Note : cet article a d'abord été publié sur le site de l'ICAEW. Vous pouvez consulter l'article original ici.
Veuillez noter que l'agent d'intelligence artificielle développé dans cet article a été créé pour démontrer une application pratique et pour explorer comment l'intelligence artificielle peut être utilisée par les comptables et les auditeurs. Il s'agit d'une preuve de concept très simple qui peut produire des réponses inexactes et l'outil ne doit pas être utilisé pour le travail du client ou pour remplacer l'expertise professionnelle. Pour plus d'informations sur les risques et les limites de l'IA, voir le guide de l'ICAEW sur les risques et les limites de l'IA générative.
L'IA n'en est qu'à ses débuts, mais elle évolue à une vitesse fulgurante. Même la terminologie peut sembler déconcertante. Agents d'IA, systèmes agentiques, copilotes, assistants, digitalallabour : le secteur regorge de termes pour désigner ce qui se résume souvent à la même idée de base : un logiciel qui utilise l'IA pour prendre des décisions et les mettre en œuvre.
Dans le cadre de mes fonctions chez Circit, je m'entretiens avec des centaines de cabinets comptables, et presque tous ceux que je rencontre se sentent en retrait lorsqu'il s'agit de l'IA. Les entreprises technologiques elles-mêmes s'interrogent sur ce que l'IA signifie pour l'avenir ; personne n'a vraiment toutes les réponses. La meilleure façon d'apprendre est de se lancer et d'essayer. C'est ce que j'ai décidé de faire à Noël, en construisant mon premier agent d'IA très simple.
Défis technologiques
J'ai suivi une formation chez Moore Kingston Smith et j'ai rejoint leur équipe d'analyse de données nouvellement créée au cours de ma deuxième année. Cela signifiait moins d'audits et plus de tutoriels Python. Dans une équipe de trois personnes, je me sentais souvent dépassé - il y a une quantité stupéfiante de syntaxe à apprendre, ainsi que des batailles interminables avec le terminal juste pour faire fonctionner votre environnement de développement. Je passais beaucoup plus de temps à parcourir Stack Overflow qu'à coder.
Avec l'arrivée d'assistants de codage pilotés par l'IA tels que GitHub Co-pilot, la donne a complètement changé. Ces petites nuances syntaxiques ne sont plus des obstacles insurmontables. Vous pouvez désormais vous concentrer sur le "quoi" et le "pourquoi" du projet plutôt que de vous battre avec le "comment". Cela permet d'atteindre un niveau de productivité difficilement imaginable auparavant.
Qu'est-ce qu'un agent d'intelligence artificielle ?
En termes simples, un agent d'intelligence artificielle est un logiciel qui utilise un modèle d'intelligence artificielle pour raisonner et agir en conséquence. C'est de là que vient le terme "agent ReAct" : raisonner et agir.
Il est important de noter qu'il existe toute une gamme d'agents :
- Les agents structurés de type "workflow" ont un parcours plus prédéfini, où les grands modèles de langage (LLM) sont associés à des outils ou à des étapes spécifiques, de sorte que l'IA dispose de certaines lignes directrices à suivre.
- Des agents entièrement autonomes décident dynamiquement de ce qu'il faut faire ensuite, en choisissant les bons outils ou processus à la volée, sans trop d'intervention humaine.
Le passage du SaaS aux agents
Pour comprendre en quoi cela diffère d'un modèle traditionnel de logiciel en tant que service (SaaS), imaginez qu'un responsable remette un outil SaaS à un collaborateur débutant. Ce dernier se connecte, navigue dans le logiciel, effectue le travail et renvoie les résultats au responsable. Il s'agit encore d'un travail manuel, même si le logiciel sous-jacent est puissant.
Un agent d'intelligence artificielle, quant à lui, assume une grande partie du rôle du junior. Plutôt que d'exiger de l'utilisateur qu'il clique à chaque étape, l'agent utilise son propre savoir-faire pour récupérer automatiquement les données, les analyser et présenter les résultats pour approbation finale. C'est ce que Satya Nadella, PDG de Microsoft, veut dire lorsqu'il déclare : "Les agents d'IA vont transformer le SaaS tel que nous le connaissons".
En fin de compte, tout se résume à l'expérience de l'utilisateur. En s'occupant des tâches en coulisses, les agents d'IA commencent à se sentir plus comme des membres de l'équipe que comme un simple logiciel.
L'agent de transformation du grand livre de l'IA
En tant qu'auditeur junior, j'ai passé des heures à cartographier les données des clients, qu'il s'agisse d'un plan comptable ou d'en-têtes de colonnes, avant de les télécharger dans un outil. C'est donc sur ce point que je me suis concentrée pour mon premier projet d'agent d'IA : la transformation des données du grand livre.
