Qui est responsable d’un agent IA dans votre entreprise : Six responsabilités et leurs titulaires

L’IA agente désigne un logiciel qui choisit lui-même la séquence d’actions à entreprendre et utilise des outils, au lieu de suivre un script prédéfini. Lorsque ce type de logiciel est utilisé au sein d’une entreprise, une question se pose : qui en est responsable ?

Les régulateurs ne se sont pas encore prononcés à ce sujet. Dans une lettre conjointe portant la référence SR 26-2, datée du 17 avril 2026, la Réserve fédérale et le Bureau du contrôleur monétaire ont remplacé la directive SR 11-7, qui guidait les banques depuis 2011 en matière de gestion des risques liés aux modèles. La même lettre a également abrogé les bulletins émis par le OCC sur ce thème depuis 1997. Une note de bas de page y indique que l’IA générative et l’IA agente échappent à ces directives. De plus, le rôle du « propriétaire du modèle », décrit en détail dans le texte ancien, n’apparaît nulle part dans le nouveau texte.

Cinq mois plus tôt, Singapour a choisi une direction différente. Les directives proposées par l’Autorité monétaire de Singapour concernant la gestion des risques liés à l’IA, dont la consultation s’est terminée en janvier 2026 et pour lesquelles aucune version finale n’était disponible au moment de la rédaction de ce texte, incluent expressément les agents d’IA dans leur champ d’application. Elles mettent en garde contre le risque qu’un agent disposant d’accès au système ne mette en œuvre des actions contraires aux objectifs de l’entreprise ou aux intérêts des clients, et préconisent une validation indépendante, c’est-à-dire un examen effectué par des personnes qui n’ont pas conçu le système, avant que tout système classé comme à haut risque ne soit mis en service. Ce texte n’est pas encore une loi et ne s’appliquerait qu’aux institutions agréées au sein d’une seule juridiction.

Aucun des documents ne précise qui, au sein d’une entreprise, est responsable d’un agent une fois qu’il est en fonctionnement, et cette lacune ne peut pas attendre que des régulateurs la comblent. Un logiciel qui prend des décisions a besoin d’une frontière d’action, c’est-à-dire une ligne de séparation entre ce qu’il peut faire de lui-même et ce qui nécessite une intervention humaine. Imposer cette frontière relève de la technique. Déterminer qui en est responsable relève de l’organisation, et aucun texte ne traite de ce sujet. Ce qui suit couvre tout ce qu’un agent pourrait faire ou mal faire, en indiquant pour chacun le responsable. Il aborde la question de celui qui donne son accord, la manière de pourvoir les postes à partir des équipes existantes, les tâches liées à la gestion de l’agent après son lancement, ainsi que ce que les concepteurs doivent apprendre. Les sources sont des textes réglementaires, des études publiées depuis 2024, et des entreprises ayant associé leur nom à des affirmations spécifiques.

Six responsabilités, six responsables

Un agent en phase de production crée six responsabilités, et chacune nécessite un responsable désigné. Pensez à un organigramme des responsabilités : la personne responsable est tenue pour les résultats, la personne chargée de l’exécution effectue le travail, tandis que la personne consultée apporte son avis sans pouvoir de décision final.

• Activité métier et domaine. Le propriétaire de l’activité métier et les experts du domaine. Le propriétaire est responsable du cas d’usage, et un expert agit également en tant que responsable des normes, c’est-à-dire la personne qui connaît suffisamment bien le domaine pour trancher sur ce qui est correct.
• Produit et architecture. L’architecte, le chef de produit et le concepteur des interactions.

Science des données et évaluation. Ce groupe conçoit le juge (un correcteur automatique qui évalue les résultats par rapport aux normes), analyse les erreurs et surveille le phénomène de dérive, c’est-à-dire le changement progressif des entrées ou des normes qui rend les anciens tests obsolètes.

Opérations. Maintient le système en fonction une fois qu’il a été lancé.

Le validateur. Examine le système de manière indépendante et n’a pas participé à sa création.

