Organiser l'intelligence

La plupart d'entre nous utilisent l'AI dans le cadre d'un simple échange, le plus souvent dans une fenêtre de chat : une personne pose une question, l'AI répond. Face à une question difficile, l'expérience ressemble au joker « appel à un ami » de Qui veut gagner des millions ? On appelle quelqu'un de brillant à la rescousse, mais cela reste un appel : la personne au bout du fil peut vous conseiller ; le travail, lui, reste de votre côté.

Voilà la distinction que je souhaite poser dans ce premier article : l'unité déterminante de l'AI pourrait de plus en plus être l'organisation construite autour de la conversation, davantage que l'intelligence qui répond dans la fenêtre de chat.

Une analyste brillante, avec pour seul outil un téléphone

Imaginez que la meilleure analyste immobilière que vous connaissiez soit partie vivre à l'autre bout du monde. Vous pouvez la joindre à tout moment, mais uniquement par WhatsApp — ou Signal, que vous devriez probablement privilégier. Elle peut vous expliquer comment comparer deux immeubles, vous indiquer quels chiffres contrôler ou rédiger une note pour un comité d'investissement. Elle est compétente, disponible et souvent extrêmement utile.

Pourtant, elle n'a qu'un téléphone. Elle ne peut ni ouvrir la base de données de votre entreprise, ni consulter les derniers rapports, ni lancer un calcul sur l'ensemble du portefeuille, ni mettre à jour votre tableau de bord. Pour obtenir l'un de ces résultats, vous devez trouver vous-même les informations, les lui transmettre, puis exécuter l'action qu'elle recommande. Chaque étape ajoute de la friction : l'analyste apporte peut-être l'intelligence, mais c'est encore vous qui portez le travail.

C'est, en substance, ainsi que fonctionne un chatbot. Il peut raisonner sur ce que vous lui fournissez, mais reste enfermé dans la conversation et ne voit rien de ce qui l'entoure. Nous avons tendance à juger son intelligence à la qualité de sa réponse, alors que répondre ne représente qu'une petite partie du travail utile.

Aucune entreprise ne donnerait à une telle analyste une simple messagerie en espérant tirer pleinement parti de son expertise. Elle lui fournit un poste de travail, l'accès aux informations pertinentes et des outils adaptés à sa mission ; dès que nous faisons de même pour l'AI, la nature de la relation change.

Donner un poste de travail à l'analyste

J'emploie ici le mot agent dans son sens le plus large et le plus utile : une unité autonome qui reçoit un objectif, agit dans un cadre défini, observe ce qui se passe et ajuste son approche. Un agent peut être humain ou AI ; le terme décrit son rôle dans le travail, et non ce dont il est fait.

Lorsqu'il s'agit d'un agent AI, son poste de travail prend la forme d'accès et d'outils. Au lieu de simplement expliquer comment calculer un rendement locatif, il peut ouvrir les données, effectuer le calcul, vérifier si le résultat est cohérent et emprunter une autre voie en cas d'échec. Ces outils n'ont rien d'exotique : une bibliothèque documentaire, une calculatrice, un moteur de recherche, une base de données ou la possibilité de produire un graphique peuvent suffire pour passer d'une discussion sur le travail à l'exécution d'une partie de ce travail, dans un environnement contrôlé.

C'est la première étape du chatbot vers l'organisation agentique. Mais un agent compétent, même doté d'un poste de travail et de bons outils, ne constitue pas encore une entreprise : son attention reste limitée, sa capacité à déléguer aussi, son expertise n'est pas uniforme et certaines missions exigent tout simplement plusieurs regards.

