UiPath mise sur Peak.ai pour faire entrer l’IA agentique dans l’automatisation

Le rapprochement entre UiPath et Peak.ai, annoncé avant le 13 mars 2025, illustre une évolution majeure du logiciel d’entreprise : l’automatisation ne se limite plus à exécuter des séquences d’actions répétitives. Elle cherche aussi à comprendre un contexte, à proposer des décisions et à s’adapter à des situations moins prévisibles. C’est la promesse de l’intelligence artificielle agentique, un domaine dans lequel UiPath veut renforcer sa position avec cette acquisition.

L’enjeu est stratégique. UiPath s’est construit autour de l’automatisation des processus, souvent désignée par l’acronyme RPA, pour robotic process automation. Peak.ai, de son côté, développe des solutions d’intelligence artificielle appliquées à des cas d’usage spécifiques. En les réunissant, UiPath veut enrichir ses outils d’automatisation avec des capacités d’IA plus avancées. La réussite de l’opération ne se mesurera toutefois pas à l’annonce elle-même, mais à la qualité de l’intégration, aux usages effectivement déployés et au contrôle que les entreprises garderont sur les systèmes.

Une acquisition pour élargir le rôle de l’automatisation

UiPath présente l’acquisition de Peak.ai comme une étape de sa stratégie dans l’IA agentique. L’objectif affiché est de moderniser et de renforcer ses solutions d’automatisation, en intégrant des capacités d’IA supplémentaires dans sa plateforme.

Le texte de l’annonce met avant tout l’accent sur la complémentarité attendue entre les deux entreprises. UiPath apporte son expérience de l’automatisation des processus de travail. Peak.ai apporte des solutions d’IA appliquées à des besoins métier définis. Sur le papier, cette combinaison peut permettre de relier plus étroitement trois dimensions souvent séparées dans les organisations : les données disponibles, la prise de décision et l’exécution d’une action dans les logiciels utilisés au quotidien.

Les informations communiquées ne précisent ni le montant de l’acquisition, ni un calendrier détaillé d’intégration, ni la liste des fonctionnalités qui seront proposées après le rapprochement. Il serait donc prématuré d’en déduire que toutes les offres d’UiPath bénéficieront immédiatement des technologies de Peak.ai, ou que les clients verront leurs processus transformés à court terme.

Que recouvre l’expression « IA agentique » ?

L’IA agentique désigne une approche dans laquelle un système ne se contente pas de répondre à une requête isolée ou d’appliquer une règle prédéfinie. Il reçoit un objectif, analyse des informations pertinentes, choisit une ou plusieurs étapes et peut ajuster son action en fonction du résultat obtenu. Dans un environnement professionnel, un agent peut par exemple être chargé de préparer un dossier, de rechercher les informations nécessaires dans des applications autorisées, puis de soumettre une proposition à un salarié.

Cette idée ne signifie pas qu’un logiciel doit agir sans limites. Dans les entreprises, la valeur d’un agent dépend précisément de son cadre : quelles données peut-il consulter ? Quelles actions peut-il exécuter ? À partir de quel seuil une validation humaine est-elle obligatoire ? Comment retrouver la trace de ses décisions ?

L’automatisation traditionnelle et l’automatisation enrichie par des agents répondent à des besoins différents. La première est particulièrement efficace lorsque les étapes sont stables et explicites. La seconde ambitionne de gérer davantage de variations, mais elle introduit aussi de nouvelles incertitudes.

Il ne faut donc pas opposer mécaniquement les deux approches. Une entreprise peut conserver des automatisations très déterministes pour des opérations critiques et répétitives, tout en utilisant l’IA agentique pour aider à traiter des demandes plus complexes ou à préparer des recommandations.

Ce que Peak.ai peut apporter à UiPath

Selon l’annonce, Peak.ai se spécialise dans le développement de solutions d’intelligence artificielle appliquées à des cas d’usage particuliers. Cette spécialisation est importante dans le monde de l’entreprise. Une IA généraliste peut produire du texte ou synthétiser une information, mais elle ne connaît pas spontanément les règles commerciales, les contraintes opérationnelles ni les données propres à chaque organisation.

L’ambition d’UiPath est donc d’intégrer ces capacités d’IA à ses propres solutions d’automatisation. Le bénéfice attendu est une chaîne de travail plus cohérente : analyser une situation, déterminer une action appropriée, puis déclencher ou préparer cette action dans les outils de l’entreprise.

Dans cette perspective, l’intérêt ne réside pas seulement dans la rapidité d’exécution. Il tient aussi à la possibilité d’utiliser l’automatisation dans des processus où toutes les situations ne peuvent pas être décrites à l’avance par une succession de règles. Une demande client incomplète, une anomalie dans un dossier ou une information dispersée entre plusieurs systèmes sont des exemples de situations qui requièrent habituellement une interprétation humaine.

Il faut néanmoins distinguer une capacité technique d’une décision autonome. Dans les processus engageant des dépenses, des relations contractuelles, des données personnelles ou des conséquences pour un salarié ou un client, l’IA peut assister la décision sans nécessairement la prendre seule. C’est là que la conception des contrôles devient déterminante.