Le gestionnaire du fournisseur. Est responsable du contrat, un poste qui n’existe que si l’entreprise achète plutôt que de développer elle-même le système.

L’audit interne n’est pas inclus dans cette liste, car le SR 26-2 indique qu’il ne duplique généralement pas les activités liées aux risques de modèles. Plusieurs entreprises citées ci-dessous (Kaiser Permanente, Thomson Reuters, Morgan Stanley) utilisent des outils de rédaction et de recherche plutôt que des agents entièrement autonomes, ce qui en fait les analogues publics les plus proches disponibles.

Propriétaire de l’entreprise : validation des actions autorisées à l’agent

Cette validation concerne le champ d’action, les seuils financiers ainsi que les clients que l’agent ne doit pas solliciter, en fonction du niveau de risque, comme le prévoit la proposition de Singapour. Elle couvre également le financement du système et son retrait ultérieur. Les banques disposent d’un précédent partiel pour attribuer ce rôle au sein de l’entreprise. Selon le manuel des examinateurs de l’OCC de 2021, le responsable des modèles appartenait généralement à l’unité commerciale en vertu du SR 11-7, bien que cela ne soit pas universel, et la révision de 2026 a supprimé ce rôle sans en proposer de remplaçant.

Le raisonnement pratique l’emporte sur le précédent. Chaque décision prise dans le cadre de cette approbation, qu’il s’agisse d’un seuil, d’un segment de clients exclus ou d’une date de retrait, consiste à échanger des revenus ou des services contre des risques. Seul celui qui est responsable des résultats peut effectuer cet échange et en assumer les conséquences. Celui qui occupe cette fonction a besoin à la fois du budget et du pouvoir de décision, et seul le propriétaire de l’entreprise dispose des deux : le risque peut arrêter ce qu’il ne peut pas financer, tandis que l’ingénierie peut construire ce qu’il ne peut pas arrêter. Confier cette fonction au responsable de la construction permettrait à ce dernier d’approuver son propre périmètre de travail, tandis que la confier au service des risques laisserait personne responsable des aspects bénéfiques. La formulation de Singapour va dans le même sens, puisqu’elle définit le préjudice en fonction des objectifs de l’entreprise et des intérêts des clients, et seuls les dirigeants de l’entreprise peuvent déterminer ce qu’ils sont. Les directives de Hong Kong attribuent cette responsabilité au conseil d’administration.

Architecte : celui qui définit la conception

La conception intervient là où l’agent s’arrête et où un être humain prend le relais. Elle comprend le processus suivi par l’agent, les points de transfert vers une personne, ainsi que les permissions qui empêchent l’avancement du processus. Ces deux derniers éléments ensemble constituent les limites d’action concrétisées. Deux entreprises ont placé ces points de transfert au même endroit : les médecins de Kaiser Permanente modifient un brouillon généré par Ambient-Scribe avant qu’il ne soit intégré au dossier médical, et, selon leur propre annonce, l’outil Debrief de Morgan Stanley permet à un conseiller de modifier un résumé de réunion avant que quoi que ce soit ne soit enregistré dans la base de données des clients. Les ingénieurs ou un fournisseur peuvent créer le modèle de permissions ainsi que l’interface. Néanmoins, c’est l’architecte qui conserve le contrôle, car le positionnement de ces limites relève d’une décision de conception qui doit rester inchangée, quel que soit celui qui écrit le code.

Responsable de la norme : celui qui établit les critères

Une rubrique est la liste de contrôle indiquant ce qu’une réponse correcte doit contenir. Chez Thomson Reuters, des avocats seniors de niveau partenaire ont consacré des mois à l’élaboration de rubriques pour une application de recherche. En résumant les résultats, ils ont affirmé qu’une bonne réponse comporte quinze composants essentiels tandis qu’une réponse plausible en compte neuf. Seul un avocat peut distinguer quinze de neuf, ce qui signifie que l’élaboration de la rubrique exige des heures de travail d’un expert du domaine, et elle nécessite un responsable unique, car les critères évoluent lorsque plusieurs personnes évaluent. Une étude sur la validation des outils de validation de modèles de langage large a montré que les critères changent une fois l’évaluation commencée, et une recherche menée par Shreya Shankar et Aditya Parameswaran sur l’utilisation d’outils de consultation de données est parvenue à la même conclusion, soulignant que la charge de validation repose sur l’utilisateur.

