En 2025, les copilotes GenAI émergeront comme l’application tueuse qui transforme les entreprises et la gestion des données

Chaque révolution technologique a un moment déterminant où un cas d’utilisation spécifique propulse la technologie vers une adoption généralisée. Ce moment est arrivé pour l’intelligence artificielle générative (GenAI) avec la propagation rapide des copilotes.

GenAI en tant que technologie a réalisé des progrès importants au cours des dernières années. Pourtant, malgré tous les titres et l’hype, son adoption par les entreprises est encore dans les premiers stades. L’enquête 2024 Gartner CIO et Tech Executive Survey place l’adoption à seulement 9 % de ceux interrogés, avec 34 % disant qu’ils prévoient de le faire dans l’année à venir. Une enquête récente de l’Enterprise Strategy Group place l’adoption de GenAI à 30 %. Mais les enquêtes aboutissent toutes à la même conclusion sur 2025.

Prédiction 1. La majorité des entreprises utiliseront GenAI en production d’ici la fin de 2025

L’adoption de GenAI est considérée comme critique pour améliorer la productivité et la rentabilité et est devenue une priorité absolue pour la plupart des entreprises. Mais cela signifie que les entreprises doivent surmonter les défis rencontrés jusqu’à présent dans les projets GenAI, notamment :

• La mauvaise qualité des données : GenAI n’est que aussi bon que les données qu’il utilise, et de nombreuses entreprises ne font toujours pas confiance à leurs données. La qualité des données ainsi que les données incomplètes ou biaisées ont tous été des problèmes qui ont conduit à de mauvais résultats.
• Les coûts de GenAI : la formation de modèles GenAI comme ChatGPT a été réalisée principalement par les meilleures équipes GenAI et coûte des millions en puissance de calcul. Les gens ont donc utilisé une technique appelée génération augmentée de récupération (RAG). Mais même avec RAG, il devient rapidement coûteux d’accéder et de préparer les données et d’assembler les experts dont vous avez besoin pour réussir.
• Les compétences limitées : de nombreux déploiements GenAI précoces nécessitaient beaucoup de codage par un petit groupe d’experts en GenAI. Bien que ce groupe grandisse, il y a toujours une réelle pénurie.
• Les hallucinations : GenAI n’est pas parfait. Il peut halluciner et donner de mauvaises réponses lorsqu’il pense qu’il a raison. Vous avez besoin d’une stratégie pour empêcher les mauvaises réponses d’affecter votre entreprise.
• La sécurité des données : GenAI a exposé les données à des personnes non autorisées car elles ont été utilisées pour la formation, le fine-tuning ou la RAG. Vous devez mettre en œuvre des mesures de sécurité pour protéger contre ces fuites.

Heureusement, l’industrie du logiciel a été aux prises avec ces défis au cours des dernières années. 2025 ressemble à l’année où plusieurs de ces défis commencent à être résolus, et GenAI devient mainstream.

Prédiction 2. Les copilotes RAG modulaires deviendront l’utilisation la plus courante de GenAI

L’utilisation la plus courante de GenAI est de créer des assistants, ou des copilotes, qui aident les gens à trouver des informations plus rapidement. Les copilotes sont généralement construits à l’aide de pipelines RAG. RAG est la voie à suivre. C’est la façon la plus courante d’utiliser GenAI. Puisque les grands modèles de langage (LLM) sont des modèles polyvalents qui n’ont pas toutes les données, ou même les données les plus récentes, vous devez augmenter les requêtes, également appelées invites, pour obtenir une réponse plus précise.
Les copilotes aident les travailleurs du savoir à être plus productifs, à répondre à des questions qui n’avaient pas de réponses auparavant, et à fournir des conseils d’experts tout en exécutant parfois des tâches routinières. Peut-être que le cas d’utilisation de copilote le plus réussi à ce jour est la façon dont ils aident les développeurs de logiciels à coder ou à moderniser le code hérité.
Mais les copilotes devraient avoir un impact plus important lorsqu’ils sont utilisés en dehors de l’informatique. Des exemples incluent :

