L'intelligence artificielle entre dans une nouvelle ère : celle des agents IA autonomes. Contrairement aux chatbots classiques, ces systèmes peuvent agir, décider et exécuter des tâches complexes sans intervention humaine constante.
Chez Guimini, nous accompagnons des entreprises dans le déploiement d'agents IA sur Salesforce au quotidien. Entre la promesse technologique et la réalité opérationnelle, une question revient systématiquement : comment réussir concrètement ce déploiement dans mon organisation ?
Voici notre méthode en 6 étapes, pragmatique et éprouvée sur le terrain.
1. Identifier les cas d’usage pertinents
L'erreur la plus commune est de vouloir "faire de l'IA" pour la forme. Pour que la mise en place d’un agent ait une valeur ajoutée pour votre entreprise, il faut que le cas d’usage corresponde à plusieurs critères :
• Non déterministe : Si votre cas d’usage correspond à des règles métier claires et établies, et que vous souhaitez un résultat constant, ce n’est pas un agent qu’il faut mettre en place mais un automatisme (flow, apex,…). Un agent IA a une valeur ajoutée pour prendre des décisions basées sur du contexte métier (traitement d’une demande/opportunité en se basant sur des enregistrements similaires), ou synthétiser des informations (recherche documentaire, rédaction d’email, résumé d’appel,..)
• Metrics claires : Définissez dès le départ si vous visez une réduction des coûts, un gain de temps pour vos experts, ou une amélioration de la qualité de service. Pour mesurer le succès d’un agent, il faut définir avant même sa création les critères de succès, avec des objectifs précis (gain de 10% de temps de traitement des appels clients,…)
• ROI positif : Estimez à l’avance les coûts de consommation et licence qui seront engendrés par votre agent, et mettez le en perspective avec les metrics définis en amont. Salesforce propose un outil de calcul de ROI pour Agentforce qui peut vous y aider. Pour aller plus loin sur cette question, notre analyse des bénéfices et ROI d'Agentforce et Data Cloud vous donnera des ordres de grandeur concrets.
2. Concevoir l'architecture technique
Une fois le cas d'usage validé, la conception technique conditionne la fiabilité et la sécurité de l'agent dans la durée.
2.1 LLM
La première étape va être de définir les LLMs avec lequels votre agent doit communiquer.
Pour les identifier, commencez par réfléchir au type de données qui sera envoyée au LLM et aux lois associées (RGPD pour les DCP en Europe par exemple). La résidence des données peut limiter votre choix (certains LLMs font transiter la donnée hors Europe).
Salesforce vous permet également d’utiliser votre propre LLM (BYOLLM), ce qui vous donne un meilleur contrôle sur la donnée et les coûts, mais nécessite une infrastructure et maintenance suffisantes.
Avec Data360, vous pouvez également activer la Einstein Trust Layer, qui permet le data masking de champs identifiés comme PII.
2.2 Data foundation (optionnel)
Si votre agent va être amené à faire de la recherche documentaire, il faut préparer et centraliser la donnée afin d’avoir un RAG (Retrieval-Augmented Generation) efficace. Data360 vous permettra de centraliser et hamroniser les données structurées (BDD externes) et non structurées (documents PDF, word,…).
Il faudra également vous assurer que votre agent n’a accès qu’aux informations qui lui sont utiles afin d'éviter les fuites d'informations sensibles.
Par exemple dans le cas d’un agent répondant aux questions des utilisateurs ou clients en se basant sur le contenu de Knowledge, il faut préalablement s’assurer que les articles sont à jour, complets et cohérents.
3. Setup & Build
Les étapes de définition du cas d’usage précis et de choix de l’architecture étant faites, il est temps de commencer à configurer l’agent en sandbox. Les éléments les plus importants à garder en tête lors de cette configuration sont :
• Scope & objectifs : Le périmètre des actions de l’agent doit être clairement défini, et ses objectifs mesurables.
• Latence : les sujets, actions et instructions de l’agent doivent être optimisées pour avoir un temps de réponse le plus rapide possible
• Sécurité : ils est crucial de protéger les informations sensibles pour éviter toute tentative de vol de données ou de reverse engineering de l’agent. Il y a deux dimensions : limiter les données auxquelles l’agent à accès à uniquement son scope, et limiter les données que l’agent peux donner à un tiers. Par exemple, si un client contacte un agent pour annuler une réservation, il doit s’identifier et ne pas avoir accès aux réservations des autres clients.
4. Tester et itérer
L’agent ne sera pas parfait dès le premier déploiement. Les phases de test doivent être structuréeset exhaustives (tests unitaires avec le builder, en masse avec le testing center) avant d’envisager de livrer l’agent sur un environnement de production. Il faut tester son comportement dans les cas à la marge, quand on lui pose des questions sans lien avec ses sujets.
5. Déployer l'agent IA progressivement et accompagner le changement
Il est préférable ensuite de faire une phase de POC en donnant accès à un petit nombre d’utilisateurs à l’agent (ou en laissant l’agent gérer un périmètre restreint). Pendant cette phase, il faut mesurer les résultats de l’agent (qualité des réponses/actions, gain de temps des utilisateurs, satisfaction client). Lorsque ces résultats sont satisfaisants, l’agent peut progressivement être étendu à un périmètre plus large.
Tout au long du déploiement, il faut accompagner les utilisateurs (pour un agent employee) et les former à l’utilisation de ce nouvel outil. La gestion du changement est primordiale.
6. Mesurer, monitorer et optimiser
Un agent IA n’est jamais “terminé”. Il doit être :
• Surveillé (erreurs, dérives, performance)
• Amélioré (données, prompts, outils)
• Adapté aux évolutions métier
Une démarche que nous détaillons dans notre guide sur comment planifier et piloter votre feuille de route IA Salesforce.
Faire du déploiement d'agent IA un vrai levier de performance
Les agents IA ne sont pas une simple évolution technologique : ils redéfinissent la manière dont le travail est exécuté dans l’entreprise.
Les organisations qui réussiront ne seront pas celles qui adoptent l’IA le plus vite, mais celles qui sauront l’intégrer intelligemment dans leurs processus métier.
Chez Guimini, nous accompagnons nos clients de la stratégie à la mise en œuvre technique, en passant par la gestion du changement. Vous avez un projet d'agent IA sur Salesforce ? Parlons-en.
FAQ : Déploiement d'un agent IA Salesforce
Quelle est la différence entre un agent IA et un chatbot Salesforce ?
Un chatbot suit un arbre de décision prédéfini. Un agent IA comme Agentforce peut raisonner, prendre des décisions contextuelles et exécuter des actions dans Salesforce (créer un dossier, mettre à jour une opportunité, envoyer un e-mail) de manière autonome.
Combien de temps prend le déploiement d'un agent IA Salesforce ?
Un premier POC peut être livré en 4 à 8 semaines selon la complexité du cas d'usage et la maturité de la donnée. Un déploiement complet, incluant tests, formation et montée en charge, s'étend généralement sur 3 à 6 mois.
Le déploiement d'un agent IA Salesforce est-il compatible avec le RGPD ?
Oui, à condition de sélectionner un LLM avec résidence des données en Europe et d'activer l'Einstein Trust Layer pour le masquage des données personnelles (PII). Ces choix doivent être anticipés dès la phase d'architecture.
.webp)