Établir la norme et s’y mesurer sont deux tâches distinctes. La mesure, c’est-à-dire le cycle quotidien d’évaluations et d’analyse des erreurs, relève des ingénieurs et des data scientists. Ceux-ci conçoivent l’outil d’évaluation, mettent en place le système de traitement (le code qui exécute les cas de test via l’agent et évalue les résultats) et analysent les échecs qui surviennent. Ensuite, le validateur examine le niveau de couverture et la calibration de l’outil d’évaluation, sans avoir à relancer les tests de l’équipe de développement.

Opérations : maintenir le fonctionnement

Après le lancement, les activités consistent en une surveillance continue, en un tri des alertes, en des opérations de fermeture et de récupération, en la réexécution du jeu de tests de régression (les cas de test relancés après chaque modification) ainsi qu’en un suivi de l’utilisation et des coûts. Une personne du service métier participe à la rotation de surveillance, car certaines alertes impliquent des décisions commerciales. La planification, la classification par gravité et l’escalade relèvent du responsable des opérations, qui est un ingénieur.

Valideur : vérification avant le lancement

La vérification effectuée par le validateur se compose de trois étapes. Il cherche des injections de commandes (instructions malveillantes insérées dans le contenu lu par l’agent) ainsi que des appels à des outils non autorisés. Il examine également les données personnelles qui figurent dans le journal des activités de l’agent, c’est-à-dire le suivi détaillé de ses actions. Enfin, il surveille les personnes qui approuvent les actions de l’agent.

Gestionnaire du fournisseur : gestion du contrat

Le siège n’apparaît que lorsque l’entreprise achète. Un fournisseur construit alors une partie du système, exécute une partie des opérations et produit des preuves que le validateur doit examiner, tout en maintenant la responsabilité là où elle était. Pendant ce temps, tous les autres propriétaires dépendent de quelque chose que seul le contrat peut fournir. Le validateur a besoin de droits d’audit. Les opérations nécessitent une notification préalable des modifications de modèle, car c’est ce qui déclenche l’exécution des tests de régression. Le propriétaire du standard a besoin d’un moyen d’exporter les traces et les données, sinon l’évaluation de l’entreprise n’a rien à évaluer. Le propriétaire de l’entreprise a besoin de conditions de sortie, sinon l’arrêt du système devient une négociation plutôt qu’une décision. Le gestionnaire du fournisseur assure ces quatre éléments sans effectuer aucune des quatre tâches. Le service des achats est consulté concernant la portée et l’acceptation, mais il n’est responsable de rien des deux.

Parmi ces six tâches — définir le cas d’usage, décider ce qui est considéré comme correct et vérifier les résultats de manière indépendante — trois ne peuvent être assurées par l’équipe d’implémentation du fournisseur seule. Assigner un responsable à chacune d’elles constitue le lien que les textes réglementaires omettent de mentionner.

Pourvoir les postes avec les membres déjà présents

Ces rôles sont occupés par des personnes existantes, et l’ordre est important car chaque poste dépend du précédent.

Commencez par le responsable métier ; en l’absence de ce dernier, le projet doit attendre. Cette personne contrôle le budget, les processus ainsi que l’autorité de mettre le système hors service, et commence par attribuer un niveau de risque et approuver les actions que l’agent peut effectuer. Les talents en ingénierie ne peuvent pas remplacer ce rôle, car personne d’autre ne peut assumer ses compromis.

