WEBVTT 00:00:00.000 --> 00:00:03.420 Vos automatisations low-code tombent en panne parce qu'elles sont trop intelligentes pour leurs propres biens. 00:00:03.800 --> 00:00:09.780 Une logique si alors rigide est une condamnation à mort lorsque vous êtes confronté à des incohérences de données réelles et désordonnées qui font planter vos systèmes quotidiennement. 00:00:10.140 --> 00:00:13.000 Hypothèse selon laquelle les données sont propres est le péché originel de la conception low-code. 00:00:13.320 --> 00:00:18.120 Nous avons construit tout notre monde sur le modèle si alors, mais ce modèle nécessite une certitude absolue pour fonctionner. 00:00:18.360 --> 00:00:23.640 Les données du monde réel ne sont pas certes. Elles contiennent des fautes de frappe. Elles manquent de contexte. C'est un flux chaotique d'erreurs humaines. 00:00:24.420 --> 00:00:29.040 Lorsqu'un système déterministe atteint une variation de 1%, il ne plie pas et ne s'adapte certainement pas. 00:00:29.040 --> 00:00:30.160 Et se casse tout simplement. 00:00:31.560 --> 00:00:35.500 Cela crée le piège de la fragilité, où votre automatisation n'est aussi solide que vos points de données les plus propres. 00:00:35.760 --> 00:00:37.900 Dans l'entreprise, c'est une barre très basse à fixer pour réussir. 00:00:38.300 --> 00:00:41.220 Mais le problème ne vient pas des données, mais du modèle que nous utilisons pour les traiter. 00:00:41.840 --> 00:00:42.780 La mort du déterministe 00:00:42.780 --> 00:00:46.320 La logique déterministe est une relique de l'air, des données structurées. 00:00:47.100 --> 00:00:52.680 Cela fonctionnait lorsque tout résidait dans une table SQL et lorsque nous forcions les humains à s'adapter à des cases prédéfinies. 00:00:53.180 --> 00:00:54.080 Mais ce monde est révolu. 00:00:54.480 --> 00:00:56.660 Aujourd'hui, 80% des données d'entreprise ne sont pas structurées, 00:00:56.660 --> 00:00:59.600 ce qui signifie qu'elles résident dans des emails, des chats et des enregistrements vocaux. 00:01:00.300 --> 00:01:02.580 Les flux Power Automate traditionnels traitent les pommes 00:01:02.580 --> 00:01:05.560 et 4 PPL3 comme deux univers différents comme deux. 00:01:06.400 --> 00:01:09.260 Pour un système binaire, ce sont des chaînes de caractère totalement indépendantes. 00:01:10.080 --> 00:01:12.660 Nous avons atteint un point de rupture où le coût du nettoyage manuel des données 00:01:12.660 --> 00:01:14.680 dépasse désormais la valeur de l'automatisation elle-même. 00:01:15.460 --> 00:01:17.320 Si vous devez passer deux heures à corriger un fichier CSV 00:01:17.320 --> 00:01:19.200 juste pour qu'un flux puisse s'exécuter pendant cinq secondes, 00:01:19.360 --> 00:01:20.520 vous n'avez en réalité rien automatisé. 00:01:21.140 --> 00:01:22.200 Vous avez juste déplacé la main d'œuvre. 00:01:22.200 --> 00:01:24.340 L'IA n'est pas juste une nouvelle fonctionnalité brillante 00:01:24.340 --> 00:01:25.680 que nous collons sur le côté de Power Platform. 00:01:26.480 --> 00:01:29.380 C'est un changement fondamental de la correspondance exacte à la similarité. 00:01:30.420 --> 00:01:31.280 L'ancien modèle demande. 00:01:31.640 --> 00:01:31.840 SA. 00:01:32.480 --> 00:01:33.280 Le nouveau modèle demande. 00:01:33.420 --> 00:01:34.560 A quel point cela ressemble-t-il à A. 00:01:35.220 --> 00:01:37.020 Pensez à la façon dont vous naviguez dans votre boîte de réception. 00:01:37.380 --> 00:01:39.380 Vous n'exécutez pas une expression régulière dans votre tête pour trouver une facture. 00:01:39.660 --> 00:01:40.540 Vous recherchez des modèles. 00:01:40.880 --> 00:01:41.560 Vous recherchez le contexte. 00:01:42.220 --> 00:01:45.920 Vous reconnaissez que INV202 et le numéro de facture 202 sont identiques 00:01:45.920 --> 00:01:47.520 même si les caractères ne correspondent pas. 00:01:48.180 --> 00:01:49.540 Les systèmes déterministes ne peuvent pas faire cela. 00:01:49.840 --> 00:01:50.680 Ils sont aveugles à l'intention. 00:01:51.020 --> 00:01:51.880 Ils ne voient que la syntaxe. 00:01:51.880 --> 00:01:53.740 Et à mesure que nous approchons de 2026, 00:01:54.020 --> 00:01:56.060 la syntaxe devient moins importante que la sémantique. 00:01:56.880 --> 00:01:58.960 Nous assistons à une explosion massive du volume de données 00:01:58.960 --> 00:02:02.400 provenant des capteurs IoT, des flux en temps réel et des résumés générés par LLM. 00:02:03.240 --> 00:02:05.680 Si vous essayez de gérer ce volume avec des branches si alors codées en dur, 00:02:05.780 --> 00:02:07.820 votre logique deviendra un labyrinthe. 