L'utilisation de l'IA pour la cartographie des données, plutôt que de s'appuyer sur des règles codées en dur, offre plusieurs avantages pratiques, notamment l'adaptation à l'évolution des données, la réduction de la maintenance, l'évolutivité et, surtout, une meilleure expérience pour l'utilisateur.
L'IA fournit des suggestions, permettant à l'utilisateur de confirmer ou de corriger la cartographie - ce que l'on appelle "l'humain dans la boucle". Ce flux de travail interactif rend l'expérience de l'utilisateur plus naturelle et pourrait aider le modèle à s'améliorer au fil du temps :
- Télécharger CSV/Excel L'utilisateur sélectionne un fichier contenant les données brutes du grand livre.
- AI Processing AI Agent analyse l'alignement de chaque colonne sur le schéma cible.
- Feedback de l'utilisateur L'utilisateur approuve ou ajuste ces suggestions.
- Transformation: L'outil applique des conversions de données et produit un fichier prêt à l'emploi.
Comment j'ai créé mon agent IA
- Choisir LangChain comme cadre de référence
Il y a trop d'outils et de frameworks pour les compter, mais j'ai décidé d'utiliser LangChain. Il est connu pour aider les développeurs à créer rapidement des agents d'intelligence artificielle, et il dispose d'un solide écosystème d'intégrations, de tutoriels et de démonstrations qui facilitent grandement la prise en main de l'outil.
- Brainstorming avec ChatGPT
Avant d'écrire le moindre code, j'ai passé quelques séances de brainstorming avec ChatGPT. J'ai demandé des instructions sur la manière de transformer un grand livre général aléatoire en un format standardisé. ChatGPT a décomposé le processus en étapes gérables - ingestion des données, mise en correspondance des schémas, nettoyage des données, transformation des champs, validation, etc.
3. Rassembler les instructions techniques
Une fois que j'ai eu les grandes lignes, j'ai demandé à ChatGPT des conseils techniques plus détaillés : comment configurer mon environnement de développement, quelles dépendances installer et comment structurer mon projet. Cela a agi comme un tutoriel personnalisé, bien plus interactif qu'un article de blog ou une vidéo standard.
- Sélection de la pile technologique et de l'interface utilisateur
Je voulais quelque chose de rapide et de facile pour afficher mes résultats. ChatGPT m'a suggéré Streamlit - un outil populaire pour construire des interfaces utilisateur (IU) simples et interactives en Python. ChatGPT m'a expliqué exactement comment intégrer Streamlit à ma logique d'IA back-end, de l'installation du package à la création d'un widget de téléchargement de fichier de base pour que les utilisateurs puissent glisser leur CSV dans le grand livre.
- Passer à VS Code et GitHub Copilot
Une fois les bases du projet en place, je suis passé du copier-coller des extraits de ChatGPT au codage directement dans VS Code avec GitHub Copilot. Cela a changé la donne.
Pas une seule fois je n'ai eu à écrire une seule ligne de code, ni même à les copier-coller. Chaque fois que j'ai eu besoin d'une mise à jour, par exemple pour modifier l'analyse des champs décimaux, j'ai simplement ajouté un commentaire et Copilot a proposé la correction. Il est toutefois utile de comprendre le code que l'on utilise, ou de vérifier le code avec quelqu'un qui le comprend, pour s'assurer qu'il fonctionne comme prévu
Le résultat
Vous pouvez essayer l'application ici. N'utilisez pas les données de vos clients lorsque vous essayez l'application - vous pouvez demander à ChatGPT de créer un ensemble de données de démonstration.
Les utilisateurs peuvent télécharger leur fichier de grand livre brut, voir les correspondances suggérées par l'IA, les ajuster à l'aide de menus déroulants, puis cliquer sur "Transformer". Ils obtiennent instantanément un aperçu des données finales et peuvent télécharger un fichier CSV.
Accepter la courbe d'apprentissage
Les outils d'IA sont de plus en plus faciles à construire. Le véritable défi consiste à savoir quoi créer. C'est le moment de briller en tirant parti de votre expertise comptable.
Les LLM sont incroyablement intelligents et ne font que s'améliorer. Mais ils doivent avoir accès aux données sur lesquelles ils peuvent travailler. Connecter les systèmes et accéder aux bonnes données reste un grand défi.
Acceptez la courbe d'apprentissage, c'est amusant. Expérimenter l'IA vous permet d'être créatif et de combiner vos connaissances comptables avec les technologies émergentes d'une manière qui vous semble fraîche et gratifiante.
- Pour en savoir plus, consultez les ressources de l'ICAEW sur l'IA générative et l'ingénierie d'aide, et n'hésitez pas à me contacter(dudley@circit.io) si vous avez des questions sur ce projet ou si vous souhaitez accéder au répertoire GitHub.
