Vijay Rayapati, PDG et co‑fondateur d’Atomicwork – Série d’interviews

Atomicwork est une société d’IA d’entreprise qui construit une plateforme de gestion des services informatiques à agents, aidant les employés à résoudre les problèmes technologiques, à automatiser les tâches de support courantes et à accéder aux connaissances d’entreprise grâce à l’IA. Sa plateforme combine des agents IA avec des capacités ITSM modernes pour gérer les demandes de service, diagnostiquer les problèmes, orchestrer les flux de travail à travers les systèmes d’entreprise et réduire la charge des équipes informatiques. Les clients utilisent Atomicwork pour offrir un support aux employés plus rapide tout en améliorant l’efficacité opérationnelle des services informatiques et des activités commerciales.

Vous avez co‑fondé Minjar, développé son activité de gestion cloud d’entreprise, puis dirigé l’opération chez Nutanix après l’acquisition. Quelles leçons tirées de la création, de la vente et de l’intégration d’une société de logiciels d’entreprise vous ont convaincu de fonder Atomicwork en 2022 et de reconstruire la gestion des services informatiques à partir de zéro pour l’ère de l’IA ?

Chez Minjar, nous avons développé un logiciel capable de réduire la facture cloud d’une entreprise d’un tiers grâce à l’automatisation. Les clients adoraient les recommandations. Puis ils les laissaient de côté pendant deux trimestres. Il m’a fallu un certain temps pour comprendre pourquoi, et la réponse n’était pas technique. Lorsque l’automatisation prend une décision et que cela échoue, il n’y a personne à tenir responsable. Les entreprises n’achètent pas seulement des logiciels ou des résultats. Elles achètent quelqu’un qui répond pour elles. Un logiciel qui n’a pas de place dans l’organigramme n’obtient aucune autorité, aussi performant soit‑il.

L’acquisition m’a enseigné une leçon plus précise. Les produits ponctuels sont achetés. Les systèmes de référence sont construits autour d’eux. Vous pouvez être le meilleur produit et passer votre vie à contourner celui qui possède le flux de travail.

Les années chez Nutanix ont réuni les deux. J’ai vu l’informatique acheter la gestion des services pour le contrôle, tandis que les employés la vivent comme un formulaire et une file d’attente. J’ai aussi compris que le ticket n’était jamais le produit. C’était la piste d’audit. C’est pourquoi l’ITSM a survécu pendant quarante ans malgré la désaffection, et aussi pourquoi personne n’a pu l’éliminer.

La question en 2022 n’était pas de savoir si l’IA pouvait faire le travail. Il s’agissait de savoir si l’on pouvait donner à l’IA une place dans l’organigramme. Les plateformes ITSM héritées ne le peuvent pas, car un assigné humain se trouve au cœur de leur modèle de données et chaque SLA, approbation et rapport repose sur cette hypothèse. En intégrant l’IA, on obtient un formulaire plus rapide.

Nous avons opté pour l’autre réponse, où l’IA fournit une main‑d’œuvre hybride et non seulement un logiciel. Les AI Coworkers accomplissent le travail, et l’informatique les gouverne comme les RH gouvernent les personnes. Vous ne configurez pas un AI Coworker. Vous l’embauchez dans un rôle, examinez son travail et le révoquez s’il ne performe pas. C’est la différence entre l’IA en tant que fonctionnalité et l’IA en tant que main‑d’œuvre.

Atomicwork décrit ses AI Coworkers comme des systèmes qui possèdent des rôles de travail définis et accomplissent le travail du début à la fin, plutôt que de simplement répondre à des questions ou d’exécuter des tâches isolées. Quelles capacités techniques distinguent un véritable AI Coworker d’un chatbot, d’un copilote ou d’un outil d’automatisation traditionnel, et où devrait s’arrêter son autonomie ?

Un chatbot répond à une question, et un copilote aide quelqu’un à accomplir une tâche, mais aucun des deux n’est responsable de mener le travail jusqu’à son aboutissement. Un AI Coworker est différent car il se voit attribuer un rôle défini et doit fournir un résultat. Qu’il s’agisse de trier des incidents, de provisionner des accès ou d’intégrer des employés, il poursuit le travail à chaque étape pour atteindre l’objectif, au lieu de s’arrêter après la première interaction.

