Agentforce : Salesforce veut automatiser les tâches avec des agents IA sur mesure

Salesforce veut faire passer l’intelligence artificielle du rôle d’assistant conversationnel à celui d’outil opérationnel intégré aux processus de travail. Avec Agentforce, la société propose aux entreprises de concevoir des agents numériques personnalisés, destinés à répondre à des demandes complexes et à prendre en charge une partie des tâches qui encombrent les équipes au quotidien. Rapports de vente, synthèses de discussions, réponses aux salariés ou aux clients, organisation de messages : la promesse est celle d’une automatisation plus adaptable que les règles informatiques traditionnelles.

L’enjeu est considérable pour Salesforce. L’éditeur, dont les outils de gestion de la relation client, ou CRM, sont utilisés par plus de 150 000 entreprises, dont Amazon et Walmart, dispose déjà d’un point d’entrée dans les données commerciales et les flux de travail de nombreuses organisations. Agentforce doit permettre d’exploiter ce terrain en combinant IA générative, accès aux données internes et outils métier, sans obliger chaque entreprise à développer elle-même une solution de zéro.

Ce que Salesforce met derrière Agentforce

Agentforce est une plateforme permettant de créer et de déployer des agents d’IA adaptés aux besoins d’une organisation. Dans ce contexte, un agent n’est pas seulement une interface qui répond à une question. Il est conçu pour interpréter une demande formulée en langage naturel, rechercher les informations nécessaires dans les systèmes de l’entreprise et enchaîner des étapes pour parvenir à un résultat.

Les usages avancés par Salesforce couvrent notamment la création de rapports de ventes, la synthèse de conversations dans Slack, la réponse aux questions de clients, la planification de réunions ou encore le classement d’e-mails. Une entreprise peut aussi préparer un agent spécialisé sur un sujet interne précis. L’exemple évoqué concerne les ressources humaines : un agent peut répondre à des questions de salariés à partir des données de l’organisation, plutôt que de renvoyer systématiquement vers une équipe humaine.

Cette orientation prolonge l’intégration de l’IA dans les produits du groupe depuis plusieurs années. Salesforce avait introduit Einstein en 2016, à une époque où l’automatisation reposait surtout sur des tâches définies à l’avance. L’essor des grands modèles de langage a ensuite ouvert la voie à des outils capables de mieux comprendre des formulations variées et de traiter des requêtes moins rigides.

Le changement ne tient donc pas uniquement à la génération de texte. Salesforce cherche à donner aux entreprises un moyen de paramétrer des assistants spécialisés, alignés sur leurs données, leurs règles et leurs procédures.

Comment un agent IA traite-t-il une demande complexe ?

Salesforce explique qu’Agentforce repose sur une approche dite ReAct. Son principe consiste à décomposer un problème en plusieurs petites étapes, puis à ajuster le chemin suivi au fil des informations obtenues. Au lieu de répondre immédiatement à une demande complexe, l’agent peut analyser l’objectif, identifier les données utiles, progresser par étapes et formuler une réponse plus adaptée.

Prenons une demande simple en apparence, telle que la préparation d’un point commercial. Un agent peut devoir retrouver des informations de vente, les organiser dans un rapport, résumer les échanges récents d’une équipe puis préparer les éléments nécessaires à une réunion. C’est cette capacité à enchaîner plusieurs opérations qui distingue l’ambition d’Agentforce d’une automatisation limitée à une seule commande préécrite.

Cela ne signifie pas qu’un agent d’IA devient infaillible. La qualité de son résultat dépend notamment de la demande formulée, des informations auxquelles il a accès et de la manière dont il a été configuré. Pour les organisations, l’intérêt réside donc autant dans le choix des tâches à automatiser que dans la conception des règles qui encadrent l’agent.

Atlas, le moteur qui coordonne les modèles d’IA

Au cœur d’Agentforce se trouve Atlas, un moteur de raisonnement développé en interne par Salesforce. Son rôle est d’orchestrer le traitement des demandes confiées aux agents. Selon la présentation de l’entreprise, Atlas peut s’interfacer avec des modèles issus de plusieurs grands fournisseurs du secteur, notamment OpenAI, Anthropic, Amazon et Google.

Cette architecture répond à un besoin concret des entreprises. Un grand modèle de langage, ou LLM, est performant pour comprendre et générer du texte, mais il ne connaît pas automatiquement les données spécifiques d’un service commercial, d’un département des ressources humaines ou d’un support client. L’agent doit donc relier les capacités linguistiques de l’IA aux informations et aux processus propres à l’organisation.

Salesforce indique combiner ses modèles propriétaires avec des modèles tiers. Pour les clients, cette approche offre davantage de flexibilité qu’un système dépendant d’un seul modèle. Elle peut aussi permettre de sélectionner l’outil le plus approprié à un cas d’usage donné, tout en gardant Agentforce comme couche de configuration des agents.

L’interopérabilité est devenue un enjeu majeur dans le logiciel professionnel. Les entreprises n’utilisent généralement pas un seul service pour leurs ventes, leur support, leur messagerie ou leurs ressources humaines. Une plateforme d’agents doit donc pouvoir s’insérer dans cet ensemble plutôt que d’ajouter un outil isolé de plus.

Des cas d’usage qui visent les tâches répétitives

L’outil Agentbuilder doit permettre aux entreprises de concevoir des agents correspondant à leurs besoins. L’objectif est de ne pas imposer un assistant générique identique à tous les utilisateurs. Un service client peut avoir besoin d’un agent qui traite certaines demandes récurrentes, tandis qu’une équipe de ressources humaines cherchera plutôt à répondre aux questions internes des salariés.

