Plusieurs IA, des équipes d’agents

Une IA répond avec assurance, même quand elle se trompe, et dépendre d’un seul fournisseur, c’est lui confier aussi ses angles morts, tout ce qu’il ne voit pas.

Depuis le printemps 2026, une IA produit, et une autre, d’un autre éditeur, relit. J’y ai ajouté des règles au fil des erreurs : une source pour chaque chiffre, chaque IA dit sur quoi elle s’appuie, et quand elles divergent, chaque désaccord est noté tel quel, pour que ce soit moi qui tranche.

La relecture croisée me sert tous les jours. J’en ai retenu que l’accord de plusieurs IA reste une proposition, qui demande encore sa preuve ; passer d’un fournisseur à l’autre en douceur reste une idée à travailler.

Un essai concret, le 22 octobre au soir : un modèle a préparé le plan et rédigé un brouillon d’article, un second modèle l’a relu et noté, le tout en 264 secondes. Lors d’un premier passage, le relecteur avait repéré une adresse de source inventée par le rédacteur (elle avait l’air très sérieuse, elle ne menait nulle part) et l’avait marquée « à vérifier ». Le relecteur s’est aussi donné 9,6 sur 10 là où j’estime l’article à 7 : deux modèles proches l’un de l’autre se ménagent. J’en retiens deux choses : la note doit venir d’un autre fournisseur, et un lien se clique avant qu’on le croie. Rien n’a été publié : c’était un banc d’essai.

J’ai aussi fait un banc d’essai sur la fabrication de guides pédagogiques : un modèle rédige, chaque fait est rattaché à sa source officielle, un contradicteur relit, puis un lecteur débutant simulé dit s’il a compris. Je l’ai fait tourner deux fois sur les mêmes sujets, trois pour le RGPD, en corrigeant le tuyau entre deux passages. Le guide sur le cahier des charges est passé de 4 sur 100 à 84. Celui sur la propriété d’un site et de son nom de domaine, de 0 à 80. Celui sur la recette avant mise en ligne, de 34 à 84. Celui sur le RGPD et les outils d’IA a fait 48, puis 32, puis 72 : il bouge parce que le contradicteur trouve chaque fois une nuance juridique de plus, et c’est justement ce que je lui demande. Au dernier passage, le lecteur débutant simulé a compris les quatre guides. Trois relectures indépendantes ont ensuite jugé intégrables les guides sur le cahier des charges, la propriété et le RGPD, avec leurs retouches. Ces scores sont ceux de mon propre banc d’essai : des repères internes, pas une mesure indépendante. Je garde ce que j’ai appris : la qualité monte quand on affine les consignes et les contrôles, pas quand on change de modèle.

Mes équipes d’agents sont nées d’un constat : dès qu’on travaille à plusieurs, humains ou agents, les tâches se chevauchent, et deux agents sur le même dossier finissent par se marcher dessus.

J’ai donc regroupé mes agents par métier. Chaque équipe garde ses propres données, pour rester autonome et facile à déplacer : si l’une tombe en panne, les autres continuent. Dans chacune, une fiche par rôle dit ce que l’agent doit faire, ce qu’il a le droit de toucher et à qui il passe la main quand il a fini, toujours par écrit ; j’ai aussi essayé l’inverse, un seul agent qui joue tous les rôles.

Mon atelier le plus instructif de l’automne est celui des ouvriers « modèle distant », ces modèles que je fais travailler en équipe sur un serveur. Le 13 novembre, j’ai ouvert le compteur : 640 missions n’étaient pas allées au bout. J’en ai classé 481 par cause (les 159 autres viennent surtout de consignes non suivies, de livrables partiels ou d’outils refusés), et la surprise a été belle : 255 avaient été coupées parce que mon délai était trop court (un modèle lent a besoin de temps, et je répétais l’erreur depuis mars), 133 avaient buté sur une indisponibilité du fournisseur, sans être relancées, et 93 tournaient sur des moteurs gratuits mis en pause. Une grande part du problème venait donc du tuyau plutôt que du modèle. J’ai posé un délai de quatre heures, et une règle : on ne coupe jamais un ouvrier qui produit encore.

