L'IA évolue rapidement. Les systèmes autonomes, souvent appelés IA agentielles, ne se limitent plus aux expériences ou aux démonstrations de faisabilité, et commencent à s'intégrer aux processus d'affaires réels. Ces systèmes vont au-delà de la simple analyse des données ; ils raisonnent, agissent et fournissent des informations exploitables à grande échelle.
Lors du lancement d'Horizon3, le laboratoire mondial d'IA d'Unilever à Toronto en 2023, la concordance avec la mission de Vector Institute était évidente. Intégré à l'équipe mondiale Données et Analyses Opérationnelles d'Unilever, Horizon3 fonctionne selon un modèle hybride qui réunit des experts d'Unilever, des chercheurs universitaires, des start-ups et des leaders de l'industrie afin de collaborer à la recherche appliquée en IA – une approche écosystémique que Vector vise précisément à soutenir.
Une collaboration récente entre Vector Institute et Horizon3 offre un aperçu concret de l'expérimentation rapide de l'IA agentique en entreprise. Lors du Bootcamp IA agentique de Vector, une formation intensive et pratique axée sur le développement de systèmes agentiques autonomes, Unilever a exploré comment des agents autonomes pouvaient rationaliser l'analyse logistique, réduire les interventions manuelles et permettre des décisions stratégiques plus rapides et fondées sur les données.
Réinventer l'intelligence logistique
Les processus liés à la chaîne d'approvisionnement et aux achats sont reconnus pour leur complexité. Les analystes passent régulièrement des heures à parcourir des tableaux de bord, à appliquer des filtres et à compiler des rapports avant de pouvoir en tirer des conclusions exploitables. Pour les opérations internationales, ce temps perdu représente rapidement un coût important.
Unilever a relevé ce défi grâce à un agent Market Insights, un système d'IA conçu pour transformer les processus manuels et fastidieux en une interface conversationnelle en langage naturel. Les utilisateurs peuvent poser des questions comme : « Comment nos coûts de transport se comparent-ils aux références pour les expéditions nord-américaines ce trimestre ? » et recevoir des réponses structurées en quelques secondes, sous forme de tableaux, de graphiques ou de fichiers Excel.
« L’IA agentive a le potentiel de soutenir nos initiatives actuelles tout en ouvrant de nouvelles perspectives pour structurer le travail de demain. Le camp d'entraînement nous a permis d'explorer ces possibilités de manière pratique et concrète. »
Cette approche s'inscrit dans une tendance plus large visant à rendre les analyses plus accessibles et exploitables sans pour autant remplacer le jugement humain. En transformant des tâches complexes et chronophages en informations instantanées et interactives, les acheteurs d'Unilever peuvent peaufiner leurs négociations et réaliser des gains de productivité significatifs.
Trouver le juste équilibre : flexibilité par rapport à la fiabilité
En étroite collaboration avec les équipes d'Unilever, Vector a accompagné les participants dans l'intégration des outils et la conception d'une architecture multi-agents, l'évaluation du rendement et la conception d'un système modulaire garantissant l'évolutivité et la fiabilité. Au cours de cette formation intensive, un thème récurrent s'est dégagé : le compromis entre autonomie et fiabilité. Les premiers tests ont montré que permettre à l'agent de générer des requêtes SQL complexes de manière indépendante entraînait des erreurs. L'équipe a donc opté pour la mise en œuvre de modèles SQL prédéfinis et validés, privilégiant la précision et la fiabilité au détriment de la flexibilité.
« Plutôt qu'une simple bibliothèque ou un simple outil, c'était un concept de conception. La modularité accroît la fiabilité. »
Cela reflète une tendance plus générale au sein du secteur : dans l’adoption de l’IA en entreprise, la confiance et la reproductibilité priment souvent sur la flexibilité maximale , notamment dans les processus opérationnels. En conciliant judicieusement autonomie et mécanismes de protection, les organisations peuvent exploiter pleinement le potentiel de l’IA agentielle tout en garantissant la gouvernance et la cohérence.
Démocratiser l'analyse du marché de la logistique
L'analyse logistique d'entreprise est souvent lente, laborieuse et inaccessible à toute personne ne possédant pas une expertise pointue du domaine. Cette collaboration a permis d'identifier une occasion de changer radicalement cette situation.
L' outil Market Insights permet aux acheteurs et aux analystes de :
- Comparez en temps réel les coûts logistiques réels aux modèles de référence et aux modèles de « coûts cibles ».
- Générez instantanément des tableaux, des graphiques et des rapports Excel à partir de requêtes en langage naturel.
- Accédez à des informations sans avoir besoin de comprendre les structures de données sous-jacentes ni les calculs des indicateurs clés de performance.
En remplaçant la navigation dans les tableaux de bord et la production de rapports répétitifs par des requêtes conversationnelles, l'agent réduit considérablement les interventions manuelles et améliore l'accessibilité. Cette approche s'inscrit dans une tendance sectorielle plus large, où des entreprises comme McKinsey et Oracle, ainsi que des startups comme TinyFish, déploient des agents autonomes pour générer des analyses, optimiser les opérations et surveiller la concurrence en temps réel. La solution d'Unilever fournit des renseignements exploitables en quelques minutes, au lieu de plusieurs jours.
