté. Si l’étudiant indique avoir déjà téléversé un relevé de notes, le système peut vérifier son dossier de candidature, confirmer que le document s’y trouve et passer à l’étape suivante au lieu de lui demander de le fournir à nouveau.

C’est aussi là que subsistent certains des principaux défis techniques. Microsoft Research recense la fiabilité, la conservation du contexte et l’exécution de flux de travail dans le monde réel parmi les défis auxquels sont confrontés les agents de productivité. Un agent ne peut pas guider quelqu’un de manière fiable tout au long d’une démarche s’il perd le contexte entre les étapes ou s’il ne peut pas intervenir dans les différents systèmes concernés.

Des réponses réactives à une aide proactive

L’occasion ne consiste pas seulement à répondre aux questions : il s’agit aussi de repérer quand une personne a besoin d’aide et d’aider les établissements à déterminer la meilleure prochaine étape. Une équipe chargée du développement, par exemple, pourrait détecter des signes indiquant qu’un ancien élève est prêt à renouer le contact, à faire du bénévolat ou à effectuer un premier don. Mais repérer ces signes n’est qu’un début. La véritable valeur tient à la capacité de comprendre quelle démarche de prise de contact convient à cette personne, à ce moment précis, et ce qui devrait suivre.

Des parcours conçus à cette fin peuvent intégrer des pratiques éprouvées, adaptées à différents publics et objectifs, et offrir ainsi aux équipes un meilleur point de départ que des outils génériques ou des flux de travail à créer de toutes pièces. Et l’intérêt ne se limite pas au gain de temps pour le personnel. Les établissements disposent déjà d’une quantité considérable de données. Ils ont besoin d’aide pour interpréter les signaux qu’elles contiennent et les transformer en interactions pertinentes et opportunes.

Le besoin est évident. Dans la même enquête auprès des étudiants, la moitié d’entre eux ont déclaré avoir évité de contacter leur établissement parce que la démarche leur semblait trop difficile. Par ailleurs, 40 % avaient dû répéter des renseignements qu’ils avaient déjà fournis, 34 % avaient été transférés sans obtenir de solution et 31 % n’avaient pas trouvé ce qu’ils cherchaient et avaient abandonné.

Les expériences d’IA les plus utiles aident les établissements à repérer ces sources de friction avant qu’elles ne poussent quelqu’un à se désengager.

C’est le contexte qui transforme une réponse en action utile

Nous avons tous éprouvé la frustration de devoir communiquer plusieurs fois les mêmes renseignements à un organisme. Imaginez maintenant que cela vous arrive alors que vous essayez de vous inscrire à des cours, de régler un problème d’aide financière ou de renouer avec votre ancienne université. Chaque interaction déconnectée donne un peu plus l’impression que l’établissement ne vous connaît pas.

Rassembler les renseignements autour de la personne plutôt que de les cloisonner entre différents services transforme cette expérience. Les étudiants, les anciens élèves et les donateurs bénéficient d’échanges plus continus et personnalisés, tandis que le personnel dispose du contexte nécessaire pour leur répondre plus efficacement. En facilitant les échanges et en les rendant plus personnels, les établissements créent les conditions propices à des relations plus solides et à une fidélité durable.

Les étudiants font déjà savoir qu’ils souhaitent que les expériences numériques fonctionnent ainsi. La même étude menée auprès des étudiants a révélé que 56 % d’entre eux s’attendent à ce que les systèmes soient connectés, sans redirections ni saisie répétée des mêmes informations. La moitié s’attend à ce que les outils numériques signalent de manière proactive les échéances, les exigences ou les problèmes avant qu’ils ne deviennent préoccupants.

Pour offrir cette expérience, il ne suffit pas de rendre chaque outil plus performant. Il faut connecter les informations et les processus qui permettent aux établissements de comprendre où en est une personne dans son parcours et d’agir en conséquence.

La meilleure IA sait quand agir, quand protéger et quand se mettre en retrait

L’objectif de l’IA agentique ne devrait pas être de maximiser l’autonomie. Il devrait être de trouver le juste équilibre entre assistance, action et jugement humain, en intégrant l’approbation humaine au processus dès le départ.

