Entretiens

Sarvarth Misra, cofondateur et PDG de Leah – Série d’entretiens

Antoine Tardif
Ajouter Unite.AI à vos sources préférées sur Google
Sarvarth Misra, Co-Founder and CEO of Leah
Points clésL'ajout de l'IA aux logiciels conçus pour les humains accélère les tâches mais laisse…
Voir plus
  • L'ajout de l'IA aux logiciels conçus pour les humains accélère les tâches mais laisse le modèle opérationnel inchangé.
  • Près de huit entreprises sur dix manquent d'outils efficaces pour identifier les agents non autorisés.
  • La gouvernance doit être intégrée à l'architecture afin que les organisations puissent étendre l'autonomie des agents en toute confiance.

Sarvarth Misra est cofondateur et PDG de Leah, anciennement ContractPodAi. Il a commencé sa carrière comme avocat en droit des sociétés et en droit commercial. Le temps consacré à rechercher des informations, à coordonner des documents et à suivre des obligations lui a donné l’idée de créer des technologies destinées aux équipes juridiques. Depuis, ses activités se sont étendues de la gestion du cycle de vie des contrats aux systèmes agentiques qui coordonnent les flux de travail des entreprises, avec pour objectif de conjuguer expertise métier, exécution contrôlée et jugement humain.

Leah développe une plateforme d’IA agentique destinée aux entreprises, couvrant les domaines juridique, contractuel, des achats, de la finance et des services partagés. Sa plateforme relie des agents spécialisés aux systèmes de l’entreprise, à son contexte métier, à ses autorisations et à ses processus d’approbation afin d’aider les organisations à exécuter des tâches dans différents services. Dans cet entretien, Misra évoque le passage de l’assistance par l’IA à l’exécution, les enjeux de gouvernance et d’interopérabilité liés au déploiement à grande échelle des agents, ainsi que les moyens dont disposent les entreprises pour mesurer la fiabilité des résultats métier tout en maintenant une supervision humaine.

Vous avez commencé votre carrière comme avocat en droit des sociétés et en droit commercial, avant de cofonder Leah (anciennement ContractPodAi). Quels problèmes rencontrés dans votre travail juridique vous ont initialement donné l’idée de créer l’entreprise, et comment cette vision fondatrice a-t-elle évolué pour aboutir à Leah telle qu’elle existe aujourd’hui ?

Lorsque j’exerçais en droit des sociétés, j’ai pu constater directement à quel point les avocats consacraient leur temps à gérer des processus plutôt qu’à exercer leur jugement juridique. Des professionnels hautement qualifiés passaient d’innombrables heures à rechercher des informations, à acheminer des documents, à suivre des obligations et à coordonner le travail entre des systèmes déconnectés. Alors que des fonctions comme les ventes et la finance avaient connu une transformation technologique majeure, le secteur juridique, lui, était largement resté à la traîne.

Ce constat nous a conduits à créer ContractPodAi autour d’une idée simple : les équipes juridiques avaient besoin d’un système de référence et d’intelligence pour les contrats. Mais, avec l’évolution de la technologie, notre vision des possibilités a elle aussi évolué. Nous avons compris que la gestion du travail ne constituait qu’une partie du défi. La véritable occasion était de transformer la façon dont ce travail était réellement exécuté.

Cette conviction a façonné Leah. Les contrats étaient notre point de départ, mais notre ambition a toujours été plus vaste : changer la façon dont les entreprises exécutent leur travail, et pas seulement celle dont elles le gèrent. Aujourd’hui, nous développons des systèmes capables de planifier, de coordonner et d’exécuter des flux de travail complexes au sein des entreprises, afin que les personnes puissent se concentrer sur le jugement, la stratégie et les décisions pour lesquelles l’expertise humaine est essentielle.

ContractPodAi a adopté le nom Leah en janvier 2026, alors que l’entreprise élargissait ses activités au-delà de la gestion du cycle de vie des contrats pour proposer une plateforme d’IA agentique plus vaste. Qu’est-ce qui vous a convaincu que l’avenir ne consistait pas simplement à ajouter des capacités d’IA aux logiciels d’entreprise existants, mais à repenser en profondeur l’organisation du travail autour d’agents autonomes ?

Nous en sommes arrivés à cette conclusion après avoir passé des années à développer le secteur de la gestion du cycle de vie des contrats (CLM), où nous avons été parmi les premiers à introduire l’IA. Cette expérience nous a donné une perspective unique sur le potentiel de l’IA, mais aussi sur les limites du modèle logiciel sous-jacent.

