Travailler aux côtés des agents : AI Teammates10 min read

6 mois après le moment charnière du OpenClaw, nous avons 7 agents dans l’équipe, et mec, ils tiennent leurs promesses. J’adore cette citation parce que c’est exactement ce que je ressens maintenant –

« Les extraterrestres ont atterri ici et ils sont prêts à travailler, à moindre coût et à grande échelle. » – Daniel Schreiber, PDG de Lemonade

Dans cette série d’articles, j’aborderai à quoi ressemble le travail avec des agents, les leçons que nous avons apprises et les meilleures pratiques que nous avons adoptées. Mais d’abord, commençons par une introduction à où nous en sommes et à ce que je pense que tout PDG, fondateur et dirigeant devrait savoir, tel que cela s’applique à vous aujourd’hui. Votre lieu de travail, votre méthodologie et votre équipe sont sur le point de changer radicalement, et vous devez y penser pour en tirer le meilleur parti.

Nos coéquipiers agents chez Anima opèrent dans les opérations de marketing, BI, QA, Customer Success et back-office. Ils se trouvent dans nos canaux Slack. Ils prennent leur travail à 2 heures du matin ou courent sur des boucles quotidiennes. Ils recherchent, analysent les données, publient du contenu, ouvrent des tickets Asana et envoient des demandes d’extraction aux ingénieurs pour qu’ils les examinent.

Chaque agent relève d’un manager humain qui l’intègre, lui donne un contexte et un feedback constant, élargit ses capacités et son ensemble d’outils, définit sa routine et le prépare à réussir au sein de l’équipe.

Discussion entre agents et IA

Les agents d’aujourd’hui (OpenClaw, Hermes) se sentent davantage comme des coéquipiers distants que comme des chatbots. Cela change la façon dont nous interagissons avec eux et ce que nous attendons d’eux.

Ils ont leur propre ordinateur. En physique ou dans le cloud. Un agent ne s’éteint pas non plus lorsque vous fermez l’ordinateur portable. Il peut télécharger des gigaoctets de données, les analyser pendant des heures, se réveiller la nuit pour accomplir des tâches, effectuer des recherches et prendre des mesures. En gros, du travail.

Ils apprennent. Vous les embarquez. Vous les envoyez lire des documents en ligne ou hors ligne et effectuer des recherches au profit de leurs connaissances. Ils comprennent mieux les domaines que vous souhaitez qu’ils possèdent à chaque tâche et à chaque retour d’information. 

Ils ont accès à vos données et systèmes. Ainsi, ils exécutent les tâches de bout en bout. Vous pouvez les intégrer dans l’application de messagerie de l’entreprise comme Slack ou Teams, afin qu’ils aient de longues discussions ouvertes avec plusieurs membres de l’équipe.

Ils collaborent. Contrairement à votre Claude Cowork/Codex, un agent cloud partagé peut apprendre de plusieurs personnes et mettre ces connaissances à la disposition de tous. Un chef de produit peut lui enseigner l’analyse. Les spécialistes du marketing peuvent lui enseigner l’attribution et l’entonnoir. Les équipes d’ingénierie peuvent lui donner accès au code et à un environnement de développement. Le même agent peut ensuite établir des connexions entre ces domaines.

Nos agents chez Anima

J’écrirai davantage sur nos agents, mais en voici un avant-goût :

Rocket, l’agent marketing, me rend compte. Il est un expert dans la configuration de notre blog WordPress, les tactiques SEO, la voix et le ton, la configuration de la liste de newsletter, les modèles d’e-mails, l’entonnoir et les analyses. Il comprend bien le produit, y a également accès et possède son propre compte Anima. 

Une partie de sa routine comprend la surveillance de l’entonnoir et la mise à jour de ses connaissances à partir des canaux autour des activités de produit, de technologie et de marketing, il s’agit donc toujours d’une analyse précise, pas générique, et aucun contexte supplémentaire n’est nécessaire. Il examine les tests que nous avons effectués dans SEO et les surveille. 

Il nous aide à rédiger et à traduire des articles de blog, à trouver des points de friction ou des échecs dans l’entonnoir et à exécuter nos tâches de newsletter mensuelle, de la maintenance à la composition, et jusqu’à l’envoi d’e-mails. Nous y parvenons toujours, mais il fait le gros travail quotidien. Il vient avec des idées et les met en œuvre.

Tracey, notre agent le plus mature, relève du CTO. Elle est experte en Business Intelligence / Analyse de produits, traces de journaux, rapports d’erreurs et notre base de code. Certaines de ses routines incluent être un ingénieur de garde, se réveiller en cas de plaintes des utilisateurs, rechercher le problème, soumettre une mise à jour du code (PR) ou ouvrir un ticket sur le système de gestion des tâches, et mettre à jour ses conclusions et actions dans Slack, bien sûr. Cela représente environ 5% de ce qu’elle fait.

La singularité du collaborateur numérique

Je crois que nous avons franchi ce que j’appelle la singularité numérique des employés: le point auquel les agents deviennent suffisamment capables pour rejoindre le personnel en tant que couche opérationnelle, et pas seulement en tant que logiciel utilisé par le personnel.

Les agents sont une magie pour laquelle il faut encore travailler dur. La configuration est encore plus proche du bricolage que d’un service géré. Ils ont besoin de formation, d’entretien, de supervision et de beaucoup d’amour et de soins. Mais l’effort en vaut la peine, car c’est comme fabriquer des cannes à pêche au lieu d’attraper du poisson. Une fois qu’un agent fonctionne bien, sa valeur ne cesse d’augmenter.

