« Prépare le prochain comité commercial. » Pour un salarié, cette phrase ouvre une discussion. Pour un agent IA connecté à des fichiers, un CRM et une messagerie, elle peut déclencher une chaîne d’actions : collecter des données, comparer des performances, rédiger une synthèse, voire envoyer des invitations. Le gain potentiel est considérable. Le malentendu aussi. À l’horizon de septembre 2026, le véritable enjeu managérial pourrait moins être de savoir parler à l’IA que de savoir lui confier une mission sans lui céder le pouvoir de décider à notre place.
Du chatbot qui répond à l’agent qui agit
La trajectoire est déjà visible dans les développements connus de 2023 et 2024. Les appels de fonctions proposés dans les interfaces de modèles permettent à un assistant de solliciter des outils externes. Des projets comme AutoGPT ont popularisé l’idée de systèmes capables de décomposer un objectif en étapes. En 2024, la présentation de Devin, un agent destiné au développement logiciel, a illustré cette ambition, sans démontrer pour autant une autonomie fiable dans toutes les situations.
La différence avec un chatbot classique est opérationnelle. Un assistant rédige une proposition ; un agent peut, selon sa configuration, chercher des informations, exécuter un programme, modifier un document ou déclencher une opération. Il reste toutefois dépendant de ses outils, de ses permissions et des erreurs du modèle. L’autonomie n’est pas une qualité binaire : c’est un périmètre que quelqu’un doit définir.
Pour septembre 2026, la diffusion de ces fonctions dans les logiciels de bureau et de gestion constitue une perspective plausible, pas un bilan établi ici. Les exemples qui suivent sont des mises en situation prospectives. Ils prolongent une tendance documentée : rapprocher les modèles des outils de travail. Dès lors, leur encadrement ne concerne plus seulement les développeurs, mais aussi les responsables commerciaux, RH ou administratifs.
Une mission n’est pas une consigne vague
Imaginons une responsable des achats qui demande : « Trouve le meilleur fournisseur. » Meilleur selon quoi ? Le prix, le délai, la robustesse financière, l’impact environnemental ? Faute de critères explicites, le système peut privilégier ce qui se mesure facilement ou ce qui apparaît en premier dans les données accessibles. Une réponse convaincante peut ainsi masquer un arbitrage que personne n’a réellement choisi.
Le premier savoir-faire consiste à transformer une intention en mandat. La responsable précisera les fournisseurs autorisés, les critères de comparaison, les documents recevables et le résultat attendu. Elle distinguera surtout l’analyse de l’engagement : comparer des offres n’autorise ni à négocier au nom de l’entreprise ni à passer commande. La qualité de la délégation commence par ce qui ne doit pas être fait.
Le brief minimal d’un agent
- Objectif : quel problème résoudre, pour quel destinataire ?
- Périmètre : quelles données consulter et quels outils utiliser ?
- Limites : quelles actions interdire ou soumettre à validation ?
- Réussite : quels critères permettront d’accepter le résultat ?
- Escalade : quand faut-il s’arrêter et demander une décision humaine ?
Ce cadre ressemble à une bonne délégation humaine. Mais une différence change tout : on ne peut pas présumer chez l’agent une compréhension stable des règles implicites. « Fais preuve de bon sens » ne remplace pas une interdiction précise. Et une limite écrite dans une instruction ne vaut pas un verrou technique : les permissions doivent traduire le mandat.
Accorder l’autonomie par paliers
La tentation sera forte de connecter beaucoup d’outils pour obtenir rapidement une démonstration spectaculaire. La démarche prudente consiste à commencer en lecture seule, puis à autoriser la préparation de modifications, avant leur exécution sous contrôle. L’autonomie élargie ne vient qu’après des essais représentatifs, y compris sur des cas ambigus ou incomplets. Une démonstration réussie ne constitue pas une garantie de fiabilité.
Pour une campagne commerciale, par exemple, l’agent peut proposer une segmentation et préparer des courriels. L’envoi reste soumis à validation. Dans un autre processus, réorganiser des fichiers de travail récupérables peut justifier davantage de latitude. Le niveau de contrôle doit suivre les conséquences d’une erreur : réversibilité, confidentialité, coût, impact juridique ou réputationnel, et nombre de personnes touchées.
Le manager doit aussi prévoir un budget d’action : durée maximale, volume de requêtes, nombre de modifications. Un agent qui tourne en boucle ou poursuit une mauvaise piste peut consommer des ressources sans produire de valeur. Un bouton d’arrêt, un responsable identifié et une procédure de retour arrière ne sont pas des détails techniques : ce sont les conditions d’une délégation maîtrisée.
Contrôler des preuves, pas une belle réponse
Le risque le plus banal n’a rien de spectaculaire. C’est un tableau propre, une synthèse fluide, un raisonnement qui semble tenir. Les modèles peuvent produire des informations inexactes avec assurance ; l’enchaînement d’actions peut ensuite propager l’erreur. Une donnée mal interprétée au départ devient un classement, puis une recommandation, puis un courriel prêt à partir.
Contrôler exige donc autre chose qu’une relecture stylistique. Pour une analyse commerciale, on demandera la période couverte, les sources consultées, les exclusions et les calculs vérifiables. Pour un rapprochement de factures, on examinera les anomalies et un échantillon de cas apparemment simples. L’objectif n’est pas d’obtenir un récit du raisonnement interne du modèle, mais des traces observables : documents, opérations effectuées, tests et résultats.
La validation humaine peut elle-même devenir une illusion si le responsable approuve mécaniquement une longue liste de propositions. Il faut lui présenter les éléments nécessaires pour décider, signaler les incertitudes et isoler les actions sensibles. Un contrôle utile se conçoit comme une étape de travail, avec du temps disponible, pas comme une case ajoutée pour transférer la responsabilité.
La nouvelle soft skill : savoir contredire l’outil
Manager un agent demande une combinaison familière : clarté, esprit critique, capacité à arbitrer et à reconnaître ce qu’on ignore. La difficulté vient de l’interface. Un système disponible, rapide et courtois invite à poursuivre plutôt qu’à interrompre. Le responsable doit conserver le réflexe de demander : « Quelle hypothèse manque ? » et « Quel élément invaliderait cette recommandation ? »
Cette vigilance doit être collective. Les salariés connaissent souvent les exceptions que les procédures décrivent mal : un client fragile, une donnée obsolète, un engagement oral à confirmer. Organiser leurs retours évite que l’automatisation ne transforme ces angles morts en routine. Il faut également distinguer les instructions autorisées des contenus consultés : une page web ou un document peut contenir des indications malveillantes cherchant à détourner l’agent.
Et maintenant ? À l’horizon de septembre 2026, les organisations les mieux préparées pourraient être celles qui auront appris à distribuer l’autonomie avec discernement, plutôt qu’à la maximiser. Un premier chantier concret : choisir une tâche limitée, rédiger son mandat, tester ses échecs et nommer qui tranche. Manager des agents IA ne signifie pas surveiller chaque clic. C’est construire les conditions permettant de déléguer l’exécution tout en gardant la maîtrise des décisions.
