fr.wedoany.com Rapport : La transformation par l'intelligence artificielle (IA) est devenue un enjeu central pour les entreprises, mais l'efficacité de son application concrète reste sujette à caution. Les analyses indiquent que le simple déploiement d'agents IA (AI Agent) en interne ne suffit pas à améliorer la productivité de l'ensemble de l'entreprise. En effet, les données sont dispersées dans plusieurs systèmes — comme les progiciels de gestion intégrés (ERP), la gestion de la relation client (CRM), les logiciels de groupe, les outils collaboratifs, les systèmes de gestion documentaire et les plateformes de messagerie instantanée — et si elles ne sont pas organisées dans un format lisible par l'IA, celle-ci ne peut pas toucher aux flux de travail réels.
Les entreprises d'outils collaboratifs ajustent leur stratégie en conséquence. L'objectif n'est pas simplement d'ajouter des fonctionnalités d'IA à leurs outils, mais de transformer les données de collaboration, de communication, de documents et d'objectifs accumulées en interne en une base de travail que l'IA peut comprendre et exécuter. Avec l'attention portée aux agents IA, la théorie de la crise du « SaaSpocalypse » a émergé dans le domaine du logiciel en tant que service (SaaS), suggérant que le développement des agents IA pourrait menacer le modèle économique actuel de l'industrie du logiciel. Les entreprises SaaS ont commencé à élaborer des stratégies pour répondre aux nouveaux besoins des entreprises, l'accent étant mis sur le soutien aux entreprises qui hésitent encore dans leur méthodologie d'application de l'IA. La première difficulté à laquelle les entreprises sont confrontées lors de l'introduction de l'IA est le problème de la « diffusion ». Shin Seung-yong, chef de l'équipe de stratégie commerciale numérique AX de LG CNS, a souligné lors de l'événement « Flow AX Festa 2026 » qu'il entend souvent des clients dire qu'ils ont introduit l'IA mais ne parviennent pas à la diffuser. L'IA passe d'un simple outil de chatbot métier à un sujet exécutant le travail, mais pour le terrain de l'entreprise, la refonte des méthodes de travail est un défi plus important. Les questions de sécurité et de gouvernance ne doivent pas non plus être négligées. Les employés peuvent utiliser des services d'IA externes via leurs appareils personnels et y saisir des informations de l'entreprise, créant ainsi un problème d'« IA fantôme ». Par ailleurs, des règles de sécurité trop strictes peuvent limiter le champ d'utilisation de l'IA. La connexion aux systèmes existants est également un défi : si l'IA ne peut pas se connecter aux systèmes de travail réels comme l'ERP et le CRM, son taux d'utilisation sera limité. Shin Seung-yong a déclaré que les services d'IA mondiaux voient souvent leur taux d'utilisation chuter en raison de l'incapacité à se connecter aux systèmes existants. Si l'IA ne peut pas atteindre les systèmes métier centraux, elle ne peut pas apporter de bénéfices au travail réel.
Les experts soulignent que sans une base de données solide, l'ajout d'IA a peu de sens. Sans les données de travail accumulées grâce à la transformation numérique (Digital Transformation, DX), l'IA n'a aucune base pour apprendre et juger. Song Young-beom, représentant de Timeinout, a déclaré que sans données de travail issues de la numérisation, l'IA n'est qu'une coquille vide sans matériel d'apprentissage. Les projets, documents, conversations, agendas, objectifs et enregistrements de réponses clients doivent être conservés par unité de travail, et les relations entre les données doivent être définies pour garantir leur connectivité. L'IA ne doit pas se limiter à générer des réponses, mais doit également être capable d'exécuter des tâches réelles : créer des tâches, désigner des responsables, rédiger des rapports, gérer des agendas et interagir avec des systèmes externes. Cette série de processus représente une opportunité pour les outils collaboratifs. Yoo Min-ho, chef du développement IA chez Madrascheck, a souligné qu'à partir des seules données de travail internes de Flow, le volume de données métier mensuel atteint environ 1 million de tokens. Même si l'IA devient meilleure, plus performante et plus rapide, il faudra toujours en payer le coût, il n'est donc pas possible de tout confier à l'IA.
Madrascheck, développeur de l'outil collaboratif Flow, a mis l'accent sur la « transformation de Flow en agent de travail IA » lors de l'AX Festa. Lee Hak-joon, représentant de Madrascheck, a déclaré que l'ère des outils collaboratifs où l'on se contentait d'accumuler des données et de laisser le travail aux humains est révolue, et que le modèle économique des outils collaboratifs n'est plus efficace. La stratégie de Flow consiste à connecter les données de collaboration, de communication, de projets, d'agendas, de connaissances, de documents, d'objectifs et de rapports accumulées auprès de plus de 5 000 clients au cours des dix dernières années à son moteur d'IA propriétaire, Repattern AI. Sur cette base, l'entreprise propose l'agent exécutif « Mate Agent », l'agent conversationnel de création et de gestion de tâches « Smart Agent », l'agent d'analyse des méthodes de travail et de proposition de stratégies d'application de l'IA « Consulting Agent », et l'agent d'automatisation des tâches répétitives en langage naturel « Automation Agent ». Les utilisateurs peuvent désigner un agent IA comme responsable de projet ; l'agent affine le périmètre du travail en posant des questions complémentaires et joint les résultats sous forme de documents ou de PDF. Flow a également renforcé la connexion avec les IA externes, en ouvrant un centre de développement, des API ouvertes et un serveur MCP (Model Context Protocol), permettant aux entreprises clientes de connecter leurs propres agents IA à leurs systèmes internes. Claude ou ChatGPT peuvent rechercher le contexte de travail dans Flow et reconnecter les résultats à l'exécution de tâches dans l'interface réelle de Flow. Flow assure également une liaison bidirectionnelle avec les outils de travail existants tels que Microsoft Teams, Google Workspace, Slack, Jira et Salesforce. Lee Hak-joon a déclaré que par le passé, le SaaS était une forme d'emprunt d'interface, mais qu'aujourd'hui, en tant que plateforme empruntant le backend, sa valeur émerge. À l'ère de l'IA, les frontières professionnelles deviennent floues, les postes dispersés disparaîtront, et il ne restera que les constructeurs de solutions capables de résoudre les problèmes des clients.
