Le défi du passage à l'échelle de la productivité multi-agents : vos contenus

La promesse des agents IA ne diffère pas vraiment de celle des précédentes vagues de technologies d'entreprise : davantage de rapidité, davantage d'impact et davantage de résultats avec les mêmes équipes.

Cependant, cette promesse est d'une tout autre ampleur, et elle est en train de se concrétiser. Les clients de Box déploient des agents pour la rédaction, la recherche d'informations, les processus d'approbation, les flux de travail d'assistance et diverses tâches opérationnelles dans l'ensemble de l'entreprise.

En théorie, le recours à plusieurs agents procure aux entreprises un avantage cumulatif. Si un agent permet de gagner du temps, cinq ou dix d'entre eux devraient démultiplier ce bénéfice.

Pourtant, beaucoup constatent que c'est l'inverse qui se produit. À mesure que le nombre d'agents augmente, les résultats n'évoluent pas de manière linéaire. Les agents doivent parfois refaire le travail des autres. Différents systèmes produisent des résultats contradictoires. Les équipes chargées de la gouvernance peinent à suivre le rythme. Au lieu de créer un effet cumulatif, vous vous heurtez à un paradoxe de la productivité multi-agents : plus vous ajoutez d'agents, plus il devient difficile de garantir la cohérence, la fiabilité et le contrôle.

Points essentiels :

L'ajout d'agents IA n'augmente pas automatiquement la productivité : sans contexte partagé ni gouvernance, le passage à l'échelle peut entraîner des doublons, des incohérences et de la confusion
L'orchestration seule ne peut pas résoudre la fragmentation des systèmes multi-agents : les entreprises ont besoin d'une base de contenus fiable, reposant sur des autorisations cohérentes, une gestion des versions, une politique de conservation des données et une traçabilité des contenus
La productivité multi-agents ne produit un effet cumulatif que si tous les agents s'appuient sur une même source d'informations unique, fiable et gouvernée, commune à l'ensemble des équipes et des flux de travail

Quand le passage à l'échelle crée de la confusion

Au-delà des copilotes à usage unique, les entreprises considèrent de plus en plus les systèmes multi-agents comme la prochaine étape de l'adoption de l'IA. Les premières mises en œuvre révèlent toutefois déjà un phénomène de fragmentation : des « îlots » d'agents isolés qui ne partagent pas suffisamment leur contexte pour produire un effet cumulatif à l'échelle de l'entreprise.

Soyons clairs : les agents pris individuellement ne sont pas en cause. En réalité, chacun fait exactement ce pour quoi il a été conçu. En revanche, lorsque les agents évoluent dans des « îlots » de contexte, chacun ne dispose que d'une vision partielle de l'entreprise. Un agent rédige un document à partir d'une politique interne obsolète. Un autre s'appuie sur une version différente d'un contrat. Un troisième ne peut pas accéder aux mêmes enregistrements en raison d'autorisations incohérentes. Un quatrième produit une réponse dont la provenance n'est pas clairement établie, si bien que les équipes ne savent ni sur quelle source elle repose ni si elles peuvent lui faire confiance. Chacun risque d'introduire des doublons, des contradictions ou des écarts par rapport aux politiques en vigueur. L'entreprise a augmenté son niveau d'automatisation, mais pas son niveau d'alignement.

Face à cette situation chaotique, le premier réflexe consiste souvent à ajouter une couche supplémentaire d'orchestration pour synchroniser des contenus dispersés. Mais aucune orchestration ne peut compenser la fragmentation des contenus sources. Si les contenus sous-jacents sont incohérents, mal gouvernés ou accessibles de manière différente selon les agents, l'orchestration ne fait qu'accélérer la propagation de la confusion. Elle peut certes mieux enchaîner les tâches, mais elle ne peut pas instaurer la confiance lorsque le contexte sous-jacent est instable.

Le résultat n'est pas une intelligence qui passe à l'échelle, mais une confusion qui, elle, passe à l'échelle.

Une couche de contenus sécurisée permet un passage à l'échelle maîtrisé des agents

Les agents ne créent pas de valeur en vase clos. Ils exploitent les contenus de l'entreprise : contrats, politiques internes, spécifications produit, articles de la base de connaissances, enregistrements et autres documents opérationnels, pour en extraire des informations, les analyser et agir en conséquence. Ces contenus constituent le contexte indispensable au fonctionnement des flux de travail basés sur des agents.

Une couche de contenus unifiée détermine si vos agents s'appuient sur une même source d'informations unique et fiable ou sur des versions fragmentées de celle-ci. Lorsque cette couche de contenus est fiable et correctement gouvernée, les agents peuvent s'appuyer sur le travail des autres et en amplifier les bénéfices. Par exemple, un agent d'ébauche s'appuiera sur le même ensemble de politiques internes qu'un agent de révision, ce qui évitera tout conflit. Lorsque le contexte sur lequel repose le travail est cohérent, les équipes peuvent avancer beaucoup plus vite. (Et cela vaut évidemment bien au-delà de l'IA.)

Une couche de contenus unique garantit également un niveau de sécurité plus élevé au sein des flux de travail basés sur l'IA agentique. Lorsque les agents n'accèdent qu'aux informations qu'ils sont autorisés à utiliser, leurs résultats sont beaucoup plus fiables, explicables et suffisamment sûrs pour servir de base à la prise de décision. Au lieu de générer des réponses à partir d'un contexte incomplet ou contradictoire, les agents s'appuient sur les bons contenus sources au bon moment. Cela évite les écarts par rapport aux politiques en vigueur et renforce la confiance des équipes dans le fait que les contenus générés par l'IA reflètent fidèlement la réalité de l'entreprise.