Une personne brillante reste une seule personne

Demandons maintenant à notre analyste de passer en revue un portefeuille immobilier entier. Elle doit retrouver les informations les plus récentes, les comparer à celles de la semaine précédente, repérer les mouvements inhabituels, vérifier chaque chiffre important, décider de ce qui mérite l'attention et préparer le résultat pour plusieurs publics. Aussi excellente soit-elle, cette mission rassemble plusieurs natures de travail : certaines demandent une forte concentration, d'autres peuvent avancer en parallèle, et quelques-unes bénéficieraient de connaissances ou de compétences qu'elle ne possède peut-être pas.

Les humains ne sont pas particulièrement fiables lorsque nous travaillons de cette manière. Nous oublions des contrôles, perdons de l'information et devenons moins performants à mesure que notre attention se disperse. Les entreprises répondent à ce problème par la spécialisation : une personne collecte l'information, une autre l'analyse, une troisième revoit le résultat, tandis qu'un responsable veille à ce que l'ensemble reste orienté vers la décision à prendre.

Marvin Minsky proposait une vision comparable de l'intelligence dans son livre de 1986, The Society of Mind. Ses agents n'étaient pas les assistants AI d'aujourd'hui, mais de petits processus mentaux aux capacités limitées, dont aucun ne contenait à lui seul l'esprit tout entier. Ce qui semblait former une intelligence unique émergeait de la manière dont ces éléments limités coopéraient et adoptaient différentes formes d'organisation selon les problèmes.

Les managers travaillent déjà avec une matière première similaire : aucun collaborateur ne détient toute la vision, chacun dispose d'une attention limitée et de compétences différentes. Ils organisent donc les responsabilités, l'information, les décisions et les contrôles autour d'un objectif commun. Les organisations agentiques commencent à suivre le même principe.

La revue du lundi de Léa devient une mission d'équipe

Prenons Léa, analyste de portefeuille, qui commence chaque lundi par une question simple : qu'est-ce qui a changé dans nos immeubles, qu'est-ce qui mérite notre attention, et pourquoi ? La question paraît modeste, mais y répondre suppose de collecter les données, de les comparer, de les interpréter, de les vérifier et de présenter le résultat.

Dans une structure agentique, Léa ne confie pas toutes ces responsabilités à un seul agent AI. Un agent coordinateur peut répartir la mission. Un premier spécialiste retrouve les rapports et les données du portefeuille. Un deuxième compare les immeubles et signale les changements inhabituels. Un troisième vérifie les calculs et remonte chaque chiffre important jusqu'à sa source. Un dernier prépare le résultat pour Léa.

Ces spécialistes n'ont pas besoin de noms inventés, de visages ou de personnalités artificielles. Chacun est un agent parce qu'il assume une responsabilité et peut agir dans ce périmètre ; selon le processus et les conséquences de la décision, ce rôle peut être tenu par un humain, une AI ou une combinaison des deux. Séparer les responsabilités aide chaque partie du travail à rester concentrée et permet de localiser plus facilement les défaillances.

Vu sous cet angle, résoudre le problème ressemble étrangement à la conception d'une équipe. Les agents ont des capacités limitées et des responsabilités partielles ; nous utilisons donc des principes d'organisation pour les coordonner. Trouver les données, les analyser, contrôler le résultat et préparer une réponse deviennent des responsabilités distinctes, plutôt qu'une longue improvisation. La valeur vient de la manière dont des capacités limitées sont agencées pour produire un travail utile, et non de l'illusion qu'un agent unique saurait tout faire.

La coordination fait partie du travail

Une entreprise ne s'améliore pas automatiquement chaque fois qu'elle recrute. Placez vingt personnes dans une pièce sans responsabilités claires : elles répéteront les mêmes tâches, s'attendront mutuellement et produiront des réponses incompatibles. Ajouter du monde peut même dégrader le résultat, car la coordination a un coût. Une expérience récente d'Anthropic a observé un phénomène similaire entre agents AI : la coordination devient nettement plus difficile dès que leurs tâches dépendent les unes des autres.

