Réinventer les processus métiers avec l’Intelligence Artificielle : la stratégie progressive de Danone.15 mai 2025

Dans cette interview, Axel Droin (Director of Data and AI Products) chez Danone, dévoile la vision du Groupe : une intelligence artificielle au service de la performance durable, de l’efficacité opérationnelle et de l’autonomie maîtrisée, portée par un cadre méthodologique rigoureux et évolutif.

Qu’est-ce qu’un Agent IA selon votre vision chez Danone ?  

Nous adoptons une définition assez large de l’agent IA. Il s’agit de l’interaction combinée entre une intelligence artificielle, une capacité d’action autonome et une interface utilisateur. Par exemple, un simple chatbot adossé à un système de retrieval-augmented generation (RAG) peut être considéré comme un agent. Ce qui importe, c’est moins la complexité technique que la capacité de l’agent à exécuter une tâche dans un cadre réutilisable.

Comment sont perçus les agents IA dans votre entreprise ?  

Nous abordons les agents avec beaucoup de précautions notamment afin d’anticiper le plus tôt possibles les risques inhérents à l’usage de toute nouvelle technologie. Ceci  provient principalement du fait que nous ayons encore une compréhension imparfaite du concept d’agent et de ces impacts potentiels.

Ce qui est certain c’est que les agents sont au service des équipes et qu’ils prennent leur pleine valeur en s’intégrant au sein d’une architecture multi-agent orchestrée par un agent spécialisé et dont la performance est validée et suivie par des équipes humaines.

L’agent orchestrateur, responsable de la coordination et de l’activation des agents spécialisés, représente simultanément le principal défi technique et la source majeure de création de valeur. Cette approche transforme une structure d’exécution linéaire que pouvaient avoir les approches traditionnelles d’automatisation comme les RPA, en un modèle d’efficacité exponentiel.

Pourriez-vous nous retracer l’historique de l’adoption des agents IA ?

Notre démarche a débuté au premier trimestre 2024 avec l’implémentation de chatbots dotés de capacités RAG.

Cette approche pragmatique nous a apporté deux avantages majeurs :

Prouver la valeur sur des fonctions métier : nous avons démontré la valeur ajoutée pour les fonctions globales, particulièrement dans les domaines du contrôle de gestion, de l’audit interne et des fonctions de type « Design authority ».

Montrer les potentielles ambiguïtés sous-jacentes de ces modèles : cette expérimentation a mis en lumière les ambiguïtés informationnelles existantes. Lorsqu’une information supposée présente dans un document est en réalité absente, l’agent ne peut logiquement pas l’exploiter, révélant ainsi des incohérences dans la gestion documentaire, la difficulté réside alors dans la qualification de cette baisse de performance entre absence d’information et mauvaise précision/performance des modèles de langages

Nous avons décidé d’étendre nos expérimentations en dotant nos agents de capacité d’actions dans un cadre d’autonomie contrôlé.

Comment procédez-vous concrètement pour déployer ces solutions ?

Notre méthodologie actuelle consiste à analyser des processus opérationnels et d’identifier des opportunités d’automatisation partielle ou totale. Cette approche, inspirée des principes RPA, s’avère efficace pour les tests initiaux mais présente des limitations pour un déploiement à grande échelle.

Notre priorité immédiate réside dans l’élaboration d’un framework Agent qui doit nous permettre de formaliser les principes fonctionnels, techniques et architecturaux de nos agents. Ce que nous souhaitons notamment c’est d’avoir la capacité de pouvoir réutiliser des agents unitaires au sein de multiples processus métier, de la même façon que nos données sont utilisées et réutilisées dans de multiples cas d’usage.

Nous établissons d’abord une logique opérationnelle cohérente avant d’aborder les aspects techniques. Pour le passage à l’échelle, prévu dans les prochains mois, nous nous appuyons sur un triptyque (framework, formation, périmètre fonctionnel) et modifions notre approche pour cibler des activités atomiques qui seront « agentifiées » puis orchestrées, permettant d’avoir une capacité de passage à l’échelle soutenable d’un point de vue technique comme financier.

Où voyez-vous le plus grand potentiel pour ces agents IA ?

Le potentiel d’application est universel, mais certains domaines présentent des opportunités immédiates, notamment dans la gestion de la dette applicative. Les interfaces utilisateurs coûteuses à maintenir, les environnements technologiquement obsolètes, et les langages propriétaires comme SAS dont la valeur repose principalement sur la rareté des compétences associées, peuvent voir leur gestion, leur maintenance et leur évolution simplifiées dans la mesure où les agents permettre d’abstraire la manière dont les entreprises interagissent avec ces capabilités.

L’urgence est de comprendre comment ce potentiel va s’exprimer au sein de l’écosystème de l’entreprise, et pour cela les fonctions qui doivent le plus rapidement se former et anticiper ses éléments sont architecture et cybersécurité. Elles doivent au plus vite permettre une refonte de l’approche d’intégration applicative et fonctionnelle de l’entreprise, et définir comment les notions de qualité de service, de performance applicative et de support utilisateur doivent s’adapter à l’arrivée des agents en entreprise.