00:02:08.300 --> 00:02:10.560 Vous retrouverez avec des flux comportant 50 conditions imbriquées 00:02:10.560 --> 00:02:13.680 et ils seront toujours interrompus dès qu'un fournisseur modifiera sa signature électronique. 00:02:14.240 --> 00:02:15.760 Le modèle si alors suppose un monde parfait 00:02:15.760 --> 00:02:17.480 où l'entrée correspondra toujours au schéma. 00:02:18.760 --> 00:02:20.360 Mais en réalité, c'est l'inverse. 00:02:20.360 --> 00:02:22.000 Les données sont invariables. 00:02:22.500 --> 00:02:23.820 La logique devrait être la constante, 00:02:23.960 --> 00:02:26.460 mais notre logique est trop rigide pour survivre au contact avec la réalité. 00:02:27.040 --> 00:02:29.380 Nous avons construit des maisons de verre dans un monde où il grêle en permanence. 00:02:29.500 --> 00:02:29.860 C'est nous, nous. 00:02:30.240 --> 00:02:32.140 Demandons ensuite pourquoi le sol est couvert d'éclats. 00:02:32.860 --> 00:02:36.360 Le passage à la conception probabiliste consiste à construire avec du caoutchouc plutôt qu'avec du verre. 00:02:36.360 --> 00:02:40.900 Il s'agit de créer des systèmes capables d'absorber l'impact d'une faute de frappe sans se briser. 00:02:41.700 --> 00:02:46.500 Nous nous éloignons de l'idée selon laquelle un système doit être à 100% correct ou à 100% correctaire dans le monde réel. 00:02:46.800 --> 00:02:48.420 Rien n'est sûr à 100%. 00:02:48.420 --> 00:02:51.300 Nous nous mentons à nous-mêmes sur la qualité de nos données depuis des décennies. 00:02:51.880 --> 00:02:53.620 Nous avons construit des salles blanches pour notre logique, 00:02:53.880 --> 00:02:57.860 puis nous avons fait semblant d'être surpris lorsque les données celles de l'équipe de vente ont provoqué une défaillance à l'échelle du système. 00:02:57.860 --> 00:03:00.220 La mort du déterminisme est la mort de ce mensonge. 00:03:00.900 --> 00:03:04.100 C'est l'aveu que nous ne pouvons pas contrôler les données d'entrée, nous devons donc moderniser le traitement. 00:03:04.920 --> 00:03:06.860 Nous entrons dans l'ère de l'entreprise approximative, 00:03:07.100 --> 00:03:10.800 où nous acceptons qu'il vaut mieux être suffisamment proche que complètement faux, faux. 00:03:11.560 --> 00:03:18.900 Car un système capable de traiter une correspondance à 90% a infiniment plus de valeur qu'un système qui rejette tout sauf une correspondance à 100%. 00:03:18.900 --> 00:03:21.660 Il ne s'agit pas seulement d'un changement technique, mais aussi psychologique. 00:03:22.220 --> 00:03:26.280 Vous devez vous habituer à l'idée que votre système puisse être assez sûr d'une donnée. 00:03:26.280 --> 00:03:29.500 Vous devez apprendre à concevoir, en fonction du doute, 00:03:29.580 --> 00:03:31.960 car le doute est la seule manière honnête de gérer les informations non structurées. 00:03:32.940 --> 00:03:36.180 Ce changement nous oblige à passer des déclencheurs binaires à quelque chose de beaucoup plus nuancé. 00:03:36.760 --> 00:03:38.760 Le score de confiance, l'architecture de l'incertitude. 00:03:39.660 --> 00:03:43.500 Si nous acceptons que l'ère de la logique binaire est révolue, nous devons la remplacer par un nouveau cadre. 00:03:44.180 --> 00:03:45.640 J'appelle cela le modèle de l'Orchestre Symphonie. 00:03:46.240 --> 00:03:50.200 Dans une architecture informatique traditionnelle, tout le monde est un soliste jouant sur une partition rigide. 00:03:50.400 --> 00:03:52.800 Et si une personne rate une seule note, toute la performance s'arrête. 00:03:52.800 --> 00:03:57.820 Mais dans une architecture probabiliste, nous avons des chefs d'orchestre déterministes qui gèrent des musiciens probabilistes. 00:03:58.260 --> 00:03:59.960 Le chef d'orchestre a votre flux d'automatisation de puissance. 00:04:00.300 --> 00:04:02.520 Il fournit la structure, il donne le tempo et il définit les limites. 00:04:03.120 --> 00:04:04.280 Les musiciens sont les modèles d'IA. 00:04:05.320 --> 00:04:07.160 Ils sont talentueux, mais ils sont expressifs. 00:04:07.680 --> 00:04:09.980 Et ils n'atteignent pas toujours la même fréquence à chaque fois qu'ils jouent. 00:04:11.040 --> 00:04:13.480 Le travail du chef d'orchestre n'est pas de forcer les musiciens à être des robots. 