AgentC : le plan de Celonis pour combiner GenAI et intelligence des processus

Une usine cogérée avec des partenaires

Ces partenaires, tels Rollio et Hypatos, conçoivent des agents précâblés ou fournissent l’accès aux outils permettant d’en concevoir. C’est le cas de CrewAI, Microsoft avec Copilot Studio, IBM avec Watsonx Orchestrate et AWS avec Amazon Bedrock. Accenture, IBM Consulting et EY pourront également soutenir la conception de ces agents.

Le New-Yorkais Rollio entend bâtir des agents consacrés à la relation client s’appuyant sur le CRM de Salesforce. Le spécialiste allemand du traitement « intelligent » de documents Hypatos, lui, entend bâtir des agents pour automatiser le paiement des fournisseurs.

Côté Copilot Studio, l’outil de Microsoft permet de développer des agents accessibles par l’outil de collaboration Teams permettant d’accéder aux données traitées dans la plateforme de « Process Intelligence » de Celonis. L’éditeur né à Munich donne l’exemple d’un agent consacré à la réallocation des stocks. Celui-ci doit permettre de vérifier virtuellement les stocks dans les usines les plus proches les unes des autres, recommander l’item et le volume à transférer, puis d’initier le processus de transfert en sus de prévenir les responsables des usines.

Concernant les intégrations, Celonis met en avant ses connecteurs et API vers les ERP de SAP, Oracle, Infor, ainsi que les data lakes de GCP, Azure, AWS, Snowflake ou encore Databricks.

Celonis, mise principalement sur son « PIG » (Pi Graph) ou Process Intelligence Graph. En clair, un graphe de connaissances des processus.

Celui-ci s’appuie sur un modèle de données orienté objets (ici des objets étant des factures, des clients, des commandes, des entreprises, etc.). Il doit permettre de créer une représentation idéalement holistique des processus et des relations – internes, fournisseurs, clients – d’une entreprise à travers ses SI.

Pour autant, l’éditeur n’a pas désactivé son précédent modèle de données axé sur les cas (principalement liés aux transactions). En réalité, certaines applications nécessitent un traitement transactionnel.

Apporter la connaissance des processus aux agents d’IA générative

« Notre vision est que chaque IA que vous configurez, où que ce soit, soit alimentée par Celonis Process Intelligence, ce qui lui permet de raisonner avec le bon contexte, contrairement à ChatGPT », vante Divya Krishnan, vice-présidente marketing produit chez Celonis.

Si les démonstrations de l’éditeur s’appuyaient sur les grands modèles de langage d’OpenAI, il assure que ses clients peuvent s’appuyer sur les LLM de leur choix.

Celonis a (re)présenté Process Copilot, accessible en disponibilité limitée. Cette fonctionnalité rattachée au Studio Celonis permet de configurer un assistant d’IA générative s’appuyant sur un « Knowledge Model », c’est-à-dire un jeu d’indicateurs clés, de variables et d’attributs réutilisables basés sur un ou plusieurs modèles de données.

« Les Knowledge Models interagissent avec vos modèles de données, en prenant les données ingérées à partir de systèmes externes et en les rendant accessibles et lisibles par l’homme », indique la documentation de Celonis. « En utilisant un KM, toute modification de votre modèle de données sous-jacent peut être reflétée efficacement dans vos vues et applications publiées ».

Outre les données, Process Copilot permet de rédiger des prompts, des system prompts ainsi que de configurer des intégrations avec des outils pour que l’assistant puisse agir à partir des données sous-jacentes.

Les outils sont en réalité des calculs ad hoc, des visualisations de processus, de recommandations sur des indicateurs, bref une liste de fonctionnalités existantes dans la plateforme Celonis. Il est possible de configurer des capacités spécifiques en remplissant un fichier YAML. L’objectif est de pouvoir répondre à une liste de questions préétablies ou (idéalement) nouvelles. Il s’agit davantage d’un assistant analytique plutôt que d’un système d’automatisation des processus. Et il est question de limiter leurs interactions à un domaine spécifique, par exemple un processus.

Par ailleurs, Celonis propose des assistants consacrés à la génération de requêtes SQL et de tableaux de bord.

Toutefois, l’éditeur voit davantage sa solution comme un moyen d’apporter du contexte à des assistants et des agents tiers. Par exemple, Celonis se dit qu’il peut rendre véritablement utiles les licences Microsoft Copilot que ses clients ont pu se procurer ces deux dernières années.

De même, il considère que l’IA générative ne remplacera ni l’automatisation robotisée des processus (RPA) ni l’IA prédictive (statistiques avancées, machine learning). C’est en revanche une interface souhaitable pour interpréter les processus et interroger les données surfacées dans une plateforme de process intelligence. C’est en tout cas la vision portée par Lars Reinkemeyer, chief Evangelist, et Wil van der Aalst, directeur scientifique chez Celonis.

Les entreprises pourraient être frileuses à l’idée de confier à un LLM leurs données les plus critiques, de la facturation en passant par la logistique jusqu’à la gestion des ressources humaines. L’éditeur dit limiter au maximum l’envoi d’informations sensibles aux modèles d’OpenAI – un ordre de commande et un identifiant client ne sont pas forcément explicites –, mais rappelle dans sa documentation que les clients sont responsables des données exposées aux LLM, y compris de données personnelles.

Celonis assure que certains clients dans les secteurs du CPG, de l’automobile, du manufacturing et du support IT ont déjà bâti des prototypes d’agents connectés à la plateforme de Process Intelligence. Extraction de règles métiers pour les comparer aux processus « as is », génération de réponses par mail, recommandations pour résoudre des problèmes liés aux commandes, transfert de pièces de rechange, tri de tickets IT… les usages sont variés.  

Une maturité toute relative

« Nous sommes en train de démocratiser la connaissance des processus. »

Reste que les témoignages clients auxquels LeMagIT a pu assister lors de Celosphere 2024 laissent poindre une maturité encore faible pour exploiter pleinement les capacités d’IA générative. Certains cherchent notamment à améliorer la qualité des données afin de surveiller davantage de processus. Un grand client français fabricant de matériaux, plus avancé que la moyenne, perçoit tout de même cette technologie comme un moyen pour son centre d’excellence de mieux expliquer aux métiers le process mining/intelligence et de les aider à accéder aux bons indicateurs clés. Celonis envisage également que la GenAI aide à mieux préparer les données.

« Les clients et les partenaires ne sont pas forcément au niveau de tout ce que nous sommes capables de faire », concède Fadi Naffah, vice-président et directeur général France MEA chez Celonis. « Nous sommes en train de démocratiser la connaissance des processus. Nous avons réuni le contexte métier nécessaire pour propulser les cas d’usage d’IA générative ».