Oracle Agents IA : 15 cas d'utilisation principaux et 5 avantages

72 % des entreprises déploient des solutions d'IA. ¹ Oracle exploite des agents d'IA combinant de grands modèles de langage, le traitement du langage naturel et la génération augmentée par récupération (RAG).

Explorez les agents d'IA Oracle, leurs cas d'utilisation et leurs avantages :

Que sont les agents IA Oracle ?

Les agents d'IA générative d'OCI constituent un service entièrement géré qui intègre de grands modèles de langage (LLM) à un système de recherche intelligent. Ils sont conçus pour fournir des réponses pertinentes en interrogeant une base de connaissances spécifique.

Oracle propose désormais plus de 600 agents d'IA au sein de sa suite d'applications Fusion Cloud, ainsi que plus de 100 agents partenaires certifiés sur la plateforme Fusion AI Agent Marketplace. L'entreprise a lancé 22 nouvelles applications Fusion Agentic, conçues à partir d'équipes d'agents d'IA intégrés aux applications Fusion Cloud de Oracle et dédiées aux RH, à la finance, à la chaîne d'approvisionnement et à l'expérience client. ²

Ces agents d'IA sont conçus pour gérer des processus complexes, s'adapter aux nouvelles situations et répondre aux requêtes en langage naturel, offrant ainsi une flexibilité et une précision accrues par rapport aux systèmes basés sur des règles. Les agents d'IA génératifs d'OCI proposent plusieurs méthodes d'intégration des données, permettant aux utilisateurs et à leurs clients d'interagir avec celles-ci via une interface de chat ou une API.

Caractéristiques principales

• Prend en charge diverses méthodes d'intégration de données et canaux d'interaction (interface de chat ou API).
• Génère des réponses contextuellement pertinentes en récupérant des informations à partir d'une base de connaissances.
• Indique la source de toutes les réponses.
• Offre des capacités de recherche hybrides, combinant des approches lexicales et sémantiques.
• Inclut la modération du contenu, tant pour les entrées que pour les sorties.
• Prend en charge les conversations à plusieurs tours, permettant aux utilisateurs de poser des questions de suivi qui tiennent compte du contexte précédent.
• Peut interpréter les données de graphiques à deux axes et de tableaux de référence dans des fichiers PDF sans nécessiter de descriptions explicites des éléments visuels.
• Extrait et affiche les hyperliens présents dans les documents PDF dans les réponses au chat.

Comment fonctionnent les agents IA Oracle ?

1. Entrée : Requête utilisateur
   • Un utilisateur soumet une requête en langage naturel à l'agent d'IA générative OCI.
   • Le service encode la requête et l'envoie au système de stockage de données de l'entreprise (la base de connaissances) pour traitement.
2. Traitement : Compréhension de la requête et élaboration du plan
   • L'agent IA, alimenté par un grand modèle de langage (LLM), interprète la requête.
   • Elle élabore et met en œuvre un plan pour générer une réponse. Cela comprend les étapes suivantes :
     1. Recherche d'articles ou de documents pertinents dans la base de connaissances.
     2. Reclassement des documents récupérés en fonction de leur pertinence sémantique.
     3. Combiner les documents les plus pertinents et la requête de l'utilisateur pour générer une réponse cohérente et contextuellement précise.
3. Résultat : Livraison de la réponse
   • L'agent renvoie la réponse formulée à l'utilisateur.
   • La réponse comprend des références aux documents ou sources qui ont été utilisés pour la générer.

orchestration agentique

Oracle Les agents d'IA fonctionnent non seulement comme des systèmes de récupération et de réponse, mais aussi comme des orchestrateurs capables de planifier, de coordonner et d'exécuter des flux de travail complexes à travers les outils et les sources de données de l'entreprise.

Contrairement à l'IA monofonctionnelle pilotée par conversation, l'orchestration par agents permet aux modèles de :

• Décomposer les objectifs à plusieurs étapes en plans d'exécution structurés
• Sélectionnez et utilisez les outils, API et systèmes d'entreprise appropriés au moment opportun.
• Maintenir l'état, valider les sorties et s'auto-corriger par un raisonnement itératif
• Enchaîner les actions à travers les couches de récupération, d'analyse et d'exécution des tâches
• Collaborer avec plusieurs sous-agents spécialisés en cas de besoin (par exemple, RH, finance, support).

Cette couche d'orchestration permet aux agents d'IA Oracle de passer de la réponse aux questions à l'exécution de processus.

Pour un contexte plus approfondi sur l'orchestration, consultez :

• Orchestration LLM
• Orchestration multi-agents
• ERP IA Agentic
• Orchestration informatique .