En 2023, nous sommes parvenus à une conclusion fondamentale : ajouter de l’IA à des logiciels conçus pour être utilisés par des personnes accélérerait certaines tâches, mais ne changerait pas fondamentalement la façon dont le travail est effectué.

Les personnes resteraient chargées de recueillir les informations, de coordonner les transmissions, de passer d’une application à l’autre et de veiller à ce que chaque étape d’un processus soit achevée. L’IA pourrait accélérer certaines activités, mais le modèle opérationnel sous-jacent, et sa dépendance à l’intervention humaine, resterait largement inchangé.

Nous pensions que la prochaine génération de logiciels d’entreprise devait être conçue autour de l’exécution plutôt que de l’assistance. Les systèmes devraient pouvoir comprendre un objectif, orchestrer les activités nécessaires et faire avancer le travail entre les fonctions et les applications, avec une intervention humaine lorsque le jugement ou une approbation est nécessaire.

Cela exigeait un changement architectural fondamental, et pas simplement une fonctionnalité d’IA supplémentaire. C’était une décision stratégique importante, mais nous la jugions essentielle. L’avenir des logiciels d’entreprise se définirait non pas par leur capacité à aider efficacement les personnes à gérer le travail, mais par leur fiabilité dans l’exécution des tâches et la production de résultats.

L’expression « IA agentique » est de plus en plus employée dans le secteur. Selon vous, qu’est-ce qui distingue un véritable système agentique d’entreprise d’un assistant d’IA traditionnel, d’un copilote ou d’un outil d’automatisation des flux de travail ?

La différence fondamentale tient à l’exécution.

Les assistants d’IA et les copilotes aident les personnes à accomplir des tâches, tandis que les outils traditionnels d’automatisation des flux de travail suivent des séquences prédéfinies. Les deux peuvent améliorer sensiblement la productivité, mais, en général, les personnes restent chargées de faire avancer le travail et de coordonner les étapes entre les systèmes.

Un véritable système agentique va plus loin. Il peut comprendre un objectif, déterminer les actions nécessaires, coordonner des capacités spécialisées et exécuter des tâches dans différents systèmes d’entreprise, en faisant appel au jugement humain lorsque cela s’avère nécessaire.

Mais il existe une différence importante entre un agent intelligent et un système agentique adapté aux exigences de l’entreprise. L’intelligence seule ne suffit pas. Pour exécuter les tâches de manière fiable, il faut un cadre sous-jacent qui fournisse le contexte et les outils appropriés, ainsi que l’orchestration, des flux de travail déterministes, des autorisations et une gouvernance.

Il faut également une connaissance approfondie du domaine. Un agent chargé d’exécuter un processus contractuel, par exemple, doit disposer de capacités de raisonnement qui vont au-delà du raisonnement général. Il doit comprendre les positions contractuelles de l’organisation, ses stratégies de négociation, ses exigences en matière d’approbation et les conséquences commerciales de ses actions.

En définitive, le modèle apporte l’intelligence, le cadre fournit l’architecture nécessaire à une exécution contrôlée et l’expertise du domaine donne un sens à cette exécution dans un contexte professionnel.

L’étude de Leah menée avec IDC a révélé que 66 % des organisations interrogées utilisent déjà des agents d’IA en production et s’attendent à ce que leur nombre soit multiplié par six d’ici au début de 2027. Selon vous, que sous-estiment les entreprises lorsqu’elles passent du déploiement de quelques agents à la gestion potentielle de centaines, voire de milliers d’entre eux ?

De nombreuses organisations s’attachent à mettre leurs premiers agents en production. Mais les difficultés changent fondamentalement lorsqu’elles commencent à déployer des agents à grande échelle.

La question n’est plus de savoir si un agent peut accomplir une tâche. Il s’agit de déterminer si l’organisation peut coordonner et gouverner des centaines, voire potentiellement des milliers d’agents opérant au sein de différentes équipes, systèmes et fonctions de l’entreprise.

Notre étude a révélé que près de huit entreprises sur dix ne disposent pas d’outils efficaces pour repérer les agents non autorisés, tandis qu’environ 47 % considèrent la gouvernance centralisée comme un domaine prioritaire à améliorer. Cela met en évidence le fossé grandissant entre le rythme de l’adoption et la capacité des organisations à gérer les agents qu’elles déploient.