Une structure agentique utile exige donc davantage qu'une collection d'agents. Il lui faut un objectif clair, des responsabilités séparées, une information partagée, ainsi que des règles précisant ce qui doit être contrôlé ou transmis à un niveau supérieur. La couche de coordination maintient la cohérence d'ensemble, tandis que chaque spécialiste conserve une marge de liberté sur la manière d'accomplir sa part du travail.

L'itération est essentielle pour la même raison. Si le responsable du contrôle constate qu'un taux de vacance repose sur la mauvaise période, le travail peut revenir à l'analyste, être corrigé, puis vérifié une nouvelle fois. La fiabilité naît de cette capacité à reprendre le travail : une organisation utile se construit en acceptant que les premières tentatives puissent être incomplètes ou erronées.

L'humain peut occuper différentes places

Il est tentant de dessiner une hiérarchie simple, avec un humain au sommet et des agents AI en dessous. C'est parfois la bonne représentation. Léa peut définir l'objectif, fixer les limites et approuver la conclusion finale, tandis que les agents prennent en charge les étapes intermédiaires.

D'autres processus exigent une intervention humaine en cours de route. Un spécialiste de l'évaluation peut valider une hypothèse avant que le système ne poursuive, tandis qu'un expert de la conformité autorise l'utilisation d'informations sensibles. Dans un travail plus exploratoire, un humain et un agent peuvent avancer côte à côte, chacun réagissant aux découvertes de l'autre.

L'objectif est de placer l'attention humaine là où le jugement, la responsabilité et l'expérience créent le plus de valeur. Dans le cas de Léa, l'organisation élargie peut collecter, comparer, contrôler et préparer ; elle reste responsable du sens à donner à l'analyse et de la décision qu'elle doit éclairer.

D'une collection de fonctionnalités à une organisation de capacités

La plupart des produits numériques se présentent comme une collection de fonctionnalités. L'utilisateur apprend où se trouve chaque fonction, exécute les étapes et déplace l'information d'un écran à l'autre ; même lorsqu'on y ajoute de l'AI, elle apparaît souvent comme une fonctionnalité supplémentaire dans la même structure.

Les produits véritablement pensés autour de l'AI ouvrent la voie à une autre organisation. L'utilisateur décrit un objectif, puis le système réunit autour de celui-ci la bonne combinaison d'informations, d'outils, de spécialistes et de contrôles. La question de conception n'est plus « sur quel bouton l'utilisateur doit-il appuyer ? », mais « qui doit faire quoi, selon quelles règles, et comment le résultat sera-t-il vérifié ? »

Prenons encore un peu de recul : le même schéma peut se répéter. Une unité chargée de la revue de portefeuille peut côtoyer la veille de marché, la recherche et la livraison aux clients. Leurs structures internes peuvent différer parce que leurs missions diffèrent. Des règles communes et une direction humaine assurent la cohérence de l'organisation dans son ensemble.

Toutes les tâches n'ont pas besoin d'une telle structure. Une question simple sera souvent mieux traitée par un seul agent, tout comme une mission courte ne justifie pas la création d'un nouveau département. L'approche organisationnelle devient utile lorsque le travail est trop vaste pour un seul acteur, qu'il exige plusieurs compétences ou que le résultat est suffisamment important pour mériter une vérification indépendante.

Reprenons toute la progression. Un chatbot est une collègue brillante qui ne dispose que d'un téléphone. Un agent lui donne un poste de travail et des outils. Une structure agentique ajoute des spécialistes, des responsabilités, des règles communes et un moyen de corriger le travail.

L'intelligence placée au centre peut rester exactement la même à chaque étape ; ce qui change, c'est l'organisation qui l'entoure, et c'est elle qui détermine ce que cette intelligence peut réellement accomplir. La fenêtre de chat demeure utile, mais elle n'est que la porte d'entrée.

Références

• Minsky, M. (1986). The Society of Mind. Simon & Schuster. Voir la présentation du MIT Media Lab.
• Anthropic (2026). « Patterns and problems in emerging multiagent systems ».