Agents IA : pourquoi le design numérique doit désormais penser au-delà de l’utilisateur

Pendant des années, la conception numérique a poursuivi un objectif clair : réduire les efforts d’une personne devant un écran. Trouver une information, comprendre un bouton, remplir un formulaire, acheter un produit. En août 2025, cette logique reste essentielle, mais elle ne suffit plus à décrire l’évolution en cours. Les services numériques doivent aussi envisager un nouvel intermédiaire : l’agent d’intelligence artificielle auquel un utilisateur confie une partie de ses recherches, de ses choix et, dans certains cas, de ses démarches.

Cette bascule ne signifie pas que l’expérience utilisateur, ou UX, disparaît. Elle change de périmètre. Un individu peut désormais demander à un agent de comparer plusieurs offres selon un budget, de préparer un achat, de rassembler des documents ou de proposer un créneau de rendez-vous. L’interface n’est alors plus seulement une succession de pages pensée pour un regard humain. Elle devient aussi un environnement dans lequel un logiciel doit identifier une information fiable, comprendre ce qu’il a le droit de faire et rendre compte de ses actions.

De l’expérience utilisateur à la délégation de tâches

L’UX traditionnelle s’intéresse à l’usage direct d’un produit par une personne. Elle travaille la clarté d’un menu, la hiérarchie des contenus, la lisibilité, l’accessibilité et les étapes d’un parcours. Son principe est simple : aider l’utilisateur à accomplir lui-même son intention avec le moins de confusion possible.

Un agent IA introduit une situation différente. Il ne se réduit pas à un chatbot capable de rédiger une réponse. Lorsqu’il dispose d’outils et d’autorisations, il peut enchaîner des opérations : chercher des données, comparer des options, remplir certains champs, solliciter une validation ou transmettre une demande. Il agit toutefois dans un cadre fixé par la personne ou l’organisation qui l’emploie.

La question centrale devient donc : comment permettre à un agent d’agir efficacement sans le laisser agir aveuglément ? Un bon système ne doit pas seulement produire un résultat. Il doit aussi indiquer quel agent intervient, pour le compte de qui, sur quelles données et avec quelles limites.

Machine buying et machine selling : quand les logiciels négocient les parcours

Les expressions machine buying et machine selling désignent un scénario où des logiciels jouent un rôle actif dans l’achat et la vente. Côté acheteur, un agent peut rechercher un produit répondant à des critères précis, comparer des prix ou préparer un panier. Côté vendeur, des systèmes peuvent adapter une recommandation, une disponibilité ou une proposition commerciale à un contexte donné.

La publication d’origine évoque notamment des agents spécialisés présentés comme plus efficaces que des humains pour acquérir des produits très demandés, comme la PlayStation 5. Cet exemple révèle une ambivalence importante. L’automatisation peut faire gagner du temps à un consommateur, mais elle peut aussi accentuer les inégalités d’accès lorsqu’elle sert à capter des stocks limités plus vite que les acheteurs ordinaires.

L’enjeu n’est donc pas uniquement technique. Une plateforme doit pouvoir distinguer un agent personnel mandaté par un client d’un robot qui cherche à contourner des règles, à multiplier les réservations ou à exploiter une pénurie. Les protections contre les abus ne doivent pas, à l’inverse, empêcher systématiquement les usages légitimes d’assistance numérique.

Le chiffre de 30 000 milliards de dollars de transactions susceptibles d’être réalisées par des IA et des bots autonomes à l’horizon 2030 est avancé dans la réflexion d’origine pour illustrer l’ampleur potentielle du phénomène. Faute de méthodologie et de source d’estimation précisées, il ne doit pas être interprété comme une prévision consolidée. Il met néanmoins en lumière une idée solide : si des agents prennent part à une fraction croissante des parcours commerciaux, les règles qui organisent la confiance, le consentement et la concurrence devront évoluer avec eux.

Un achat réalisé par un agent ne devrait jamais être confondu avec un achat sans contrôle humain. Selon le niveau de risque, le service peut exiger une confirmation finale, imposer un plafond de dépense, exclure certaines catégories de produits ou demander une authentification supplémentaire.