00:04:14.140 --> 00:04:17.500 Il est de les écouter et de décider si le son qu'ils produisent est suffisamment bon pour continuer. 00:04:17.500 --> 00:04:21.540 Cela nous amène au pilier central de la conception moderne, le score de confiance. 00:04:22.120 --> 00:04:24.920 Un score de confiance est une valeur de 0 à 1 qui quantifie le doute. 00:04:25.840 --> 00:04:29.760 C'est la manière dont le modèle dit, je pense que cela correspond, et voici combien je suis prêt à parier là-dessus. 00:04:30.920 --> 00:04:32.700 Dans l'ancien monde, nous avions des chemins codés en dur. 00:04:33.440 --> 00:04:36.100 Si l'objet de l'email contient une facture, enregistrez la pièce jointe. 00:04:36.620 --> 00:04:38.560 Dans le nouveau monde, nous utilisons un routage basé sur la confiance. 00:04:38.900 --> 00:04:41.500 Nous rendons le doute interne du modèle visible pour le système. 00:04:41.500 --> 00:04:46.500 Nous ne traitons plus l'IA comme une boîte noire, mais plutôt comme un témoin doté d'un niveau de crédibilité spécifique. 00:04:47.840 --> 00:04:49.880 Voici comment vous construisez cela dans Power Platform. 00:04:50.380 --> 00:04:53.880 Lorsque vous utilisez AI Builder ou Azure AI, vous n'obtenez pas seulement les données extraites. 00:04:54.360 --> 00:04:57.420 Vous obtenez une couche de métadonnées qui révèle la probabilité pour chaque champ. 00:04:58.340 --> 00:05:03.240 Si le modèle extrait un montant total de 1,500 dollars, il vous indique également qu'il est sûr à 95 francs de ce chiffre. 00:05:04.080 --> 00:05:06.700 En tant qu'architecte, vous disposez désormais de trois zones d'action distinctes. 00:05:06.880 --> 00:05:07.760 Premièrement, la zone verte. 00:05:08.360 --> 00:05:09.840 La confiance est de 0,90 ou plus. 00:05:09.840 --> 00:05:14.660 Le risque d'erreur est faible, le coût d'une erreur est gérable et le résultat est que vous automatisez. 00:05:15.400 --> 00:05:17.080 Le système fonctionne sans intervention humaine. 00:05:17.840 --> 00:05:18.620 Deuxièmement, la zone jaune. 00:05:19.120 --> 00:05:21.520 La confiance est comprise entre 0,60 et 0,89. 00:05:22.320 --> 00:05:24.200 Le modèle est assez sûr, mais il n'est pas certain. 00:05:24.680 --> 00:05:27.420 Le document était peut-être légèrement flou ou l'écriture manuscrite était peut-être désordonnée. 00:05:27.960 --> 00:05:28.960 Dans cette zone, vous signalez. 00:05:29.620 --> 00:05:32.120 Le système achemine les données vers un réviseur humain pour une vérification rapide. 00:05:32.980 --> 00:05:33.740 Troisièmement, la zone rouge. 00:05:34.120 --> 00:05:35.660 La confiance est inférieure à 0,60. 00:05:36.100 --> 00:05:36.900 Le modèle est en train de deviner. 00:05:37.240 --> 00:05:38.760 Dans cette zone, vous rejetez ou faites remonter. 00:05:38.760 --> 00:05:41.660 Vous ne laissez pas ces données à proximité de votre base de données de production. 00:05:42.220 --> 00:05:44.040 Il s'agit d'une couche transparente de gestion des risques. 00:05:44.580 --> 00:05:47.600 Cela vous permet de faire évoluer votre automatisation tout en maintenant une soupape de sécurité. 00:05:47.880 --> 00:05:49.420 Pensez aux implications pour la gouvernance. 00:05:49.900 --> 00:05:51.900 Dans un système déterministe, les erreurs sont silencieuses. 00:05:52.240 --> 00:05:56.480 Un flux s'exécute, il choisit le mauvais numéro à cause d'une faute de frappe et il écrit ce mauvais numéro dans votre ERP. 00:05:57.000 --> 00:05:58.620 Vous ne le découvrez qu'à la fin du trimestre. 00:05:59.000 --> 00:06:00.780 Dans un système probabiliste, l'erreur a une signature. 00:06:01.280 --> 00:06:05.760 Le système sait qu'il a des difficultés et il vous dit « Hey, j'ai traité cela, mais ma confiance n'était que de 62%. » 00:06:05.760 --> 00:06:07.880 C'est un signal incroyablement puissant. 00:06:08.240 --> 00:06:09.520 Cela vous permet de créer un tableau de bordé d'eau. 00:06:09.820 --> 00:06:11.320 Vous pouvez voir exactement où vos modèles échouent. 00:06:12.060 --> 00:06:14.340 Vous pouvez voir quels fournisseurs envoient des documents que l'IA ne peut pas lire 00:06:14.340 --> 00:06:17.080 et voir quelles étapes du processus atteignent systématiquement la zone jaune. 00:06:18.180 --> 00:06:20.620 Vous ne créez pas seulement un flux, vous créez une boucle d'intelligence. 00:06:21.280 --> 00:06:23.460 C'est là qu'Azure AI et AI Builder brillent vraiment. 