Target SVP: L'avantage IA réside dans le système autour des modèles

Siobhán McFeeney, vice-présidente principale de l'IA chez Target, a indiqué que l'avantage concurrentiel du géant de la vente au détail dans le domaine de l'intelligence artificielle ne découle pas de ses modèles d'IA, mais de l'infrastructure et des processus étendus développés autour de ceux-ci. S'exprimant lors de l'événement VB Transform 2026, McFeeney a soutenu que, bien que les modèles d'IA soient cruciaux, ils ne suffisent pas à eux seuls à établir un avantage durable.

« Il y a beaucoup de choses là-dedans. Pour nous, c'est la douve », a déclaré McFeeney, soulignant que l'accent de Target a été mis sur la construction de systèmes d'agents robustes. L'entreprise applique une stratégie délibérée pour le déploiement d'agents, en commençant par la question fondamentale de savoir si un agent est vraiment nécessaire pour résoudre un problème. Cette approche garantit que les agents sont dirigés vers les tâches qui génèrent le plus de valeur pour les clients de Target.

La méthodologie de Target implique que les agents gagnent leur autonomie au fil du temps plutôt que de se la voir accorder par défaut. Ce principe est intégré dans la conception et la gestion de leurs agents d'IA. Le processus comprend la définition de l'objectif de l'agent, la détermination du type d'agent approprié et la compréhension des solutions existantes potentielles pour éviter la duplication. Des processus rigoureux d'enregistrement et de certification sont en place.

McFeeney a également souligné l'importance des niveaux d'autonomie des agents, notant qu'ils sont acquis par une performance constante et peuvent être révoqués si les attentes ne sont pas satisfaites. De plus, la surveillance continue, l'observabilité et le suivi complet de la lignée depuis la création d'un agent sont essentiels pour comprendre son comportement, déboguer les problèmes et permettre une récupération rapide en cas de difficultés. Le succès d'un agent, a-t-elle expliqué, dépend d'une combinaison de facteurs, notamment l'architecture, la taxonomie, l'autonomie, la sécurité et l'observabilité.