À mesure que les agents s'étendent au-delà des systèmes internes, les environnements d'exécution Web et les normes d'interopérabilité deviennent essentiels :

• Explorez les benchmarks MCP des navigateurs pour identifier les infrastructures de serveurs MCP qui prennent en charge les agents compatibles avec le Web.
• Comparez les navigateurs distants pour observer comment les agents interagissent avec le web ouvert.

types de données de base de connaissances

Il existe deux manières différentes de fournir des données aux agents d'IA générative d'OCI pour constituer leur base de connaissances. Une base de connaissances est essentiellement un ensemble d'informations ou de documents que l'agent d'IA consulte pour générer des réponses. Voici une explication détaillée de chaque type :

1. Option de gestion des services

Cette option vous permet de stocker vos données dans le stockage d'objets de l'infrastructure cloud (OCI). Grâce à cette approche, vous pouvez :

• Téléversez jusqu'à 1 000 fichiers, documents texte ou PDF, d'une taille maximale de 100 Mo chacun.
• Demandez une augmentation de limite via le support Oracle pour stocker plus de fichiers ou des fichiers plus volumineux.

2. Options « Apportez votre propre boisson » (BYO)

Cette option vous permet d'utiliser vos systèmes existants pour héberger et gérer les données auxquelles l'agent d'IA accédera. Oracle assure l'intégration avec des outils spécifiques à cet effet. Elle est disponible sur des systèmes tels que :

• Oracle Base de données 23c (recherche vectorielle IA) : Il s'agit d'une base de données qui prend en charge des capacités de recherche avancées, y compris la recherche vectorielle, qui aide l'agent IA à récupérer des données pertinentes plus efficacement.
• Recherche OCI avec OpenSearch : cette option utilise OpenSearch, une technologie de moteur de recherche, pour indexer et gérer vos données. Elle permet à l’agent d’effectuer des recherches efficaces sur les données ingérées et indexées.

Cette option vous offre flexibilité et contrôle si vous disposez d'une infrastructure de stockage et de gestion des données. Vous pouvez intégrer l'agent d'IA à vos systèmes existants sans migrer les données vers OCI Object Storage.

15 Oracle cas d'utilisation d'agents d'IA générative

Les agents de génération augmentée par la recherche (RAG), tels que agentic RAG , combinent les capacités de recherche et de génération de langage pour produire des réponses précises et contextuelles. L'agent récupère les documents ou données pertinents et génère des réponses cohérentes à partir de ces informations.

Exemples de cas d'utilisation :

