RPA et agents d'IA dans l'architecture d'entreprise: non au lieu de, mais ensemble

Un responsable des technologies opérationnelles de la compagnie d'assurance RGS (Rosgosstrakk) nommé Sergey a publié sur Habr un matériel sur la question de savoir si l'automatisation robotisée des processus (RPA) et les agents IA basés sur de grands modèles de langage (LLM) sont en concurrence ou se complètent mutuellement dans l'architecture des systèmes d'entreprise. La conclusion principale de l'auteur : dans le paysage d'entreprise, ce ne sont pas des technologies concurrentes mais complémentaires, formant deux couches d'un système.

Comment RPA diffère des agents IA

RPA (Robotic Process Automation — Automatisation Robotisée des Processus) — une technologie qui est devenue ces dernières années un outil de masse pour automatiser les processus métier routiniers : les "robots" logiciels agissent selon des scénarios strictement définis, répétant les mêmes étapes sur des données structurées — par exemple, transférer des données entre systèmes, remplir des formulaires basés sur des modèles, générer des rapports selon un algorithme fixe. Les agents IA basés sur LLM sont organisés de manière fondamentalement différente : ils raisonnent sur des données non structurées — textes, images, requêtes arbitraires d'utilisateurs — et sont capables de prendre des décisions dans des situations pour lesquelles aucun scénario rigide n'a été prescrit à l'avance.

Pourquoi choisir une seule technologie est un choix sans choix

L'auteur formule la thèse clé du matériel comme suit : si une organisation est forcée de choisir une seule de deux approches, elle perd inévitablement en efficacité — car RPA et les agents IA résolvent des classes de tâches différentes, et remplacer l'un par l'autre signifie soit surpayer pour LLM là où un simple script basé sur un modèle suffirait, soit se heurter aux limitations rigides de RPA où l'interprétation d'informations non structurées est requise.

Thèses clés de l'article :

• L'auteur est Sergey, responsable des technologies opérationnelles chez RGS (Rosgosstrakk).
• Plateforme de publication — Habr, section IA.
• RPA — efficace pour le traitement répété de tâches bien structurées et répétitives.
• Agents IA sur LLM — efficaces pour travailler avec des données non structurées et des tâches nécessitant du raisonnement.
• Conclusion — en architecture d'entreprise, ce sont deux couches mutuellement complémentaires, non des alternatives en concurrence.

Comment RPA et les agents travaillent ensemble en pratique

Selon l'auteur, l'architecture la plus productive pour une grande organisation n'est pas de remplacer une technologie par une autre, mais de construire un système où chaque couche résout les tâches pour lesquelles elle est la mieux adaptée. Les robots RPA continuent à exécuter des opérations de masse, prévisibles et facilement vérifiables — où la vitesse, le rapport coût-efficacité et la répétabilité à cent pour cent du résultat importent. Les agents IA sont engagés là où le processus nécessite une interprétation du contexte : analyser les demandes des clients écrites en texte libre, prendre des décisions dans des situations atypiques, synthétiser les informations provenant de sources disparates avant de transmettre un résultat structuré en aval — y compris au même robot RPA pour exécution finale.

Pour l'industrie de l'assurance où travaille l'auteur, une telle architecture hybride est particulièrement pertinente : le traitement des demandes de paiement, l'évaluation des sinistres et le traitement des demandes des clients combinent à la fois des étapes strictement réglementées, formellement documentées idéales pour RPA, et des éléments nécessitant une compréhension du langage naturel et du contexte d'une situation spécifique — le domaine des agents IA. Le matériel sur Habr examine apparemment un cas concret d'application d'une telle architecture combinée chez RGS, démontrant pourquoi ces deux technologies, souvent opposées l'une à l'autre dans les discussions publiques, s'avèrent en pratique être des parties d'une chaîne de production, non des alternatives mutuellement exclusives.

RPA en tant que catégorie de logiciel d'entreprise a commencé à se propager massivement au milieu des années 2010, lorsque les entreprises du monde entier ont été confrontées à la nécessité d'automatiser rapidement les processus hérités (legacy) sans avoir la capacité ou le budget pour une restructuration complète des systèmes d'information internes. Les robots imitaient simplement les actions humaines dans les interfaces existantes — en cliquant, en copiant, en collant des données — ce qui rendait l'implémentation rapide mais inflexible face à tout changement dans les systèmes eux-mêmes. L'émergence des agents IA basés sur LLM une décennie plus tard n'abolit pas cette infrastructure d'automatisation accumulée, mais donne aux entreprises comme RGS la capacité de superposer sur elle une couche plus flexible capable de gérer les exceptions et les cas non standards que le scénario RPA classique ne pouvait tout simplement pas gérer et transmettait à un opérateur humain.