« On peut parler d’impact de deux façons : premièrement, la valeur immédiate que l’IA agentive apporte à nos initiatives actuelles, et deuxièmement, le potentiel à long terme qu’elle libère pour transformer notre façon de fonctionner. »
Utiliser des outils personnalisés pour autonomiser les agents
L'IA agentique devient exponentiellement plus puissante lorsqu'elle est dotée d'outils spécialisés. Vector a collaboré avec Unilever pour créer une boîte à outils permettant à l'agent de :
- Récupérez des données d'indicateurs clés de performance (KPI) à partir de grands ensembles de données via le langage naturel à l'aide d'une fonction get_kpi_data
- Exécutez des requêtes complexes à l'aide de modèles d'indicateurs clés de performance (KPI) prédéfinis pour une fiabilité accrue.
- Produire des résultats structurés dans plusieurs formats (tableaux, graphiques, fichiers Excel)
- Effectuer une analyse de Pareto et des simulations d'impact financier
- Nettoyer et normaliser les entrées textuelles pour une exécution précise des requêtes
Cette approche atténue les erreurs tout en préservant la flexibilité, permettant ainsi à l'agent de fonctionner de manière fiable dans divers scénarios logistiques.
L'agent Market Insights est basé sur une trousse de développement d'agents (ADK) personnalisée, conçue pour un développement rapide et cohérent. Ses principaux aspects sont les suivants :
- Intégration à des bibliothèques telles que litellm , LangChain et LangGraph
- Prise en charge des systèmes mono-agent et multi-agents pour une meilleure évolutivité
- Conception modulaire : les tâches sont décomposées en unités plus petites liées à des modèles SQL.
- Optimisé par Gemini 2.5 Pro , améliorant la compréhension et la génération
Grâce à une expérimentation guidée, l'équipe a découvert que le découpage des instructions monolithiques en tâches modulaires plus petites améliorait considérablement la précision et l'exhaustivité. Un processus structuré de « chaîne de pensée » au sein du système facilite le raisonnement tout en garantissant la fiabilité.
« Voir l’équipe d’Unilever transformer un processus d’approvisionnement complexe et manuel en un système conversationnel intelligent en seulement huit semaines démontre l’énorme potentiel qui se dégage lorsque les leaders de l’industrie s’engagent dans une expérimentation pratique avec l’IA agentive. »
Essais, évaluation et sécurité des données
Les systèmes d'IA agentiques sont dynamiques et non déterministes, ce qui rend une évaluation rigoureuse essentielle. Vector a accompagné Unilever dans une démarche combinant évaluation automatisée de la LLM et examen humain manuel , en mesurant :
- Précision : Les résultats sont-ils précis par rapport aux données sources ?
- Exhaustivité : L'agent retourne-t-il tous les indicateurs clés de performance (KPI) et les analyses demandés ?
- Professionnalisme : Les textes produits sont-ils clairs, concis et adaptés au monde des affaires ?
- Analyse des figures : Les tableaux et les graphiques sont-ils précis et pertinents ?
La confidentialité des données a été assurée grâce à l'utilisation d'ensembles de données entièrement synthétiques et anonymisés qui reproduisaient les structures de données logistiques réelles, permettant ainsi une expérimentation sécuritaire sans exposer d'informations confidentielles.
Résultats du partenariat
En dotant l'équipe d'Unilever d'une expertise pointue en matière d'outils et de méthodologie de modèles SQL prédéfinis de Vector, cette collaboration a démontré avec succès comment concevoir des solutions d'analyse automatisée extrêmement fiables. L'agent Market Insights d'Unilever transforme les flux de travail manuels et chronophages en expériences conversationnelles instantanées, réduisant ainsi le temps d'analyse de plusieurs heures à quelques minutes tout en fournissant des informations stratégiques précises et à la demande.
Les principaux résultats sont les suivants :
- Un plan pratique pour les autres entreprises adoptant l'IA agentielle
- Gains immédiats en efficacité opérationnelle
- Amélioration de la prise de décision grâce à des renseignements accessibles et structurés
- Une méthodologie validée pour équilibrer flexibilité et fiabilité
À l'avenir, Unilever prévoit d'adopter une approche d'amélioration axée sur l'utilisateur, afin de mettre en place des boucles de rétroaction fluides avec ses utilisateurs métiers et ainsi orienter l'expansion systématique des bibliothèques de modèles SQL. Les équipes explorent également des fonctionnalités de visualisation améliorées, en passant des graphiques statiques à des tableaux de bord dynamiques et interactifs pour une expérience utilisateur plus riche.
Cette collaboration continue démontre comment des partenariats durables 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 faire le lien entre la recherche de pointe en IA et les résultats concrets pour les entreprises. En collaborant avec Unilever, nous aidons les entreprises canadiennes à tirer parti de l’IA agentielle tout en contribuant à la communauté mondiale de l’IA. »
Conclusion
La collaboration entre Vector et Unilever offre un aperçu de l'avenir de l'IA en entreprise : des systèmes autonomes, fiables et pratiques qui transforment les flux de travail sans se substituer au jugement humain. En combinant expérimentation, méthodologie structurée et expertise humaine, l'IA agentielle n'est plus un concept abstrait ; elle redéfinit concrètement la manière dont le travail est effectué, dont les décisions sont prises et dont les organisations créent de la valeur à grande échelle.
Transformer les possibilités de l'IA en réalité compétitive
Découvrez comment Vector Institute peut accompagner votre organisation dans son parcours d'adoption de l'IA.