• Dans le service client, les copilotes peuvent recevoir une requête de support et soit la transmettre à un humain pour intervention, soit fournir une résolution pour des requêtes simples comme la réinitialisation du mot de passe ou l’accès au compte, ce qui entraîne des scores de satisfaction client plus élevés.
• Dans la fabrication, les copilotes peuvent aider les techniciens à diagnostiquer et à recommander des actions ou des réparations spécifiques pour des machines complexes, ce qui réduit les temps d’arrêt.
• Dans les soins de santé, les cliniciens peuvent utiliser des copilotes pour accéder à l’historique des patients et à la recherche pertinente et aider à guider le diagnostic et les soins cliniques, ce qui améliore l’efficacité et les résultats cliniques.

Les pipelines RAG ont fonctionné presque tous de la même manière. La première étape consiste à charger une base de connaissances dans une base de données vectorielle. Lorsqu’une personne pose une question, un pipeline RAG GenAI est invoqué. Il réingénie la question en une invite, interroge la base de données vectorielle en codant l’invite pour trouver les informations les plus pertinentes, invoque un LLM avec l’invite en utilisant les informations récupérées comme contexte, évalue et formate les résultats, et les affiche à l’utilisateur.
Mais il s’avère que vous ne pouvez pas supporter tous les copilotes de la même manière avec un seul pipeline RAG. Le RAG a donc évolué vers une architecture plus modulaire appelée RAG modulaire, où vous pouvez utiliser différents modules pour chacune des nombreuses étapes impliquées :

• Indexation, y compris le découpage et l’organisation des données
• Pré-récupération, y compris l’ingénierie et l’optimisation de l’invite
• Récupération avec fine-tuning et autres techniques
• Réorganisation et sélection après récupération
• Génération avec fine-tuning du générateur, en utilisant et en comparant plusieurs LLM, et vérification
• Orchestration qui gère ce processus et le rend itératif pour obtenir les meilleurs résultats

Vous devrez mettre en œuvre une architecture RAG modulaire pour supporter plusieurs copilotes.

Prédiction 3. Les outils GenAI sans code/à faible code deviendront la norme

À ce stade, vous pouvez réaliser que GenAI RAG est très complexe et change rapidement. Ce n’est pas seulement que les meilleures pratiques émergent constamment. Toutes les technologies impliquées dans les pipelines GenAI changent si vite que vous devrez remplacer certaines d’entre elles ou en supporter plusieurs. De plus, GenAI ne concerne pas seulement les RAG modulaires. La formation fine et l’entraînement complet de modèles deviennent également rentables. Votre architecture devra supporter tous ces changements et cacher la complexité à vos ingénieurs.
Heureusement, les meilleurs outils GenAI sans code/à faible code fournissent cette architecture. Ils ajoutent constamment du support pour les principales sources de données, les bases de données vectorielles et les LLM, et rendent possible la construction de pipelines RAG modulaires ou l’alimentation de données dans les LLM pour le fine-tuning ou la formation. Les entreprises utilisent avec succès ces outils pour déployer des copilotes en utilisant leurs ressources internes.
Nexla ne se contente pas d’utiliser GenAI pour simplifier l’intégration. Il inclut une architecture de pipeline RAG modulaire avec un découpage de données avancé, une ingénierie d’invite, une réorganisation et une sélection, un support multi-LLM avec un classement et une sélection de résultats, une orchestration, et plus – tout configuré sans codage.

Prédiction 4. La frontière entre les copilotes et les agents va s’estomper

Les copilotes GenAI, comme les chatbots, sont des agents qui soutiennent les gens. À la fin, les gens prennent la décision sur ce qu’il faut faire avec les résultats générés. Mais les agents GenAI peuvent automatiser complètement les réponses sans impliquer les gens. Ceux-ci sont souvent appelés agents ou intelligence artificielle agente.

