Des modèles de langage aux agents : adopter une IA qui agit.
Les robots conversationnels répondent; les agents agissent. Passer d'une IA qui rédige à une IA qui fait change ce qu'exigent l'adoption, la gouvernance et la confiance.
Ce qui change vraiment.
Un modèle de langage produit du texte qu'une personne lit, évalue et utilise ensuite. Un agent, lui, reçoit un objectif et les moyens de le poursuivre : il peut appeler des outils, interroger des systèmes, prendre des décisions et enchaîner des étapes, souvent avec bien moins d'intervention humaine entre la demande et le résultat. La technologie sous-jacente est semblable. Ce qui change, c'est la distance entre la sortie de l'IA et le monde réel. Un robot conversationnel suggère; un agent agit. Ce seul pas, de la suggestion à l'action, résume toute l'adoption agentique.
Les modes d'échec changent aussi.
Quand un robot conversationnel se trompe, la personne qui lit la réponse la rattrape généralement avant qu'elle ne cause du tort. Quand un agent se trompe, l'action a souvent déjà eu lieu : le courriel est envoyé, le dossier modifié, la commande passée, l'argent transféré. Les erreurs se cumulent aussi : une petite erreur en début de chaîne peut en engendrer une plus grande à la fin. Et une nouvelle catégorie de risque apparaît : une injection d'invite qui produisait autrefois une mauvaise phrase peut désormais déclencher une action réelle. La question passe de « la réponse est-elle juste » à « que pourrait faire cette chose si elle dérape ».
Commencer étroit, borné et réversible.
L'instinct de confier à un agent une autorité large et ouverte est précisément celui qu'il faut réprimer. Bornez-le étroitement : une tâche précise, un ensemble défini d'outils, des limites claires sur ce qu'il peut toucher. Privilégiez les actions réversibles, ou qui s'arrêtent pour qu'un humain approuve tout ce qui porte à conséquence : dépenses, messages externes, changements irréversibles. Accordez à un agent le minimum d'autorité qui lui permette encore de faire le travail, et n'élargissez cette autorité qu'une fois la confiance gagnée sur la version étroite. L'autonomie se concède progressivement; ce n'est pas un interrupteur qu'on actionne.
Gouverner ce qu'il peut faire, pas seulement ce qu'il dit.
Avec un robot conversationnel, la gouvernance porte surtout sur la sortie : est-elle exacte, appropriée, sans biais. Avec un agent, elle porte sur l'autorité : quels outils il peut appeler, quels systèmes il peut atteindre, combien il peut dépenser, ce qu'il doit d'abord faire approuver. Traitez un agent moins comme une saisie automatique plus intelligente que comme un employé débutant ayant accès aux systèmes. Cela suppose de vraies permissions et le moindre privilège, un journal complet des actions qu'il pose, pas seulement du texte qu'il produit, et un moyen de l'arrêter rapidement. Si vous ne pouvez pas voir ce qu'un agent a fait ni l'arrêter, vous ne le gouvernez pas.
La confiance se gagne toujours de la même façon.
Malgré toute cette nouveauté, l'adoption revient toujours à des gens qui confient du vrai travail au système, et cette confiance se gagne comme toujours : par la transparence et un historique de résultats. Les gens ont besoin de voir ce qu'un agent a fait et pourquoi, de garder la possibilité d'intervenir, et de commencer là où une erreur coûte peu. Laissez-le fonctionner en parallèle de la façon de faire actuelle avant qu'il ne la remplace. Élargissez son mandat à mesure qu'il fait ses preuves, pas avant. Les organisations qui tirent de la valeur des agents ne sont pas celles qui accordent le plus d'autonomie le plus vite; ce sont celles qui gagnent le droit de l'accorder.