Depuis 24 ans, Amanda Silver de Microsoft travaille pour aider les développeurs – et ces dernières années, cela s’est traduit par la création d’outils pour l’IA. Après une longue période chez GitHub Copilot, Silver est désormais vice-présidente de la division CoreAI de Microsoft, où elle travaille sur des outils de déploiement d’applications et de systèmes agentiques au sein des entreprises.
Son travail se concentre sur le système Foundry au sein d’Azure, qui est conçu comme un portail d’IA unifié pour les entreprises, lui donnant une vue rapprochée de la manière dont les entreprises utilisent réellement ces systèmes et des domaines dans lesquels les déploiements finissent par échouer.
J’ai parlé avec Silver des capacités actuelles des agents d’entreprise et des raisons pour lesquelles elle pense qu’il s’agit de la plus grande opportunité pour les startups depuis le cloud public.
Cette interview a été éditée pour des raisons de longueur et de clarté.
Ainsi, votre travail se concentre sur les produits Microsoft destinés aux développeurs externes – souvent des startups qui ne se concentrent pas autrement sur l’IA. Comment voyez-vous l’impact de l’IA sur ces entreprises ?
Je considère qu’il s’agit d’un moment décisif pour les startups, aussi profond que le passage au cloud public. Si vous y réfléchissez bien, le cloud a eu un impact énorme pour les startups, car cela signifiait qu’elles n’avaient plus besoin d’espace immobilier pour héberger leurs racks, et qu’elles n’avaient pas besoin de dépenser autant d’argent en injection de capitaux pour héberger le matériel dans leurs laboratoires et ce genre de choses. Tout est devenu moins cher. Désormais, l’IA agentique va encore une fois continuer à réduire le coût global des opérations logicielles, car la plupart des tâches liées au lancement d’une nouvelle entreprise – qu’il s’agisse de l’assistance aux personnes ou des enquêtes juridiques – peuvent être réalisées en grande partie plus rapidement et à moindre coût avec des agents IA. Je pense que cela va conduire à davantage d’entreprises et au lancement de davantage de startups. Et puis nous verrons des startups plus valorisées avec moins de personnes à la barre. Et je pense que c’est un monde passionnant.
A quoi cela ressemble-t-il en pratique ?
Événement Techcrunch
Boston, Massachusetts
|
23 juin 2026
Nous constatons que les agents multi-étapes sont de plus en plus utilisés dans tous les types de tâches de codage, n’est-ce pas ? À titre d’exemple, une chose que les développeurs doivent faire pour maintenir une base de code est de rester à jour avec les dernières versions des bibliothèques dont elle dépend. Vous pouvez avoir une dépendance à une ancienne version du runtime dot-net ou au SDK Java. Et nous pouvons faire en sorte que ces systèmes agents raisonnent sur l’ensemble de votre base de code et la mettent à jour beaucoup plus facilement, avec peut-être une réduction de 70 ou 80 % du temps nécessaire. Et pour ce faire, il faut vraiment que ce soit un agent déployé en plusieurs étapes.
Les opérations sur site en direct en sont une autre : si vous pensez gérer un site Web ou un service et que quelque chose ne va pas, il y a un bruit sourd dans la nuit et quelqu’un doit être de garde pour être réveillé et aller répondre à l’incident. Nous avons toujours du personnel disponible 24h/24 et 7j/7, juste au cas où le service tomberait en panne. Mais avant, c’était un travail vraiment détesté parce qu’on se réveillait assez souvent à cause de ces incidents mineurs. Et nous avons maintenant construit un système génétique pour diagnostiquer avec succès et, dans de nombreux cas, atténuer complètement les problèmes qui surviennent lors de ces opérations sur site réel, afin que les humains n’aient pas besoin d’être réveillés au milieu de la nuit et de se rendre groggy à leurs terminaux et d’essayer de diagnostiquer ce qui se passe. Et cela nous aide également à réduire considérablement le temps moyen nécessaire à la résolution d’un incident.
L’une des autres énigmes du moment présent est que les déploiements d’agents ne se sont pas produits aussi rapidement que nous l’espérions il y a à peine six mois. Je suis curieux de savoir pourquoi vous pensez que c’est le cas.
Si vous pensez aux personnes qui sont des agents de construction, ce qui les empêche de réussir, dans de nombreux cas, cela revient au fait de ne pas vraiment savoir quel devrait être le but de l’agent. Il y a un changement de culture qui doit se produire dans la façon dont les gens construisent ces systèmes. Quel est le cas d’utilisation métier qu’ils tentent de résoudre ? Que cherchent-ils à réaliser ? Vous devez être très clair sur la définition du succès pour cet agent. Et vous devez réfléchir : quelles sont les données que je donne à l’agent pour qu’il puisse réfléchir sur la manière d’accomplir cette tâche particulière ?
Nous considérons ces éléments comme les plus grandes pierres d’achoppement, plus que l’incertitude générale liée au déploiement des agents. Quiconque examine ces systèmes voit le retour sur investissement.
Vous évoquez l’incertitude générale, qui, à mon avis, semble être un obstacle majeur vu de l’extérieur. Pourquoi pensez-vous que cela pose moins de problèmes dans la pratique ?
Tout d’abord, je pense qu’il sera très courant que les systèmes agents aient des scénarios impliquant un humain dans la boucle. Pensez à quelque chose comme un retour de colis. Auparavant, vous disposiez d’un flux de travail pour le traitement des retours qui était automatisé à 90 % et à 10 % d’intervention humaine, dans lequel quelqu’un devait aller examiner le colis et porter un jugement sur l’état du colis avant de décider d’accepter le retour.
C’est un exemple parfait où les modèles de vision par ordinateur deviennent si performants que dans de nombreux cas, nous n’avons pas besoin d’autant de surveillance humaine pour inspecter l’emballage et prendre cette décision. Il y aura encore des cas limites, où la vision par ordinateur n’est peut-être pas encore assez bonne pour passer un appel, et il y aura peut-être une escalade. C’est un peu comme, à quelle fréquence devez-vous appeler le manager ?
Il y a certaines choses qui nécessiteront toujours une sorte de surveillance humaine, car ce sont des opérations très critiques. Pensez à contracter une obligation légale contractuelle ou à déployer du code dans une base de code de production qui pourrait potentiellement affecter la fiabilité de vos systèmes. Mais même dans ce cas, la question se pose de savoir jusqu’où nous pourrions aller dans l’automatisation du reste du processus.
