Jim Rowan, responsable de l’IA aux États-Unis chez Deloitte – Série d’entretiens

Jim Rowan est responsable de l’IA aux États-Unis chez Deloitte et associé principal chez Deloitte Consulting LLP. Il aide les organisations à transformer leurs ambitions en matière d’IA en résultats concrets pour leurs activités. Sa carrière couvre les technologies d’entreprise, l’analytique, les données et la transformation numérique, avec une expérience dans les sciences de la vie, les soins de santé et les télécommunications. Il a occupé des postes de direction au sein des pratiques Stratégie et analytique et IA et données de Deloitte. Ses travaux comprennent le développement des talents et des capacités dont les organisations ont besoin pour adopter l’IA.

Deloitte est une organisation de services professionnels qui propose des services de conseil, d’audit et d’assurance, de fiscalité et de conseil stratégique. Ses travaux sur l’IA associent stratégie, données, technologie, talents et gouvernance afin d’aider les entreprises à adopter l’IA et à la déployer à grande échelle dans l’ensemble de leurs activités. Dans le commerce numérique, ces travaux consistent notamment à préparer les informations sur les produits et les systèmes d’entreprise pour les agents d’IA, à relier les expériences client sur différents canaux et à mettre en place les contrôles d’identité, d’autorisation et de confiance nécessaires aux interactions et aux transactions automatisées.

Vous travaillez depuis plus de vingt ans chez Deloitte dans les domaines des technologies d’entreprise, de l’analytique, des données et, désormais, de l’IA. Fort de cette expérience, à quel moment avez-vous compris que les agents d’IA allaient non seulement transformer le fonctionnement interne des entreprises, mais aussi servir d’intermédiaires entre les entreprises et leurs clients ?

Ces dernières années, j’ai été témoin direct des progrès de l’IA, tout en aidant les organisations à transformer leurs objectifs commerciaux en résultats mesurables qui semblaient autrefois inimaginables. Mon expérience des données, des processus et des technologies a été déterminante dans ma compréhension de l’IA. J’ai commencé à développer les capacités de Deloitte en matière de talents nécessaires à la réussite de l’IA, notamment avec notre AI Academy, qui conçoit des programmes de formation pour nos employés comme pour nos clients.

Dans le contexte actuel, les organisations recourent aux agents d’IA pour transformer leurs stratégies de commerce numérique de plusieurs façons : accroître la visibilité des marques, utiliser des moteurs de personnalisation pour enrichir les échanges et coordonner des expériences omnicanales cohérentes à travers les points de contact physiques, numériques et sociaux. Ce tournant intervient alors que les marques évoluent sur un marché instable, ce qui ouvre la voie au commerce agentique pour les aider à répondre à leurs clients avec davantage de rapidité, de pertinence et de cohérence.

Vous avez évoqué la nécessité pour les entreprises de se préparer à l’« optimisation de la recherche agentique ». Comment définissez-vous ce concept, et en quoi l’optimisation destinée à un agent d’IA diffère-t-elle fondamentalement du référencement naturel traditionnel ou des nouvelles méthodes d’optimisation des contenus pour les moteurs de réponse fondés sur l’IA ?

Traditionnellement, la concurrence en ligne pour capter l’attention des consommateurs repose sur l’optimisation pour les moteurs de recherche (SEO) et part du principe qu’au bout d’une requête, une personne lit les résultats, les évalue et décide de son achat. À mesure que les consommateurs se tournent vers les outils d’IA pour effectuer leurs recherches, l’optimisation pour les moteurs génératifs (GEO) a fait son apparition. L’optimisation de la recherche agentique constitue une évolution du GEO qui tient compte du fait que l’IA ne se contente plus de recommander des produits ou des services, mais intervient aussi dans les décisions d’achat. Les marques doivent donc optimiser leur présence non seulement pour l’IA générative, qui fournit principalement des recommandations à l’utilisateur final, mais aussi pour l’IA agentique, conçue pour passer à l’action et capable de coordonner des systèmes, d’exécuter des processus et de déclencher des transactions.

Lorsqu’un agent d’IA est chargé de rechercher des produits ou des services, de les comparer et d’en établir une présélection, quels signaux pensez-vous qu’il privilégiera ? Les données structurées sur les produits, les prix, les avis, la couverture médiatique par des tiers, l’autorité de la marque ou un tout nouvel ensemble de signaux gagneront-ils en importance ?

L’ensemble des options qu’un agent d’IA prend en considération dépend de la visibilité et de la pertinence. Il privilégiera les marques dont les produits, les services, les prix et les données sont accessibles, lisibles par machine et immédiatement vérifiables. La cohérence entre les plateformes, les notes et les avis ainsi que l’autorité de la marque restent importantes, mais ces signaux doivent aussi pouvoir être convertis en données que l’agent peut analyser. Le contexte personnel comptera également : les agents agissant pour le compte des clients devront accéder de manière fiable à leurs préférences, à leurs autorisations et à leurs interactions antérieures afin de formuler les recommandations les plus pertinentes. Au-delà des signaux eux-mêmes, la rapidité avec laquelle les organisations rendent leurs données lisibles, compréhensibles, fiables et quantifiables selon des critères qu’un agent peut comparer constituera un facteur de différenciation pour la marque.