1. Automatisation du service client : Un agent IA dédié au service client peut optimiser ce dernier en traitant les demandes via des interfaces conversationnelles, en consultant les bases de connaissances et en transférant les problèmes complexes à des agents humains. Ceci garantit une résolution plus rapide des problèmes et améliore la satisfaction des utilisateurs. L’automatisation réduit également les tâches répétitives, permettant ainsi aux équipes de support client de se concentrer sur des interactions personnalisées et à plus forte valeur ajoutée.
2. Recherche juridique : les agents d’IA peuvent assister les professionnels du droit en effectuant des recherches rapides dans de vastes bases de données de précédents et de jurisprudence. Ces capacités améliorent l’efficacité des tâches de planification et de recherche. En simplifiant les recherches complexes, l’IA favorise une prise de décision plus rapide, permettant ainsi aux équipes juridiques de respecter les délais et de fournir des conseils précis à leurs clients.
3. Analyse et reporting financiers : des agents d’IA assistent les équipes financières dans l’analyse des données, la détection des anomalies et la génération de rapports complets. Ils synthétisent les informations issues de diverses sources, telles que l’actualité des marchés et les rapports internes. Ces outils améliorent la gestion financière en rationalisant les processus, en suggérant des actions correctives et en renforçant la précision des décisions en matière de budgétisation, de prévisions et d’évaluation des performances.
4. Tutorat pédagogique : des agents d’IA agissent comme des tuteurs personnels en fournissant des ressources d’apprentissage personnalisées et en clarifiant les concepts complexes. Ces systèmes s’adaptent aux besoins des élèves, offrant un contenu pédagogique interactif et un accompagnement pas à pas. En automatisant la recherche de ressources, ils aident les apprenants à atteindre leurs objectifs scolaires tout en permettant aux enseignants de se concentrer sur des stratégies pédagogiques innovantes.
5. Création de contenu : L’IA assiste les créateurs de contenu en récupérant les informations pertinentes, en analysant les tendances et en formulant des suggestions d’articles, de rapports ou de présentations. Ces outils accélèrent le processus créatif tout en préservant l’originalité. Grâce à leurs capacités avancées, ils permettent aux professionnels de se concentrer sur l’amélioration de la qualité du contenu et d’établir une relation efficace avec leur public.
6. Assistance technique : des agents IA guident les utilisateurs dans la résolution de problèmes en synthétisant les manuels techniques et les forums pour proposer des solutions concises. Ils résolvent les problèmes efficacement, minimisant ainsi les interruptions de service. Ces agents allègent la charge de travail des équipes d’assistance et fournissent des solutions cohérentes et précises, améliorant considérablement l’expérience utilisateur dans les environnements techniques.
7. Gestion de la chaîne d'approvisionnement : les agents d'IA optimisent les opérations de la chaîne d'approvisionnement en agrégeant les données relatives aux stocks, aux fournisseurs et à la logistique. Ils analysent les tendances afin d'en tirer des enseignements exploitables, permettant ainsi aux entreprises de réduire les inefficacités et de garantir le bon déroulement de leurs opérations.
8. Intégration des fournisseurs : Un agent d’intégration des fournisseurs pourrait faciliter l’intégration des nouveaux fournisseurs en récupérant automatiquement les documents pertinents, en vérifiant la conformité aux politiques de l’entreprise et en mettant à jour les dossiers des fournisseurs dans le système de l’entreprise.
9. Analyse immobilière : les agents IA assistent les professionnels de l’immobilier en synthétisant les données immobilières et les tendances du marché. Ils fournissent des informations sur les prix, la demande et les opportunités d’investissement, facilitant ainsi la prise de décision. Grâce à l’analyse pilotée par l’IA, les professionnels peuvent s’adapter à l’évolution du marché et offrir des conseils personnalisés et efficaces à leurs clients.
10. Planification de voyage : les agents IA servent de guides de voyage personnalisés en recommandant des destinations, des attractions locales et des itinéraires. Ils créent des expériences sur mesure en fonction des préférences de l’utilisateur, simplifiant ainsi l’organisation du voyage. En intégrant diverses sources de données, ces agents améliorent la satisfaction des utilisateurs.
11. Assistance aux achats commerciaux : Un agent IA de traitement de documents peut assister un responsable commercial dans ses tâches d’approvisionnement. Par exemple, ce dernier pourrait photographier un devis d’un fournisseur étranger avec son téléphone. L’agent se chargerait alors de :
    • Extraire les informations pertinentes du document.
    • Traduisez le texte, par exemple, du japonais vers l'anglais.
    • Créez une demande d'achat à partir des données extraites. Par la suite, le même agent pourra automatiser le traitement de la facture du fournisseur et la signaler à un responsable des paiements pour vérification.
12. Analyse des appels de vente : Dans le domaine des ventes, un agent IA pourrait analyser les interactions avec les clients lors des appels de vente, en extrayant des informations telles que les préférences des clients ou les principales objections, et en générant des rapports détaillés pour les équipes de vente afin d’améliorer les interactions futures.
13. Gestion des talents et recrutement : les agents d’IA peuvent être utilisés pour identifier et analyser les candidats, aidant ainsi les équipes RH à optimiser le processus d’acquisition de talents. Concrètement, un agent pourrait rechercher des candidats adéquats dans des bases de données, évaluer leurs CV et formuler des recommandations en fonction des exigences prédéfinies du poste.
14. Contrôle qualité en production : des agents d’IA surveillent les données de production, identifient les anomalies et recommandent des ajustements pour garantir le respect des normes de qualité. Grâce à l’analyse de données avancée, ils permettent aux fabricants de minimiser les déchets, d’améliorer l’efficacité et de maintenir une production constante. Cette approche proactive assure une qualité de produit supérieure et la satisfaction client.
15. Services bancaires aux particuliers : Oracle comprend des agents préconfigurés pour les flux de travail bancaires destinés aux particuliers, permettant d’automatiser des tâches de bout en bout telles que la fourniture d’informations, l’analyse de crédit et le contrôle de la conformité. Ces agents incluent :
    • Un agent de « génération de brochures produits » et un agent de « prise de décision en matière de crédit » qui contribuent à automatiser le traitement des demandes de prêt.
    • Des agents spécialisés en conformité, comme un agent de « vérification de la conformité des appels », sont chargés de surveiller le respect des réglementations lors des appels clients. ³

Explorez les cas d'utilisation généraux de l'IA agentique à travers quelques exemples concrets.

Oracle Studio d'agents IA

Oracle a lancé AI Agent Studio, un environnement centralisé simplifiant le déploiement et la surveillance des agents d'IA. Ce studio s'inscrit dans une démarche de démocratisation de l'IA en entreprise, reposant sur deux piliers essentiels :

• Créateur d'agents sans code : une interface en langage naturel pour créer, tester et affiner des agents sans écrire de code. Les utilisateurs peuvent décrire la fonction de l'agent en langage clair, et le créateur se charge de la configuration sous-jacente.
• Tableau de bord de retour sur investissement intégré : le studio comprend un tableau de bord qui mesure l’impact commercial de chaque agent, en suivant des indicateurs qui reflètent le temps gagné ou l’efficacité des processus.

