Bruno Maillot, "Après les LLM, l’IA agentique"

Valeur des informations & solidité de l’argumentation

Les informations sont précieuses car elles proviennent d’un professionnel qui supervise des équipes en IA, et s’appuient sur des exemples réels observés chez des clients. L’argumentation est structurée en plusieurs parties : définition, sélection des cas d’usage, mesure de la fiabilité, et exemples concrets. L’orateur insiste sur la responsabilité humaine et la nécessité de garder un contrôle, ce qui nuance un enthousiasme technologique excessif. Il propose des critères opérationnels pour évaluer la pertinence d’un agent, comme la fréquence et l’hétérogénéité des tâches. Cependant, certains points restent subjectifs et non sourcés, comme les statistiques sur les taux d’erreur ou les taux d’adoption.

Rigueur scientifique, qualité des sources, adéquation du titre

La rigueur scientifique est moyenne : l’intervention est essentiellement basée sur l’expérience et des anecdotes, sans référence à des études ou données précises. Les sources citées sont absentes, hormis le lien LinkedIn de l’école. Le titre est parfaitement adéquat, et le contenu explore effectivement l’évolution des LLM vers des agents. Il n’y a pas de commentaires disponibles pour analyser la perception du public. La fiabilité repose sur la crédibilité professionnelle de l’intervenant plutôt que sur des sources vérifiables.

Le titre correspond parfaitement au contenu : la discussion porte sur le passage des modèles de langage aux agents IA.

7/10

Intervention d'un expert reconnu (partner chez Sopra Steria) s'appuyant sur des cas concrets et des exemples récents, mais sans sources académiques et avec une part de subjectivité assumée.

Repères établis par PSI à partir de la transcription : le créateur n'a pas défini de chapitres.

• 05:00Définition de l'agent et de l'assistant avec l'exemple du dossier CAF.
• 05:40Explication du passage du chat à l'agent : le cerveau, les yeux, la prise USB (MCP).
• 09:00Présentation de la pyramide de valeur : modèles commoditisés vs couches propriétaires.
• 12:00Critères de choix des processus : fréquence, volume, hétérogénéité, et mesure de l'erreur.
• 16:40Exemples concrets : l'agent Charlie chez Sosh et le support informatique de Canal+.
• 18:30Contre-exemple de Klarna : licenciements puis réembauche, importance du suivi dans le temps.

• ENSAI LinkedIn — Lien de l'école organisatrice de l'événement, référence institutionnelle.