Sans une architecture adaptée, chaque agent supplémentaire risque d’ajouter un niveau de complexité. Différentes équipes peuvent déployer des agents reposant sur des modèles, des outils et des plateformes différents, chacun fonctionnant avec son propre contexte, ses propres autorisations et ses propres flux de travail.

Les entreprises ont donc besoin de davantage que d’une simple visibilité sur chaque agent. Il leur faut un environnement coordonné où les agents peuvent partager le contexte pertinent, évoluer dans des limites clairement définies et collaborer à l’exécution des processus métier.

La gouvernance et l’orchestration ne peuvent pas être reléguées au second plan. Elles doivent constituer des capacités fondamentales. À défaut, les organisations risquent de remplacer des applications logicielles fragmentées par un ensemble tout aussi fragmenté d’agents intelligents.

Cette même étude a identifié la gouvernance, l’orchestration et la collaboration transversale comme trois piliers essentiels de l’IA agentique. Pourquoi la gouvernance devient-elle plus difficile lorsque les agents peuvent raisonner de façon autonome, formuler des recommandations et lancer des actions dans les systèmes de l’entreprise ?

La gouvernance se complexifie, car les agents ne se contentent plus de produire des informations que les personnes doivent évaluer. Ils peuvent interpréter le contexte, prendre des décisions et lancer des actions, souvent dans plusieurs systèmes de l’entreprise.

Cela change fondamentalement la nature du risque. Les organisations doivent comprendre non seulement ce qu’un agent est autorisé à faire, mais aussi quelles informations ont guidé ses actions, quels contrôles ont été appliqués et ce qui s’est produit ensuite.

La situation se complique lorsque des agents interviennent dans des fonctions soumises à des politiques, des autorisations et des niveaux de tolérance au risque différents. Une action acceptable dans un flux de travail peut nécessiter une validation ou une approbation supplémentaire dans un autre. La gouvernance doit donc couvrir l’ensemble du processus d’exécution, plutôt que de s’appliquer séparément à chaque agent.

C’est pourquoi nous estimons que la gouvernance doit être intégrée à l’architecture sous-jacente. Les entreprises ont besoin de contrôles déterministes pour les actions critiques, de procédures d’escalade claires, d’exigences d’approbation configurables et d’un journal d’exécution vérifiable.

L’objectif n’est pas de restreindre inutilement l’autonomie, mais de créer les conditions permettant aux organisations de l’étendre en toute confiance. Une gouvernance efficace est ce qui rend possible l’autonomie à l’échelle de l’entreprise.

L’interopérabilité est l’un des défis que posent les agents d’entreprise : ils peuvent être conçus par différents fournisseurs, utiliser différents modèles et fonctionner dans des systèmes cloisonnés. Comment les entreprises devraient-elles concevoir un environnement dans lequel ces agents peuvent partager du contexte en toute sécurité et se coordonner ?

Les entreprises doivent cesser de considérer les agents comme des produits autonomes et commencer à les voir comme des acteurs d’un système de travail connecté.

La véritable valeur se révèle lorsque les agents peuvent partager du contexte, coordonner leurs actions et contribuer à un objectif métier commun, même s’ils interviennent dans différentes fonctions et plateformes et reposent sur différents modèles.

Pour y parvenir, il faut une couche d’orchestration située au-dessus des agents et des applications d’entreprise. Cette couche fournit l’architecture nécessaire à la gestion du contexte, des autorisations, des intégrations, des flux de travail et de la gouvernance, afin que différentes capacités puissent fonctionner comme un système coordonné.

Tout aussi importante est la préservation de la souveraineté des entreprises. Celles-ci doivent conserver la maîtrise de leurs données, de leur savoir institutionnel, de leurs règles métier et de leurs flux de travail, quels que soient les modèles ou les fournisseurs de technologies auxquels elles choisissent de recourir.

Nous pensons que les entreprises devraient pouvoir adopter librement de nouveaux modèles et de nouvelles technologies sans avoir à reconstruire les processus et l’intelligence qui sous-tendent leurs activités.

En définitive, l’interopérabilité ne consiste pas seulement à connecter techniquement des agents. Il s’agit de leur permettre d’exécuter le travail de manière cohérente, sécurisée et responsable dans l’ensemble de l’entreprise.

Les affaires juridiques et la gestion des contrats sont des domaines particulièrement sensibles, car les décisions générées par l’IA peuvent avoir des conséquences financières, réglementaires et juridiques. Où les organisations devraient-elles fixer la limite entre les actions qu’un agent d’IA peut exécuter de manière autonome et les décisions qui devraient continuer à nécessiter une approbation humaine ?