Ce que des contenus gouvernés apportent aux systèmes multi-agents

Une couche de contenus gouvernée n'est pas un simple référentiel dans lequel sont stockés des fichiers. Pour les systèmes multi-agents, des contenus gouvernés permettent à l'entreprise d'avoir confiance dans les informations que les agents récupèrent et exploitent. La gouvernance des contenus à l'ère de l'IA agentique repose sur plusieurs éléments :

Tout commence par les autorisations d'accès. Les agents ne doivent accéder qu'aux informations pour lesquelles ils disposent des autorisations nécessaires, et ces règles d'accès doivent être appliquées de manière cohérente dans l'ensemble des outils et des équipes. Sans une gestion rigoureuse des autorisations, les entreprises sont immédiatement confrontées à un arbitrage entre utilité et risque. Soit les agents disposent de trop peu d'informations pour être efficaces, soit ils en savent trop et exposent l'entreprise à des risques.
La gestion des versions est essentielle. Si plusieurs agents s'appuient sur des versions différentes d'un même contrat, d'une même politique interne ou d'une même spécification, l'entreprise ne dispose plus d'une vision commune de la réalité opérationnelle. Les résultats divergent non pas parce que les modèles sont défaillants, mais parce que la source d'informations unique et fiable est instable.
La politique de conservation des contenus est tout aussi essentielle. Les entreprises ne peuvent pas déployer des agents à grande échelle de manière responsable si ceux-ci s'appuient sur des contenus qui auraient dû être archivés, supprimés ou gérés conformément à une politique de cycle de vie des contenus. L'alignement des politiques de conservation garantit que les systèmes d'IA s'inscrivent dans le même cadre de gouvernance de l'information que le reste de l'entreprise.
La traçabilité constitue le dernier élément essentiel. Dans un environnement multi-agents, la traçabilité rend les résultats auditables et dignes de confiance. Les équipes doivent savoir d'où provient une réponse, sur quels contenus sources elle s'appuie et si ces contenus faisaient autorité au moment où ils ont été utilisés. Sans traçabilité, chaque résultat devient plus difficile à valider et chaque anomalie plus difficile à analyser.

Lorsque les agents s'appuient sur des sources incohérentes, les erreurs se propagent plus rapidement. Lorsque ceux-ci ne peuvent pas partager un contexte gouverné, les équipes mettent en place des flux de travail parallèles et multiplient les révisions redondantes. La gouvernance devient réactive, car l'entreprise passe son temps à expliquer ou à corriger les problèmes une fois qu'ils se sont produits. Des connaissances mal structurées et une gouvernance insuffisante conduisent les agents à dériver ou à générer des risques.

La fragmentation des contenus multiplie les risques

Chaque agent supplémentaire devrait renforcer le système, et non l'affaiblir. Mais sans un socle de contenus partagé et gouverné, chaque nouvel agent accroît le risque d'incohérences. En règle générale, quelques agents bien pris en charge passeront plus facilement à l'échelle qu'une multitude d'agents isolés.

Chez Box, nous avons d'abord adopté une approche fondée sur un environnement bac à sable pour expérimenter les agents IA, avant de finalement passer de plus de 100 expérimentations à un nombre plus restreint de « grands paris », axés sur des cas d'usage à forte répétabilité et nécessitant une réflexion approfondie. Nous avons développé ces agents à plus fort impact sur la base de données fiables, d'autorisations d'accès et de sources de connaissances de référence.

Nous avons également considéré le déploiement comme un projet opérationnel et de conduite du changement, et non comme un simple lancement technique. Nous avons repensé les flux de travail afin que les agents s'intègrent au travail quotidien, plutôt que de rester de simples outils facultatifs. Nous avons clairement défini les responsabilités en matière d'adoption et d'amélioration continue. Nous évaluons régulièrement les résultats de nos initiatives en matière d'IA agentique afin que le passage à l'échelle demeure un processus continu, plutôt qu'une initiative ponctuelle.

La voie vers une productivité cumulative

Les entreprises doivent envisager le passage à l'échelle des agents comme elles le feraient pour tout autre système opérationnel critique : non pas comme un ensemble d'outils isolés, mais comme un environnement coordonné reposant sur une infrastructure fiable.

Pour les systèmes multi-agents, cette infrastructure repose sur un système de gestion documentaire unique. Les entreprises qui parviendront à accroître durablement leur productivité seront celles qui feront de leurs contenus une source de référence, dotée d'autorisations d'accès cohérentes, d'une gestion des versions, d'une politique de conservation et d'une traçabilité rigoureuses. Elles fourniront aux agents une couche de contexte partagée et sécurisée, commune à l'ensemble des équipes et des outils. Enfin, elles ne considéreront plus la gouvernance comme un frein à l'adoption de l'IA, mais comme la condition indispensable à son passage à l'échelle.

Découvrez comment créer des flux de travail agentiques automatisés reposant sur une couche de contenus unique et sécurisée avec Box Automate.

*Bien que nous maintenions notre engagement indéfectible à offrir des produits et des services de première qualité en matière de protection de la vie privée, de sécurité et de conformité, les informations fournies dans cet article de blog n'ont pas valeur d'avis juridique. Nous encourageons vivement nos clients actuels et potentiels à faire preuve de diligence raisonnable en évaluant la conformité avec les lois applicables.