00:06:24.020 --> 00:06:25.600 Ils exposent ces scores à un niveau granulaire, 00:06:25.600 --> 00:06:29.640 ce qui vous permet de voir la confiance pour un tableau, une cellule ou une intention spécifique. 00:06:30.120 --> 00:06:32.400 Vous pouvez même utiliser Power Effects pour créer des seuils dynamiques. 00:06:32.400 --> 00:06:36.580 Peut-être que pour une note de frais de 50 dollars, une confiance de 0,70 est suffisante. 00:06:37.160 --> 00:06:40.400 Mais pour un bond de commande de 50 000 dollars, vous voulez une confiance de 0,98 à… 00:06:41.160 --> 00:06:43.960 Vous alignez enfin votre logique technique avec votre risque commercial. 00:06:44.520 --> 00:06:46.380 Nous avons traité chaque point de données comme s'il avait le même poids, 00:06:46.540 --> 00:06:47.660 mais ce n'est pas le cas, mais ce n'est pas le cas. 00:06:48.000 --> 00:06:51.240 La conception probabiliste vous permet de traiter une décision à enjeu élevée différemment 00:06:51.240 --> 00:06:53.620 d'une décision à faibles enjeux, même au sein du même flux. 00:06:54.460 --> 00:06:56.520 Vous ne construisez plus pour un monde parfait, vous construisez. 00:06:56.900 --> 00:07:00.440 Pour un monde où vous savez exactement quel degré d'incertitude, vous êtes prêt à tolérer. 00:07:00.440 --> 00:07:04.560 Une fois que vous maîtrisez le score, vous pouvez commencer à examiner la logique qui comble les lacunes. 00:07:05.660 --> 00:07:06.740 Correspondance floue et logique sémantique. 00:07:07.300 --> 00:07:11.880 Mais comment gérons-nous réellement les données qui se situent dans ce juste milieu d'incertitude ? 00:07:11.880 --> 00:07:13.920 Commençons par admettre que la correspondance exacte échoue. 00:07:14.500 --> 00:07:15.880 Elle échoue parce qu'elle manque de contexte. 00:07:16.280 --> 00:07:19.340 Dans l'ancien modèle, si le nom d'un fournisseur était erroné d'un seul point, la recherche échouait. 00:07:20.060 --> 00:07:21.520 La recherche ne tient pas compte de votre intention. 00:07:21.900 --> 00:07:23.200 Elle ne s'intéresse qu'aux valeurs astis. 00:07:23.740 --> 00:07:25.100 C'est là qu'intervient la correspondance floue. 00:07:25.100 --> 00:07:29.720 Il s'agit d'une technique qui identifie et relie des enregistrements non identiques en calculant un score de similarité 00:07:29.720 --> 00:07:32.580 et qui sert de pont entre IBM et IBM. 00:07:33.340 --> 00:07:34.340 Et l'impact n'est pas théorique. 00:07:34.840 --> 00:07:39.020 Les recherches montrent que la mise en œuvre de la correspondance floue peut améliorer vos taux de correspondance jusqu'à 2400. 00:07:39.360 --> 00:07:43.680 Cela représente 2400 de vos données qui auraient auparavant été rejetées ou envoyées à un humain pour correction manuelle. 00:07:44.100 --> 00:07:47.180 Dans un environnement à volume élevé, cela représente des milliers d'heures de temps récupérées. 00:07:47.640 --> 00:07:48.720 Mais vous devez comprendre les mécanismes. 00:07:49.200 --> 00:07:50.760 Il existe deux manières principales d'envisager cela. 00:07:50.760 --> 00:07:52.300 Premièrement, la logique basée sur les caractères. 00:07:52.600 --> 00:07:54.200 C'est ce qu'on appelle souvent la distance de Levenstein. 00:07:54.720 --> 00:07:57.340 Elle compte le nombre de modifications nécessaires pour transformer une chaîne en une autre. 00:07:57.740 --> 00:07:58.760 C'est parfait pour les fautes de frappe. 00:07:59.080 --> 00:08:03.820 Si quelqu'un écrit écran manager uge au lieu de management uge, le système voit les E et A manquants. 00:08:04.380 --> 00:08:06.660 Il calcule la distance et constate qu'ils sont presque identiques. 00:08:07.900 --> 00:08:09.200 Deuxièmement, nous avons la logique sémantique. 00:08:09.700 --> 00:08:10.860 C'est là que les choses deviennent intéressantes. 00:08:11.160 --> 00:08:12.880 La logique sémantique ne se soucie pas de l'orthographe. 00:08:13.120 --> 00:08:13.920 Elle se soucie du sens. 00:08:14.040 --> 00:08:19.240 Si un système dit client et un autre dit client, une correspondance basée sur les caractères échouera à chaque fois. 00:08:19.240 --> 00:08:21.340 Mais un modèle sémantique, c'est qu'il s'agit de la même chose. 00:08:22.000 --> 00:08:24.380 C'est le passage de la correspondance de caractères à la correspondance de concepts. 00:08:25.020 --> 00:08:27.360 Lorsque vous combinez des scores de confiance avec la correspondance floue, 00:08:27.420 --> 00:08:30.500 vous créez un système capable de naviguer dans la réalité désordonnée des données commerciales. 