La limite devrait être déterminée par le niveau de risque, et non par le type de tâche à accomplir.

De nombreuses activités liées aux affaires juridiques et à la gestion des contrats sont structurées, répétitives et régies par des politiques établies. Elles se prêtent bien à une exécution autonome, à condition que les contrôles appropriés soient en place.

Par exemple, un agent chargé d’examiner un accord de confidentialité courant pourrait l’évaluer au regard d’un guide approuvé, repérer les écarts, appliquer les positions de repli convenues et faire avancer l’accord sans qu’un avocat ait à intervenir à chaque étape.

En revanche, un accord comportant une exposition financière importante, une clause de responsabilité inhabituelle, une incertitude réglementaire ou une concession commerciale stratégique peut nécessiter un jugement ou une approbation humaine.

Il est important de préciser que je ne pense pas que l’objectif devrait être d’exclure les personnes du processus. Il s’agit de changer le moment et la manière dont elles y contribuent. Plutôt que d’exiger une intervention humaine à chaque étape, les organisations devraient pouvoir définir le niveau d’autonomie adapté à chaque flux de travail, y compris les étapes auxquelles la participation humaine est obligatoire.

Cela permet aux professionnels qualifiés de se concentrer sur les exceptions, la stratégie de négociation, les évaluations complexes des risques et les décisions qui nécessitent réellement leur expertise.

L’occasion ne consiste pas simplement à accélérer le travail des équipes juridiques. Elle consiste à repenser en profondeur la manière dont le travail juridique est réalisé, en faisant contribuer les humains et l’IA là où chacun apporte le plus de valeur.

Leah étend l’IA agentique aux affaires juridiques, à la gestion des contrats, aux achats, à la finance et aux services partagés. Qu’est-ce qui devient possible lorsque les agents peuvent se coordonner entre ces fonctions, au lieu d’automatiser chaque service de façon indépendante ?

La plupart des activités d’une entreprise ne commencent ni ne s’achèvent au sein d’un seul service. Un contrat négocié par le service juridique a des conséquences pour les achats, la finance, les opérations et la conformité. Pourtant, les logiciels d’entreprise ont historiquement été conçus autour de fonctions individuelles, laissant aux personnes la responsabilité de relier les informations, les décisions et les processus entre ces fonctions.

L’IA agentique offre la possibilité de transformer ce modèle opérationnel.

Lorsque les agents peuvent se coordonner entre différentes fonctions, ils peuvent réunir les informations, les politiques et l’expertise pertinentes nécessaires pour faire avancer le travail de bout en bout, au lieu d’accomplir une tâche isolée et de laisser quelqu’un gérer le relais vers l’étape suivante.

Prenons l’exemple d’un accord avec un fournisseur. Les clauses contractuelles influent sur les décisions d’achat, les obligations de paiement, l’exposition financière et la performance continue du fournisseur. Dans un environnement connecté reposant sur l’IA agentique, ces informations contractuelles peuvent éclairer et déclencher des actions dans l’ensemble de ces fonctions, au lieu de rester enfermées dans un référentiel de contrats.

C’est ainsi que nous voyons émerger l’intelligence commerciale : la capacité à relier les contextes contractuel, juridique, lié aux achats et financier, afin que les décisions et les actions tiennent compte de l’ensemble de la situation commerciale.

La valeur créée va bien au-delà des gains de productivité au sein de chaque service. Elle ouvre la possibilité d’optimiser les processus qui les relient, de réduire la fragmentation, d’améliorer la prise de décision et de faire circuler le travail dans toute l’entreprise avec beaucoup moins de coordination manuelle.

À mesure que les entreprises déploient davantage d’agents, comment devraient-elles mesurer si l’IA agentique crée réellement de la valeur ? Les indicateurs traditionnels, tels que la productivité et les économies de coûts, restent-ils suffisants, ou les entreprises ont-elles besoin d’un nouveau cadre fondé sur les résultats et sur le volume de travail que les agents peuvent exécuter de manière fiable ?

L’un des enseignements de la première vague d’adoption de l’IA est que l’activité et la valeur ne sont pas la même chose.

Les organisations peuvent mesurer les requêtes, les jetons, les interactions et le temps gagné, mais ces indicateurs nous renseignent relativement peu sur l’obtention de résultats concrets pour l’entreprise.

