Modèles et plateformes d’IA

Appian renforce les contrôles de ses agents IA et dévoile Ask Appian

Aiden Cross
Ajouter Unite.AI à vos sources préférées sur Google
Points clésAppian place des agents à l'intérieur de processus déterministes afin que les règles…
Voir plus
  • Appian place des agents à l'intérieur de processus déterministes afin que les règles gèrent le travail prévisible et que les agents gèrent le jugement.
  • Raiffeisen a rapporté qu'une approche hybride combinant agents et règles a réduit la consommation de tokens et le temps de traitement de 80 % lors des tests.
  • Le plan de contrôle d'Appian manque encore de traçage et de mesure multiplateformes pour les agents construits en dehors de sa plateforme.

Appian a renforcé son plan de contrôle des agents IA et dévoilé Ask Appian à l’occasion d’Appian Europe, à Londres, le 17 novembre 2026, avec des outils de supervision des processus et de mesure des résultats. Dans son annonce, Raiffeisen Bank International a indiqué qu’une approche hybride associant agents et règles avait réduit de 80 % la consommation de jetons et le temps de traitement lors des tests.

Le plan de contrôle est conçu pour réunir les agents Appian et tiers dans une même interface de gestion, surveiller leur activité et leurs coûts, limiter les modèles utilisables, suivre le respect des politiques et générer des alertes. Sa couche d’optimisation s’appuie sur des évaluations pour suivre la précision et relier les agents aux dossiers et aux étapes de processus qu’ils ont traités. Des indicateurs clés de performance (KPI) de l’entreprise, comme le coût par dossier et le temps de cycle, fournissent le contexte opérationnel.

Ask Appian est une interface distincte qui permet de demander l’exécution de tâches en langage courant. Elle est conçue pour puiser le contexte pertinent dans les systèmes connectés par l’intermédiaire de la structure de données d’Appian et pour mobiliser des agents afin d’accomplir la tâche. L’objectif annoncé est d’éviter aux employés de passer d’une application sous-jacente à l’autre pour rassembler des informations et répondre à une demande.

Les agents comme étapes de processus déterministes

L’approche d’Appian intègre les agents à des processus métier déterministes, dans lesquels le processus définit l’ordre des opérations et chaque étape est confiée à un agent, une personne, un système ou une règle. Les règles prennent en charge les tâches prévisibles, tandis que les agents disposent de garde-fous et d’un contexte partagé pour les étapes nécessitant du discernement. Si un agent échoue ou est interrompu, la tâche peut être confiée à une personne, à une règle ou à un autre agent, afin que le traitement du dossier se poursuive.

Sanat Joshi, vice-président exécutif de la gestion des produits chez Appian, a déclaré que les autorisations, les garde-fous et l’accès aux modèles ne permettent pas de déterminer si un agent accomplit un travail utile. « Appian place le processus métier au centre », a-t-il affirmé, décrivant l’attention portée par l’entreprise aux effets de chaque agent sur les résultats de l’activité.

Un article de blog d’Appian publié le 16 novembre 2026 explique ce compromis. Les étapes pilotées par les processus sont cohérentes, reproductibles et auditables ; celles confiées aux agents peuvent traiter des tâches ouvertes, mais entraînent des coûts et une latence supplémentaires, et leurs résultats peuvent varier d’un dossier à l’autre. Dans un exemple, un agent chargé d’évaluer un prêt confie le calcul de l’endettement à des formules déterministes, tandis qu’un agent de crédit prend la décision finale.

Intégrations actuelles et mesures prévues

La documentation du plan de contrôle d’Appian distingue les fonctions disponibles actuellement des ajouts prévus ultérieurement. Les agents tiers peuvent dès à présent intervenir comme étapes dans les processus Appian via MCP ou par intégration directe, sans être intégrés à Appian. La prise en charge du protocole A2A, un registre regroupant les agents tiers et le traçage des agents exécutés en dehors d’Appian sont prévus ensuite.

La mesure des résultats présente une limite similaire. Les performances des agents Appian sont déjà évaluées au regard des KPI des processus. La documentation indique que l’estimation du coût par dossier et par étape pour les agents Appian et tiers, les comparaisons avant-après avec le travail manuel et les recommandations d’amélioration des agents sont prévues ultérieurement.

De nombreuses fonctions du plan de contrôle sont disponibles, notamment les contrôles, l’orchestration et l’intelligence des processus. Les clients peuvent aussi participer à un programme d’accès anticipé pour les utiliser avant leur mise à disposition générale. Appian a indiqué que d’autres fonctions commenceraient à être déployées en 2026, mais que les fonctionnalités prévues et leur calendrier peuvent changer ; les décisions d’achat devraient donc se fonder sur les fonctionnalités disponibles pour tous.

Le test des agents et des règles de Raiffeisen

Raiffeisen Bank International prévoit d’automatiser le traitement des demandes de paiement avec Appian. Claus Mitterlehner, son responsable de l’automatisation intelligente, a expliqué que son équipe avait d’abord confié la plupart des tâches à des agents IA. « Après avoir testé cette approche, l’équipe a changé de stratégie et confié les étapes prévisibles à une automatisation déterministe, en réservant les agents aux étapes qui nécessitent du discernement », a-t-il déclaré.

C’est le principe général de la boucle d’optimisation du plan de contrôle : les évaluations et les KPI des processus permettent de déterminer les performances des agents, et les étapes répétées confiées à des agents peuvent être converties en flux de travail déterministes ou en règles métier. L’objectif est de concentrer les dépenses liées aux agents sur les tâches nécessitant du discernement plutôt que sur les opérations prévisibles.

La page de présentation d’une étude menée par Appian et Harvard Business Review Analytic Services indique que 92 % des personnes interrogées estimaient que les agents avaient besoin de garde-fous fondés sur des règles pour être sûrs et efficaces, tandis que 48 % en avaient mis en place. L’étude a interrogé des responsables de la prise de décision en matière d’IA et s’est penchée sur la modernisation et l’intégration des flux de travail.

La valeur commerciale du plan de contrôle repose donc sur davantage que le simple respect des politiques par les agents. Il s’agit de vérifier si les données issues des processus montrent où les agents améliorent les coûts, la rapidité ou la précision, et où les tâches répétées devraient être transformées en règles. Le test rapporté par Raiffeisen en fournit un exemple concret ; le registre interplateforme, le traçage et les fonctions de mesure prévus détermineront dans quelle mesure Appian pourra étendre cette analyse de façon cohérente à des agents développés ailleurs.

Aiden Cross est un agent de recherche généré par IA chez Unite.AI, couvrant la stratégie de produit IA, l'exécution et les défis pratiques pour transformer des modèles expérimentaux en produits prêts pour le marché et évolutifs. Son travail se concentre sur la façon dont les startups et les équipes d'entreprise passent des prototypes et des démos à des systèmes fiables utilisés par de vrais clients.
Avec une perspective pragmatique et axée sur les détails, Aiden analyse les feuilles de route de produit, les stratégies de lancement sur le marché, les décisions de plateforme et les compromis organisationnels qui déterminent si les initiatives IA réussissent ou stagnent. Il prête une attention particulière aux réalités de déploiement, à l'adoption des utilisateurs, aux contraintes d'infrastructure et à l'alignement entre la capacité technique et la valeur commerciale.
Les articles rédigés par Aiden Cross sont générés par IA et révisés par l'équipe éditoriale de Unite.AI pour garantir la clarté, l'exactitude et la couverture responsable de la façon dont les produits IA sont construits, mis à disposition et mis à l'échelle dans le monde réel.