L’un des défis tient au fait qu’il pourrait à terme exister des milliers d’agents grand public et d’entreprise, fondés sur différents modèles et reliés à différentes sources de données. Comment une entreprise peut-elle veiller à être représentée avec exactitude et rester visible dans cet écosystème fragmenté, sans chercher à optimiser sa présence pour chaque agent individuellement ?

Les organisations devraient s’attacher à créer une base fiable et lisible par machine, à laquelle tout agent puisse accéder et qu’il puisse interpréter, plutôt qu’à optimiser leur présence pour des agents particuliers. Cela implique de publier, par des sources faisant autorité, des informations vérifiables, fiables et à jour sur les produits, les prix et les politiques. La seule capacité à être repéré ne suffira probablement pas, car les agents commenceront à agir pour le compte des consommateurs, ce qui renforcera le besoin de systèmes permettant de vérifier les identités, de confirmer l’admissibilité et de réaliser des transactions sécurisées. Dans un écosystème d’agents désormais fragmenté, la marque qui rendra ses informations les plus faciles à comprendre et à obtenir se hissera en tête des résultats de recherche. Toutefois, les entreprises devraient éviter de s’appuyer sur un protocole unique, car ces protocoles sont encore émergents et l’on ne sait pas encore lequel s’imposera. Il est donc important de concevoir des systèmes interopérables, qui permettent d’adopter rapidement des protocoles ou d’en changer à mesure que l’écosystème évolue.

Si le commerce évolue du modèle entreprise-consommateur vers le modèle entreprise-agent-entreprise, quels changements cela implique-t-il sur le plan technique ? Les entreprises devront-elles repenser leurs sites Web, leurs API, leurs catalogues de produits, leurs systèmes d’identité ou d’autres infrastructures afin que les agents puissent interagir directement avec elles ?

Oui, les organisations devront repenser et réimaginer leurs systèmes actuels afin de mettre en place l’architecture technique adéquate pour permettre le commerce interentreprises agentique. Cela ne se fera pas du jour au lendemain : le niveau de travail requis et l’ampleur des changements à apporter prendront du temps. Aujourd’hui, les capacités de découverte et de paiement progressent plus rapidement que la prise de décision, les entreprises devant encore acquérir la confiance nécessaire pour laisser les agents faire des choix dans le respect de garde-fous établis. Tout DSI, directeur technique ou responsable de la sécurité des systèmes d’information devrait s’attacher à fournir des plateformes d’intégration évolutives et à faible latence, soutenues par de solides partenariats technologiques et d’intégration. Plutôt que de remanier complètement leurs systèmes, les dirigeants devraient consacrer du temps à déterminer lesquels peuvent se connecter aux agents, à repérer ceux qui en sont empêchés et à tester des tâches simples dans des environnements circonscrits. Il est également important que les humains conservent la maîtrise de la transaction. Les entreprises devraient donc créer des parcours flexibles permettant au client de passer facilement d’interactions pilotées par un agent à des interactions avec une personne, sans dégrader l’expérience humaine au nom de l’automatisation. À terme, les organisations pourront progresser vers la création d’une plateforme de gestion de plusieurs agents, la mise à niveau ou la connexion de systèmes existants pour permettre l’accès aux agents, ainsi que le déploiement de dispositifs de sécurité avancés avec une surveillance en temps réel.

Le marketing numérique traditionnel a été largement optimisé autour du classement, des impressions, des clics et du trafic sur les sites Web. Si les agents effectuent de plus en plus les recherches avant même qu’une personne ne visite un site Web, quels nouveaux indicateurs les entreprises devraient-elles utiliser pour comprendre si elles sont réellement visibles et compétitives dans le parcours d’achat agentique ?

Historiquement, la mesure de la réussite consistait à capter l’attention des consommateurs et, en fin de compte, à gagner leur confiance. À mesure que les agents prendront en charge une part croissante du parcours d’achat, les organisations auront besoin de nouvelles méthodes pour mesurer la visibilité de leurs marques, leur pertinence et, finalement, leur sélection. Cela suppose notamment de relier le développement d’agents de marque à la mesure des performances, en évaluant si un agent fait apparaître la marque, repère les offres auxquelles le client est admissible et mène une transaction à bien. Les marques devraient se concentrer sur leurs acheteurs plutôt que sur leurs concurrents pour déterminer leurs investissements ou les changements à apporter à l’expérience, et suivre la manière dont les clients découvrent les produits, ainsi que les endroits où ils abandonnent le parcours ou le poursuivent. Ces indicateurs peuvent non seulement aider les marques à différencier leurs propositions de valeur, mais aussi démontrer le retour sur investissement grâce à des résultats quantifiables qui renforcent la fidélité des clients et l’excellence opérationnelle.