Ce classement m’a aussi appris où chaque ouvrier brille. Pour le contenu, les maquettes et la gouvernance, seulement 2 à 13 % des missions sont à reprendre. Pour le code du CMS et les rôles trop ouverts, c’est 41 à 47 %. Ce sont des taux de missions à reprendre, consignes non suivies comprises, pas une mesure de la qualité du résultat. Je garde donc le code et le jugement pour mon agent principal, et je confie aux modèles distants ce qu’ils font bien. Autre trouvaille : 2 178 missions sur 2 230 étaient « vérifiées » par la seule présence de fichiers. La vraie mesure de qualité reste à brancher. La cible est écrite : une seule file de missions, avec un contrôle propre à chacune.

Ces fiches continuent d’évoluer. Les vraies questions arrivent quand on passe à la pratique : qui a le droit de quoi, les règles communes, les données. Et une question reste ouverte : avec des IA plus fortes, des agents qui ont chacun un rôle resteront-ils utiles ?

Si je découpe autant, c’est surtout parce que c’est plus simple et plus maintenable, c’est-à-dire plus facile à entretenir et à réparer. Mais pour commencer chez soi, pas besoin d’une armée d’agents : ça commence par une seule note.

Comment ça marche, en détail

Une image pour comprendre. Pensez à un chantier. Le maçon, l’électricien et le plombier ont chacun leur métier, et ils ne travaillent pas tous en même temps dans la même pièce : quelqu’un fixe l’ordre de passage, donne à chacun ses plans, et fait vérifier l’ensemble avant la remise des clés. Sans lui, ils se marchent dessus ; avec lui, chacun sait quand vient son tour.

Les mots, simplement. Un agent, c’est un programme qui mène seul une tâche entière. L’orchestration, c’est le travail de coordination : découper une demande en tâches, confier chacune au bon agent, dans le bon ordre, puis rassembler ce qui revient. Le mot vient de l’orchestre, dont le chef ne joue d’aucun instrument : il fait jouer les autres ensemble. L’automatisation est plus simple : c’est confier à une machine une tâche qui se répète, pour qu’elle la refasse à l’identique, sans qu’on ait à s’en occuper chaque fois.

Un exemple. Prenons une demande : préparer une note de synthèse pour un dirigeant. L’agent qui orchestre la découpe en trois : un agent rassemble les sources, un autre rédige, un troisième vérifie chaque chiffre et chaque date. Chacun suit sa fiche : sa mission, ce qu’il a le droit de toucher, et à qui il passe la main. Quand tout est revenu, une vérification relit et teste l’ensemble ; si quelque chose cloche, le travail repart vers l’agent concerné. Puis la note attend qu’un humain la valide.

Ce que ça ne fait pas. Mettre plus d’agents ne rend pas le travail plus juste : si la demande est floue, chacun produit vite, mais à côté. Que plusieurs agents tombent d’accord ne prouve rien non plus. Enfin, coordonner ne donne aucun droit : chaque agent garde les seuls accès qu’on lui a confiés.

Attention : RGPD et AI Act

Le point de vigilance. Des agents qui se passent le travail peuvent faire circuler des données plus loin que prévu. Et le règlement européen sur l’IA demande de la transparence : une personne doit savoir quand elle échange avec une IA ; pour les usages à haut risque, il impose aussi une surveillance humaine.

Ce que nous faisons. Chaque agent a sa fiche : sa mission, ce qu’il a le droit de toucher, et à qui il passe la main ; un prénom ne lui donne aucun droit. Certains ne travaillent que sur des copies, jamais sur les originaux. Ce qui sort est validé par un humain, et quand je prépare une réponse avec l’aide d’une IA, je le dis.

Si vous le faites chez vous. Gardez une trace automatique de qui a touché quoi.

Pour aller plus loin : les premières questions-réponses de la CNIL sur le règlement IA (nouvel onglet) ; le texte du règlement européen sur l’IA (nouvel onglet). Ce n’est pas un conseil juridique : pour votre situation, voyez un professionnel du droit.

À retenir : on automatise une tâche, on orchestre un ensemble ; et au bout de la chaîne, c’est un humain qui valide.