00:08:31.280 --> 00:08:34.420 Vous n'êtes plus limité par des règles rigides qui s'effondrent dès qu'un humain fait une faute de frappe. 00:08:35.040 --> 00:08:36.760 Vous construisez un système qui comprend les nuances. 00:08:37.560 --> 00:08:40.880 C'est ainsi que vous passez de la simple automatisation à une véritable intelligence numérique, 00:08:41.240 --> 00:08:43.020 en créant des flux de travail, autocorrecteurs. 00:08:43.740 --> 00:08:46.480 Même avec la meilleure correspondance floue au monde, nous devons faire face à la réalité. 00:08:46.480 --> 00:08:49.800 L'IA continue d'halluciner. C'est simplement la façon dont la technologie fonctionne actuellement. 00:08:50.400 --> 00:08:55.180 Les données actuelles montrent que même les modèles les plus avancés ont des taux d'hallucination compris entre 15 et 20%. 00:08:55.180 --> 00:08:59.160 Si vous construisez des systèmes pour une entreprise, vous ne pouvez pas ignorer un taux d'échec d'un sur cinq, 00:08:59.260 --> 00:09:02.040 et vous ne pouvez certainement pas vous en sortir en vous contentant d'une ingénierie rapide. 00:09:02.660 --> 00:09:06.300 Il faut accepter qu'atteindre un taux d'hallucination de 0% n'est pas un tour de magie. 00:09:06.940 --> 00:09:08.540 C'est un choix architectural délibéré. 00:09:08.540 --> 00:09:12.900 C'est là que nous allons au-delà de la simple automatisation et commençons à créer des flux de travail autocorrecteurs résilients. 00:09:13.460 --> 00:09:16.300 Pour ce faire, nous utilisons une structure que j'appelle le modèle de validation à double chemin. 00:09:17.000 --> 00:09:20.800 Il agit comme une protection qui empêche l'imagination créative de l'IA de perturber vos données réelles. 00:09:21.640 --> 00:09:23.940 Il existe une règle fondamentale pour l'architecte moderne. 00:09:24.200 --> 00:09:25.900 Ne laissez jamais un grand modèle linguistique faire le calcul. 00:09:26.680 --> 00:09:28.400 Les LLM sont des moteurs de raisonnement souples, 00:09:28.400 --> 00:09:33.600 ce qui les rend très efficaces pour comprendre l'intention ou trouver un détail spécifique dans une pile de textes désordonnée. 00:09:34.500 --> 00:09:37.480 Cependant, ils ne sont pas fiables d'un point de vue statistique lorsqu'il s'agit d'arithmétique de base. 00:09:37.480 --> 00:09:41.000 Si vous demandez à une IA d'extraire trois éléments d'une facture et de calculer le total, 00:09:41.160 --> 00:09:42.780 vous demandez en gros au système de tomber en panne. 00:09:43.880 --> 00:09:47.400 Dans une conception autocorrectrice, vous utilisez le LLM pour la partie raisonnement souple 00:09:47.400 --> 00:09:49.340 comme extraire les données d'un PDF désordonné. 00:09:50.000 --> 00:09:54.120 Une fois que vous avez ces chiffres, vous les transmettez à un système déterministe pour gérer les contraintes strictes. 00:09:54.720 --> 00:09:58.720 Votre flux Power Automate ou un moteur de règles de base devrait être celui qui effectue l'addition. 00:09:59.380 --> 00:10:01.760 Il devrait être celui qui vérifie la taxe ou la conversion de devise. 00:10:02.580 --> 00:10:04.460 Si le LLM indique que le total est de 500$, 00:10:05.260 --> 00:10:07.240 mais que vos calculs indiquent qu'il devrait être de 480$, 00:10:07.480 --> 00:10:09.220 le système a détecté une hallucination en temps réel. 00:10:09.780 --> 00:10:11.960 Au lieu de planter, le système déclenche un chemin de récupération. 00:10:12.480 --> 00:10:15.720 Il peut essayer une invite différente ou signaler l'erreur pour qu'une personne puisse l'examiner. 00:10:16.780 --> 00:10:20.360 C'est la différence entre un flux qui s'interrompt et un flux qui se répare, lui-même. 00:10:21.000 --> 00:10:23.560 Nous observons les mêmes changements dans l'automatisation des processus robotiques. 00:10:24.060 --> 00:10:27.300 La RPA traditionnelle est très fragile car elle dépend de coordonnées exactes sur un écran. 00:10:27.300 --> 00:10:30.720 Si un bouton se déplace de seulement 3 pixels vers la gauche, tout le bot échoue. 00:10:31.660 --> 00:10:34.300 La RPA autoréparatrice change cela en utilisant la vision probabiliste. 00:10:35.020 --> 00:10:37.200 Le bot ne recherche plus une coordonnée de pixels spécifique. 00:10:37.900 --> 00:10:40.760 A la place, il recherche le bouton qui ressemble à une icône de sauvegarde en haut de la page. 00:10:41.560 --> 00:10:44.600 Lorsque l'interface change, le bot utilise le contexte pour s'adapter à la volée. 