La productivité et les économies de coûts resteront importantes, mais l’IA agentique exige un cadre plus large axé sur l’exécution. Quel volume de travail est accompli ? Avec quelle fiabilité est-il exécuté ? Les processus avancent-ils plus vite ? Les arriérés diminuent-ils ? Les exceptions sont-elles repérées et résolues plus efficacement ?

Nous devrions également mesurer le degré d’autonomie atteint dans le respect de contrôles adaptés. Par exemple, réduire le temps qu’un avocat consacre à l’examen d’un contrat, c’est une chose. En permettre le déroulement complet, de la prise en charge initiale à l’examen, à la négociation et à l’approbation, en concentrant l’intervention humaine là où elle est réellement nécessaire, c’en est une autre.

Cette distinction est importante, car la valeur économique de l’IA agentique ne se limite pas aux heures économisées. Elle tient aussi à l’augmentation des capacités, à une plus grande cohérence, à la réduction des frictions opérationnelles et à de meilleurs résultats pour l’entreprise.

Au fil du temps, je m’attends à ce que les organisations accordent beaucoup plus d’importance au volume et à la complexité des tâches que l’IA peut exécuter de manière fiable, à la qualité de cette exécution et aux retombées commerciales qu’elle génère.

La question ne sera plus : « Quelle quantité d’IA utilisons-nous ? », mais : « Que peut désormais accomplir notre organisation qu’elle ne pouvait pas faire auparavant ? »

Au cours des trois à cinq prochaines années, comment pensez-vous que les relations entre les employés, les logiciels d’entreprise traditionnels et les agents d’IA autonomes vont évoluer, et qu’est-ce qui distinguera les organisations qui réussiront à passer à un modèle opérationnel agentique ?

Je pense que nous passons d’une époque dominée par les systèmes de référence à une autre où les systèmes d’exécution prennent une place croissante.

Les logiciels d’entreprise traditionnels resteront importants : ils fourniront les données sous-jacentes, les documents commerciaux et l’infrastructure dont dépendent les organisations. Mais les systèmes agentiques s’intégreront de plus en plus à ces applications pour coordonner et exécuter des tâches qui obligeaient auparavant les employés à passer d’un système à l’autre, à gérer les transferts et à faire avancer les tâches une par une.

Pour les employés, cela représente un changement fondamental dans leur rapport à la technologie. Au lieu de gérer chaque étape d’un flux de travail, ils définiront de plus en plus les objectifs, fixeront les limites, exerceront leur jugement et interviendront là où leur expertise apporte le plus de valeur.

Mais cette transition ne se résume pas au déploiement d’agents ou à l’ajout de capacités d’IA aux applications existantes. Les organisations doivent repenser la structure du travail, la prise de décision et la circulation de l’intelligence entre les différentes fonctions.

Nos recherches menées avec IDC confirment l’importance de la gouvernance, de l’orchestration et de la collaboration interfonctionnelle. J’ajouterais qu’une connaissance approfondie du domaine est tout aussi essentielle. Un système doit disposer à la fois des capacités techniques nécessaires pour exécuter les tâches de manière fiable et du contexte métier lui permettant de savoir à quoi ressemble une exécution réussie.

Les organisations qui réussiront ne seront pas nécessairement celles qui déploieront le plus grand nombre d’agents. Ce seront celles qui comprendront que l’IA agentique leur donne l’occasion de repenser en profondeur leur modèle opérationnel.

L’occasion véritable ne consiste pas à rendre plus efficace notre façon actuelle de travailler. Il s’agit de créer un modèle entièrement nouveau pour la réalisation du travail en entreprise.

Merci pour cet excellent entretien. Les lecteurs qui souhaitent en savoir plus sur l’IA agentique en entreprise et les flux de travail connectés dans les domaines juridique, contractuel, des achats et de la finance peuvent consulter Leah.

Antoine est un dirigeant visionnaire et associé fondateur d’Unite.AI, animé par une passion inébranlable pour façonner et promouvoir l’avenir de l’IA et de la robotique. Entrepreneur ayant créé plusieurs entreprises, il estime que l’IA transformera la société autant que l’électricité et parle souvent avec enthousiasme du potentiel des technologies de rupture et de l’intelligence artificielle générale (AGI).

En tant que prospectiviste, il se consacre à l’étude de la manière dont ces innovations façonneront notre monde. Il est également le fondateur de Securities.io, une plateforme consacrée à l’investissement dans les technologies de pointe qui redéfinissent l’avenir et transforment des secteurs entiers.