Pennylane: des agents personnalisés devenus coéquipiers au quotidien
En seulement six mois, Pennylane a constitué une équipe de plus de 600 agents personnalisés qui s’exécutent plus de 2000 fois par jour, attribuent les tâches, assurent le suivi des réunions, répondent aux questions internes et soutiennent les initiatives majeures. Nous avons échangé avec Cyril Allard, New Business & AI Lead, pour savoir comment Pennylane s’est lancé, quels workflows se sont révélés les plus utiles et en quoi des données à jour et structurées constituent la base indispensable à la création d’agents qui gagnent en efficacité au fil du temps.
Le premier d’une série de 600 agents personnalisés
Pouvez-vous nous présenter Pennylane, votre rôle au sein de l’entreprise, et la façon dont vous utilisez Notion ?
Pennylane est une plateforme de collaboration destinée aux comptables et à leurs client·es. Avec plus de 1 000 employé·es, l’entreprise se développe rapidement en Europe et compte poursuivre sur cette lancée après une récente levée de fonds de 75 millions d’euros.
Notion est au cœur de notre façon de travailler. C’est notre outil de documentation, mais c’est aussi devenu notre référentiel unique pour l’ensemble de nos données et de nos connaissances.
J’ai rejoint l’entreprise il y a un an, et mon rôle est centré sur l’adoption de l’IA. J’aide nos équipes à passer de l’expérimentation individuelle à des méthodes de travail plus systématiques. Les agents personnalisés ont été l’une des pierres angulaires de cette transition.
Qu’est-ce qui vous a poussé à créer des agents personnalisés ?
Une situation toute simple : la saisie des tâches.
Avant, j’avais recours à une application de to-do list Lorsque j’ai rejoint Pennylane, cet outil ne figurait pas parmi nos outils autorisés, j’ai donc perdu le flux de travail de saisie rapide que j’avais l’habitude d’utiliser. Je voulais pouvoir rédiger des notes du type « Pour demain, pour ce projet, il faut faire ça », et que la tâche soit créée instantanément avec la bonne date, le bon projet et la bonne priorité.
J’ai donc créé un agent personnalisé connecté à Slack. Je décris une tâche dans un canal Slack dédié, et l’agent l’interprète, la standardise et l’ajoute à ma base de données de tâches Notion. C’est tout aussi rapide que mon ancienne application, à une différence près : les données relatives aux tâches sont directement intégrées dans Notion. Cela signifie qu’elles sont structurées, consultables et que d’autres agents peuvent les exploiter.
J’ai constaté que c’était un schéma récurrent dans d’autres domaines de mon travail. La mise à jour des notes de réunion se faisait manuellement. Je devais réexpliquer le contexte des initiatives dès que j’ouvrais l’IA de Notion. Certains projets étaient publics, d’autres privés, et il n’existait aucun moyen simple de transmettre automatiquement les bonnes informations aux bonnes personnes.
C’est ainsi que j’ai commencé à envisager les agents personnalisés comme un moyen de nettoyer et d’organiser les informations dans un premier temps, puis de les exploiter pour prendre de meilleures décisions. C’est ce qui m’a permis de formaliser une méthode que j’utilise pour chaque agent : les « nettoyeurs de données » et les « consommateurs de données ». Les « nettoyeurs » organisent, classent et mettent à jour les informations. Les« consommateurs » s’appuient sur ces données pour vous aider à réfléchir, à prendre des décisions et à travailler plus efficacement.
Pouvez-vous partager des exemples d’agents « nettoyeurs » et « consommateurs » que vous avez créés ?
Le Calendar Manager est un agent nettoyeur. Il s’exécute chaque soir, copie les réunions dans une base de données structurée, les classe par thème et publie un résumé dans Slack tous les matins. Pour les initiatives publiques, il peut également enregistrer les réunions dans des bases de données partagées, ce qui permet aux membres de l’équipe d’accéder aux bonnes transcriptions sans que j’aie besoin de les partager manuellement.
Ensuite, il y a les Domain Copilots, qui sont des agents personnalisés « consommateurs de données ». J’en ai un pour chaque initiative majeure chez Pennylane : il a accès aux pages et aux réunions associées, et ce contexte est mis à jour dynamiquement. Lorsque je lui pose une question, je n’ai pas besoin de réexpliquer le contexte : l’agent connaît déjà le sujet concerné.
