Agents IA : ils exécutent, les humains décident

EElias

Alors, l’étude apporte une observation du travail au fil d’un projet de développement, à partir des journaux de tâches. D’après The Decoder, une équipe comprenant des chercheurs de l’université Fudan a étudié les journaux de plus de 700 tâches accomplies par 56 participants pendant le développement d’Atria Dawn Preview. L’intelligence artificielle est intervenue dans 96,5 % des tâches examinées. Et, parmi 455 tâches assistées par l’intelligence artificielle puis achevées, 151 ont été jugées irréalisables sans elle, à périmètre et qualité équivalents. C’est environ une tâche sur trois dans cet ensemble, et ces 151 tâches concernaient 27 participants sur les 56. Le constat n’est donc pas simplement que les outils ont accéléré des tâches habituelles : dans une partie du travail, ils ont rendu possible une activité qui n’aurait pas été entreprise dans les mêmes conditions. Mais il faut garder en tête ce que mesure cette étude : les pratiques d’un projet particulier, et les déclarations des participants sur ce qu’ils auraient pu faire sans l’intelligence artificielle. Cela décrit une collaboration observée, pas une preuve que tous les laboratoires ou tous les systèmes fonctionnent déjà de cette manière.

EElias

En fait, on peut imaginer une personne qui donne une direction, puis délègue à un assistant une série de gestes techniques : chercher, produire des résultats intermédiaires, ou poursuivre une tâche dans un environnement de travail. L’étude compte des actions des agents et des interventions humaines, et le ratio médian entre les deux est passé de 11 à 28,5 au fil du projet. Dit comme ça, on pourrait croire que les agents ont pris le pouvoir sur le travail, mais ce serait confondre quantité d’actions et autorité de décision. Cette hausse du ratio ne permet pas, à elle seule, de conclure que les agents décidaient davantage : les décisions finales sur les méthodes, les paramètres, les objectifs et le périmètre sont mesurées séparément. Pour les méthodes et les paramètres, le schéma le plus fréquent était justement : l’intelligence artificielle propose, la personne sélectionne. Ce scénario représentait 55,4 % des situations étudiées. Les humains ont pris 85,5 % des décisions relatives aux méthodes et aux paramètres, tandis que la décision finale sur les objectifs et le périmètre leur revenait dans 93,4 % des cas. Ces résultats montrent que, dans les décisions étudiées, les humains ont le plus souvent tranché, même si les agents ont réalisé un nombre croissant d’actions. Le ratio renseigne donc sur la délégation de l’exécution, pas à lui seul sur l’autonomie décisionnelle.

EElias

Le bénéfice le plus net apparaît pour les tâches que les participants estimaient ne pas pouvoir achever sans l’intelligence artificielle, tout en conservant un périmètre et une qualité comparables. Il y en a 151 sur les 455 tâches assistées et terminées, soit environ un tiers, et elles sont réparties entre 27 personnes plutôt que concentrées chez quelques utilisateurs très intensifs. Cela suggère que l’aide ne se limite pas à faire gagner du temps à des spécialistes déjà capables de tout réaliser seuls : elle peut élargir ce qu’une équipe peut entreprendre. Mais l’étude ne permet pas de dire que chaque participant a bénéficié de la même manière, ni de mesurer ici un gain de productivité en heures ou en coût. Elle montre également que les agents ne surmontent pas systématiquement les difficultés sans aide humaine. Sur 588 tâches pour lesquelles la difficulté était documentée, 76 % ont progressé grâce à une intervention humaine, tandis que l’agent a résolu seul le problème dans 23 % des cas. Les informations disponibles donnent la fréquence de ces interventions, sans détailler leur nature précise. Le constat est plus limité : dans la plupart de ces tâches documentées, une intervention humaine a accompagné la progression, tandis que l’agent a résolu seul le problème dans une part plus faible des cas.

EElias

C’est le point de vigilance, et il faut être précis sur le niveau de certitude. Brief IA évoque des participants qui auraient utilisé des modes autonomes pour éviter des demandes d’approbation répétées, ce qui pourrait rendre la supervision plus difficile ; ces éléments ne sont pas détaillés dans les informations disponibles sur l’étude. On ne peut donc pas présenter cela comme un résultat établi ni affirmer que les chercheurs ont mesuré un défaut de contrôle. Le problème général est néanmoins compréhensible : si un agent enchaîne de nombreuses opérations, examiner chacune d’elles devient plus exigeant, même lorsque l’humain conserve officiellement le dernier mot. Une approbation humaine ne garantit pas à elle seule une supervision réelle si la personne ne peut pas suivre les étapes ou évaluer les propositions qui lui sont soumises. À l’inverse, le seul fait d’utiliser un mode autonome ne prouve pas que l’agent décide de la méthode générale ou des objectifs. L’étude indique plutôt que les décisions finales restent très majoritairement humaines, tandis que les tâches sont de plus en plus exécutées par les agents. Il faut donc distinguer trois choses : qui fixe le but, qui choisit les paramètres, et qui réalise les opérations. Les chiffres éclairent les deux premières décisions ; ils ne suffisent pas, à eux seuls, à établir si chaque action déléguée a été contrôlée en détail.

EElias

Il faut retenir une répartition du travail observée dans ce projet : le ratio d’actions des agents par rapport aux actions humaines a augmenté, tandis que les humains ont pris la majorité des décisions sur les méthodes, les paramètres, les objectifs et le périmètre. Cette observation porte sur le développement d’Atria Dawn Preview, un modèle décrit par The Decoder comme doté de 744 milliards de paramètres et d’une architecture à mélange d’experts. L’équipe affirme que le modèle arrive en tête sur 5 benchmarks sur 16, notamment en recherche sur le Web et en cybersécurité, mais qu’il ne domine pas globalement ses concurrents ; ce classement n’a pas été vérifié indépendamment ici. Cette performance annoncée ne doit pas être confondue avec la conclusion sur la collaboration : l’étude porte sur qui exécute les tâches et qui prend les décisions, pas sur la supériorité générale du modèle. Le ratio d’actions en hausse ne signifie donc pas que la décision humaine disparaît, et la décision humaine conservée ne signifie pas que l’agent est cantonné à des gestes insignifiants. Ces résultats soulèvent la question de la manière de suivre le travail délégué, alors que les agents prennent en charge davantage d’actions. Les résultats montrent que les décisions finales étaient majoritairement humaines dans cette étude, mais ils n’établissent ni que cette organisation sera durable, ni qu’elle décrit toute l’industrie. Il faut garder ensemble ces deux idées : l’intelligence artificielle a rendu certaines tâches possibles pour les participants, et les humains ont conservé la majorité des décisions finales étudiées.