Types d'agents : Workflow vs. RAG

Alors que de nombreux agents se concentrent sur la récupération d'informations, Studio permet la création d'agents de flux de travail. Ces derniers se distinguent des agents RAG standard par leurs fonctionnalités :

• Opérer sur des séquences déterministes et basées sur des règles .
• Suivez les « nœuds » préconfigurés dotés de fonctions, d'entrées et de sorties spécifiques.
• Elles sont conçues pour des scénarios à forts enjeux exigeant une gouvernance, une conformité et une reproductibilité strictes , où une réponse « hallucinée » ou créative n'est pas envisageable.

Oracle Avantages des agents GenAI

• Transparence : Permet de remonter aux sources des réponses.
• Mises à jour continues : les sources de données peuvent être mises à jour sans interrompre le fonctionnement de l’agent.
• Évolutivité et sécurité : Fonctionne sur une architecture évolutive et sécurisée.
• Ingestion incrémentielle : Permet des mises à jour précises des données grâce à l’ingestion incrémentielle et au contrôle de version.
• Interactions améliorées : Maintient le contexte de la conversation sur plus de 10 tours de parole.

Dernières évolutions : Oracle Capacités RAG des agents IA

L'agent RAG d'IA générative OCI a été officiellement lancé le 25 septembre 2024, après l'annonce d'une version bêta. Les nouveaux agents RAG (Retrieval-Augmented Generation) apportent plusieurs améliorations par rapport aux agents d'IA générative OCI existants :

1. Intégration avec la base de données 23ai : La base de données 23ai ajoute une recherche vectorielle avancée pour les données non structurées telles que le texte et les images. Elle permet des résultats de recherche plus précis et pertinents en convertissant les données en représentations vectorielles. Ceci facilite la gestion des requêtes complexes et l’intégration des données structurées et non structurées.
2. Installation simplifiée : grâce à une interface utilisateur améliorée, le processus d’installation est facilité. Les utilisateurs, même ceux ayant peu de connaissances techniques, peuvent ainsi déployer les agents RAG rapidement et facilement. Moins d’étapes et une expérience plus intuitive réduisent le temps et les efforts d’installation.
3. Amélioration de la qualité et de la pertinence des réponses : les LLM fournissent des réponses plus pertinentes et plus précises. Cela garantit des échanges plus riches et mieux adaptés au contexte.
4. Extraction et réorganisation avancées des données : les fonctions améliorées d’extraction et de réorganisation des données analysent de vastes ensembles de données et hiérarchisent les informations pertinentes. Elles améliorent la profondeur et la précision des réponses de l’IA, notamment pour les requêtes nuancées.
5. Recherche hybride : elle combine la recherche par mots-clés traditionnelle et la recherche sémantique. Elle garantit l’obtention de résultats plus pertinents pour les données structurées et non structurées.
6. Bases de connaissances gérées : Système de stockage vectoriel intégré et pipeline d’ingestion de données robuste pour les données non structurées. Simplifie le stockage, la récupération et l’indexation des données complexes. Offre une gestion efficace des bases de connaissances grâce à une solution clé en main.
7. Prise en charge des bases de connaissances personnalisées avec OpenSearch : OpenSearch offre une prise en charge simplifiée de la recherche OCI personnalisée (BYO). Cette fonctionnalité permet une plus grande flexibilité et un meilleur contrôle des configurations de recherche personnalisées et simplifie l’intégration avec les systèmes OpenSearch existants.
8. Modération de contenu : un filtrage robuste permet de signaler les contenus nuisibles ou inappropriés, tant en entrée qu’en sortie. Il garantit des interactions IA sûres et sécurisées.
9. Multimodalité : traite et intègre des données provenant de multiples formats, notamment du texte, des images, des tableaux et des graphiques. Elle fournit des réponses plus complètes et contextualisées.

FAQ

Pour en savoir plus

• Comparer les meilleurs outils d'agents IA

Liens de référence

1.

https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/why-agents-are-the-next-frontier-of-generative-ai

2.

Apps update—AI agents, AI marketplace, and more | fusioninsider

3.

Oracle Reimagines Banking for the AI Era with New Agentic Platform

Hazal Şimşek

Analyste du secteur

Suivre

Hazal est analyste sectorielle chez AIMultiple, spécialisée dans l'exploration de processus et l'automatisation informatique.

Voir le profil complet

Soyez le premier à commenter

Votre adresse courriel ne sera pas publiée. Tous les champs sont obligatoires.

Nom

Adresse email

Commentaire

0/450

Publier un commentaire