L’IA avance rapidement. N’étant plus limités aux expériences ou aux preuves de concept, les systèmes autonomes – souvent appelés IA agente – commencent à s’imposer dans les flux de travail réels des affaires. Ces systèmes vont au-delà de l’analyse des données; Ils raisonnent, agissent et fournissent des perspectives exploitables à grande échelle.
Lorsque Unilever a lancé Horizon3, son laboratoire mondial d’IA à Toronto, en 2023, l’alignement avec la mission du Vector Institute était immédiatement évident. Intégré à l’équipe mondiale d’Opérations Données et Analytique d’Unilever, Horizon3 fonctionne selon un modèle hybride qui réunit des praticiens Unilever, des chercheurs universitaires, des start-ups et des leaders de l’industrie pour collaborer à la recherche en IA appliquée — précisément le type d’approche écosystémique que Vector est conçue pour soutenir.
Une collaboration récente entre Vector Institute et Horizon3 offre une vue pratique de ce à quoi ressemble l’expérimentation rapide avec l’IA agente dans des contextes d’entreprise. Lors du Agilic AI Bootcamp de Vector, une expérience intensive et pratique axée sur le développement de systèmes agents autonomes, Unilever a exploré comment les agents autonomes pouvaient simplifier l’analyse logistique, réduire l’effort manuel et permettre des décisions stratégiques plus rapides et éclairées par les données.
Réinvention du renseignement logistique
Les flux de travail de la chaîne d’approvisionnement et des achats sont notoirement complexes. Les analystes passent régulièrement des heures à naviguer dans les tableaux de bord, appliquer des filtres et compiler des rapports avant de fournir des informations exploitables. Pour les opérations mondiales, ce coût en temps devient rapidement important.
Unilever a relevé ce défi avec un agent Market Insights – un système d’IA conçu pour transformer des flux de travail manuels et laborieux en une interface conversationnelle en langage naturel. Les utilisateurs peuvent poser des questions comme « Comment nos coûts de fret se comparent-ils aux références pour les expéditions nord-américaines ce trimestre? » et recevoir des réponses structurées en quelques secondes, que ce soit sous forme de tableaux, de graphiques ou de fichiers Excel.
« L’IA agentique a le potentiel de soutenir nos initiatives aujourd’hui tout en ouvrant de nouvelles façons de structurer le travail demain. Le bootcamp nous a permis d’explorer ces possibilités de façon pratique et pratique. »
Cette approche s’inscrit dans une tendance plus large visant à rendre les analyses plus accessibles et exploitables sans remplacer le jugement humain. En transformant des tâches complexes et chronophages en informations instantanées et interactives, les acheteurs d’Unilever peuvent affiner les négociations et réaliser des gains significatifs de productivité.
Trouver un équilibre : flexibilité vs fiabilité
En étroite collaboration avec les équipes Unilever, Vector a guidé les participants à travers l’intégration d’outils et la conception d’architecture multi-agents; des repères d’évaluation de la performance; et la conception modulaire du système pour la scalabilité et la fiabilité. Pendant le bootcamp, un thème récurrent est apparu : le compromis entre autonomie et fiabilité. Les premiers tests ont montré que permettre à l’agent de générer indépendamment des requêtes SQL complexes menait à des erreurs. L’équipe a répondu en implémentant des modèles SQL prédéfinis et validés – sacrifiant une certaine flexibilité au profit de la précision et de la fiabilité.
« Plutôt qu’une simple bibliothèque ou un outil, c’était un concept de conception. La modularité augmente la fiabilité. »
Cela reflète un changement plus large dans l’industrie : dans l’adoption de l’IA en entreprise, la confiance et la répétabilité comptent souvent plus que la flexibilité maximale, particulièrement dans les flux de travail opérationnels. En équilibrant soigneusement autonomie et garanties, les organisations peuvent libérer le potentiel de l’IA agente tout en maintenant la gouvernance et la cohérence.
Démocratiser l’analyse du marché de la logistique
L’analyse logistique d’entreprise est souvent lente, exigeante en main-d’œuvre et inaccessible à quiconque n’a pas une expertise approfondie dans le domaine. La collaboration a identifié une opportunité de changer cela fondamentalement.
L’agent Market Insights permet aux acheteurs et analystes de :
- Comparez les coûts logistiques réels aux références et aux modèles « devraient coûter » en temps réel
- Générez des tables instantanées, des graphiques et des rapports Excel à partir de requêtes en langue naturelle
- Accédez aux insights sans avoir besoin de comprendre les structures de données sous-jacentes ou les dérivations de KPI
En remplaçant la navigation sur le tableau de bord et les rapports répétitifs par des requêtes conversationnelles, l’agent réduit considérablement l’effort manuel et améliore l’accessibilité. Cela s’inscrit dans une tendance plus large de l’industrie où des entreprises comme McKinsey et Oracle, ainsi que des startups comme TinyFish, déploient des agents autonomes pour générer des informations, optimiser les opérations et surveiller l’intelligence concurrentielle en temps réel. La solution d’Unilever fournit des renseignements exploitables en quelques minutes plutôt qu’en quelques jours.