00:10:45.380 --> 00:10:48.740 Il reconnaît la nouvelle disposition, met à jour sa propre logique et termine la tâche. 00:10:49.500 --> 00:10:52.860 Cela crée une boucle résiliente dans laquelle le système détecte une défaillance potentielle 00:10:52.860 --> 00:10:56.220 et établit un pont vers la solution avant même qu'un utilisateur ne réalise qu'il y ait un problème. 00:10:57.100 --> 00:10:59.960 Ce changement déplace notre attention des taux de réussite vers les taux de récupération. 00:11:00.500 --> 00:11:03.140 Nous cessons d'essayer de rendre l'IA parfaite, ce qui est de toute façon impossible, 00:11:03.540 --> 00:11:05.320 et nous commençons à rendre le système inébranlable. 00:11:05.820 --> 00:11:08.540 Il s'agit d'intégrer une couche de contrôle et d'équilibre dans chaque transaction. 00:11:09.040 --> 00:11:12.240 Vous devriez traiter l'IA comme un stagiaire rapide qui se laisse facilement distraire. 00:11:12.900 --> 00:11:15.000 Vous la laissez faire le gros du travail en lisant des milliers d'emails, 00:11:15.000 --> 00:11:19.400 mais vous ne la laissez jamais signer l'échec sans qu'un auditeur senior ne vérifie la signature, ne vérifie la signature. 00:11:19.820 --> 00:11:21.940 Dans ce cas, votre code déterministe est cet auditeur. 00:11:22.660 --> 00:11:26.840 En séparant la réflexion du calcul, vous construisez un système qui gère le désordre du langage humain 00:11:26.840 --> 00:11:29.140 tout en conservant la précision d'une montre suisse. 00:11:30.260 --> 00:11:33.380 C'est ainsi que vous faites sortir l'IA de la phase de test pour l'amener au cœur de votre activité. 00:11:34.220 --> 00:11:37.260 Vous ne faites pas confiance au modèle, faites confiance à l'architecture que vous avez construite autour d'elle. 00:11:37.900 --> 00:11:41.920 Vous créez un filet de sécurité si solide que le moindre faux pas occasionnel du modèle ne compte même pas comme une erreur. 00:11:42.380 --> 00:11:44.520 Cela devient juste une autre partie du cycle d'autocorrection. 00:11:46.000 --> 00:11:52.680 Cela semble formidable en laboratoire, mais en production, le plus gros goulot d'étranglement n'est pas l'IA, c'est l'humain. 00:11:59.290 --> 00:12:03.510 Nous parlons généralement de l'automatisation comme d'un simple choix entre un humain ou une machine, mais le changement d'eux. 00:12:03.970 --> 00:12:05.970 Probabilité nous oblige à trouver un juste milieu. 00:12:06.990 --> 00:12:09.250 Les références du secteur montrent une vérité assez dégrisante. 00:12:10.110 --> 00:12:14.170 Environ 50% des flux de travail d'IA nécessitent encore un expert pour les examiner avant qu'ils ne soient terminés. 00:12:14.670 --> 00:12:17.270 C'est la principale raison pour laquelle nous assistons à une crise du pilote à la production. 00:12:17.270 --> 00:12:20.430 Si vous regardez les chiffres, 88% des pilotes d'IA échouent dans l'année. 00:12:21.050 --> 00:12:22.610 Ils n'échouent pas parce que la technologie est défaillante. 00:12:23.270 --> 00:12:26.950 Ils échouent parce que les personnes qui les conçoivent essayent d'automatiser 100% de la tâche beaucoup trop tôt. 00:12:27.270 --> 00:12:27.410 Trop. 00:12:27.410 --> 00:12:33.190 Ils ont construit un système qui fonctionne sur des données de tests propres, mais la logique s'est fondée dès qu'elle rencontre les frictions d'un vrai service. 00:12:33.890 --> 00:12:36.530 Lorsque vous ignorez l'élément humain, vous créez une charge de vérification. 00:12:37.310 --> 00:12:43.970 Si votre IA économise 10 minutes de saisie de données, mais ajoute 50 minutes de vérification du travail parce que l'équipe ne lui fait pas confiance, vous avez en réalité perdu en productivité. 00:12:44.790 --> 00:12:46.550 Vous avez créé un passif au lieu d'un atout. 00:12:46.550 --> 00:12:50.970 Conception réussie en 2026 traiteront le travail de vérification comme une fonctionnalité principale. 00:12:51.730 --> 00:12:53.850 Elles ne considèrent pas la révision humaine comme un échec du système. 00:12:54.450 --> 00:12:56.670 Au contraire, elles la considèrent comme un élément nécessaire de l'architecture. 00:12:57.370 --> 00:13:00.610 Elles intègrent le coût de cette révision dans le retour sur investissement dès le premier jour. 00:13:01.310 --> 00:13:03.630 Le secret pour que cela fonctionne est une logique de révision à plusieurs niveaux. 