NTT DATA AIVista comble le dernier maillon manquant de l'IA à base d'agents pour les entreprises

À l'occasion de VB Transform 2026, Bratin Saha, PDG de NTT DATA AIVista, s'est entretenu avec Matt Marshall, PDG et rédacteur en chef de VentureBeat, sur ce qu'il appelle le "dernier kilomètre" de l'IA agentique en entreprise. Selon lui, les modèles de pointe comme Fable 5, Opus 4.8 ou GPT-5.5 échouent souvent dans des environnements réglementés complexes, par exemple le traitement de sinistres d'assurance multinationaux, où les formulaires comportent de l'écriture manuscrite, de nombreuses cases à cocher et des règles métier spécifiques. Saha explique que la majorité des projets d'IA en entreprise échouent au moment de l'implémentation, en raison d'une mauvaise intégration, d'un manque de spécialisation métier, d'une gouvernance insuffisante et d'une responsabilité mal définie sur les résultats. Fait notable, cette spécialisation ne passe pas par le fine-tuning des modèles: une récente enquête de VentureBeat auprès des entreprises a classé cette méthode en dernière position parmi les critères de choix de modèles. NTT DATA AIVista mise plutôt sur trois leviers combinés: capturer les données propriétaires et le savoir-faire tacite de l'entreprise pour les rendre exploitables par l'IA, faire tourner un ensemble de modèles afin de maîtriser les coûts, et ajouter des garde-fous spécialisés capables de détecter les erreurs et de forcer une nouvelle tentative.

Pour Saha, ce travail change la donne parce qu'il transforme un modèle de fondation générique en agent réellement opérationnel, capable de refléter les workflows propres à chaque client, son appétit pour le risque, ses classifications de clients et ses interprétations réglementaires. "Ce n'est pas seulement un modèle, vous construisez un système autour du modèle", résume-t-il. Cette distinction est cruciale pour les entreprises qui investissent massivement dans l'IA sans toujours voir de retour concret: la valeur ne vient pas de la technologie elle-même, mais du déplacement effectif d'un processus métier d'un point A à un point B. Dans des secteurs réglementés comme l'assurance ou l'industrie manufacturière, cela suppose de réunir à la fois expertise technique, expertise du domaine et gestion du changement, la technologie n'étant, selon lui, rarement le facteur limitant chez les clients de NTT.

Cette approche s'appuie sur un principe simple mais rarement appliqué: interroger directement les employés sur leur façon réelle de travailler. NTT DATA AIVista associe systématiquement des experts en IA à des experts métier pour capter les connaissances informelles jamais consignées dans une procédure officielle, puis les encoder dans l'agent. Cette méthode illustre un enjeu plus large pour l'industrie de l'IA d'entreprise: à mesure que les budgets consacrés à l'IA générative augmentent, la compétition ne se jouera plus sur l'accès aux modèles les plus puissants, disponibles à tous, mais sur la capacité à les entourer de données propriétaires, de garde-fous et de processus de gestion du changement adaptés à chaque organisation.