Agents d’IA : comment ils pourraient changer le travail collaboratif

Le travail collaboratif ne se résume plus à partager un document, envoyer un message ou planifier une réunion. À la fin de novembre 2024, les grands éditeurs de logiciels veulent ajouter une nouvelle couche à ces usages : des agents d’intelligence artificielle capables d’assister les équipes dans leurs tâches quotidiennes. Leur ambition est simple à formuler, mais difficile à concrétiser : faire passer l’IA du rôle d’outil qui répond à une question à celui d’assistant qui contribue réellement à un processus de travail.

Dans une messagerie, une suite bureautique ou un espace de gestion de projet, ces agents peuvent déjà résumer une discussion, préparer un compte rendu, répondre à des questions à partir de documents ou aider à produire un contenu. Microsoft avec Copilot, Google avec Gemini et Salesforce dans l’univers de Slack figurent parmi les acteurs les plus visibles de ce mouvement. La promesse est celle d’équipes mieux informées, moins accaparées par les tâches administratives et plus disponibles pour les arbitrages, la création ou la relation avec les clients.

Cette perspective appelle toutefois une distinction essentielle. Un agent d’IA peut aider à exécuter une tâche, mais il ne possède pas, en l’état, la fiabilité nécessaire pour décider seul d’un sujet sensible. Son déploiement dans les entreprises relève donc autant de l’organisation du travail que de la technologie.

Qu’est-ce qu’un agent d’IA dans un outil collaboratif ?

L’expression « agent d’IA » désigne un logiciel fondé sur un modèle d’intelligence artificielle qui reçoit un objectif, accède à des informations ou à des outils autorisés, puis réalise certaines étapes pour aider un utilisateur. Dans le contexte professionnel, il ne s’agit pas nécessairement d’un système entièrement autonome. Le plus souvent, l’agent agit à la demande d’une personne et dans un périmètre défini.

La différence avec une simple boîte de dialogue est importante. Un assistant conversationnel répond principalement à une question formulée par l’utilisateur. Un agent, lui, peut s’inscrire dans un flux de travail : consulter des contenus disponibles dans l’environnement de l’entreprise, organiser des éléments, produire une synthèse ou préparer une action pour validation.

Prenons le cas d’une réunion. Un outil de transcription peut fournir le texte des échanges. Un assistant d’IA peut en tirer un résumé. Un agent plus avancé pourrait identifier les tâches évoquées, les rapprocher d’un projet et préparer une liste d’actions. À chaque étape supplémentaire, l’intérêt potentiel grandit, mais le risque d’erreur augmente aussi : une consigne mal comprise, un contexte incomplet ou une information obsolète peuvent modifier le résultat.

Microsoft, Google et les éditeurs émergents structurent le marché

L’essor de l’IA générative redessine le marché des applications de collaboration. Selon Bastien Le Lann, directeur associé du cabinet de conseil Lecko, deux grandes familles se distinguent. La première réunit les géants déjà installés dans les environnements de travail, notamment Microsoft et Google. La seconde rassemble des éditeurs émergents qui cherchent à intégrer des agents dans leurs produits pour enrichir la coopération entre collègues.

Ce partage reflète deux atouts très différents. Les groupes historiques disposent d’applications déjà largement utilisées par les entreprises : messagerie, visioconférence, traitement de texte, tableur, stockage de fichiers ou agenda. Ils peuvent donc envisager une IA connectée à de nombreux usages du quotidien. Les éditeurs plus spécialisés peuvent, de leur côté, proposer des agents centrés sur une tâche précise ou sur une manière particulière de travailler en équipe.

Microsoft a notamment lancé une plateforme d’agents liée à son assistant Copilot dans Microsoft 365. Ces assistants sont destinés à automatiser des processus métier en coordination avec les utilisateurs. Google fait évoluer son offre Gemini pour des usages comparables dans ses outils de productivité : synthèse, aide à la rédaction et recherche d’informations sont au cœur de la proposition.

Les fonctions mises en avant à la fin de 2024 restent proches des besoins les plus fréquents des équipes : faire circuler l’information, réduire la charge de rédaction et retrouver rapidement ce qui a été décidé.

De l’assistant qui résume à l’agent qui agit

La trajectoire envisagée par les éditeurs va bien au-delà de la génération de texte. Un agent pourrait, à terme, effectuer une succession d’opérations sous certaines conditions : repérer une demande dans un échange, aller chercher les données pertinentes, les analyser, puis proposer ou déclencher une action encadrée.

Chez Salesforce, l’idée d’agents plus actifs dans la collaboration est assumée. Peter Doolan, chief customer officer chez Slack, souligne que de tels systèmes pourraient un jour réaliser des actions pour les salariés, y compris lorsque ceux-ci ne sont pas en train de travailler. L’intérêt serait, par exemple, de préparer des éléments nécessaires à une reprise de dossier plutôt que de laisser l’employé reconstituer seul l’historique d’un projet.

Des agents comme ceux associés à Adobe Express visent déjà à générer des contenus personnalisés. Dans un contexte d’équipe, cette capacité peut accélérer la préparation de supports ou la déclinaison de messages. Elle ne remplace pas pour autant le jugement humain sur le public visé, la cohérence d’une campagne ou les risques liés à un contenu.

L’expression « autonomie » doit donc être maniée avec prudence. Dans les outils disponibles fin 2024, l’autonomie est généralement limitée par des règles prédéfinies. L’agent peut accomplir une tâche répétitive ou produire une proposition, mais il ne dispose pas d’un pouvoir général de décision.

Pourquoi les agents ne décident-ils pas encore à la place des salariés ?