Les agents d’IA peuvent résumer les activités d’une entreprise, la comparer à ses concurrents et éventuellement formuler des recommandations, sans que celle-ci maîtrise directement la façon dont elle est présentée. Comment les marques devraient-elles repérer les informations inexactes ou obsolètes et établir une source de référence faisant autorité, que les agents puissent utiliser de manière fiable ?

Comme dans tout autre secteur, l’audit des données produit est essentiel pour maintenir la visibilité auprès des agents sur l’ensemble des canaux. Les marques devraient également envisager le Model Context Protocol (MCP), un levier essentiel qui crée un environnement contrôlé où les données, les outils et le contexte sont partagés en toute sécurité avec des agents d’achat et des plateformes externes. La combinaison de données structurées et du MCP peut permettre des interactions entre agents, améliorer l’interopérabilité, contribuer à représenter fidèlement les informations sur la marque et faire en sorte qu’elles soient mises en avant de manière appropriée. Là encore, les protocoles étant encore émergents et l’on ne sachant pas encore lequel deviendra le plus populaire, les entreprises devraient privilégier la flexibilité afin de pouvoir se connecter rapidement à de nouvelles normes, passer de l’une à l’autre et les adopter à mesure que l’écosystème évolue.

À mesure que les agents passeront de la simple recommandation de produits à des actions telles que la demande de devis, la négociation des conditions ou l’achat, quelle importance prendront les infrastructures d’identité, d’autorisation et de confiance ? Comment une entreprise peut-elle distinguer l’agent d’un client légitime d’un système automatisé auquel elle ne devrait pas faire confiance ?

Le commerce entre agents présente de nouveaux risques, car les transactions peuvent se dérouler rapidement sans intervention humaine. Il est donc essentiel de prévoir une intervention humaine et la possibilité de reprendre la main à chaque étape du processus. Les transactions de commerce agentique nécessitent de nouveaux types de mesures de prévention de la fraude, des contrôles financiers stratégiques et des cadres de signalement ciblés, conçus spécifiquement pour les activités lancées par des machines.

À court terme, les organisations devraient traiter leurs agents d’IA comme des employés, en leur attribuant des responsabilités définies, en gérant leurs accès et en établissant clairement les responsabilités. Elles devront également mettre en place des protocoles pour vérifier la légitimité des agents, autoriser les paiements et faire respecter les seuils de transaction, les autorisations d’API et d’autres garde-fous opérationnels.

Il est également possible que la publicité et les placements payants suivent les consommateurs dans l’écosystème du commerce agentique. Comment voyez-vous évoluer les incitations commerciales lorsqu’un agent d’IA recommande des produits au nom d’une personne, et quelle transparence sera nécessaire pour que les gens puissent faire confiance à ces recommandations ?

Nous voyons déjà des capitaux réaffectés au commerce agentique, les annonceurs américains devant dépenser environ 26 milliards de dollars en publicités liées aux recherches par IA d’ici 2029. Il est inévitable que les incitations commerciales évoluent à mesure que les entreprises déterminent si les promotions et les prix proposés sur leurs propres canaux seront respectés dans les environnements agentiques. Cette évolution suppose notamment d’établir des règles explicites sur la manière dont les agents interagissent avec les prix et les promotions. En l’absence de garde-fous, les agents pourraient effectuer des achats en fonction des prix en vigueur au moment de la transaction, ce qui pourrait déclencher des promotions et des paliers de prix non souhaités et entraîner une érosion des marges. Les entreprises devraient mettre en œuvre des politiques conformes aux normes mondiales en matière de confidentialité et de données, et aux paramètres préapprouvés et contrôlés par des humains pour chaque client.

Malgré l’automatisation croissante, vous avez souligné que le jugement humain restera essentiel dans les décisions d’achat. Où situez-vous la limite entre les décisions que les consommateurs délégueront volontiers à des agents et celles pour lesquelles ils voudront encore se renseigner, comparer et prendre eux-mêmes la décision finale ?

La limite dépendra de l’importance de la décision et de la confiance du consommateur envers l’agent. Les gens pourraient accepter de déléguer des achats courants peu coûteux lorsque leurs préférences sont claires et que les conséquences d’un mauvais choix sont minimes. Pour les décisions impliquant des dépenses importantes, des informations sensibles ou des engagements contractuels, ils s’attendront probablement à une plus grande visibilité et conserveront le pouvoir d’approbation finale. Les consommateurs seront plus à l’aise avec une marque lorsque les obstacles seront réduits. Il faut donc leur permettre de comprendre facilement ce qui se passe et de faire confiance au fait que la transaction sera effectuée comme prévu et en toute sécurité. Les marques devraient ainsi donner aux consommateurs un contrôle clair sur ce qu’un agent peut faire de manière autonome, les situations où il doit demander une autorisation et la facilité avec laquelle ses actions peuvent être examinées ou annulées.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus sur le commerce agentique, la découvrabilité pilotée par l’IA et l’infrastructure de confiance qui sous-tend les achats automatisés peuvent consulter Deloitte.