Salesforce cite une collaboration avec Workday pour illustrer cette possibilité. Les deux acteurs ont créé un agent de service destiné aux demandes des employés. Le cas est représentatif de ce que ces plateformes tentent de résoudre : éviter que des équipes humaines consacrent une part importante de leur temps à retrouver et à répéter des informations déjà disponibles dans les systèmes de l’entreprise.

Les usages mentionnés par Salesforce peuvent être regroupés en trois familles :

• Préparer et synthétiser l’information, par exemple en générant un rapport commercial ou un résumé de conversation.
• Répondre à des demandes ciblées, qu’elles viennent de clients ou de salariés, à partir des informations internes pertinentes.
• Organiser le travail courant, comme la programmation de réunions ou le tri de courriels.

L’intérêt de ces scénarios est de réduire les manipulations répétitives entre plusieurs outils. Mais l’automatisation n’a de valeur que si les informations utilisées sont à jour et si le périmètre confié à l’agent est clairement défini. Pour une question sensible, une réponse erronée ou incomplète peut rapidement faire perdre le bénéfice du gain de temps initial.

Slack, un test pour intégrer l’IA dans le travail quotidien

Salesforce teste alors une intégration d’Agentforce dans Slack, en phase bêta. Cette orientation est stratégique : plutôt que de demander aux salariés de se rendre dans une nouvelle interface, l’entreprise souhaite placer les automatisations au sein de l’outil de communication utilisé au quotidien par les équipes.

Dans ce cadre, un agent pourrait notamment produire des synthèses de conversations ou répondre à certaines questions directement dans l’espace de travail. L’idée est de rendre la technologie plus accessible, puisque les employés peuvent formuler leurs demandes dans un environnement qu’ils connaissent déjà.

La phase bêta est néanmoins un rappel important. L’intégration est encore en cours de test au moment de la publication de cet article, ce qui signifie que son déploiement et ses capacités peuvent évoluer. Salesforce vise une adoption plus large, l’ajout de nouvelles fonctions et une hausse de la charge de travail que les agents seront capables de prendre en charge.

Quel bilan pour les premiers essais ?

Salesforce avance un premier indicateur : lors des essais évoqués par l’entreprise, 90 % des requêtes de clients auraient été résolues efficacement. Ce chiffre suggère un potentiel réel pour les demandes les plus structurées et répétitives, en particulier lorsqu’un agent peut accéder aux bonnes informations.

Il doit toutefois être lu avec précaution. Le résultat ne précise pas, dans les éléments communiqués, le volume de requêtes concerné, leur niveau de complexité, ni la définition exacte d’une résolution efficace. Il ne permet donc pas, à lui seul, de comparer Agentforce à d’autres outils ou de prévoir les performances dans toutes les entreprises.

Le succès de ce type de plateforme se jouera moins sur une démonstration spectaculaire que sur sa capacité à fonctionner de manière fiable dans des situations ordinaires : retrouver la bonne donnée, produire une réponse compréhensible, respecter les règles internes et transmettre le dossier à une personne lorsque cela est nécessaire.

Données d’entreprise : la question centrale de la confiance

Les outils d’IA destinés aux entreprises traitent potentiellement des informations commerciales, des échanges de travail, des données clients et des contenus liés aux salariés. La confidentialité et la gouvernance des données ne sont donc pas des détails techniques. Elles conditionnent directement l’acceptation de ces agents dans les organisations.

Salesforce indique imposer des politiques strictes de sécurité pour Agentforce, comprenant des restrictions sur la rétention des données. La rétention désigne la durée et les conditions de conservation des données traitées par un service. Limiter cette conservation est particulièrement important lorsque les requêtes comportent des informations internes ou sensibles.

Pour les clients, les questions concrètes restent les mêmes : quelles données l’agent peut-il consulter ? Quelles actions est-il autorisé à réaliser ? Qui vérifie ses réponses ? Et comment l’entreprise s’assure-t-elle que les règles de confidentialité sont respectées ? Agentforce apporte un cadre de création et de déploiement, mais chaque organisation doit définir le niveau d’autonomie qu’elle est prête à accorder à ses agents.

Ce qu’il faut surveiller dans les prochains mois

Avec Agentforce, Salesforce défend une vision dans laquelle les logiciels professionnels ne se contentent plus d’afficher des données ou de suggérer une réponse : ils peuvent aussi aider à exécuter certaines tâches. Tyler Carlson présente l’ambition de faire de la plateforme un outil incontournable pour les entreprises au cours de l’année à venir.

Plusieurs éléments seront déterminants. Le premier est la capacité de Salesforce à faire évoluer la plateforme sans la rendre difficile à configurer. Le deuxième est l’adoption de l’intégration avec Slack, encore en bêta en novembre 2024. Le troisième concerne la fiabilité des agents lorsque les demandes sortent des scénarios les plus simples.

La compétition est également ouverte sur les modèles utilisés. En s’appuyant à la fois sur ses propres modèles et sur ceux d’OpenAI, Anthropic, Amazon et Google, Salesforce fait le choix de la flexibilité. Reste à savoir si cette combinaison permettra aux entreprises de déployer des agents réellement utiles, contrôlables et suffisamment sûrs pour entrer dans les processus de travail les plus importants.