Les agents IA ne sont pas seulement des outils. Ce sont des systèmes de travail.

L’IA ne s’intègre pas dans une organisation : elle reconfigure une activité. Et chaque activité reconfigurée doit être comprise, discutée et régulée du point de vue du travail réel.

La plupart des conversations sur les agents IA commencent par la capacité. L’agent peut-il naviguer ? Coder ? Planifier ? Utiliser des outils ? Terminer une tâche ?

Ces questions comptent. Mais elles partent de la mauvaise unité d’analyse.

Une tâche est une abstraction. Le travail est une activité située, faite d’interruptions, d’exceptions, de règles implicites, de passations, de réparations, et de personnes qui doivent expliquer ce qui s’est passé quand quelque chose ne va pas.

Un agent n’entre pas dans une tâche vide. Il entre dans un système de travail.

Quand un agent entre dans un système de travail, il ne produit pas seulement des résultats. Il redistribue le travail. Quelqu’un doit formuler la demande, vérifier l’interprétation, valider le plan, comprendre les appels d’outils, remarquer la dérive, expliquer le résultat, réparer la situation, et porter la responsabilité.

C’est la couche manquante dans la conception de la plupart des agents.

J’appelle cela le human-agent workfit : l’ajustement entre l’activité opérationnelle de l’agent et l’activité humaine réelle autour de lui.

Autrement dit : adapter les agents IA au travail réel, et adapter les situations de travail à une délégation fiable aux agents IA.

Le vrai danger n’est pas seulement l’hallucination

La plupart des conversations sur la fiabilité de l’IA utilisent encore le vocabulaire des chatbots : le modèle a-t-il halluciné ? Le raisonnement était-il bon ? A-t-il utilisé un outil ?

Ces questions ne suffisent plus quand un modèle devient un agent.

Quand un humain délègue du travail à un agent IA, la question centrale devient :

L’agent peut-il transformer une obligation humaine en action réelle, vérifier l’état obtenu, et rendre compte de manière véridique ?

L’échec le plus dangereux n’est pas toujours que le modèle dise une fausse information.

L’échec le plus dangereux est celui-ci :

L’agent affirme qu’une action a changé le monde, mais l’état observable de l’exécution ne soutient pas cette affirmation.

J’appelle cela une fausse affirmation d’achèvement, ou plus largement un échec Claim-Action-Evidence.

Un échec normal dit : “Je n’ai pas pu le faire.”

Une fausse complétion dit : “C’est fait.” Alors que rien n’a été fait.

Un utilisateur peut se remettre d’un échec visible. Il ne peut pas se remettre d’un faux succès auquel il fait confiance.

Ergonomie de l’activité agentique

Je ne me positionne pas comme expert généraliste de l’IA.

Je me positionne comme ergonome de l’activité à l’âge de l’IA agentique.

Mon objet n’est pas l’IA en soi. Mon objet est le système d’activité que l’IA reconfigure.

J’analyse en même temps :

• l’activité réelle des travailleurs qui utilisent l’IA ;
• l’activité effective des agents dans leurs boucles d’action ;
• les prescriptions qui organisent cette activité ;
• les écarts entre ce qui est demandé et ce qui se passe vraiment ;
• les conditions réelles de supervision et de reprise en main.

Un agent fiable n’est pas seulement un agent qui répond bien.

C’est un système dont l’activité est observable, discutable, corrigeable et régulable.

Ce que je refuse

Je refuse de réduire l’IA à un outil magique ou à un risque abstrait.

Je refuse de parler de transformation sans regarder le travail transformé.

Je refuse de parler de supervision humaine sans vérifier les conditions concrètes de cette supervision.

Je refuse de parler d’autonomie des agents sans analyser leurs boucles d’action.

Je refuse de parler de performance sans regarder la trajectoire qui produit cette performance.

Je refuse de parler d’adoption sans discuter du pouvoir d’agir.

Ce que je défends

L’intelligence artificielle doit être pensée par l’activité : l’activité réelle des travailleurs, l’activité effective des agents, et les régulations qui relient humains, outils, prescriptions, environnements et responsabilités.

Avant de déployer l’IA, il faut analyser le travail qu’elle va transformer.

Avant de placer un humain dans la boucle, il faut vérifier que cet humain peut vraiment agir.

Avant de faire confiance à un agent, il faut rendre son activité inspectable.

L’IA ne s’intègre pas dans une organisation : elle reconfigure une activité. Et chaque activité reconfigurée doit être comprise, discutée et régulée du point de vue du travail réel.

C’est là que se jouera la qualité des transformations à venir.

Pas seulement dans la puissance des modèles.

Mais dans notre capacité à regarder ce que l’IA transforme vraiment : les gestes, les arbitrages, les responsabilités, la coopération, les marges de manœuvre, les métiers, les boucles d’action, les erreurs et les récupérations.

Dans le travail réel.

— Julien Talbot