00:13:04.330 --> 00:13:06.470 C'est ainsi que vous pouvez faire évoluer les choses sans perdre la tête. 00:13:07.030 --> 00:13:08.910 Les transactions à haut niveau de confiance se déroulent en silence. 00:13:08.910 --> 00:13:12.990 Si le modèle est sûr à 90 pics francs sans clics, les calculs sont corrects, le système avance tout simplement. 00:13:13.910 --> 00:13:17.610 Mais les cas à faible niveau de confiance, comme la zone jaune dont nous avons parlé, déclencheront une escalade. 00:13:18.290 --> 00:13:19.410 Cela change complètement le rôle humain. 00:13:19.970 --> 00:13:22.450 Nous nous éloignons de la saisie de données pour nous tourner vers l'audit des données. 00:13:22.970 --> 00:13:26.350 Dans l'ancien modèle, l'humain était le moteur car il effectuait toutes les opérations de saisie et de clics. 00:13:26.830 --> 00:13:28.250 Dans le nouveau modèle, l'humain est le gouverneur. 00:13:28.650 --> 00:13:32.510 Il gère les exceptions et fournit les nuances qu'un modèle probabiliste ne peut pas tout à fait comprendre. 00:13:33.510 --> 00:13:34.870 Pensez à ce que cela représente pour l'équipe. 00:13:34.870 --> 00:13:39.770 Lorsque les gens savent qu'ils n'ont examiné que les 5% de cas qui sont réellement difficiles, ils restent beaucoup plus impliqués. 00:13:40.290 --> 00:13:41.650 Ils ne sont plus ennuyés par la routine. 00:13:42.250 --> 00:13:43.970 Ils sont mis au défi par la complexité des cas difficiles. 00:13:44.650 --> 00:13:46.870 Mais vous devez créer la bonne interface pour que cela fonctionne. 00:13:47.430 --> 00:13:49.770 Vous ne pouvez pas simplement envoyer un email pour dire que quelque chose est mal d'assistible. 00:13:50.130 --> 00:13:51.710 Vous devez montrer une comparaison côte à côte. 00:13:52.390 --> 00:13:53.770 Montrez à la personne le document source. 00:13:54.450 --> 00:13:58.070 Montrez ce que l'IA extrait et mettez en évidence le champ exact ou le score de confiance à chuter. 00:13:58.790 --> 00:14:02.770 Si vous voulez évoluer, vous devez arrêter de faire comme si l'examen humain signifiait que votre automatisation est faible. 00:14:03.170 --> 00:14:03.950 C'est en fait le contraire. 00:14:03.950 --> 00:14:09.350 Un humain bien intégré est ce qui rend un système probabiliste suffisamment solide pour survivre dans le monde réel. 00:14:10.010 --> 00:14:12.570 C'est la dernière couche de votre architecture autocorrectrice. 00:14:13.810 --> 00:14:14.590 L'avenir agentique. 00:14:15.150 --> 00:14:17.510 Nous nous tournons vers un nouvel horizon appelé l'entreprise agentique. 00:14:18.290 --> 00:14:20.750 C'est le point final logique de tout ce dont nous avons parlé aujourd'hui. 00:14:21.730 --> 00:14:26.990 Nous entrons dans un monde où les agents ne sont plus de simples scripts ou flux de base car ils deviennent des travailleurs numériques de premier ordre. 00:14:28.090 --> 00:14:30.130 La Power Platform évolue sous nos yeux. 00:14:30.130 --> 00:14:34.030 Elle passe d'un créateur d'application standard à un hub d'orchestration complet. 00:14:34.730 --> 00:14:37.710 Dans l'ancien modèle, vous créez une application spécifique pour résoudre un problème spécifique. 00:14:38.270 --> 00:14:42.290 Mais dans le modèle agentique, vous créez un environnement dans lequel les agents résolvent ces problèmes à votre place. 00:14:42.790 --> 00:14:44.990 Ces agents ne se contentent pas de suivre une liste statique d'étapes. 00:14:45.530 --> 00:14:50.390 Ils observent leur environnement, évaluent leur propre niveau de confiance et décident quel outil est réellement le bon à utiliser ensuite. 00:14:50.390 --> 00:14:54.290 D'ici 2026, la gouvernance ne ressemblera plus du tout à ce qu'elle était aidé des deux ans. 00:14:54.790 --> 00:14:58.490 Des outils tels que Purview et Sentinel évoluent vers la détection probabiliste des anomalies. 00:14:59.230 --> 00:15:01.270 Ils ne se contentent plus de rechercher un mot de passe divulgué. 00:15:01.770 --> 00:15:05.310 Au lieu de cela, ils recherchent des modèles comportementaux qui ne semblent tout simplement pas corrects. 00:15:06.010 --> 00:15:10.550 Ils appliquent la même logique de similarité que celle que nous utilisons pour l'extraction de données à la sécurité de l'ensemble de votre locataire. 00:15:11.110 --> 00:15:11.950 Ce changement est permanent. 00:15:12.350 --> 00:15:16.690 Les personnes qui s'en tiennent à une logique rigide du type KSI alors Regmus se retrouveront à gérer des systèmes défaillants et des équipes frustrées. 