Ensuite, l’architecte. Idéalement, il s’agit de quelqu’un qui connaît bien le processus métier et le système, au point de pouvoir déterminer où s’arrête l’agent et où commence un être humain. Lorsqu’une telle personne existe, c’est à elle que revient ce rôle. Lorsqu’il n’y a personne de convenable, une tierce partie peut initier le travail, mais l’entreprise doit néanmoins désigner un destinataire interne, car ce poste ne peut rester vacant même si le travail est effectué ailleurs.

En troisième position vient le responsable standard, et le facteur décisif est de savoir si l’expert du domaine dispose réellement de temps à consacrer. Si du temps est disponible, l’expert rédige la grille d’évaluation, comme l’ont fait les avocats de Thomson Reuters. Sinon, des spécialistes du produit et du design en rédigent une première version à l’intention de l’expert qui doit ensuite la valider, ce qui fait que les normes s’éloignent de leur objectif, car ce ne sont pas ceux qui connaissent les critères d’une bonne réponse qui les consignent par écrit. Dans sa lettre aux actionnaires, Jamie Dimon énonce la règle générale : un travail qui n’est qu’une infime partie des tâches de nombreuses personnes ne sera jamais achevé, et la mission nécessite une équipe dédiée à temps plein.

La calibration du juge et le suivi des écarts, qui relèvent de la fonction de mesure de ce système, doivent être confiés à un groupe de données ou d’analyse si l’entreprise en dispose. Sinon, un membre désigné de l’équipe de développement doit allouer du temps dédié à cette tâche. Les exemples présentés montrent comment cela modifie le rôle de l’équipe de science des données une fois que le modèle de l’agent est fourni par un fournisseur. La modélisation et le ajustement finaux incombent au fournisseur, de sorte que la science des données ne peut plus être considérée comme relevant exclusivement de l’équipe d’IA. Ce qui reste, c’est la calibration et le suivi des écarts en tant que fonctions permanentes, ainsi qu’une nouvelle responsabilité pour les modèles de crédit, de fraude, de tarification et de prévision que l’équipe continue de développer : définir la population cible de chaque modèle avant qu’un agent ne puisse l’utiliser comme outil. Les assureurs et les hôpitaux sont probablement confrontés à la même question concernant leurs propres modèles, mais aucune des sources examinées ici ne s’y attarde.

Quatrièmement, il y a le validateur, et le facteur décisif est le moment où l’aspect conformité entre en jeu. La conformité peut fournir des définitions de risque dès le début, ce que l’équipe de conformité de Chime ferait apparemment, ou elle peut ne pas être examinée qu’au stade de la mise en production ; dans ce cas, un cas d’usage à haut risque nécessite néanmoins une validation indépendante avant déploiement, comme l’exige le projet de règlement de Singapour. Pour une banque, la fonction de gestion des risques liés aux modèles déjà en place semble être la solution la plus simple, car la SR 26-2 ne couvre pas les intermédiaires et laisse chaque institution décider par elle-même. Cependant, aucune source datant de 2024 ou ultérieure ne rapporte qu’une banque ait pris cette mesure.

Cinquièmement, il y a les opérations, et le facteur décisif est la personne chargée de surveiller le système une fois qu’il est en service. La section suivante aborde ce sujet.

Deux éléments sont communs à tous les cas d’usage. Premièrement, le gateway, c’est-à-dire le chemin que chaque agent emprunte pour accéder à un modèle, où l’identité est vérifiée et les appels enregistrés ; il est géré par le responsable des opérations. Wealthsimple a indiqué que près de 80 pour cent de son trafic lié aux LLM passait par son gateway, ce qui laisse ouverte la question de savoir si le reste est également régulé. Deuxièmement, les outils de mesure, à savoir le dispositif d’évaluation et l’organe de jugement, qui sont gérés conjointement par les équipes de science des données ou d’analyse, car deux équipes s’évaluant elles-mêmes à l’aide d’instruments différents produisent des chiffres incomparables. Les éléments restants, à savoir le cas d’usage, sa grille d’évaluation, son responsable des normes ainsi que sa place dans le cycle de rotation, restent sous la responsabilité de l’unité commerciale qui le met en œuvre.

