L’enjeu n’est plus de savoir s’il faut utiliser l’IA, mais de convertir les modèles en capacités métier durables. Un modèle généraliste ne comprend pas automatiquement les données, la sémantique, les règles et l’expérience accumulées. Les comprendre et agir sous des autorisations claires devient essentiel.
Le 22 septembre, la deuxième conférence de Shanghai sur l’écosystème des applications d’IA s’est tenue au Renaissance Shanghai Zhongshan Park Hotel sous le thème « Accueillir l’intelligence, guider les applications ». Gestion, agents, usages et valorisation industrielle étaient au programme : quels fondements, mécanismes et règles faut-il lorsque l’IA passe de la démonstration à la responsabilité opérationnelle ?
Agentrix retenu dans « Innovation native de l’intelligence »
L’organisatrice, la Fédération des services modernes de Shanghai, existe depuis 21 ans et compte 1 729 membres et 21 commissions spécialisées. Son réseau relie finance, commerce, logistique et services urbains à la fabrication et aux activités de l’économie réelle.
En reliant politiques, organisations professionnelles et services aux besoins des entreprises, la conférence privilégie des applications reproductibles et durables, au-delà de l’innovation technologique seule.
Le recueil 2026 des applications exemplaires de l’IA a été présenté avec 90 cas issus de 10 provinces et municipalités chinoises. Il comprend notamment des réalisations de Neusoft et de Beisen.
La sélection d’Agentrix d’AHS dans « Innovation native de l’intelligence » reconnaît les systèmes d’exploitation d’IA d’entreprise comme une voie d’application à vocation d’infrastructure.
Déployer l’IA ne revient pas seulement à ajouter un outil de génération ou de recherche. Elle doit comprendre les relations métier, respecter processus et autorisations, coopérer avec salariés et agents, et permettre de gérer et suivre l’exécution.
Agentrix accompagne le passage de la compréhension de l’information à celle de l’entreprise, puis à la décision et à l’exécution dans des limites de gouvernance explicites.
Table ronde finale : les obstacles au déploiement sont internes
La table ronde a réuni acteurs industriels, consultants et spécialistes de l’IA d’entreprise. Elle était animée par Yang Bin, vice-président d’ABPMP Chine, conseiller senior chez McKinsey et ancien vice-président de SAP Chine.
Quatre vérifications ont été proposées : le scénario est-il réel, les données suffisantes, les processus modifiés et la valeur mesurée ? Le passage de la démonstration à l’exploitation est décisif.
Guo Erdong, vice-président d’AHS, a rappelé que répondre, rédiger et analyser ne suffit pas. Appeler un modèle ne signifie pas lui confier une activité : l’IA doit comprendre les données, les relations entre objets et les règles métier.
Pour un leader des services de propreté coté sur le marché chinois des actions A, Agentrix associe inspections par drones, capteurs IoT et données métier grâce au WBM. Inspections urbaines, analyse, affectation et vérification sont reliées. Dans un projet d’une ville de niveau provincial, la détection est passée de deux heures à 20 minutes, le traitement moyen d’une heure à 15 minutes et le taux d’ordres de travail valides générés par l’IA de 70 % à 98 %.
Selon Guo Erdong, ces résultats montrent qu’une ontologie doit d’abord structurer données et logique métier. L’IA peut alors comprendre l’entreprise, entrer dans les processus et devenir un acteur opérationnel plutôt qu’une simple assistance.
Session sur l’ontologie : vers un système d’exploitation cognitif
La session à huis clos « IA et ontologie » a interrogé les fondements : comment permettre aux agents qui appellent des systèmes et exécutent des tâches de comprendre l’activité et d’agir dans des limites maîtrisables ?
Chen Jun, vice-président d’AHS, a souligné que données, règles, processus et expérience sont les actifs les plus difficiles à copier lorsque modèles et outils deviennent accessibles. Leur exploitation exige un système cognitif centré sur l’ontologie.
« L’ontologie modélise l’activité, pas seulement les données », a-t-il expliqué. Elle organise objets, relations, états, règles, autorisations et actions pour comprendre événements, effets et réponses. Représentant la logique réelle de l’entreprise, elle doit associer équipes métier et techniques.
Agentrix concrétise cette approche : Data OS établit données et sémantique ; Agent OS gère orchestration, autorisations et tâches ; Agent Workforce définit rôles et collaboration des employés numériques. À partir d’un cas bien délimité et d’une ontologie minimale, l’entreprise peut élargir l’action de l’IA grâce aux autorisations graduées, listes d’accès, confirmations humaines et traces des processus.
Chen Jun a formulé trois critères : peut-elle le faire, peut-on lui faire confiance et cela en vaut-il la peine ? Ils correspondent aux capacités métier, aux limites de gouvernance et à la valeur réelle.
L’évaluation évolue donc de la génération de contenus et de conseils vers les décisions fondées sur la sémantique métier, le respect des permissions et les résultats vérifiables.
Shanghai et l’est de la Chine offrent de nombreuses applications dans la finance, le commerce, la logistique et les services urbains, étroitement liés à la fabrication. Ces environnements complexes éprouveront la valeur durable de l’IA d’entreprise.
La conférence relie technologies, besoins, services et ressources industrielles pour un écosystème ancré dans le delta du Yangtsé et ouvert au pays entier. AHS participe à la transformation des services de Shanghai et explore avec les industriels l’intégration de l’IA aux organisations réelles.
Agentrix transforme progressivement données dispersées, sémantique, règles et expérience en infrastructure d’intelligence que l’entreprise possède et exploite, au-delà de l’ajout d’un outil.
Passer du modèle disponible à l’activité maîtrisée est une transition de l’intelligence externe vers une capacité propre. C’est l’orientation durable d’Agentrix et de la participation d’AHS aux écosystèmes de Shanghai et de l’est de la Chine.