Cela nécessite bien plus qu’un modèle performant. Un AI Coworker a besoin d’une identité, des autorisations appropriées, d’un accès aux outils approuvés, du contexte organisationnel, d’un budget et de limites opérationnelles claires pour son rôle. Il doit fonctionner à travers les systèmes métiers, savoir quand (et qui) solliciter pour une approbation et laisser une trace d’audit derrière chaque action. C’est pourquoi nous nous sommes fortement concentrés sur la plateforme autour du modèle. Une IA fiable dépend de l’orchestration, de la gouvernance et de l’exécution autant que de l’intelligence.

L’autonomie ne doit jamais être illimitée. Un AI Coworker doit opérer dans le cadre des responsabilités de son rôle, tandis que les personnes restent impliquées chaque fois que le travail touche des systèmes sensibles ou comporte des implications juridiques, financières ou d’emploi.

Votre plateforme permet aux AI Coworkers spécialisés de collaborer dans la gestion des incidents, le provisionnement d’accès, l’onboarding et les opérations informatiques. Comment ces AI Coworkers répartissent-ils les responsabilités, partagent-ils le contexte et se rétablissent-ils lorsqu’un AI Coworker prend une décision incorrecte qui pourrait impacter le reste du flux de travail ?

Nous ne pensons pas qu’un seul AI Coworker doive tenter d’accomplir chaque tâche. Les organisations informatiques séparent déjà les responsabilités entre différentes équipes, chaque rôle ayant des objectifs, des autorisations et une expertise distincts. Nous avons appliqué la même logique aux AI Coworkers, d’où le lancement de AI Coworkers certifiés spécialisés dans différents domaines opérationnels IT.

Chaque Coworker possède une fonction spécifique tout en partageant le même contexte d’entreprise. Lorsqu’un employé crée un ticket dans Atomicwork, le routage intelligent garantit qu’il est dirigé vers le AI Coworker approprié qui traite la demande et (selon la demande) le réaffecte à un autre AI Coworker, crée des tickets enfants pour que les AI Coworkers résolvent le problème en parallèle (par exemple, un ticket d’onboarding peut être découpé en activités travaillées simultanément) ou l’escalade à un humain. Au fur et à mesure que le travail passe d’un Coworker à un autre, les informations pertinentes se déplacent avec lui via le ticket (le système de référence), ainsi que l’accès aux systèmes concernés tels que le service desk, les plateformes d’identité, les systèmes RH et les outils de collaboration. Ce contexte partagé permet à chaque Coworker de prendre des décisions basées sur ce qui s’est déjà produit plutôt que de repartir de zéro.

Atomicwork prend en charge différents cadres d’agents et modèles provenant de fournisseurs tels qu’OpenAI, Anthropic et Google. Comment déterminez‑vous quel modèle doit gérer la récupération, le raisonnement, la planification et l’exécution, et comment les entreprises peuvent‑elles maintenir un comportement cohérent alors que les modèles sous‑jacents continuent d’évoluer ?

Différents modèles excellent dans différents types de tâches. Notre objectif a été de construire une plateforme capable de tirer parti des avancées sans obliger les clients à redessiner leurs flux de travail chaque fois qu’un modèle change. Le contexte d’entreprise, l’orchestration, l’identité, l’application des politiques, la télémétrie et l’évaluation offrent la cohérence dont les organisations ont besoin en production, quel que soit le modèle de pointe sous‑jacent.

Nous avons publiquement évoqué le support de plusieurs fournisseurs de modèles ainsi que des cadres d’évaluation et de gouvernance, mais nous n’avons pas décrit la logique de routage qui détermine quel modèle gère la récupération, le raisonnement, la planification ou l’exécution. Nous n’avons pas non plus partagé le processus de validation que nous utilisons lorsque les fournisseurs publient de nouveaux modèles et mises à jour.

Un agent IA d’entreprise peut rencontrer une documentation contradictoire, des enregistrements de configuration incomplets, des connaissances obsolètes et des autorisations différentes selon les systèmes. Comment la couche Universal Context d’Atomicwork détermine‑t‑elle quelles informations sont fiables et à jour avant de permettre à un agent de prendre une décision ou d’agir ?

La connaissance d’entreprise existe rarement en un seul endroit. Une partie se trouve dans la documentation, une autre dans les systèmes de référence et une autre encore dans les activités quotidiennes de l’entreprise. L’IA a besoin de l’ensemble de ce contexte pour prendre des décisions fiables.