En général, ces postes consistent en l’élargissement de tâches existantes sans création de nouvelles. Le propriétaire de l’entreprise qui gère déjà le compte de résultat s’occupe de l’approbation des périmètres. Un expert du domaine ajoute des critères aux connaissances qu’il possède déjà. Un ingénieur s’occupe du juge et des harnais. La science des données, qui surveille déjà ses propres modèles pour détecter leur dégradation, étend cette surveillance à l’agent. La conformité intègre les définitions de risque dans la revue qu’elle effectue déjà. Aucune embauche nouvelle n’est prévue. Seul le poste du validateur ne peut pas être élargi, car cette tâche s’arrête là où commence la construction.

Gestion quotidienne de l’agent

Après le lancement, six tâches sont assurées tout au long de la durée de vie du système. Le responsable des opérations en prend quatre, le responsable des normes en prend une, et le validateur en prend une également ; chacune nécessite une personne désignée ainsi qu’un délai de réponse.

Alerte de tri est envoyée aux services opérationnels, avec un responsable commercial chargé de la rotation. Les alertes ne sont pas uniformes : une erreur de permission, une panne et une demande rejetée à tort nécessitent chacune un jugement différent, le dernier étant une décision commerciale. Le projet de Singapour ainsi que le règlement AI de l’UE exigent un processus d’escalade de ce type.

Mise hors service est approuvée par le propriétaire de l’entreprise et mise en œuvre par les services opérationnels, en quatre étapes : une arrêt immédiat, une récupération technique, une correction opérationnelle et l’autorisation de redémarrer. La loi européenne sur l’IA stipule que le responsable d’un système à haut risque doit pouvoir l’arrêter à l’aide d’un bouton d’arrêt ou d’une procédure équivalente qui le mette en état sûr. La personne qui crée le bouton n’est pas celle qui décide de l’appuyer. Fermer la fenêtre de chat ne annule pas un paiement ou une notification déjà en file d’attente, et la correction opérationnelle ne dispose pas d’équivalent à un retrait de code. Par conséquent, la décision d’arrêter relève de la gestion commerciale, tandis que sa mise en œuvre est une tâche opérationnelle.

Les tests de régression après un changement de modèle sont le fruit d’une collaboration entre les équipes de science des données, d’ingénierie et du département commercial, la mise en production étant approuvée par le validateur. L’exemple documenté est celui d’Assistant de Morgan Stanley : il s’appuie sur des modèles d’OpenAI, mais la banque a développé son propre cadre d’évaluation. Les conseillers et les ingénieurs en prompts évaluent ensemble chaque jour un ensemble de tests de régression, sans que le fournisseur ne fournisse ni les critères d’évaluation ni les normes qui les sous-tendent. La source en est OpenAI, qui tire profit de la présentation d’un client, et il s’agit d’une application de récupération d’informations. Le processus débute par une notification de changement émise par le fournisseur, que le responsable du fournisseur doit obtenir.

Utilisation et coût relèvent des opérations, et l’unité appropriée est la tâche terminée. Les tentatives répétées, l’évaluation et le travail de révision font tous partie d’une tâche, et une seule appel à un modèle n’est qu’une partie de celle-ci ; donc indiquer des prix par appel ne donne qu’une partie du tableau des coûts.

Renvoyer les échecs de production à l’évaluation reste une responsabilité permanente du responsable de la norme. Dans une présentation rééditée par Arize, une entreprise qui compte Uber parmi ses clients, le concepteur de conversations d’Uber a déclaré que l’évaluateur et son ensemble de données étaient mis à jour chaque semaine, sous prétexte que des données obsolètes fournissent de moins bons résultats que rien du tout. Il s’agit là d’un concepteur qui effectue un travail qui, selon les rôles définis, revient aux ingénieurs et aux data scientists. Selon certaines informations, les signaux de conformité de Chime parviennent à l’évaluateur en quelques heures, grâce à une analyse hors ligne effectuée a posteriori.