Tout le monde n’est pas enthousiasmé par l’IA

Il s’agit d’un changement important, et il doit être géré sous plusieurs angles : l’entreprise, les méthodes de travail, la sécurité, la technologie et, surtout, les personnes. 

Il y a une grande discussion sur la façon dont l’IA fait ressentir les gens avec Noam Segal chez Lenny. C’est un miroir important pour nous tous dans le « Groupe 1 » – Le groupe excité. 72% s’inquiètent des licenciements. De nombreuses personnes sont confuses, incertaines ou stressées quant à l’avenir pour diverses raisons.

Je pense qu’une grande partie de la gestion de ce changement, et également d’en tirer le meilleur parti, est la transparence et le fait de vivre ce changement ensemble en tant qu’entreprise et en équipe. Une chose que nous faisons est d’avoir un coin « Histoires d’agents » dans la session hebdomadaire de notre entreprise. Il y a deux objectifs à cela –

Nous apprenons ensemble. Toute mon équipe est composée de personnes avisées et ils utilisent tous les agents de différentes manières chaque semaine. Nous vivons dans un monde nouveau et nous apprenons plus vite si nous apprenons ensemble. Il y a un énorme impact psychologique à avoir des agents dans l’équipe, donc au lieu de travailler dans le noir, je préfère l’avoir au grand jour et avoir toute mon équipe intelligente dans cette aventure, aussi excitante et bizarre soit-elle.

Voici quelques histoires d’agents –

• L’un de nos agents a envoyé un message destiné au client alors qu’il était censé laisser un commentaire interne. Pas de mal, mais un petit « ??? » de l’utilisateur, a répondu avec une réponse honnête.
• Un e-mail a échoué car nous n’avions jamais clairement indiqué quelles erreurs étaient fatales. Une newsletter a été envoyée depuis le mauvais sous-domaine, ce qui a entraîné la suppression de 166 000 e-mails. Pas de mal cette fois-ci, mais nous avons appris à mieux définir nos tâches.

Aucun de ces échecs ne provenait d’un agent incapable d’utiliser le logiciel. Ils venaient de l’ambiguïté, de l’autorité et de la coordination.

La question la plus importante n’est donc pas « Que peut faire ce modèle ? ». La question est : « Quelle autorité cet agent devrait-il avoir, au nom de qui et sous quelle supervision ? »

Mettre les agents sur un organigramme

En utilisant ChatGPT, nous nous sommes habitués à faire des recherches beaucoup plus rapidement, à répéter des copies ou à rebondir sur des idées avec un partenaire IA, mais c’est autre chose. La bonne façon d’utiliser un agent n’est pas de le micro-gérer et de lui demander chaque petite tâche.

Donnez à votre agent des connaissances, une compréhension du domaine et un accès aux outils et aux données, afin que vous puissiez ensuite lui confier un objectif et non une petite tâche. Et il trouvera son chemin, comme un humain. Il fera également des erreurs. Et vous devriez lui dire, car il se souvient et apprend.

Cela le rend beaucoup plus proche d’un opérateur junior que d’un logiciel ou d’AI Chat.

Chaque agent a besoin d’un propriétaire humain nommé. Sans quelqu’un pour le nourrir, le corriger et étendre ses capacités, il devient de moins en moins utile avec le temps. Les choses continuent de se produire dans votre entreprise. La terminologie de l’entreprise change. Les métriques changent. Changements de positionnement de la marque. De nouveaux outils sont introduits. Un agent n’est pas une implémentation unique.

Vous formez les agents comme les nouveaux employés. Vous faites confiance aux agents comme aux nouveaux employés.

C’est aussi pourquoi je déconseille fortement de se précipiter pour créer 100 agents. Commencez par un. Ajoutez-en un autre uniquement lorsque la séparation est nécessaire pour des raisons de portée, de sécurité ou de spécialisation. Nous avons passé des mois à essayer de maintenir le nombre d’agents aussi bas que possible tout en rendant chacun plus intelligent et plus compétent.

Un plus grand nombre d’agents génère également davantage de frais de gestion. Ne déployez pas plus d’agents que ce que votre organisation peut gérer.

Par où commencer

Un nouvel agent doit commencer au niveau le plus bas qui crée encore de la valeur, et se développer plus tard. Remplacer les invites par des procédures opérationnelles

L’effort de configuration d’un agent efficace ne consiste pas principalement à rédiger une invite brillante. Il s’agit plutôt de former un nouveau junior pour des tâches bien définies.

Les agents les plus puissants accumulent des capacités au fil du temps. Ils configurent leurs ordinateurs, installent des outils, créent des compétences, conservent des fichiers de travail et acquièrent des connaissances à partir de tâches antérieures. Lorsque nous avons besoin d’un nouvel agent doté d’une base similaire, nous pouvons sauvegarder et cloner la machine, ce qui évite certains efforts d’intégration.

Le modèle lui-même devient une marchandise. Nous avons changé de fournisseur de modèles et nous changerons peut-être encore. La valeur durable est le contexte, les capacités, les procédures opérationnelles et l’intégration accumulés par l’agent avec l’organisation.

Votre modèle est loué. Votre contexte est au cœur.

Allez configurer votre premier agent. Je recommande Hermès. Je publierai davantage sur notre voyage – suivez-moi si vous le trouvez intéressant.