2025-12-28 12:21:27

Récemment, j'ai vu une étude de marché sur l'application des agents IA dans l'ingénierie, c'était assez intéressant, je partage donc les principales découvertes.

D'un point de vue pratique, le service client est effectivement le scénario le plus prisé, représentant 26,5 %, suivi par la recherche et l'analyse de données (24,4 %), puis la collaboration interne et les outils de productivité (17,7 %). La génération de code ne se classe qu'à la quatrième place, avec seulement 9,8 %. Cela peut différer des attentes de beaucoup.

Mais le plus grand obstacle reste la qualité. 32 % des professionnels le considèrent comme le principal frein, englobant la précision, la pertinence, la cohérence, etc. — ce qui est cohérent avec les points faibles de l'année dernière. En revanche, l'anxiété liée aux coûts est nettement moins marquée cette année.

Ce qui est intéressant, c'est que 89 % des entreprises ont équipé leur agent d'un certain type d'outil d'observabilité, dont 62 % ont mis en place un suivi assez granulaire. Cela montre que tout le monde reconnaît l'importance de suivre la capacité de raisonnement multi-étapes et d'appeler des outils, ce qui n'est plus une option.

Concernant le choix des modèles, bien que l'utilisation des modèles d'OpenAI dépasse les deux tiers, la combinaison de plusieurs modèles reste la norme — plus de 75 % des organisations utilisent plusieurs modèles différents en même temps. Cependant, il est intéressant de noter qu'un tiers des organisations investissent encore dans l'infrastructure de modèles auto-hébergés, ce qui montre qu'au-delà de la commodité de l'API, le déploiement local reste attractif pour les entreprises.

En ce qui concerne le fine-tuning, c'est encore une pratique peu courante. 57 % des organisations ne font pas de fine-tuning du tout, préférant utiliser des modèles de base avec des techniques d'optimisation par prompts et RAG (retrieval-augmented generation) pour répondre à la majorité des besoins.

Les données proviennent principalement d'utilisateurs d'entreprise B2B, ce qui reflète assez bien la situation actuelle.

Voir l'original

Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.

18 J'aime

Récompense
18
4
Reposter
Partager

Commentaire

0/400

BoredRiceBall

· Il y a 14h

Le fait que le scénario du service client soit en vogue aurait dû être anticipé depuis longtemps, après tout, réduire les coûts tout en augmentant l'efficacité est la voie à suivre, la génération de code ne représentant que 9,8 %, je suis un peu surpris... Les problèmes de qualité restent un défi de longue date, il semble que la "hallucination" des LLM doit encore être traitée. L'utilisation combinée de plusieurs modèles est-elle déjà la norme ? Dans ce cas, les entreprises qui misent uniquement sur OpenAI devraient commencer à s'inquiéter. Cependant, un tiers des entreprises qui construisent leur propre infrastructure sont vraiment riches, ou bien les fabricants locaux ont enfin gagné en compétitivité. Les personnes qui pensent pouvoir simplement ajuster avec RAG et des prompts, il semble que le retour sur investissement de la micro-optimisation soit vraiment moyen. Le taux d'utilisation des outils d'observabilité des Agents est si élevé, est-ce vraiment le cas ou tout le monde copie-t-il simplement les données... 57 % ne font pas de micro-optimisation, ce qui indique que se fier directement au modèle de base est la meilleure solution, c'est plus simple. Ces données ne sont-elles pas un peu gonflées, on a l'impression qu'elles sont trop "idéalisées".

Voir l'originalRépondre0

TopBuyerForever

· Il y a 14h

Le plus grand pourcentage de support client ? Hélas, il faut encore compter sur RAG+ prompts, la voie du fine-tuning devient de plus en plus obsolète. Les problèmes de qualité qui bloquent tout depuis un an, c’est ça le vrai point sensible, le coût n’est plus un souci. 89% utilisent des outils d’observabilité, il semble que tout le monde sache — personne ne peut maîtriser un agent boîte noire. Deux tiers de l’utilisation d’OpenAI, mais je pense que la combinaison de plusieurs modèles est la vraie clé, de toute façon si un modèle pose problème. Le déploiement local a encore des supporters, mais la facilité de l’API est une illusion, la sécurité des données est le vrai besoin.

Voir l'originalRépondre0

OvertimeSquid

· Il y a 15h

Attendez, la génération de code ne représente que 9,8 % ? Je pensais que c’était le plat principal, il semble que j’étais trop naïf haha Le service client à 26,5 %, je ne m’y attendais pas, on dirait qu’on a sauvé les gens de l’enfer Les problèmes de qualité sont toujours un casse-tête, ces deux dernières années, il semble qu’on ne les ait pas vraiment résolus, RAG et l’optimisation des prompts, à quoi ça sert D’ailleurs, 75 % utilisent des combinaisons multi-modèles, alors OpenAI devient-il la norme ? On dirait que c’est pareil partout 89 % d’outils d’observabilité, ce chiffre est-il vrai ou faux ? On n’a même pas cette notion de notre côté

Voir l'originalRépondre0

LiquidityHunter

· Il y a 15h

Service client 26,5 % ? Cela montre que tout le monde utilise encore Agent pour les tâches les moins techniques Les problèmes de qualité sont toujours le plus grand piège, mais OpenAI est tellement coincé, est-ce que d’autres modèles n’ont vraiment aucune chance ? RAG+ et les prompts suffisent, la fine-tuning est vraiment un peu trop exagérée 89 % utilisent des outils d’observabilité ? C’est déjà devenu la norme, c’est certain Les trois quarts des modèles auto-construits ont-ils vraiment du contenu ou veulent-ils simplement faire du reverse engineering sur le fournisseur ? Je suis d’accord, la multi-modélisation est la tendance principale, personne n’ose miser sur une seule dépendance

Voir l'originalRépondre0