Episode 130 - Les agents IA avec Hugo Prignol de Margo

🎧 Épisode #130 – DigitalFeeling
Avec Hugo Prignol, co-fondateur & directeur IA chez Margo

Dans cet épisode, j’ai eu le plaisir d’échanger avec Hugo Prignol, expert en intégration d’IA chez Margo. Ensemble, on a abordé des sujets concrets qui concernent les entreprises aujourd’hui :

• C’est quoi vraiment un agent IA ?
• Comment déployer un voicebot intelligent dans un garage ?
• À quoi ressemble une stratégie de gouvernance IA efficace ?
• Et pourquoi les "dirty tasks" sont un gisement de ROI méconnu ?

Un épisode dense, ultra pratico-pratique, à écouter avec un carnet de notes.

C’est quoi un agent IA (et en quoi il diffère d’un chatbot) ?

Un agent IA n’est pas une simple automatisation. C’est un système capable de :

• comprendre une intention utilisateur,
• choisir dynamiquement quel outil utiliser,
• s’adapter à des situations nouvelles (contrairement aux scripts figés),
• et parfois, prendre une décision autonome basée sur plusieurs essais.

Il peut inclure un LLM comme ChatGPT, mais va bien au-delà : il orchestre plusieurs outils, analyse les retours, et adapte ses actions.

Cas concret : un voicebot pour les garages automobiles

Margot a déployé un voicebot IA dans une entreprise de pièces auto qui recevait des dizaines d’appels de garagistes par jour. Problème : les opérateurs étaient débordés, la croissance bloquée, le recrutement difficile.

💡 Solution IA :

• Identification vocale du besoin (commande de pneus vs pièce complexe),
• Choix intelligent du chemin selon le type de requête,
• Réponse vocale automatisée, ou redirection à un humain si besoin,
• Résultat : ROI x15, réduction des frustrations, montée en compétences des équipes.

Enjeux techniques abordés :

• Multimodalité (voix + contexte + logique métier)
• Qualité des modèles vocaux en français
• Adaptation au terrain : bruits, accents, hésitations
• Micro-modèles spécialisés par métier (pneus, freins, filtres, etc.)

Dirty Tasks : les petits irritants qui rapportent gros

Hugo nous a parlé des “dirty tasks”, ces petites tâches récurrentes, peu valorisées, mais qui représentent une mine d’or pour l’automatisation IA :

• Vérification de factures,
• Extraction de données non structurées (PDF, scans, écriture manuscrite),
• Matching de références produits dans un ERP,
• Lecture de documents complexes (constats, certificats, devis…).

Résultat dans certains cas : plusieurs ETP réaffectés à des tâches à valeur ajoutée… sans suppression de poste.

Exemples : assurance, retail, back office RH ou finance.

Gouvernance IA : traçabilité, biais, responsabilité

On a aussi évoqué un sujet clé pour toutes les entreprises qui intègrent de l’IA : la gouvernance.

Pourquoi c’est essentiel ?

• Pour savoir comment une décision a été prise par une IA (ex : recommandations client),
• Pour tracer, corriger, ajuster le comportement d’un agent IA dans le temps,
• Pour répondre aux règlementations à venir (AI Act en Europe),
• Et surtout, pour lever les peurs internes liées à la transparence et à l’éthique.

Anecdote : certains syndicats, d’abord réticents à l’IA, sont devenus alliés… grâce à une gouvernance solide.

Acheter ou construire son IA ? 4 bonnes questions à se poser

Aujourd’hui, la majorité des entreprises se posent cette question :

“Doit-on développer notre propre IA, ou acheter une solution existante ?”

Voici les 4 questions de cadrage proposées par Hugo :

1. Est-ce un sujet cœur de métier ?
2. Avez-vous besoin de garder la propriété intellectuelle du modèle ?
3. Existe-t-il une solution fiable sur le marché ?
4. Le coût d’achat est-il justifié par rapport au faire-soi-même ?

Tendance : 80 % des entreprises devraient acheter plutôt que développer d’ici fin 2025.

Comment limiter les biais dans l’IA ?

“Garbage in, garbage out.”
Les biais viennent d’abord de la qualité des données.

Voici les bonnes pratiques :

✅ Limiter le terrain de jeu (via du RAG ou des bases documentaires précises),
✅ Surveiller les hallucinations et biais via la gouvernance et le monitoring,
✅ Utiliser des modèles spécialisés, fine-tunés sur un vocabulaire de métier (garagistes, juristes, etc.),
✅ Corriger par itérations grâce au feedback humain.

L’objectif : une IA qui apprend bien, et qui apprend vite.

Jumeaux numériques : de l’industrie à la mode

Un jumeau numérique, ce n’est pas forcément un avatar qui parle. C’est une représentation virtuelle d’un système physique ou humain, pour :

• visualiser une machine, un process ou un produit,
• simuler des pannes ou des comportements,
• former, coacher ou scénariser une expérience utilisateur.

Exemples :

• Maintenance industrielle,
• Simulation de chaîne logistique,
• Avatar RH ou SAV dans le e-commerce,
• Mannequin digital pour limiter les déplacements dans la mode (ex. H&M).

IA responsable : frugalité, souveraineté, éthique

Chez Margot, Hugo observe un vrai virage vers l’IA responsable</stro