C’est un gain de temps considérable. Je ne me contente pas d’échanger avec l’agent : l’expérience va plus loin car l’agent dispose de l’intégralité du contexte du projet sur lequel je travaille. C’est ce qui fait la différence. Quand vos données sont fiables et bien structurées, tous les agents que vous créez gagnent en efficacité.
Notion est l’un des rares outils utilisés par l’ensemble de nos employé·es, et il est présenté à chaque nouvelle recrue dès son arrivée dans l’entreprise.
Déployé à l’échelle de l’entreprise, avec des garde-fous intégrés.
Comment avez-vous déployé des agents personnalisés à l’échelle de l’entreprise ?
Cela s’est fait naturellement. Notion était déjà un outil massivement utilisé. Nous avons donc commencé par des formations pratiques présentant des workflows simples que les employé·es pouvaient reproduire. Une personne a créé un agent, l’a partagé, et d’autres équipes ont demandé de l’aide. En quelques mois, entre 7 et 10 équipes ont été formées : des utilisateur·rices de Notion expérimenté·es ont émergé au sein des équipes Growth, Ops, IT, Sales, etc.
Nous tendons désormais à structurer l’adoption : les nouvelles recrues bénéficient d’une session de formation aux agents personnalisés de deux heures. Nous disposons aujourd’hui de près de 600 agents personnalisés, qui sont déclenchés plus de 2 000 fois par jour. Ils sont généralement gérés au niveau des équipes, plutôt que standardisés à l’échelle de l’entreprise. Les équipes créent des agents qui correspondent à leurs besoins, et seuls certains sont partagés à l’échelle de l’entreprise. Voici quelques exemples :
«Help-Migration» et «Help-Legal». Les employé·es posaient toujours les mêmes questions en matière de migration et d’aspects juridiques, ce qui les empêchait de se concentrer sur leur travail. L’agent répond directement dans Slack en s’appuyant sur les questions fréquentes et les tickets précédents. Ensuite, chaque réponse utile est ajoutée à notre base de connaissances.
“Ask AI at Pennylane” agent. Chez Pennylane, il n’existait aucun espace pour poser des questions sur l’IA. Nous avons donc créé un agent accessible à l’ensemble de l’entreprise, que chacun·e peut interroger pour obtenir des informations sur nos bonnes pratiques et nos outils, sans avoir à s’adresser à notre équipe IA.
Agents de suivi. Les outils de suivi spécialisés sont souvent coûteux et complexes à configurer. J’ai créé un agent qui suit les levées de fonds des entreprises IA et m’envoie un récapitulatif sur Slack. Sa mise en place été très rapide.
Chief of Staff et autres modèles. Tout le monde ne souhaite pas créer un agent de toutes pièces. C’est pourquoi nous avons créé un guide et une bibliothèque d’agents personnalisés prêts à l’emploi : un assistant productivité pour le Chief of Staff, des agents pour les tâches récurrentes, l’automatisation des agendas, et le workflow de saisie des tâches mentionné précédemment. Ainsi, chaque employé·e peut se lancer immédiatement avec un agent prêt à l’emploi.
Comment gérez-vous les questions de gouvernance, de sécurité et de budget suite à l’adoption croissante des agents personnalisés ?
Notre équipe IT fixe le cadre d’utilisation des agents. Par exemple, si nous souhaitons connecter un MCP, l’équipe informatique le valide, gère la procédure et s’assure que tout se déroule dans les règles. Les employé·es sont libres de créer des agents personnalisés, tant qu’ils respectent ce cadre. L’essentiel est de mettre en place les mesures de protection nécessaires.
Ce cadre repose sur le fonctionnement «by design» des agents personnalisés : un agent ne peut jamais disposer d’un accès plus étendu que la personne qui l’a créé. Ainsi, personne ne peut créer un agent dont l’accès dépasse ses propres autorisations.
En ce qui concerne la gestion des coûts, nous sommes encore dans la phase d’adoption, pas de rationalisation. Nous souhaitons éviter une explosion des coûts. C’est pourquoi nous avons fixé un budget maximum par employé·e et nous surveillons les niveaux d’usage à l’échelle de l’entreprise On peut aussi fixer un plafond d’utilisation par agent : au-delà, le workflow s’arrête automatiquement. De quoi expérimenter tout en gardant les dépenses sous contrôle.
Quelle place occupent les agents personnalisés dans l’écosystème d’IA de Pennylane ?