00:15:16.690 --> 00:15:22.850 Elles seront coincées dans un cycle de maintenance constante tout en essayant de réparer une maison de verre qui n'a jamais été conçue pour ce genre de conditions, mais été conçue pour ce genre de conditions météorologiques. 00:15:23.010 --> 00:15:25.110 L'entreprise agentique commence par une seule réalisation. 00:15:25.710 --> 00:15:28.570 Nous n'avons pas besoin de contrôler chaque variable pour obtenir un résultat fiable. 00:15:29.010 --> 00:15:30.330 Nous devons simplement contrôler l'architecture. 00:15:30.870 --> 00:15:35.290 Notre travail consiste à définir les seuils et à mettre en place les garde-fous afin que les agents puissent travailler dans ses limites. 00:15:36.150 --> 00:15:38.190 Dans ce monde, votre logique métier devient élastique. 00:15:38.730 --> 00:15:43.710 Elle s'étend pour gérer un nouveau fournisseur ou un format de documents différent sans qu'un développeur ait besoin de réécrire une seule ligne de code. 00:15:44.450 --> 00:15:45.830 C'est la véritable promesse du low-code. 00:15:45.830 --> 00:15:49.470 C'est la capacité d'évoluer à la vitesse de la pensée plutôt qu'à la vitesse de la syntaxe. 00:15:49.530 --> 00:15:51.190 Mais pour y parvenir, vous devez commencer dès aujourd'hui. 00:15:51.590 --> 00:15:55.070 Arrêtez de construire pour un monde parfait et commencez à construire pour le monde désordonné dans lequel nous vivons réellement. 00:15:55.570 --> 00:15:56.590 Vous devez accepter le doute. 00:15:57.630 --> 00:15:58.390 Défi des mises en œuvre. 00:15:58.970 --> 00:15:59.930 Voici vos devoirs pour la semaine. 00:16:00.470 --> 00:16:02.370 Je veux que vous trouviez votre flux d'échecs le plus élevé. 00:16:02.670 --> 00:16:06.470 Ne choisissez pas le plus complexe, mais trouvez celui qui plante le plus souvent à cause de données erronées. 00:16:06.910 --> 00:16:08.030 L'objectif n'est pas de corriger les données. 00:16:08.350 --> 00:16:11.410 Vous ne pouvez pas contrôler ce que vos utilisateurs ou vos fournisseurs décident de vous envoyer. 00:16:11.410 --> 00:16:14.870 Au lieu de lutter contre cette réalité, je veux que vous ajoutiez un seuil de confiance. 00:16:15.430 --> 00:16:18.850 Accédez à votre générateur d'IA ou à votre action LLM et exposez ce score de probabilité. 00:16:19.310 --> 00:16:20.110 Créez une condition simple. 00:16:20.610 --> 00:16:23.910 Si le score de confiance est inférieur à 85 francs ans, ne laissez pas le flux planté. 00:16:24.650 --> 00:16:28.350 Enracinez ce cas spécifique dans un dossier de révision ou une liste SharePoint pour une vérification manuelle. 00:16:28.670 --> 00:16:30.130 Observez ce qu'il advient de votre taux de réussite. 00:16:30.790 --> 00:16:34.730 Vous verrez le stress quitter votre système dès que vous cesserez de prétendre que chaque entrée sera parfaite. 00:16:34.730 --> 00:16:38.270 Si ce changement de mentalité a changé votre approche, suivez-moi à Mircopiter sur LinkedIn. 00:16:39.190 --> 00:16:41.690 Je partage constamment des analyses approfondées de ces modèles architecturaux. 00:16:42.250 --> 00:16:44.810 Partagez-les avec votre équipe, en particulier si vos flux sont en panne en ce moment. 00:16:45.250 --> 00:16:47.770 Nous devons arrêter de construire avec du verre et commencer à construire avec intention. 00:16:48.190 --> 00:16:51.170 C'est la technique et elle réduit vos temps d'arrêt de moitié une fois que vous commencez à la pratiquer. 00:16:51.990 --> 00:16:55.010 Si vous voulez la version avancée utilisée par les pros, regardez cette vidéo. 00:16:55.850 --> 00:16:56.930 Abonnez-vous pour plus de tutoriels. 00:16:57.610 --> 00:17:01.210 Arrêtez de lutter contre la réalité confuse de vos données et commencez plutôt à concevoir en conséquence. 00:17:01.210 --> 00:17:06.110 Lorsque vous utilisez des scores de confiance, vous transformez des flux fragiles en systèmes résilients qui fonctionnent réellement. 00:17:06.790 --> 00:17:07.390 Mais voilà le truc. 00:17:07.830 --> 00:17:09.650 Le modèle ne fonctionne que si vous le construisez correctement. 00:17:10.230 --> 00:17:14.410 Si vous voulez voir exactement comment configurer cela dans Copilot Studio, regardez cette prochaine vidéo dès maintenant. 00:17:15.170 --> 00:17:19.410 Si cela a changé votre façon de penser l'IA, suivez-moi sur LinkedIn ou abonnez-vous à Master the New Model. 00:17:19.410 --> 00:17:19.870 Un modèle.