Surveiller les personnes chargées de l’approbation fait partie des tâches continues du validateur. Anthropic indique que près de 93 pour cent des demandes d’autorisation pour son agent de codage sont acceptées, un taux suffisamment élevé pour suggérer une simple formalité plutôt qu’un véritable contrôle. Comme il s’agit d’un agent de codage et non d’un agent de processus métier, cela illustre le risque sans pour autant le quantifier ici. Le profil relatif à l’IA générative du NIST, qui est volontaire, recommande d’enregistrer chaque fois qu’une personne modifie le résultat fourni par le système, ce qui correspond au même contrôle observé du côté opposé.

Ces responsabilités ne prennent jamais fin, et aucun compte public ne mentionne le nombre d’heures consacrées par chacun d’eux. La rotation des tâches, les tests de régression ainsi que le suivi des coûts peuvent être externalisés, ce qui fera l’objet d’une discussion ultérieure.

Ce que l’équipe doit apprendre, et à quel niveau se situe la barre

La formation soulève trois questions : ce que tout le monde dans l’équipe doit être capable de faire, où un spécialiste reste nécessaire, et quel niveau de qualité est suffisant.

Quatre compétences s’appliquent à tous, quel que soit le poste :

• examiner les traces et les résultats d’évaluation de première main, sans se fier à un résumé donné par autrui
• raisonner en fonction des distributions des résultats, et non des exemples individuels
• évaluer le travail en fonction de l’état final qu’il a laissé, et non de ce que l’agent prétend avoir fait
• formuler une tâche de manière suffisamment claire pour la déléguer, puis superviser le résultat

Marco Argenti, directeur des informations chez Goldman Sachs, mentionne cette dernière séquence. Selon lui, les dirigeants doivent maîtriser trois compétences de gestion : décrire une tâche, la déléguer à un agent IA et superviser les résultats.

La moitié des tâches d’évaluation nécessite encore un spécialiste. Le cycle d’évaluations et d’analyse des erreurs, ainsi que le travail quotidien de notation des résultats et de recherche des causes des pannes, se divise en une partie routinière et une partie occasionnelle. La partie routinière consiste à écrire les critères d’évaluation, à mettre en place les outils nécessaires et à examiner les erreurs de chaque jour. Elle exige des compétences en ingénierie et une bonne maîtrise des statistiques, et les employeurs les regroupent de plus en plus sous le même titre : ingénieur en IA. La « Skills Map » de DeepLearning.AI décrit ce rôle à partir des offres d’emploi et des entretiens, bien que son éditeur propose justement les cours mentionnés dans ces offres. La partie occasionnelle consiste à calibrer les critères d’évaluation en fonction des étiquettes fournies par des humains et à évaluer les déviations, tâche plus adaptée à un data scientist et principalement requise lors des périodes de révision. Une entreprise non spécialisée dans la technologie formerait judicieusement des ingénieurs logiciels pour les postes d’ingénieurs en IA, tout en conservant la science des données à des fins de calibration et pour soutenir l’évaluation des validateurs. Aucune étude ne compare ces deux approches, et le Skills Map ne mentionne que ce que demandent les employeurs.

La barre de référence a pour but de détecter le type d’échec que les outils manquent systématiquement, et cette responsabilité incombe au responsable de la norme ainsi qu’au validateur. Dans une étude menée en 2026, Antaripa Saha et Hamel Husain, qui enseignent un cours payant d’évaluation, ont mis en œuvre six systèmes d’analyse automatisés sur 100 traces de production contenant 39 échecs étiquetés à la main. Le meilleur système a détecté 87 % des échecs étiquetés, et les manquements étaient systématiques, une catégorie d’échec échappant à chaque système. Tous ces systèmes ont également signalé des échecs que l’examinateur humain avait négligés, de sorte que ces scores ne constituent pas un classement ; il s’agit plutôt d’un seul ensemble de données avec les étiquettes d’un expert. L’étude montre néanmoins où les humains restent nécessaires : le responsable de la norme, dont le critère définit ce qui compte comme un échec, et le validateur, dont la vérification de couverture cherche précisément ce que les outils manquent.