Nous utilisons différents outils d’IA en fonction des équipes et des besoins, mais les agents personnalisés de Notion s’intègrent naturellement aux workflows reposant sur les connaissances de l’entreprise. L’ensemble de notre documentation se trouve déjà dans Notion, et c’est le fondement essentiel au bon fonctionnement de l’IA. Notre espace de travail est également relativement clair et bien structuré. Ce n’est jamais parfait, mais une équipe dédiée est là pour en assurer le bon fonctionnement. Le ROI lié à l’utilisation de l’IA dans Notion est donc immédiat, car nous pouvons diriger un agent directement vers les bonnes informations.
La deuxième raison est la facilité d’utilisation. Avec Notion, utiliser un agent personnalisé est très simple, même quand on débute en IA. Elle n’a pas besoin de changer d’outil, car elle a déjà l’habitude de travailler dans Notion.
Cette combinaison de contexte partagé et de simplicité d’usage est exactement ce dont nous avons besoin au quotidien. Certains de ces workflows pourraient être gérés par des outils spécialisés, mais ils sont souvent coûteux, complexes à configurer ou pas accessibles à l’ensemble des employé·es de Pennylane. Les agents personnalisés offrent de la flexibilité aux équipes. Ils permettent de répondre à des besoins précis avec des workflows légers, sans ajouter un outil de plus à déployer.
Les agents personnalisés de Notion sont simples à prendre en main, même pour les personnes qui débutent avec l’IA.
Un coéquipier IA pour tous — un agent personnalisé à la fois
Que prévoit Pennylane pour la suite en matière d’utilisation des agents personnalisés ?
Chez Pennylane, nous ne voulons laisser personne de côté. Tout le monde devrait pouvoir tirer parti de l’IA, mais seules quelques personnes devraient avoir besoin de maîtriser les aspects les plus approfondis de la création d’agents pour que le reste de l’organisation puisse en bénéficier.
La prochaine étape consiste à préconfigurer des agents et les mettre à disposition d’équipes ou de collaborateurs. Par exemple, un «Sales Agent» qui comprend déjà nos produits, notre profil client idéal et la manière de répondre aux objections. Ou un «Personal Agent» qui connaît déjà le rôle de la personne et le contexte de son équipe.
L’objectif est d’apporter une valeur immédiate, avec un minimum de configuration. Les employé·es devraient pouvoir tirer parti des agents sans même avoir conscience de passer à des méthodes de travail plus avancées.
C’est l’idée globale : passer d’une situation où « certain·es utilisateur·rices expérimenté·es créent des agents » à une situation où « chacun·e dispose d’un coéquipier IA personnalisé ».
Si quelqu’un crée son premier agent personnalisé, par où devrait-il commencer ?
Deux choses. D’abord, si les données sont facilement accessibles et intelligibles pour un être humain, ce sera aussi le cas pour l’IA. Je tiens à jour une base de données qui répertorie tous les sujets sur lesquels je travaille, avec une description de chacun d’entre eux : c’est ce contexte qui fait toute la pertinence de mes agents «Domain Copilots».
Ensuite, il faut utiliser l’IA pour comprendre l’étendue de ses capacités. Au début, il peut être difficile de saisir pleinement l’utilité de l’IA. La mieux placée pour répondre à cette question, c’est l’IA, associée à votre propre connaissance de votre travail. Inutile de cartographier tous les cas d’usage avant de démarrer. Cliquez sur «Créer un agent personnalisé», décrivez votre travail ou les tâches qui vous prennent du temps, puis demandez-lui : « Que peux-tu automatiser pour moi ? »
Vous pouvez également demander à l’agent de se créer lui-même. Je pense que dire à l’agent : « Voici mon problème, crée-toi tout seul » fonctionne très bien. Cela a contribué à l’adoption des agents chez Pennylane. La plupart des personnes n’ont pas peur de l’IA, elles ne voient simplement pas en quoi elle peut leur être utile. Le fait de demander à l’IA d’analyser son travail et de suggérer des automatisations démontre sa valeur bien plus clairement. Vous découvrirez sans doute des cas d’usage insoupçonnés. Commençons par le plus évident. Inutile de faire compliqué. Un workflow simple qui fonctionne de manière fiable avec des données nettoyées peut s’avérer plus utile qu’un agent complexe que personne n’utilise.
L’efficacité de l’IA dépend du contexte auquel elle a accès. L’ensemble de notre documentation se trouve déjà dans Notion, les agents personnalisés peuvent donc facilement la consulter, la mettre à jour et permettre aux équipes de travailler plus efficacement.