À mesure que l’IA devient capable d’agir davantage, déterminer ce qu’elle devrait faire de manière autonome devient aussi important que d’élargir ses capacités. Les tâches courantes, comme repérer les formulaires incomplets ou faire ressortir des informations pertinentes, peuvent se prêter à l’automatisation. Mais lorsqu’un système d’IA prépare un message à envoyer ou recommande une action susceptible d’influer sur l’expérience d’un étudiant, une personne devrait pouvoir l’approuver avant que quoi que ce soit ne lui soit communiqué.

La supervision humaine ne devrait pas se limiter à transmettre les cas inhabituels à un échelon supérieur ou à examiner des décisions une fois qu’elles ont déjà été prises. Dans les interactions à fort enjeu, l’approbation doit intervenir avant l’action, et non après. L’IA peut repérer des signaux, recommander les prochaines étapes et préparer des communications, tandis que le personnel garde la maîtrise de la suite des événements.

Cette approche laisse également place au discernement et à l’empathie que la technologie ne peut remplacer. Un étudiant confronté à une situation financière inhabituelle ou en difficulté sur le plan scolaire peut avoir besoin de davantage qu’une recommandation automatisée. La technologie devrait aider le personnel à repérer ces situations et à y répondre en lui fournissant le contexte nécessaire, plutôt que de l’écarter du processus.

Une mise en œuvre responsable suppose également de protéger les informations sensibles dont dépendent ces expériences. La connexion des systèmes et la capacité de l’IA à agir soulèvent des questions importantes concernant l’accès aux données, les autorisations, la sécurité et la responsabilité. Un agent qui aide à remplir une demande ou à effectuer une démarche d’aide financière ne devrait avoir accès qu’aux informations et aux actions adaptées à cette interaction, dans un cadre clairement défini quant à ce qu’il peut faire.

Les travaux de Microsoft Research sur les agents avec humain dans la boucle soulignent l’importance d’intégrer la supervision et le contrôle humains aux systèmes de plus en plus autonomes, notamment au moyen de mécanismes permettant aux personnes de participer au travail d’un agent et de le réorienter. Une IA responsable rend possibles de meilleures expériences en instaurant la confiance nécessaire pour les offrir.

La prochaine génération d’IA sera axée sur les résultats

Les établissements doivent opérer un autre changement : revoir la manière dont ils évaluent l’efficacité réelle de l’IA.

Aujourd’hui, les performances de l’IA sont souvent évaluées à l’aide d’indicateurs d’activité : conversations traitées, questions auxquelles elle a répondu, délais de réponse ou demandes détournées du personnel. Ces mesures peuvent indiquer si un système est utilisé ou s’il réduit la charge de travail, mais elles ne montrent pas nécessairement s’il a aidé une personne à accomplir ce qu’elle était venue faire.

Pour l’étudiant qui a interrompu sa demande en cours de route, la réussite consiste à mener cette demande à terme, et pas simplement à obtenir des réponses d’un assistant IA. Pour une personne diplômée qui souhaite renouer le contact, elle consiste à franchir l’étape suivante dans cette relation.

L’impact de ces expériences numériques va bien au-delà de la commodité. L’étude menée auprès des étudiants a révélé que 38 % d’entre eux avaient reporté une démarche importante liée à leur inscription, à l’aide financière ou à leurs études parce que les outils numériques étaient difficiles à utiliser. Une personne sur quatre a indiqué que ces difficultés l’avaient amenée à se demander si les tracas liés à la poursuite de ses études en valaient la peine. Quand la technologie engendre autant de frictions, mesurer l’engagement envers la technologie elle-même passe à côté de l’essentiel. Les établissements devraient se demander si les personnes accomplissent les démarches qu’elles souhaitaient effectuer, à quel moment elles rencontrent des difficultés et si l’expérience s’améliore au fil du temps.

La prochaine génération d’IA se définira par ce que les personnes pourront accomplir grâce à elle, et cette évolution est enthousiasmante. Qu’il s’agisse de poursuivre des études, de gérer sa santé ou d’interagir avec un organisme auquel on tient, l’occasion se présente de rendre des expériences complexes véritablement accompagnantes. Pour y parvenir, il faut concevoir des parcours autour des personnes, connecter les informations, assurer une véritable supervision humaine et s’engager à mesurer les résultats plutôt que l’activité.

L’objectif n’est pas d’automatiser davantage pour le simple plaisir d’automatiser. Il s’agit d’aider les personnes à avancer avec moins de difficultés, davantage de confiance et le sentiment plus fort que l’organisme en face les comprend vraiment.