AI d'origine et sociétés complexes: le chemin expérimental d'Eni

L'adoption de l'IA agentique s'affirme comme une étape cruciale pour les grandes organisations qui doivent gérer des systèmes complexes et des processus stratifiés. PendantDiscours d'intelligence artificielle Organisé par l'Observatoire de l'intelligence artificielle du polytechnique de Milan, Lorenzo Lancia, le principal scientifique des données d'Eni, a illustré comment ce paradigme transforme la conception de solutions basées sur l'intelligence artificielle au sein d'une réalité industrielle avec plus de 33 000 employés.

Les piliers de l'IA dans les grandes organisations

Selon Lancia, l'approche de l'intelligence artificielle dans ENI a été construite autour de quatre objectifs principaux:

• Soutenir les opérateurs d'actifs industriels,
• Soutenir les activités de recherche et de développement pour réduire le risque lié à l'innovation technologique,
• Améliorer les activités orientées vers le client final
• faciliter les processus internes d'une grande organisation.

Dans ce contexte, les systèmes génératifs de type d'agent ont assumé un rôle de plus en plus pertinent. Lancia a souligné que toutes les applications basées sur des modèles linguistiques ne peuvent pas être appelées « agent »: « les agents sont quelque chose de spécifique », a-t-il précisé, expliquant comment, dans ENI, nous sommes passés de la construction d'assistants simples basés sur LLM avec le paradigme de chiffon (génération de récupération-aide) au développement de systèmes plus autonomes et capables.

Du chiffon aux agents: une évolution nécessaire

Le premier niveau d'applications basé sur LLM a permis d'introduire des assistants capables de retourner des réponses fiables, mais avec certaines limitations. L'évolution est arrivée avec des modèles plus performants, capables de gérer l'appel, la mémoire et les inférences rapides, ouvrant la voie aux agents capables de planifier, de communiquer et de coordonner ensemble.

Ces systèmes, a expliqué Lancia, ont été conçus comme applications qui utilisent des modèles linguistiques comme moteur de raisonnement, tout en acquérant « un degré discret d'autonomie et opérant dans le monde environnant ». La perspective est d'arriver à des écosystèmes d'agents qui collaborent pour des objectifs plus larges et plus complexes, surmontant le paradigme simple de la réponse unique typique de la récupération.

Agentique à un pont entre les systèmes hétérogènes

Un élément clé de l'intervention était le potentiel des agents pour devenir un pont entre les systèmes informatiques hétérogènes. Dans une réalité comme Eni, composée de dizaines de forces commerciales et de centaines de systèmes souvent organisés en silos, la capacité du LLM à parler la même «langue» des utilisateurs représente une opportunité stratégique.

« La construction d'une couche d'agents ci-dessus permet une communication efficace entre différents systèmes et potentiellement d'automatisation des processus que nous ne faisons pas aujourd'hui parce que l'intelligence humaine est fondamentale dans le traçage des informations d'un système à un autre », a expliqué Lancia, soulignant la valeur de cette innovation pour une grande organisation.

Gouvernance et sécurité: défis à affronter

Cependant, la réalisation des agents de l'entreprise n'est pas exemptée de difficulté. Lancia a attiré l'attention sur la nécessité d'une approche Par conception à la cybersécurité, conformément au paradigme Zero Trust. Il a observé qu'un système d'agents doit être conçu pour respecter les principes de sécurité et d'authentification dès le début: « Ce n'est pas quelque chose que l'on peut dire: je fais un peu et ensuite je me trouve que ce système interagit avec les ressorts de systèmes de manière incontrôlable ».

Pour répondre à cette complexité, une plate-forme robuste a été construite en ENI, a commencé par l'arrivée de l'IA générative et a ensuite évolué pour soutenir la logique des agents.

Repenser le développement: de l'application verticale aux systèmes d'agent

L'un des points centraux du changement concerne la transition d'une logique verticale, basée sur le cas d'utilisation unique, à un modèle plus modulaire et réutilisable. Si dans le passé, chaque application était construite de l'infrastructure à la logique commerciale pour répondre à un besoin spécifique, l'IA agentique a besoin de définir des compétences technologiques qui peuvent être réutilisées dans différents scénarios.

Lancia a précisé que « si je vais développer un agent parce que mon département doit obtenir des informations à partir de diagrammes techniques, satisfaire un besoin, mais cet objet ne peut jamais être utilisé dans un système multi-agents qui satisfait d'autres besoins ». La nouvelle logique, au contraire, prévoit la construction de composants qui peuvent être intégrés dans des flux de travail plus complexes.

Le rôle de l'infrastructure et de l'agent principal

À l'appui de cette transition, ENI peut compter sur un HPC qui vous permet de personnaliser les modèles LLM avec des techniques de réglage final. Cette approche permet d'améliorer l'efficacité des scénarios dans lesquels le modèle doit répéter des opérations similaires, comme cela se produit souvent dans les systèmes d'agent.

À côté de cette base technologique, la société a introduit la figure de l'agent principal, conçu comme un coordinateur capable d'orchestrer des agents plus spécialisés. L'idée est de simplifier la communication multi-agents via un système central qui gère les demandes complexes en les dirigeant vers des agents appropriés.

Cas d'utilisation: de la connaissance centralisée – Comment le paradigme de l'esprit

L'un des exemples les plus importants concerne la création d'un système de connaissances centralisé, utilisé par tous les employés de ENI. Initialement sur la base du RAG, ce système a été progressivement transformé en une application agentique pour surmonter les limites de la récupération, qui fournit des réponses en une seule étape.

Avec les agents, cependant, un LLM peut décider si la réponse obtenue est suffisante ou continuer à perfectionner la recherche indépendamment, en accédant à différentes sources jusqu'à ce que vous trouviez les informations les plus appropriées. Cela implique une augmentation des coûts et de la latence, mais garantit de meilleurs résultats dans la gestion d'une documentation technique complexe.

À cela s'ajoute le paradigme Espritdéveloppé comme un système capable d'orchestrer dynamiquement des agents locaux et centralisés. «Si la demande est simple, l'adresse à un agent. S'il est complexe et que j'ai cartographié un flux de travail dans la mémoire du système mental, alors orchestro l'exécution « , a expliqué Lancia, décrivant une approche qui offre les premières applications concrètes de la logique multi-éventualité.

Les défis organisationnels

Le changement technologique entraîne une réorganisation interne importante. Lancia a souligné que la gestion de la demande de nouveaux projets au sein d'une entreprise complexe nécessite une coordination différente entre les départements, en particulier avec elle. Passer des applications verticales aux compétences agentiques réutilisables implique une transformation non seulement technique, mais aussi organisationnelle.