Témoignage client
Le cas de Rakuten France : démocratiser la création d’agents personnalisés à l’échelle de l’entreprise
Rakuten France a vite compris qu’une simple équipe de quatre spécialistes de l’IA ne suffirait pas pour automatiser les tâches répétitives des équipes. L’entreprise a donc mis au point un système simple permettant à ses employé·es de créer leurs propres agents personnalisés en un temps record. Aujourd’hui, l’entreprise compte plus de 80 agents personnalisés, et l’automatisation ne dépend plus d’une équipe centrale.
Démocratiser l’automatisation
Pour la marketplace Rakuten France, le calcul était simple : une équipe de quatre spécialistes de l’IA ne peut pas être partout à la fois. « Nous ne nous contentons pas de mettre au point des solutions d’automatisation pour l’entreprise : nous souhaitons obtenir un effet catalyseur et diffuser les bonnes pratiques aux différentes équipes », explique Clément Caillol, directeur produit.
L’entreprise avait déjà essayé des outils sans code, mais sans réel succès. Le schéma se répétait : des personnes mettaient en place des flux de travail, puis changeaient de poste, et les automatisations se perdaient. Il fallait une solution plus durable, qui s’inscrive dans l’une des valeurs essentielles de l’entreprise : shikumika. Ce concept, que l’on peut traduire approximativement par « systématisation », consiste à concevoir un flux de travail permettant d’obtenir systématiquement un résultat précis, peu importe la personne chargée de la tâche. Ce concept a guidé le travail de Sidney Golstein, responsable IA.
Lorsque Sidney s’est tourné vers les agents personnalisés, son premier réflexe n’a pas été d’automatiser ses propres tâches. Il a cherché à voir plus loin : comment mettre au point un outil accessible à l’ensemble de l’entreprise sans que l’équipe IA ne devienne un goulot d’étranglement ?
Les équipes non techniques peuvent penser que les agents personnalisés ne leur sont pas destinés, mais c’est tout le contraire : ils sont conçus précisément pour elles.
Les fondements de l’IA à l’échelle de l’entreprise
En explorant le champ des possibles des agents personnalisés, Sidney s’est mis à réfléchir en termes d’évolutivité. Les agents personnalisés sont simples à mettre au point, mais en l’absence de normes communes, les instructions des employé·es ne sont pas standardisées et les mêmes solutions sont sans cesse réinventées. « J’ai commencé par créer un agent. J’ai vu comment il fonctionnait. Ensuite, j’ai essayé de faire communiquer les agents entre eux », explique Sidney. « C’est de là qu’est venue l’idée de créer une plateforme interne d’agents dans Notion. »
Il a alors mis au point des procédures opératoires standard (SOP) partagées, auxquelles chaque nouvel agent se réfère. Résultat : tous les nouveaux agents démarrent avec les mêmes standards. Plutôt que d’indiquer aux nouveaux agents ce qu’ils doivent savoir (comment enregistrer une exécution, extraire des données, optimiser des instructions, etc.), Sidney a centralisé ces connaissances communes dans Notion.
Une fois les bases posées, Sidney a créé le Rakuten Agent Builder : un agent personnalisé conçu spécialement pour créer d’autres agents personnalisés. Lorsqu’un·e employé·e souhaite automatiser un flux de travail, il ou elle lance une conversation avec l’Agent Builder et explique ses besoins en termes simples. L’agent pose quelques questions pour clarifier les choses, rédige les instructions complètes, intègre automatiquement les SOP et génère un guide de configuration étape par étape.
Pour éviter de rédiger des instructions à partir de zéro, la procédure de création d’agents est unifiée à l’échelle de l’entreprise : tout passe par une simple discussion. « En moins de 20 minutes, un nouvel agent voit le jour », poursuit Sidney. « C’est cette simplicité de processus qui fait toute la différence. »
Pour déployer ce processus, Sidney a animé des ateliers permettant aux différentes équipes de créer leurs premiers agents. Et pour un accompagnement tout en douceur, le Friendly Onboarder est là : cet agent personnalisé explique aux nouveaux·elles utilisateur·rices les différentes étapes qui précèdent la création.
Il a suffi qu’une personne pose les bases. Désormais, l’ensemble des employé·es de Rakuten France suivent ce fonctionnement.
Chez Rakuten France, chaque employé·e peut créer des agents personnalisés et voir sa productivité exploser.
L’infrastructure derrière les agents
Dans la mesure où Rakuten France utilise déjà Notion, ses agents personnalisés ne travaillent pas en vase clos. Leur fonctionnement repose sur un ensemble de composants interconnectés qui leur permettent de rester alignés, identifiables et de s’améliorer au fil du temps. Ainsi, l’équipe de Sidney dispose d’une visibilité et d’un contrôle complets sur la manière dont l’IA est utilisée au sein de l’entreprise.
