Salesforce présente Koa Decisions, avec prise en charge des images et de l’audio

Salesforce a présenté Koa Decisions le 6 novembre 2026. Ce modèle décisionnel, développé à partir de Gemma de Google, un modèle à poids ouverts, accepte le texte, les images et l’audio. L’entreprise prévoit d’étendre cette technologie au-delà du routage des demandes dans Agentforce, aux flux de travail Salesforce et aux outils pour développeurs.

Koa Decisions est la nouvelle version d’HyperClassifier. Il analyse une demande et une liste de catégories définie par l’utilisateur, puis renvoie en une seule étape une sélection, une décision par oui ou par non, ou un score. Salesforce indique que cette opération ne prend que quelques millisecondes. Le modèle rejoint la famille Koa aux côtés d’un autre modèle, de raisonnement Koa, développé avec NVIDIA.

Comment Koa Decisions produit une réponse

La différence tient à la façon dont la réponse est produite. Un grand modèle de langage génère du texte jeton par jeton, chaque nouveau jeton dépendant de ceux qui le précèdent. Un modèle décisionnel analyse l’ensemble de la demande et émet en une seule étape une réponse concise, souvent réduite à un seul jeton. Comme cette réponse est courte, sa production nécessite moins de calcul, et d’autres logiciels peuvent l’exploiter immédiatement.

Pour un problème de connexion à un compte, le modèle peut choisir l’équipe des comptes dans une liste qui comprend aussi les équipes d’ingénierie et de vente, puis renvoyer un score de confiance. Un agent peut ainsi s’appuyer sur un modèle spécialisé pour les décisions répétitives et réserver un grand modèle de langage généraliste à la rédaction et au raisonnement. Dans la conception de Salesforce, les clients n’ont pas à choisir manuellement un modèle pour chaque tâche.

Résultats de recherche et historique de déploiement d’HyperClassifier

Dans leur prépublication de recherche sur les décisions Koa, l’équipe présente la classification, la détection sémantique de fin de parole, les vérifications booléennes et l’attribution de scores comme des tâches de génération sous contraintes produisant un seul jeton. Des jetons d’étiquette atomiques et un ajustement fin supervisé réduisent ces tâches à un décodage déterministe en une étape.

Les auteurs font état d’une précision de 85,5 % sur un benchmark de routage d’intentions en production, de réponses obtenues en environ une demi-seconde et d’une vitesse médiane jusqu’à environ 7,5 fois supérieure à celle des modèles de pointe testés dans des conditions de service identiques. Face au système spécialisé Jev/TypeSafe, ils font état d’une précision compétitive et de réponses médianes plus rapides, ainsi que de la prise en charge d’entrées multimodales et de sorties à plusieurs étiquettes, que les systèmes textuels à étiquette unique ne gèrent pas.

Koa Decisions s’appuie sur un modèle antérieur déjà intégré à Agentforce. Un compte Salesforce Engineering explique comment HyperClassifier interprète l’intention de l’utilisateur et oriente les agents vers des ensembles d’actions avant la génération d’une réponse. Dans les interactions vocales, il détermine si une personne a terminé de parler. Sa conception initiale attribue à chaque classe un jeton spécial unique et met en cache les calculs initiaux de l’invite afin de ne pas traiter à nouveau les instructions répétées, ce qui maintient le nombre d’étapes de génération fixe, quelle que soit la longueur du nom de classe.

HyperClassifier a été ajusté à partir de GPT-OSS-20B et peut classer jusqu’à 200 étiquettes, selon un compte rendu du déploiement du 8 juillet 2026. Au printemps 2026, il est devenu le modèle par défaut de détection des intentions et de routage pour les modèles Agentforce Service et Employee Agent.

Salesforce a mesuré le temps de réponse au routage d’HyperClassifier à environ 26 millisecondes, contre 1 446 millisecondes pour un modèle généraliste de pointe. Cette mesure en production concerne le modèle antérieur et ne permet pas d’établir les performances de Koa Decisions.

Accès à la démo et intégrations prévues

Tout le monde, y compris les personnes qui ne sont pas clientes de Salesforce, peut essayer la démo de Koa Decisions après avoir créé un compte Trailhead gratuit. Les utilisateurs peuvent modifier la demande et la liste des catégories, puis consulter les scores de confiance associés aux différentes options.

Salesforce indique que l’ajout d’une catégorie, comme les retours, ne nécessite aucun nouvel entraînement. L’entreprise oppose cette méthode aux projets de classification prédictive personnalisée qui prenaient des mois chez de nombreux grands clients, alors qu’une mise en œuvre fondée sur un modèle décisionnel peut parfois être mise en production en quelques heures.

Dans un exemple de flux de travail documenté, un modèle décisionnel signale une vente présentant un risque et sélectionne l’équipe qui doit intervenir, tandis qu’un grand modèle de langage résume les changements, le tout depuis un enregistrement Sales Cloud jusqu’à une alerte Slack. Les intégrations prévues comprennent les flux, Apex, les modèles d’invite et une API pour développeurs. Les tarifs et les offres peuvent changer, la disponibilité peut varier selon la région et l’accès est régi par les accords conclus avec les clients. La démo et le déploiement existant d’HyperClassifier ne garantissent donc pas la disponibilité générale de toutes les intégrations prévues.

L’intérêt pratique réside dans une répartition plus claire des tâches au sein des logiciels d’entreprise : les modèles décisionnels prennent en charge le routage, les vérifications et l’attribution de scores, tandis que les grands modèles de langage s’occupent de l’explication et du raisonnement. Koa Decisions enrichit cette architecture d’entrées multimodales et de points d’intégration prévus plus nombreux. Son déploiement à grande échelle en entreprise dépend désormais de la manière dont ces intégrations dépasseront le stade de la démo et les fonctions de routage déjà assurées par HyperClassifier.