Étude de cas | Claude Platform
Athena Intelligence accomplit en quelques heures des semaines de travail intellectuel en entreprise avec Claude
Une nouvelle étude menée auprès de plus de 500 responsables techniques révèle comment les entreprises déploient des agents IA — et pourquoi 80 % d'entre elles constatent déjà un retour sur investissement mesurable.
En savoir plusAthena Intelligence est une startup qui associe un espace de travail fondé sur l’IA à un agent autonome pour prendre en charge les tâches répétitives et chronophages inhérentes au travail intellectuel. Elle offre ses services à des entreprises du Fortune 500, des cabinets d'avocats, des organisations de services financiers, des systèmes de santé et des agences gouvernementales. Claude alimente la grande majorité du travail autonome sur la plate-forme.
Avec Claude, Athena Intelligence :
- Met en production des flux de travail d'entreprise en 4 à 8 semaines, contre 6 à 12 mois pour la norme du secteur
- Exécute plus de 10 000 flux de travail autonomes par semaine sur l'ensemble de sa base de clients
- Crée ou modifie plus de 100 000 ressources (e-mails, pptx, xlsx, docx, etc.) chaque mois pour ses clients
- Ramène de plusieurs jours à quelques heures les flux de travail d'analyse comportant plusieurs étapes
- A entièrement automatisé 400 mémos juridiques par mois dans un cabinet d'avocats de premier plan, transformant 2 à 3 jours de travail manuel en un processus exécuté pendant la nuit
- Intègre les nouveaux départements en quelques heures après le déploiement initial, en utilisant la configuration en langage naturel au lieu de l'entraînement d'un modèle personnalisé
Le défi : la surcharge des professions intellectuelles face à des données d'entreprise difficiles à exploiter
Les clients d'Athena dans les secteurs réglementés rencontrent les mêmes difficultés. Les analystes consacrent l'essentiel de leur temps à des tâches répétitives et de faible valeur au lieu de réaliser des analyses stratégiques. Les données d'entreprise sont hébergées dans des dizaines de systèmes, et les synthétiser exige un travail manuel considérable. De surcroît, ces données sont rarement propres. Les systèmes mal documentés, les formats hérités et les sources contradictoires sont la norme.
Les déploiements traditionnels d'IA en entreprise prennent six à douze mois avant la mise en ligne, et les secteurs réglementés exigent précision, transparence et auditabilité à chaque étape. « Nous avions besoin d'un modèle capable de raisonner face à l'ambiguïté, de suivre des instructions complexes, de maintenir la qualité sur des flux de travail longs et d'expliquer son raisonnement dans le respect de cadres de conformité stricts », déclare Brendon Geils, fondateur et PDG d'Athena Intelligence. « Claude était la solution idéale. »
Le choix de Claude pour le raisonnement et la sécurité
Athena a choisi Claude comme moteur de sa couche d'intelligence centrale, en raison de capacités qui se sont révélées décisives en production.
« Claude exécute de manière fiable des instructions complexes, détaillées et de plusieurs pages là où d'autres modèles perdent le fil ou génèrent des informations fausses », déclare Brendon Geils. « C'est la différence entre une IA bonne en démonstration et une IA qui fonctionne en production. » Selon l'équipe d'Athena, Claude maintient également une qualité constante à travers différents flux de travail comprenant des dizaines de points de décision et des centaines de pages de contexte, tandis que les performances des modèles concurrents se dégradaient à mesure que la complexité augmentait.
Pour les environnements d'entreprise où les données ne sont jamais parfaites, le jugement de Claude s'est avéré tout aussi important. Geils note que Claude fait preuve d'un discernement de niveau professionnel face à des sources contradictoires ou des informations incomplètes, notamment pour déterminer quand demander des précisions, et qu'il explique son raisonnement à chaque étape, ce qui est essentiel pour l'audit, la conformité et le travail juridique. « L'engagement d'Anthropic pour une IA responsable répond aux exigences de nos clients réglementés et gagne la confiance des équipes de conformité », explique Brendon Geils.