« Nous pouvons parler d’impact de deux façons : premièrement, la valeur immédiate apportée par l’IA agente à nos initiatives actuelles, et deuxièmement, le potentiel à long terme qu’elle débloque pour transformer notre façon de fonctionner. »
Utiliser des outils personnalisés pour autonomiser les agents
L’IA agente devient exponentiellement plus puissante lorsqu’elle est équipée d’outils spécialisés. Vector a collaboré avec Unilever pour créer une boîte à outils permettant à l’agent de :
- Récupérer des données de KPI à partir de grands ensembles de données en langage naturel à l’aide d’une fonction get_kpi_data
- Exécuter des requêtes complexes à l’aide de modèles KPI prédéfinis pour la fiabilité
- Produire des sorties structurées dans plusieurs formats (tableaux, graphiques, fichiers Excel)
- Réaliser une analyse de Pareto et des simulations d’impact financier
- Nettoyer et standardiser les entrées textuelles pour une exécution précise des requêtes
Cette approche permet d’atténuer les erreurs tout en maintenant de la flexibilité, permettant à l’agent de fonctionner de façon fiable à travers divers scénarios logistiques.
L’agent Market Insights est construit à partir d’un kit de développement d’agents personnalisé (ADK) conçu pour un développement rapide et cohérent de l’agent. Les aspects clés incluent :
- Intégration avec des bibliothèques telles que litellm, LangChain et LangGraph
- Prise en charge des systèmes à agent unique et multi-agent pour la scalabilité
- Conception modulaire : les tâches sont divisées en unités plus petites liées à des modèles SQL
- Propulsé par Gemini 2.5 Pro, améliorant la compréhension et la génération
Grâce à des expérimentations guidées, l’équipe a découvert que la division des instructions monolithiques en tâches plus petites et modulaires améliorait considérablement la précision et la complétude. Un processus structuré de « chaîne de pensée » dans le système guide le raisonnement tout en assurant la fiabilité.
« Voir l’équipe d’Unilever transformer un flux de travail d’approvisionnement manuel complexe en un système intelligent et conversationnel en seulement huit semaines démontre le potentiel énorme lorsque les leaders de l’industrie s’engagent dans des expérimentations pratiques avec l’IA agentique. »
Tests, évaluation et sécurité des données
Les systèmes d’IA agentique sont dynamiques et non déterministes, ce qui rend une évaluation rigoureuse essentielle. Vectoriel a guidé Unilever à travers une combinaison d’évaluation automatisée des LLM et d’examen manuel humain, mesurant :
- Exactitude : Les sorties sont-elles précises par rapport aux données sources?
- Complétude : L’agent retourne-t-il tous les KPI et analyses demandés?
- Professionnalisme : Les résultats textuels sont-ils clairs, concis et prêts pour les affaires?
- Fenération des chiffres : Les tableaux et les graphiques sont-ils précis et pertinents?
La confidentialité des données a été abordée à l’aide de jeux de données entièrement synthétiques et anonymisés qui reproduisaient de véritables structures de données logistiques, permettant des expérimentations sécuritaires sans révéler d’informations propriétaires.
Résultats du partenariat
En dotant l’équipe d’Unilever de connaissances spécialisées sur les ensembles d’outils et de la méthodologie prédéfinie des modèles SQL de Vector, la collaboration a démontré avec succès comment construire des solutions agentiques hautement fiables. L’agent Market Insights d’Unilever transforme des flux de travail manuels et chronophages en expériences instantanées et conversationnelles, réduisant l’effort analytique d’heures en minutes tout en fournissant des analyses stratégiques précises et sur demande.
Les principaux résultats incluent :
- Un plan pratique pour d’autres entreprises adoptant l’IA agentique
- Gains immédiats d’efficacité opérationnelle
- Une prise de décision améliorée grâce à des analyses accessibles et structurées
- Une méthodologie validée pour équilibrer flexibilité et fiabilité
Pour l’avenir, Unilever prévoit adopter une approche d’amélioration axée sur l’utilisateur, aidant à établir des boucles de rétroaction fluides avec ses utilisateurs d’affaires pour guider l’expansion systématique des bibliothèques de modèles SQL. Les équipes explorent également des capacités de visualisation améliorées, allant au-delà des graphiques statiques pour offrir des résultats dynamiques et interactifs de tableaux de bord afin d’offrir des expériences utilisateur plus riches.
Cette collaboration continue démontre comment des partenariats soutenus entre instituts de recherche et entreprises peuvent accélérer l’adoption de l’IA tout en produisant un impact concret.
« Cette étude de cas illustre notre engagement à relier la recherche en IA de pointe aux résultats d’entreprise. En collaborant avec Unilever, nous aidons les entreprises canadiennes à exploiter l’IA agente tout en apportant des informations à la communauté mondiale de l’IA. »
Conclusion
La collaboration Vector-Unilever offre une fenêtre sur l’avenir de l’IA d’entreprise : des systèmes autonomes, fiables et pratiques qui transforment les flux de travail sans remplacer le jugement humain. En combinant expérimentation, méthodologie structurée et expertise humaine, l’IA agente n’est plus un concept abstrait — elle remodele activement la façon dont le travail est effectué, la manière dont les décisions sont prises et la manière dont les organisations débloquent de la valeur à grande échelle.
Transformer les possibilités d’IA en réalité concurrentielle
Découvrez comment Vector Institute peut soutenir le parcours d’adoption de l’IA par votre organisation.
