RPA et agents IA dans l'architecture d'entreprise : non pas l'un à la place de l'autre, mais ensemble

Sergueï, responsable du département des technologies opérationnelles de l'assureur RGS (Rosgosstrakh), a publié sur Habr un article qui se demande si l'automatisation robotisée des processus (RPA) et les agents IA fondés sur de grands modèles de langage (LLM) se font concurrence ou se complètent dans l'architecture des systèmes d'entreprise. La conclusion principale de l'auteur : dans le paysage de l'entreprise, ces technologies ne sont pas rivales mais complémentaires, et forment deux couches d'un même système.

En quoi le RPA diffère des agents IA

Le RPA (Robotic Process Automation) est devenu ces dernières années un outil courant d'automatisation des processus métier routiniers : des « robots » logiciels suivent des scénarios strictement définis et répètent les mêmes étapes sur des données structurées, par exemple transférer des données entre systèmes, remplir des formulaires à partir d'un modèle ou générer des rapports selon un algorithme fixe. Les agents IA fondés sur des LLM fonctionnent de façon radicalement différente : ils raisonnent sur des données non structurées, comme des textes, des images et des requêtes libres d'utilisateurs, et peuvent prendre des décisions dans des situations pour lesquelles aucun scénario rigide n'a été écrit à l'avance.

Pourquoi choisir une seule technologie, c'est un choix sans choix

L'auteur formule ainsi la thèse centrale : si une organisation est contrainte de ne retenir que l'une des deux approches, elle perd inévitablement en efficacité. Le RPA et les agents IA règlent des classes de tâches différentes, et remplacer l'un par l'autre revient soit à payer trop cher un LLM là où un simple script à modèle suffirait, soit à se heurter aux limites rigides du RPA là où il faut interpréter des informations non structurées.

Points clés de l'article :

• L'auteur est Sergueï, responsable du département des technologies opérationnelles de RGS (Rosgosstrakh).
• Plateforme de publication : Habr, rubrique AI.
• Le RPA est efficace pour le traitement répété de tâches répétitives et bien structurées.
• Les agents IA fondés sur des LLM sont efficaces pour les données non structurées et les tâches qui exigent du raisonnement.
• Conclusion : dans l'architecture d'entreprise, ce sont deux couches complémentaires, et non des alternatives concurrentes.

Comment le RPA et les agents fonctionnent ensemble en pratique

Selon l'auteur, l'architecture la plus productive pour une grande organisation ne remplace pas une technologie par l'autre : elle construit un système où chaque couche traite les tâches pour lesquelles elle est la mieux adaptée. Les robots RPA continuent d'exécuter les opérations massives, prévisibles et faciles à vérifier, là où comptent la vitesse, le faible coût et une répétabilité du résultat de 100 %. Les agents IA interviennent là où le processus exige d'interpréter le contexte : analyser la demande d'un client rédigée en texte libre, trancher dans une situation atypique, ou synthétiser des informations issues de sources dispersées avant de transmettre un résultat structuré à l'étape suivante de la chaîne, y compris au même robot RPA pour l'exécution finale.

Pour le secteur de l'assurance, où travaille l'auteur, cette architecture hybride est particulièrement pertinente : le traitement des demandes d'indemnisation, l'évaluation des sinistres et la gestion des demandes clients combinent des étapes strictement réglementées et formalisées par des documents, idéales pour le RPA, et des éléments qui exigent de comprendre le langage naturel et le contexte de chaque situation, domaine des agents IA. L'article de Habr examine apparemment aussi un cas concret de cette architecture combinée chez RGS, et montre pourquoi deux technologies souvent opposées dans le débat public se révèlent en pratique être les maillons d'une même chaîne de production, et non des alternatives qui s'excluent.

Le RPA, en tant que catégorie de logiciels d'entreprise, a commencé à se répandre massivement au milieu des années 2010, quand des sociétés du monde entier ont dû automatiser rapidement des processus hérités (legacy), sans avoir la possibilité ni le budget de refondre entièrement leurs systèmes d'information internes. Les robots imitaient simplement les actions humaines dans les interfaces existantes (cliquer, copier, coller des données), ce qui rendait le déploiement rapide, mais peu souple face à tout changement des systèmes eux-mêmes. L'arrivée des agents IA fondés sur des LLM une décennie plus tard n'annule pas cette infrastructure d'automatisation accumulée : elle offre à des entreprises comme RGS la possibilité de bâtir par-dessus une couche plus souple, capable de gérer les exceptions et les cas atypiques qu'un scénario RPA classique ne pouvait tout simplement pas traiter et renvoyait à un opérateur humain.