Universal Context rassemble ces sources en combinant la connaissance d’entreprise avec les données relatives aux personnes, au réseau, à l’infrastructure et aux appareils provenant de systèmes opérationnels en direct. Un AI Coworker peut consulter des informations provenant de plateformes comme Confluence ou SharePoint, de MDM tels qu’Intune et JAMF, tout en comprenant ce qui se passe dans des systèmes comme Jira, Workday, Salesforce ou les fournisseurs d’identité. Il respecte également les autorisations existantes, de sorte que les personnes et les AI Coworkers n’accèdent qu’aux informations pour lesquelles ils sont déjà autorisés.

Nous avons expliqué comment Universal Context connecte les systèmes d’entreprise et préserve les frontières de sécurité, mais nous n’avons pas décrit comment il résout les informations conflictuelles lorsque les sources de confiance divergent ou comment il détermine quelle source doit prévaloir. Ces détails d’implémentation ne font pas partie de notre documentation publique.

Le AI Coworker universel peut assister les employés via Microsoft Teams, Slack, e‑mail, navigateur, portail et par chat, voix et modes visuels. Quelles nouvelles capacités de dépannage deviennent possibles lorsqu’un agent peut voir et entendre ce que l’employé vit, et comment empêchez‑vous l’exposition de contenus d’écran ou de conversations sensibles ?

Le support informatique traditionnel dépend de la capacité des employés à décrire avec précision les problèmes techniques, ce qui est souvent la partie la plus difficile de l’échange. Le contexte vocal et visuel permet à l’IA de voir le même message d’erreur, la même application ou l’écran de configuration que l’employé regarde, facilitant grandement la compréhension du problème et l’accompagnement de l’utilisateur à l’étape suivante sans un long va‑et‑vient.

Ces capacités ne fonctionnent que si les employés leur font confiance. Nous estimons que l’accès visuel doit nécessiter un consentement explicite et que les utilisateurs doivent toujours savoir quand il est actif. Les informations sensibles sont protégées grâce au masquage des données personnelles (PII), aux contrôles administratifs et à des politiques de conservation appropriées.

Nous avons également clairement indiqué que les données client ne sont pas utilisées pour entraîner nos modèles ni les modèles de fondation tiers. Cela permet aux organisations d’adopter l’IA multimodale sans perdre le contrôle de leurs données.

Atomicwork peut être déployé aux côtés d’un environnement ServiceNow ou Jira Service Management existant sans nécessiter une migration immédiate. Voyez‑vous cela principalement comme une stratégie de transition, ou de nombreuses entreprises exploiteront‑elles de façon permanente une main‑d’œuvre IA au‑dessus de leur système de référence hérité ?

La plupart des grandes entreprises ont passé des années à construire des processus, des intégrations et une gouvernance autour de plateformes comme ServiceNow et Jira Service Management. Leur demander de remplacer ces systèmes avant de pouvoir adopter l’IA crée des frictions inutiles.

Nous avons développé les intégrations Atomicwork avec ServiceNow et Jira Service Management afin que les clients puissent transformer l’expérience des employés et renforcer leurs équipes de service avec des AI Coworkers dès le premier jour, sans perturber les systèmes dont ils dépendent déjà. Le connecteur récupère le contexte informatique d’entreprise pertinent pour que les AI Coworkers l’exploitent tout en maintenant une synchronisation bidirectionnelle pour les agents de service dans leur système existant. Nous ne pensons pas que les entreprises doivent choisir une voie dès le premier jour. La priorité est de les aider à adopter l’IA à leur propre rythme.

Donner aux AI Coworkers l’accès aux systèmes d’identité, aux données des employés, à l’infrastructure et aux applications métier introduit des risques tels que l’injection de prompts, des sources de connaissances contaminées, des autorisations excessives et des erreurs d’agents en cascade. Quels garde‑fous, limites d’approbation et mécanismes d’audit sont essentiels avant qu’une entreprise puisse autoriser en toute sécurité les agents à agir de façon autonome ?

Les AI Coworkers sont gouvernés comme des employés disposant d’un accès privilégié. Chaque Coworker possède un rôle défini, des autorisations limitées, des outils approuvés, des plafonds de dépenses et des limites claires sur ce qu’il peut faire de manière autonome. Les actions sensibles — notamment celles impliquant l’identité, l’infrastructure, les finances, les questions juridiques ou l’emploi — nécessitent une approbation humaine.