Cette capacité se développe en montrant aux gens les échecs et est maintenue grâce à des examens planifiés. Husain et Shankar, qui partagent le même intérêt pour des cours payants, répartissent l’évaluation entre les ingénieurs et les chefs de produit. Les ingénieurs détectent les problèmes techniques tels que les erreurs de récupération ou les dysfonctionnements des outils, tandis que les chefs de produit identifient les échecs du produit, par exemple les attentes des utilisateurs qui ne sont pas satisfaites. Un seul décideur s’occupe de l’évaluation quotidienne, ce qui constitue un rôle différent de l’examen indépendant du validateur. Afin d’obtenir l’adhésion, ils conseillent de ne pas présenter uniquement les évaluations mais plutôt de montrer aux collègues ce que révèlent les données. Le projet de Singapour ajoute l’autre aspect : la capacité elle-même doit être réévaluée périodiquement.

Ce que ces preuves peuvent et ne peuvent pas étayer

Chaque texte réglementaire et chaque cas spécifique a sa propre source, mais les limites sont également importantes. La réglementation énonce des exigences, et le SR 26-2 exclut les IA agissantes de son champ d’application. Les études s’appuient sur des utilisateurs effectuant des requêtes de données, sur 39 échecs dans un ensemble de données et sur un petit échantillon qualitatif. Kaiser, Thomson Reuters et l’Assistant de Morgan Stanley sont des outils de recherche ou de rédaction, et non des agents multi-étapes agissant de leur propre chef. Aucune entreprise non technologique n’a publié la liste de ses équipes d’agents, et les entreprises citées sont celles qui ont choisi de le faire ; par conséquent, les projets qui ont échoué discrètement manquent à l’échantillon. La plupart de ces entreprises ne se donneront pas la peine de choisir une plateforme d’agents ; elles choisiront plutôt l’un des principaux fournisseurs de services cloud et passeront à autre chose. Le choix le plus difficile concerne l’aide extérieure, que ce soit sous forme de conseil, de renfort de personnel ou d’un ingénieur déployé à l’avance, ainsi que ce qui reste une fois la collaboration terminée. Tous les six postes restent au sein de l’entreprise, et ce qui peut être acheté, c’est simplement l’exécution des tâches.

La Réserve fédérale a retiré le nom du responsable du modèle de ses directives en avril, et Singapour avait proposé cinq mois plus tôt que quelqu’un extérieur à l’équipe de développement vérifie l’agent disposant d’accès au système. Aucun des documents ne précise qui, au sein de l’entreprise, est responsable de cet agent. Une entreprise a besoin de six responsables désignés, à commencer par le propriétaire de l’entreprise, qui approuve ce que l’agent peut faire, en assume le coût et peut l’arrêter. Les régulateurs ne décrivent plus ce rôle, mais il ne peut pas rester vacant, car cette approbation définit les limites du travail de tous les autres. L’avertissement de Marco Argenti s’applique : déléguer des tâches à un agent sans pouvoir le superviser entraîne des catastrophes, il est donc nécessaire d’instaurer un nouveau sens du contrôle de qualité et de responsabilité.

Lectures complémentaires

• Votre graphique d’agent appartient à YAML : compilation d’un LangGraph à 17 agents au démarrage — Comment un petit moteur de exécution compile une spécification YAML en un LangGraph StateGraph : état généré, plugins importlib, routeurs de labels, appels adaptatifs et échanges de nœuds par session.
• Gemini Spark expliqué : tâches, compétences, plannings, sécurité et tarifs — Ce que fait l’agent Gemini Spark toujours actif de Google dans Gmail, Calendar et Docs, comment fonctionnent ses couches de sécurité, quel est son coût, où il est bloqué et qui devrait l’adopter.