Sécurité et transparence sont les maîtres mots de ce processus. Les nouveaux agents personnalisés sont automatiquement ajoutés à une base de données centrale intitulée Bibliothèque d’agents pour permettre aux employé·es d’accéder directement aux flux de travail existants plutôt que de multiplier les efforts.
Après chaque exécution, les agents écrivent une entrée structurée dans une base de données partagée intitulée Journaux d’agents. Ces journaux consignent le déclencheur de l’exécution, les actions de l’agent et les échecs potentiels.
Un autre agent personnalisé, le Delicious Improver, examine les journaux pour identifier les tendances, mettre en évidence les corrections et proposer des mises à jour de SOP. Les suggestions sont envoyées à la personne qui a créé l’agent pour examen. Aucune modification n’est apportée sans son approbation : les humains ont toujours le dernier mot.
« Il s’agit d’un système dans lequel un agent personnalisé crée des agents; les agents créés s’exécutent et génèrent des journaux, et un autre agent personnalisé examine ces journaux et améliore l’agent qui vient de s’exécuter », explique Sidney. « Ainsi, le système fonctionne en boucle fermée et apprend de lui-même. »
C’est tout le concept de shikumika en action. Sidney a posé le cadre. Aujourd’hui, ce processus fonctionne en toute autonomie.
Des mises à jour d’état qui s’écrivent automatiquement
L’équipe produit était idéale pour tester ce processus. Bien que Rakuten France gérait son backlog de développement dans Notion, le suivi de l’état des différents tickets (qu’il s’agisse de repérer les éléments bloqués en révision ou les livraisons en retard) se faisait de manière manuelle et réactive.
Pour automatiser ce processus, Sidney a créé trois agents personnalisés : Plan Snitch, Run Snitch et Release Snitch. Tous les soirs, ces agents étudient les tickets actifs en se basant sur un ensemble de bonnes pratiques défini et consignent leurs résultats dans une base de données Notion dédiée. Un ticket est en cours de vérification depuis plus de trois jours ? Une livraison est signalée en retard ? L’agent le signale.
Tous les matins, l’agent Sprint Lebowski consulte ces résultats et publie un rapport détaillé dans le canal Slack des différentes équipes, avant même que les responsables techniques, les chef·fes de produit et les responsables de déploiement n’aient eu le temps de se connecter. Les problèmes rencontrés dans le backlog ont considérablement diminué, enregistrant une baisse de 50 % pour certaines équipes. D’autres équipes, comme les équipes chargées du service client, ont demandé à bénéficier de Sprint Lebowski après avoir constaté de tels résultats.
Les employé·es les plus sceptiques se sont laissé convaincre par le rapport quotidien Slack, livré directement dans leur espace de travail, dans un format interactif. « Je n’ai même pas eu à vanter les mérites des agents personnalisés », reconnaît Sidney. « Les autres équipes ont vite demandé à recevoir également un rapport quotidien. »
Les agents personnalisés permettent des gains de productivité considérables : une réduction de la coordination manuelle, une plus grande fiabilité d’exécution et un meilleur partage des connaissances entre les équipes.
Offrir à tout le monde les moyens de créer
Aujourd’hui, plus de 80 agents personnalisés participent quotidiennement au bon fonctionnement de Rakuten France. La plupart de ces agents n’ont pas été créés par l’équipe de Sidney, leur adoption s’est généralisée de manière spontanée. Lorsque les équipes ont vu leurs collègues automatiser les tâches répétitives, elles ont tout de suite voulu faire de même.
Pour Clément, cet effet miroir est au cœur du processus. « À l’aune de ces nouvelles capacités, les équipes se posent de nouvelles questions : cette tâche peut-elle être automatisée ? Comment cela fonctionne-t-il ? Quelle place cette tâche occupe-t-elle au sein de l’ensemble du système ? » Cet effet miroir va de paire avec une approche systémique. Plutôt que de résoudre un problème et de passer directement à autre chose, les équipes créent des flux de travail qui peuvent être réutilisés et partagés.
Le rôle de l’équipe IA a également beaucoup évolué. Ces agents n’agissent plus en tant qu’individus, mais en tant que système. « Avant, mon travail consistait à créer des agents. Désormais, il s’agit de faire en sorte que tout le monde puisse en créer », explique Sidney.
Grâce aux agents personnalisés, nous avons dépassé les limites individuelles de l’IA pour adopter un mode de travail réellement évolutif.