Les compétences et instructions sont vérifiées avant publication afin de détecter les risques tels que l’injection de prompts, les instructions cachées, l’accès aux identifiants, les fuites de données et les actions dangereuses. Si un outil évolue d’une manière qui augmente son risque, il est automatiquement désactivé jusqu’à réexamen. Des garde‑fous supplémentaires — limites d’actions, prévention des actions en double, contrôles d’arrêt d’urgence et prise de contrôle humaine — aident à contenir les erreurs avant qu’elles ne se propagent.

Toute action est traçable: les organisations peuvent voir ce qui a déclenché le Coworker, quelles informations et quels outils il a utilisés, quelles approbations ont été obtenues et quel résultat en a découlé. Une évaluation continue, une surveillance et des tests de type red‑team garantissent que ces garde‑fous restent efficaces à mesure que les modèles, les outils et les environnements d’entreprise évoluent.

Nous avons fortement investi dans l’évaluation, l’application des politiques, la surveillance et les tests de type red‑team car le déploiement de l’IA n’est que le début. Les organisations ont besoin de la certitude que ces Coworkers continuent de se comporter comme prévu à mesure que les modèles et les environnements d’entreprise évoluent.

Le rapport State of AI in IT 2026 d’Atomicwork a révélé que les deux tiers des professionnels IT constatent des retours positifs sur les investissements en IA, tandis qu’une seule organisation sur cinq a pleinement intégré l’IA au sein de ses équipes de gestion des services. Qu’est‑ce qui distingue les déploiements générant une valeur commerciale mesurable des projets pilotes qui restent bloqués en phase d’expérimentation ?

La plupart des organisations ont déjà démontré que l’IA peut améliorer des tâches individuelles. Les entreprises qui constatent une valeur commerciale mesurable connectent l’IA à des flux de travail opérationnels complets plutôt que de l’utiliser comme assistant autonome.

Cela commence par résoudre un problème métier spécifique en pensant en termes de rôles, en donnant aux AI Coworkers l’accès aux systèmes nécessaires et en mesurant les résultats pertinents — que ce soit des temps de résolution plus rapides, des coûts de support réduits ou une meilleure expérience employé. Une fois que les équipes font confiance à ces résultats, l’expansion de l’IA à d’autres flux de travail devient beaucoup plus simple.

Notre recherche a également révélé que l’IA responsable reste l’une des priorités majeures pour les dirigeants IT. Cela s’explique par le fait que les organisations n’accorderont pas davantage de responsabilités à l’IA que si elles comprennent comment elle prend des décisions, peuvent les examiner par la suite et savent que les garde‑fous appropriés sont en place.

À mesure que les AI Coworkers commencent à résoudre les demandes de support, à gérer les accès, à diagnostiquer les incidents et à coordonner les flux de travail, comment les responsabilités des professionnels du service desk, des équipes d’opérations IT et des directeurs des systèmes d’information (CIO) évolueront‑elles ? En regardant plus loin, l’informatique pourrait‑elle devenir le département responsable de l’embauche, de la gouvernance et de la mesure de l’ensemble de la main‑d’œuvre numérique d’une entreprise ?

L’IA prendra en charge une grande partie du travail opérationnel répétitif qui occupe les desks de service actuels, permettant aux personnes de consacrer davantage de temps à gérer les exceptions, à améliorer les processus et à affiner les connaissances dont dépend l’IA.

Les équipes d’opérations IT se concentreront de plus en plus sur la gouvernance des AI Coworkers plutôt que d’exécuter manuellement chaque flux de travail. Elles définiront les autorisations, connecteront les systèmes, surveilleront les performances et veilleront à ce que l’IA continue de fonctionner conformément aux politiques établies.

J’attends également que le rôle du CIO s’élargisse. Gérer des centaines d’AI Coworkers commence à ressembler à la gestion de toute autre infrastructure d’entreprise. Quelqu’un doit décider de ce que ces Coworkers peuvent accéder, comment ils sont évalués, quand ils sont mis à jour et s’ils apportent de la valeur. Les équipes métier continueront à définir le travail, tandis que l’informatique deviendra les RH de l’IA, c’est‑à‑dire responsable de la plateforme, de la gouvernance et des contrôles opérationnels qui assurent le bon fonctionnement d’une main‑d’œuvre IA d’entreprise.

Merci pour cette excellente interview, les lecteurs qui souhaitent en savoir plus devraient visiter Atomicwork.