Productivité : une promesse qui dépend des processus réels

L’annonce évoque une amélioration de la productivité, des interventions plus rapides et des cycles de production plus courts. Ces effets sont plausibles lorsque l’automatisation enlève aux équipes des tâches de saisie, de recherche ou de rapprochement répétitives. Mais ils ne se produisent pas par simple ajout d’IA à un processus existant.

Avant de déployer un système agentique, une entreprise doit d’abord identifier ce qui ralentit réellement le travail. Parfois, le problème vient d’un logiciel mal intégré. Dans d’autres cas, les données sont incomplètes, les responsabilités ne sont pas clairement définies ou les règles de gestion changent trop fréquemment. Un agent ne corrige pas automatiquement ces défauts d’organisation.

Les projets les plus solides partent généralement d’un périmètre circonscrit. Ils définissent un objectif mesurable, prévoient une solution de repli vers un opérateur humain et évaluent les résultats sur des cas représentatifs. Cette méthode évite de confier trop tôt à un système nouveau des décisions qu’il ne peut pas expliquer ou justifier suffisamment.

Des données fiables et une gouvernance claire restent indispensables

L’essor de l’IA agentique renforce les questions de sécurité, de confidentialité et de traçabilité. Plus un système est connecté à des applications internes, plus les droits d’accès et les garde-fous doivent être définis avec précision. Une automatisation capable de lire un dossier, d’en extraire des informations et de déclencher une action utile peut aussi devenir problématique si elle accède à des données qu’elle ne devrait pas consulter ou si elle exécute une action erronée.

Pour les entreprises qui envisagent ce type d’outils, plusieurs exigences sont centrales :

• déterminer les données auxquelles le système peut accéder ;
• limiter les actions qu’il peut effectuer sans validation humaine ;
• journaliser les étapes importantes pour pouvoir les contrôler ;
• tester les réponses sur des cas normaux et des cas d’exception ;
• attribuer clairement la responsabilité du suivi du système.

La gouvernance ne doit pas être ajoutée après le déploiement. Elle fait partie du produit et du processus métier. Il est notamment nécessaire de prévoir comment corriger une erreur, comment suspendre l’automatisation en cas de comportement inattendu et comment informer les collaborateurs concernés de son rôle.

Cette dimension est d’autant plus importante que l’IA peut donner une impression de pertinence sans garantir l’exactitude de toutes ses recommandations. Lorsqu’un système participe à une décision, les équipes doivent pouvoir comprendre quelles données ont été utilisées, vérifier le résultat et, lorsque c’est nécessaire, le contester.

Un signal pour le marché des logiciels d’entreprise

En se rapprochant de Peak.ai, UiPath cherche à se positionner dans un marché où l’automatisation et l’intelligence artificielle convergent rapidement. Les entreprises ne recherchent plus uniquement des outils qui reproduisent des clics ou transfèrent des données d’un écran à l’autre. Elles s’intéressent aussi à des solutions capables de traiter des informations plus riches et de soutenir la prise de décision.

Ce mouvement ne rend pas obsolète l’automatisation classique. Au contraire, les processus les plus efficaces associeront probablement règles explicites, contrôles humains et composants d’IA adaptés à des tâches précises. L’acquisition de Peak.ai suggère qu’UiPath veut proposer cette combinaison au sein d’un même environnement plutôt que de limiter son offre aux scénarios de RPA traditionnels.

Pour les clients, l’enjeu sera de vérifier l’interopérabilité réelle des solutions, leur facilité de déploiement et leur capacité à répondre à des besoins métier concrets. Dans un domaine aussi mouvant, les démonstrations spectaculaires comptent moins que la fiabilité quotidienne, la sécurité et la capacité à produire un bénéfice mesurable.

Ce qu’il faut surveiller après l’acquisition

Au 13 mars 2025, l’acquisition ouvre une perspective, mais ne permet pas encore d’évaluer les résultats de l’intégration. Plusieurs éléments devront être observés dans les mois suivants : la manière dont UiPath incorporera les capacités de Peak.ai dans son portefeuille, les premiers cas d’usage proposés aux entreprises et les mécanismes de gouvernance associés.

Le point décisif sera la capacité à transformer l’idée d’une IA agentique en automatisations concrètes, contrôlables et réellement utiles. Si l’intégration tient cette promesse, UiPath pourra renforcer une offre qui va au-delà de l’exécution automatique de tâches. Si elle échoue à apporter clarté, sécurité et valeur opérationnelle, l’IA agentique risque de rester un argument technologique difficile à traduire dans le travail quotidien.

Pour les entreprises, la bonne question n’est donc pas seulement « faut-il adopter des agents ? ». Elle est aussi : pour quel processus, avec quelles données, sous quelle supervision et selon quels critères de réussite ? C’est à ces conditions que l’automatisation intelligente peut devenir un outil de progrès opérationnel plutôt qu’une couche supplémentaire de complexité.