Par Josef Novak, directeur de l’innovation et cofondateur chez Spitch

J’ai passé la semaine dernière à explorer trois perspectives distinctes sur l’avenir de l’IA : « March of Nines » d’Andrej Karpathy, le 2026 CIO Playbook for Governance et une étude de cas fascinante sur les « architectes autonomes » utilisant des essaims multi-agents pour repenser les bases de données héritées.

À première vue, le partitionnement de bases de données et les SVI de centres de contact semblent appartenir à des mondes différents. Mais en réalité, je pense que ces tendances convergent au carrefour d’un défi unique et urgent : comment faire passer l’IA de « démonstrations impressionnantes » à des solutions de niveau entreprise, fiables et dignes de confiance ?

Le piège des 90 % (la « March of Nines»)

Karpathy note dans son article qu’atteindre 90 % de précision avec un modèle est généralement la partie facile. D’accord, pas toujours, mais dans l’expérience client en entreprise, 90 % représente un échec. Si un client sur dix est mal compris par vos agents IA, la confiance de première ligne s’effondre. Mais chaque neuf supplémentaire – 99 %, 99,9 %, 99,99 % – devient considérablement plus difficile à atteindre.

Pour combler l’écart vers ces derniers « neuf », où nous atteignons enfin un service acceptable puis exceptionnel, nous devons cesser de traiter les LLM comme des boîtes magiques autonomes. Nous devons les traiter comme des composants au sein d’une architecture plus large et gouvernée.

Le « problème d’ancrage » dans la conversation

L’expérience de l’« architecte autonome » a mis en évidence un obstacle critique : le problème d’ancrage. Un agent IA peut proposer un schéma de base de données mathématiquement parfait qui est fonctionnellement inutile parce qu’il ne comprend pas les nuances politiques ou opérationnelles « désordonnées » de l’entreprise.

Dans le centre de contact, le grounding est encore plus essentiel. Un modèle S2S peut entendre un client dire : « J’en ai fini avec ça » et conclure mathématiquement que l’intention est « Terminer l’appel ». Mais un agent humain – ou un système bien conçu – sait qu’en contexte, cela peut signifier « Transférer à la rétention ».

Sans cadre pour ancrer ces interprétations « neuronales » dans une logique métier « symbolique », vous ne construisez pas d’automatisation, vous créez simplement de la dette technique.

Notre approche : l’hybride neuro-symbolique

Chez Spitch.ai, nous concevons et dessinons l’IA collaborative comme une force d’assistance, et non comme un remplacement. Nous abordons l’ancrage en fusionnant trois éléments :

1. Le neuronal (LLM) : nous utilisons des modèles Speech-to-Speech de pointe ainsi que des LLM multimodaux pour gérer les nuances, l’empathie et la complexité du langage humain.
2. Le symbolique (garde-fous) : nous lions cette « créativité » à des machines à états déterministes et à une logique « legacy » comme les protocoles DTMF et de transfert.
3. L’autorité humaine : tous les services existent pour soutenir les humains – à la fois les clients qui appellent pour résoudre des problèmes et les agents humains responsables en dernier ressort de leur résolution.

Nous ne considérons pas le DTMF, la logique de transfert rigide ou les flux d’appels dirigés étape par étape comme des technologies obsolètes. Nous les considérons comme des ancrages symboliques. Ce sont les garde-fous au niveau de la plateforme qui empêchent un modèle S2S de se perdre dans les détails lors d’une interaction en direct – et la structure qui permet aux LLM de briller là où ils sont les plus performants.

Débat multi-agents au moment de la conception

L’un des changements récents les plus puissants que nous mettons en œuvre est le passage du simple prompt-complétion au raisonnement distribué.

• En formation : nous utilisons des « essaims multi-agents » pendant la phase de conception. Un agent joue le rôle d’un client frustré, un autre celui d’un critique de conformité et un troisième celui d’un optimiseur. Ils « débattent » du flux du parcours client avant qu’un seul client ne l’entende.
• En production : nous optimisons la configuration pour réduire la latence et l’utilisation de jetons, laissant un modèle de parcours client plus léger qui fonctionne dans les rails « symboliques »que les agents IA ont contribué à valider. Les agents IA spécifiques à une tâche assument toujours des rôles dédiés comme la collecte de commandes ou la gestion des escalades, mais des tâches comme produire un message d’accueil initial cohérent ou récupérer des informations CRM peuvent être gérées comme des étapes orchestrées statiquement qui minimisent la consommation de jetons.

L’essor du curateur d’expérience

Ce changement modifie le rôle du concepteur de parcours client. Vous n’avez plus besoin d’être un linguiste professionnel ou un programmeur ; vous devez plutôt comprendre votre centre de contact ainsi que l’entreprise et les clients qu’il sert. Comme les « architectes autonomes » des données, nos utilisateurs passent de « maçons » de scripts SVI à curateurs de parcours d’expérience client. La valeur ici est que les parties prenantes de l’expérience client qui connaissent le mieux l’opération sont plus habilitées que jamais à guider les architectures de parcours client qui apportent la plus grande valeur.

L’avantage concurrentiel en 2026 n’appartiendra pas à l’entreprise dotée du modèle le plus « intelligent ». Il appartiendra à l’entreprise capable de déployer l’autonomie la plus gouvernée, ancrée et orchestrée. Ces approches permettront aux entreprises à réaliser leurs visions d’expérience client plus efficacement que jamais et de garantir que les clients trouvent toujours ce qu’ils recherchent.

Chez Spitch.ai, nous ne construisons pas seulement des agents qui parlent. Nous construisons les cadres qui leur permettent d’écouter. Contactez-nous pour en savoir plus sur notre plateforme et nos solutions d’IA agentique collaborative.