How agents are upending the way we get work done

How agents are upending the way we get work done

par IBM Research

Sciences appliquées & ingénierie IA — Actualité & Applications UYInformatiqueUYQIntelligence artificielle (IA)
🎙 IBM Research 👥 120K 📅 14 janvier 2026 ⏱ 25 min 👁 1K 📄 revue d'actualité 🧭 2026-08-16
Disponible en : Français (actuel) English

Mots-clés

agentsautomatisationhyperautomatisationIBMIA

Résumé

Dans cette interview, Nick Fuller, VP de l’IA et de l’automatisation chez IBM Research, discute avec Mike Murphy de l’évolution de l’automatisation grâce aux agents IA. Il explique que l’automatisation existe depuis des décennies, mais que les grands modèles de langage (LLM) et les agents permettent d’atteindre un nouveau niveau d’efficacité. Fuller souligne que les entreprises n’ont obtenu qu’environ 8% de retour sur investissement avec l’IA traditionnelle, mais que les agents, en s’intégrant au cœur des workflows, promettent des gains significatifs. Il présente plusieurs agents développés par IBM, notamment pour la conformité, l’observabilité et la maintenance prédictive, ainsi que des benchmarks comme ITBench et AssetOpsBench pour évaluer leurs performances. Il aborde également le concept d’hyperautomatisation, visant des systèmes toujours résilients, sécurisés et conformes, et mentionne des innovations comme le modèle Cougar et des modèles de séries temporelles. Fuller conclut en évoquant les défis à venir, tels que la mémoire épisodique et la cohérence des agents, et exprime son enthousiasme pour les avancées de 2026.

164 mots

Évaluation critique

Valeur des informations & solidité de l’argumentation

La vidéo offre une perspective d’expert sur l’état de l’art des agents IA en entreprise, avec des exemples concrets de produits IBM et des benchmarks. L’argumentation est structurée autour de la nécessité d’intégrer les agents au cœur des workflows pour dépasser les gains marginaux de l’IA conversationnelle. Fuller justifie ses propos par des données (8% de ROI, 2500+ dirigeants interrogés) et des résultats de benchmarks, ce qui renforce la crédibilité. Cependant, l’argumentation reste promotionnelle, mettant en avant les solutions IBM sans comparaison critique approfondie avec d’autres acteurs.

Rigueur scientifique, qualité des sources, adéquation du titre

La discussion s’appuie sur des travaux internes d’IBM Research et des benchmarks publiés, mais les sources externes ne sont pas citées en détail. Le titre est fidèle au contenu, qui explore comment les agents transforment le travail. La rigueur scientifique est correcte pour une interview, mais on note un manque de références académiques ou de données indépendantes. L’adéquation titre/contenu est bonne, sans écart majeur.

166 mots

Adéquation titre / contenu

Le titre reflète bien le contenu : la conversation porte sur l'impact des agents IA sur le travail, avec un focus sur l'automatisation et l'hyperautomatisation.

Qualité & fiabilité

7/10

Discussion experte par un VP d'IBM Research, s'appuyant sur des exemples concrets et des benchmarks internes, mais sans détails méthodologiques complets ni sources externes vérifiables.

Moments clés

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

Sources citées

Sources concordantes

Apport & nouveautés

La vidéo apporte un éclairage sur les stratégies d’IBM en matière d’agents IA pour l’automatisation d’entreprise, avec des exemples concrets de produits et de benchmarks. Elle met en avant le concept d’hyperautomatisation et les défis techniques associés.

Pour aller plus loin :

74 mots

Profil radar

Le profil radar montre une bonne performance sur la quantité et la qualité des informations, ainsi que sur la fiabilité, mais un niveau technique modéré, reflétant une discussion accessible plutôt qu'une démonstration technique approfondie.

Fiabilité 7/10