La première limite est celle de la fiabilité. Les modèles d’IA générative produisent des réponses plausibles en s’appuyant sur les données et les consignes qui leur sont fournies. Ils peuvent néanmoins commettre des erreurs, omettre une nuance essentielle ou présenter avec assurance une information inexacte. Dans une conversation sans conséquence, une approximation peut être corrigée rapidement. Dans un processus RH, juridique, financier ou commercial, elle peut avoir des effets bien plus sérieux.

Didier Gaultier, d’Orange Business Digital Services, insiste sur ce point : les modèles existants ne sont pas encore assez fiables pour prendre des décisions de manière autonome. L’enjeu ne consiste pas seulement à obtenir une réponse correcte dans la majorité des cas. Il faut aussi savoir identifier les situations dans lesquelles l’IA manque d’éléments, interprète mal une instruction ou devrait s’arrêter avant d’agir.

La seconde limite est la compréhension du contexte. Une équipe n’agit pas uniquement sur la base de documents. Elle tient compte d’une relation avec un client, d’une priorité qui vient de changer, d’un désaccord non écrit ou d’une contrainte interne. Ces éléments peuvent être absents des données accessibles à l’agent, ou difficiles à interpréter correctement.

Enfin, l’automatisation soulève une question de responsabilité. Si un agent transmet un mauvais document, formule une réponse inadaptée ou exécute une action qui n’aurait pas dû être lancée, qui est responsable ? Pour les entreprises, la réponse passe en pratique par des droits d’accès précis, des traces des actions réalisées, des règles de validation et une possibilité claire de reprendre la main.

Quels gains concrets les équipes peuvent-elles attendre ?

Le premier bénéfice attendu est un gain de temps sur les activités répétitives. Les réunions génèrent des notes, des décisions et des tâches à formaliser. Les projets produisent des fils de messages et des documents qu’il faut relire. La capacité d’une IA à synthétiser et à réorganiser ces contenus peut limiter le temps passé à rechercher l’information ou à rédiger des comptes rendus.

Le deuxième bénéfice est une meilleure continuité du travail collectif. Dans une équipe, l’information est souvent dispersée entre plusieurs canaux. Un agent capable de répondre à une question à partir des ressources auxquelles l’utilisateur est autorisé à accéder peut faciliter l’arrivée d’un nouveau collègue ou la reprise d’un dossier.

Le troisième bénéfice potentiel concerne la préparation. Au lieu de partir d’une page blanche, les salariés peuvent demander un premier brouillon, une synthèse ou une proposition de plan. Le temps ainsi gagné peut être réinvesti dans le contrôle, l’amélioration et la prise de décision. C’est un changement de répartition du travail, pas une disparition automatique du travail humain.

Ces gains ne sont toutefois réels que si l’outil s’intègre aux pratiques existantes. Une IA qui génère de nombreux résumés mais oblige ensuite les équipes à les corriger intégralement risque d’ajouter une étape plutôt que d’en supprimer une. La qualité des données disponibles, la clarté des règles internes et la formation des utilisateurs restent déterminantes.

Comment préparer l’arrivée des agents d’IA au travail ?

Pour les organisations, l’enjeu n’est pas uniquement de choisir un outil. Il faut définir les tâches qui peuvent être confiées à l’IA, celles qui doivent être systématiquement relues et celles qui doivent rester entièrement humaines. Cette réflexion évite deux écueils : bloquer toute expérimentation par principe, ou confier trop vite des opérations sensibles à un système encore imparfait.

Une démarche progressive peut s’appuyer sur quelques étapes simples :

• commencer par des tâches à faible risque, comme les synthèses, les brouillons ou le classement d’informations ;
• préciser les données auxquelles l’agent peut accéder et celles qui doivent être exclues ;
• demander une validation humaine avant tout envoi externe ou toute décision ayant un impact concret ;
• former les équipes à vérifier les résultats et à signaler les erreurs ;
• évaluer le gain réel de temps et la qualité produite, plutôt que de se contenter de mesurer le nombre d’utilisations.

La formation ne doit pas seulement porter sur les commandes à saisir. Les utilisateurs doivent comprendre les limites de l’outil, notamment le risque qu’il invente une réponse ou s’appuie sur un contexte incomplet. Ils doivent aussi savoir qu’une suggestion de l’IA n’équivaut pas à une instruction fiable ou à une validation hiérarchique.

Ce qu’il faut surveiller d’ici 2026

Les experts cités anticipent une évolution sensible dans les deux prochaines années. Peter Gauden, de Salesforce, évoque une transition vers des agents capables d’exécuter des tâches complexes sous conditions, par exemple l’analyse en temps réel de données RH. Une telle évolution ferait franchir une étape aux outils collaboratifs, qui ne se contenteraient plus d’aider à écrire ou à résumer, mais participeraient davantage à l’orchestration des activités.

Pour que cette promesse se matérialise, plusieurs progrès seront nécessaires. Les agents devront fournir des réponses plus précises, mieux prendre en compte le contexte et respecter de manière rigoureuse les autorisations définies par l’entreprise. Ils devront aussi être compréhensibles : une équipe doit pouvoir savoir sur quelles informations une proposition s’appuie et pourquoi une action a été recommandée.

La question décisive ne sera donc pas de savoir si l’IA peut produire du contenu à la place d’un salarié. Elle sera de déterminer dans quelles situations un agent mérite la confiance de l’équipe, avec quelles garanties et sous quel contrôle. En novembre 2024, les agents d’IA ouvrent une piste crédible pour alléger le travail collaboratif. Leur valeur dépendra moins de leur apparente autonomie que de leur capacité à devenir des assistants utiles, vérifiables et bien intégrés aux responsabilités humaines.