Certaines personnes considèrent ces deux approches comme séparées. Mais la réalité est plus complexe. Les copilotes commencent déjà à automatiser certaines tâches de base, en permettant facultativement aux utilisateurs de confirmer les actions et en automatisant les étapes nécessaires pour les compléter.

Attendez-vous à ce que les copilotes évoluent avec le temps en une combinaison de copilotes et d’agents. Tout comme les applications aident à réingénier et à rationaliser les processus métier, les assistants pourraient et devraient commencer à être utilisés pour automatiser les étapes intermédiaires des tâches qu’ils soutiennent. Les agents basés sur GenAI devraient également inclure des personnes pour gérer les exceptions ou approuver un plan généré à l’aide d’un LLM.

Prédiction 5. GenAI va impulser l’adoption de tissus de données, de produits de données et de normes de données ouvertes

GenAI devrait être le plus grand moteur de changement dans l’informatique au cours des prochaines années, car l’informatique devra s’adapter pour permettre aux entreprises de réaliser pleinement les avantages de GenAI.

Dans le cadre des cycles de hype de Gartner pour la gestion des données, 2024, Gartner a identifié 3 technologies, et seulement 3, comme transformationnelles pour la gestion des données et pour les organisations qui en dépendent : les tissus de données, les produits de données et les formats de table ouverts. Les 3 aident à rendre les données plus accessibles pour une utilisation avec GenAI, car ils facilitent l’utilisation de ces nouvelles séries d’outils GenAI.

Nexla a mis en œuvre une architecture de produit de données basée sur un tissu de données pour cette raison. Le tissu de données fournit une couche unifiée pour gérer toutes les données de la même manière, quelle que soit la différence de formats, de vitesses ou de protocoles d’accès. Les produits de données sont ensuite créés pour répondre à des besoins de données spécifiques, tels que pour RAG.

Par exemple, une grande entreprise de services financiers met en œuvre GenAI pour améliorer la gestion des risques. Ils utilisent Nexla pour créer un tissu de données unifié. Nexla détecte automatiquement le schéma, puis génère des connecteurs et des produits de données. L’entreprise définit ensuite des produits de données pour des métriques de risque spécifiques qui agrègent, nettoient et transforment les données dans le bon format en tant qu’entrées pour la mise en œuvre d’agents RAG pour des rapports réglementaires dynamiques. Nexla fournit les contrôles de gouvernance des données, y compris la traçabilité des données et les contrôles d’accès, pour assurer la conformité réglementaire. Notre plate-forme d’intégration pour l’analyse, les opérations, le B2B et GenAI est mise en œuvre sur une architecture de tissu de données où GenAI est utilisé pour créer des connecteurs, des produits de données et des flux de travail réutilisables. Le support des normes de données ouvertes comme Apache Iceberg facilite l’accès à davantage de données.

Comment copiloter votre chemin vers l’intelligence artificielle agente

Alors, comment devriez-vous vous préparer à rendre GenAI mainstream dans votre entreprise en fonction de ces prédictions ?
Premièrement, si vous ne l’avez pas encore fait, commencez par votre premier assistant GenAI RAG pour vos clients ou vos employés. Identifiez un cas d’utilisation important et relativement simple où vous avez déjà la bonne base de connaissances pour réussir.

Deuxièmement, assurez-vous d’avoir une petite équipe d’experts GenAI qui peuvent vous aider à mettre en place la bonne architecture RAG modulaire, avec les bons outils d’intégration pour soutenir vos premiers projets. N’ayez pas peur d’évaluer de nouveaux fournisseurs avec des outils sans code/à faible code.

Troisièmement, commencez à identifier ces meilleures pratiques de gestion des données dont vous aurez besoin pour réussir. Cela ne concerne pas seulement un tissu de données et des concepts comme les produits de données. Vous devez également gouverner vos données pour l’IA.

Le moment est venu. 2025 est l’année où la majorité réussira. Ne vous laissez pas distancer.