La solution : Du copilote à l'agent autonome
Claude alimente la couche d'intelligence centrale de chaque flux de travail majeur d'Athena, et l'évolution de la plateforme suit directement les améliorations de Claude d'une génération à l'autre. À l'ère de Claude 3, Athena fonctionnait principalement comme copilote, utile pour les tâches individuelles comme l'interrogation de données et la rédaction de résumés, mais les flux de travail en plusieurs étapes n'aboutissaient pas encore. Avec Claude Sonnet 3.5, la conformité aux instructions s'est suffisamment améliorée pour qu'Athena puisse exécuter de manière fiable des flux de travail en plusieurs étapes décrits en langage naturel, éliminant la nécessité d'un entraînement de modèle personnalisé. Avec Sonnet 4.5 et Opus 4.5, la plateforme a commencé à planifier, à exécuter, à adapter et à fournir des flux de travail professionnels de bout en bout. Sonnet 4.5 gère l'essentiel des flux de travail autonomes, tandis qu'Opus 4.6 s'attaque aux problèmes plus difficiles comme la modélisation financière multi-entités, la recherche juridique approfondie sur de volumineux ensembles de documents et les flux de travail de conformité nécessitant une grande précision.
Athena s'est appuyée sur l'API de Claude sans aucun code d'intégration spécifique à un modèle. Le passage à une nouvelle version du modèle ne nécessite qu'une modification de configuration : validation à l'aide de la suite de tests, mise à jour de la référence du modèle, puis déploiement. Lors du lancement de Sonnet 4.6, il était en ligne sur Athena en 30 minutes, sans ré-entraînement, sans modification des prompts ni temps d'arrêt. « C'est possible seulement parce que la capacité native de Claude à suivre les instructions est suffisamment performante pour que nous n'ayons jamais eu besoin de couches affinées et fragiles par-dessus », déclare Brendon Geils.
Les résultats : Des flux de travail agentiques à grande échelle
Pour les clients d'Athena, le travail qui prenait auparavant des jours est désormais achevé en quelques heures. Les flux de travail sont configurés à l'aide de prompts système en langage naturel, ce qui permet aux utilisateurs professionnels de les configurer et de les ajuster sans développeurs. Dans une entreprise du Fortune 500, les équipes juridiques, RH et financières avaient investi plusieurs millions dans des plateformes concurrentes qui ne parvenaient pas à exploiter les informations contenues dans leurs systèmes hérités fragmentés. Athena a déployé une solution de flux de travail personnalisée, des tableaux de bord KPI multiservices et un agent de productivité pour le PDG en quatre semaines, une plateforme concurrente dont la mise en œuvre avait nécessité plus de 12 mois. L'agent consulte simultanément les e-mails, le calendrier, le CRM et les systèmes de reporting financier pour produire une note de synthèse quotidienne pour la direction, le tout configuré à l'aide de prompts en langage naturel plutôt que de code personnalisé.
Dans un cabinet d'avocats du classement AmLaw 100, Claude génère et distribue désormais l'intégralité des 400 mémos mensuels de rémunération de bout en bout. Le processus précédent, qui impliquait des macros Excel, des fichiers PDF individuels et des dépôts manuels dans des dossiers SharePoint sécurisés avec un contrôle de vérification par deux personnes, prenait deux à trois jours tous les mois. Il s'exécute désormais pendant la nuit, sans aucune intervention manuelle.
Une entreprise internationale du secteur de l'agroalimentaire s'est adressée à Athena : ses unités commerciales étaient en cours de renommage et ses bases de données étaient en cours de fusion et ses systèmes existants étaient remplis d'enregistrements contradictoires. Une plateforme IA précédente avait échoué dans cet environnement, car elle avait besoin de données propres et cohérentes pour fonctionner. « L'année dernière, nous aurions dit : ‟Vous devez d'abord nettoyer vos données‟ », déclare Geils. « Désormais, les agents gèrent mieux que les humains les données hétérogènes et mal structurées. »
Un cabinet de services professionnels de premier plan au niveau mondial est passé en production dans plusieurs domaines d'expertise en huit semaines. « Athena n'est plus un outil », déclare un responsable technologique de l'entreprise. Sur l'ensemble de la plateforme, les clients d'Athena exécutent désormais collectivement plus de 10 000 flux de travail autonomes chaque semaine.
L'objectif d'Athena est de prouver que l'IA peut être « puissante, fiable et véritablement utile dans les organisations les plus complexes au monde », déclare Geils. « Chaque amélioration apportée à Claude accélère directement la réalisation de notre feuille de route produit et améliore les résultats pour nos clients. »
« Nous avions besoin d'un modèle capable de raisonner malgré l'ambiguïté, de suivre des instructions complexes et d'expliquer son raisonnement dans des cadres de conformité stricts. Claude était la solution idéale. »