Agents d’IA : génération, action et origine des données

Des agents autonomes sont déjà déployés dans une large majorité d’entreprises, à l’heure où les modèles génératifs s’invitent dans la recherche, l’e‑mail et le support. Cette industrialisation ravive deux fronts : l’origine humaine et juridique des données d’entraînement, et les garde-fous lorsque des systèmes confiants agissent sans vérification. Un classique de 2002 fournit un miroir utile sur la soudure entre génération et action.

Des agents déjà en service et un risque d’automatisation mal contrôlé

PwC indique que 79 % des entreprises utilisent déjà des agents d’IA. Ces outils génèrent un plan et l’exécutent sans attendre une sollicitation, ce qui retire l’utilisateur de la boucle que conservait la boîte de prompt. Il est fréquent de suivre une recommandation d’IA même lorsqu’elle est manifestement incorrecte, puis d’en reproduire les erreurs après l’arrêt du système, comme l’a montré une étude publiée en 2023 dans Scientific Reports. Pour encadrer ces usages, une règle proposée consiste à faire coïncider la réversibilité de l’action avec le niveau de confiance dans la génération : l’erreur est peu coûteuse dans un brouillon, plus élevée dans un e‑mail envoyé, encore plus dans un paiement, et catastrophique dans une arrestation. La solution avancée n’est pas la réduction des capacités mais l’ajout de friction délibérée, par exemple afficher deux réponses possibles et exiger une saisie explicite pour toute décision conséquente. Dans les démonstrations, l’autorité est souvent transférée silencieusement aux systèmes, et les séquences mises en avant s’arrêtent au succès plutôt qu’à l’analyse des échecs.

Provenance et travail humain : des tribunaux au nettoyage de données

En 2026, un juge fédéral a validé un règlement de 1,5 milliard de dollars entre Anthropic et des auteurs au sujet de livres piratés, couvrant environ 500 000 œuvres pour environ 3 000 dollars par œuvre, présenté comme la plus grande récupération de droits d’auteur jamais enregistrée. Un litige entre le New York Times et OpenAI s’oriente vers un procès portant sur l’utilisation d’œuvres protégées pour l’entraînement. Selon TIME, des employés sous contrat avec OpenAI au Kenya percevaient entre 1,32 et 2 dollars de l’heure pour examiner des contenus toxiques afin d’éviter que ChatGPT ne les reproduise. La fluidité des modèles dépend d’une quantité considérable de travail humain collecté sans sollicitation explicite et soulève la question de la transparence : associer les sources utilisées par le modèle et différencier ce qui provient de données existantes de ce qui est généré relèvent de choix de conception. Les interfaces tendent au contraire à faire paraître la production comme surgissant de nulle part.

Générer n’est pas chercher : une mutation des interfaces d’information

La différence entre récupération et génération constitue un pivot : un moteur de recherche peut renvoyer un vide, un modèle génératif produit toujours une réponse plausible et bien formée. La confiance de la formulation n’est pas un signal de justesse, le modèle étant traité comme un composant qui renvoie des réponses comme une base de données renvoie des lignes. L’usage a basculé en trois ans vers des modèles comptant, selon l’énoncé cité, 800 millions d’utilisateurs hebdomadaires et intégrés à la recherche, aux e‑mails, aux outils de codage et aux boîtes de support. Dix ans plus tôt, une question livrait une liste de liens à évaluer ; aujourd’hui, un paragraphe généré opère ce tri sans l’exposer. Josh Clark et Veronika Kindred soutiennent que ces interfaces génératives sont déjà là et que des productions de machines sont croisées des dizaines de fois par jour, au point de devenir une condition ordinaire.

Pourquoi l’interface trompe : du geste spectaculaire à la boîte de dialogue

Les avertissements sur l’ergonomie gestuelle ne sont pas nouveaux. En 2010, Don Norman et Jakob Nielsen notaient que la course aux gestes dits naturels écartait des repères d’utilisabilité tels que visibilité, feedback et retour arrière fiable. Le phénomène du bras de gorille illustre la fatigue rapide des interactions à bras levés, tandis que les interfaces dominantes ont évolué vers une plaque de verre, puis la voix et enfin une boîte de texte réactive. Un biais récurrent est observé : les designers retiennent ce qui se photographie bien, comme le geste théâtral, et sous‑estiment la question centrale, réactivée aujourd’hui par la boîte de dialogue, de l’usage d’une réponse inventée par une machine et livrée avec assurance.

Le miroir de Minority Report : génération, action et dissidence occultée

Minority Report, film de 2002 de Steven Spielberg adapté de Philip K. Dick, a popularisé une interface gestuelle devenue culte et abondamment référencée, notamment décrite par Christopher Noessel et Nathan Shedroff. Au‑delà de l’esthétique, le dispositif narratif montre des visions traitées comme des faits qui déclenchent des arrestations avant l’événement. Les policiers y reçoivent un nom, le confirment à l’écran et procèdent, illustrant un biais d’automatisation connu. Le film introduit aussi le rapport minoritaire, généré quand les Precogs divergent et que le système enterre la dissidence. Cette mécanique trouve un écho avec des modèles génératifs qui produisent des continuations plausibles, et avec l’idée d’un modèle dédié à une division homicide qui synthétise ce qui n’existait pas avant la génération.

Ce que les Precogs disent des données et de l’infrastructure cachée

Dans l’univers du film, trois personnes droguées et isolées alimentent un service présenté comme un système, tenu hors de vue du public. Cette image renvoie à l’effacement de la provenance et du travail humain derrière la fluidité des sorties. Concevoir des interfaces qui relient les appuis du modèle et marquent ce qui est récupéré ou inventé relève de choix explicites, souvent tus. En parallèle, l’industrie vise des agents qui soudent génération et action, alors que la boîte de prompt maintenait une personne entre la réponse et le monde.