L’AX, une discipline pour concevoir l’expérience des agents

C’est dans ce contexte qu’apparaît la notion d’Agent Experience Design, souvent abrégée en AX. Elle désigne une approche de conception qui tient compte des besoins des agents intelligents, sans oublier les personnes qu’ils représentent. Là où l’UX se demande si une interface est facile à comprendre et à utiliser, l’AX ajoute plusieurs questions : l’agent est-il authentifié ? Sait-il ce qu’il peut faire ? Les données qu’il lit sont-elles fiables ? Une personne peut-elle contrôler ou contester son action ?

L’AX ne consiste pas à bâtir des interfaces « pour les machines » en oubliant les humains. Elle oblige plutôt à relier deux couches d’expérience :

• une couche humaine, avec des choix compréhensibles, des explications et des commandes de contrôle ;
• une couche exploitable par l’agent, avec des informations structurées, des règles cohérentes et des autorisations explicites.

Les droits d’un agent ne sont pas des droits au sens juridique ou moral. Il s’agit de permissions techniques et contractuelles. Un agent peut, par exemple, être autorisé à consulter un calendrier sans pouvoir supprimer un rendez-vous, ou à proposer un achat sans être habilité à le payer. Cette granularité évite qu’une autorisation trop large devienne une délégation incontrôlée.

Transparence, permissions et possibilité de revenir en arrière

La confiance ne peut pas reposer sur une promesse vague selon laquelle un agent « agit dans l’intérêt » de son utilisateur. Dans un parcours sérieux, plusieurs éléments devraient rester visibles et vérifiables : l’identité du service ou de l’agent, le périmètre de son mandat, les données auxquelles il accède, les critères qui ont guidé une recommandation et les conséquences concrètes de l’action proposée.

La traçabilité est particulièrement importante lorsque l’agent interagit avec un autre système. Si un assistant réserve une prestation, l’utilisateur doit pouvoir savoir quelles options il a comparées, quel prix a été retenu, quelles conditions s’appliquent et à quel moment l’engagement est devenu effectif. L’historique ne relève pas seulement du confort : il permet de détecter une erreur, de comprendre un refus et d’exercer un contrôle.

La révocation compte tout autant. Donner un accès à un agent ne devrait pas signifier abandonner durablement le contrôle de ses données ou de ses comptes. Les utilisateurs doivent pouvoir réduire un périmètre d’autorisation, mettre un agent en pause ou retirer son mandat. Pour les concepteurs, cette exigence suppose de traiter les permissions comme un élément central du parcours, et non comme une ligne secondaire dans des paramètres difficiles à trouver.

L’hyperpersonnalisation ne doit pas devenir une dépossession

L’une des promesses de l’ère des agents est l’hyperpersonnalisation. Un agent peut retenir des préférences de budget, de format, d’accessibilité, de disponibilité ou de priorités, afin d’éviter à son utilisateur de les répéter. Bien employée, cette mémoire peut rendre des démarches plus fluides et donner accès à des services plus adaptés à des besoins particuliers.

Mais personnaliser suppose de collecter, conserver et interpréter des données. Plus un agent connaît une personne, plus les conséquences d’une erreur, d’un biais ou d’une fuite d’informations peuvent être importantes. Une préférence ponctuelle ne doit pas devenir une étiquette permanente. Un historique d’achat ne doit pas entraîner une recommandation opaque. Et une proposition automatisée ne doit pas enfermer l’utilisateur dans un choix que le système juge statistiquement probable.

Trois garde-fous méritent une attention particulière :

• la minimisation des données, afin de ne recueillir que les informations nécessaires à la tâche confiée ;
• la prévention des biais, notamment lorsque l’agent trie des candidats, des offres ou des contenus ayant des effets significatifs ;
• la prévention de la sur-automatisation, pour que l’utilisateur puisse encore voir des alternatives, modifier les critères et prendre lui-même la décision finale.

L’accessibilité reste également décisive. Même si deux systèmes échangent des données entre eux, une personne doit pouvoir comprendre ce qui se passe. Les explications, les confirmations et les réglages doivent rester utilisables par des publics variés, y compris les personnes ayant des difficultés visuelles, motrices, cognitives ou numériques.

Ce que cela change pour les métiers du numérique

Pour les designers, les architectes de l’information et les développeurs, l’arrivée des agents déplace une partie du travail. Il ne suffit plus d’optimiser une succession d’écrans. Il faut cartographier les moments où un agent peut intervenir, les informations dont il a besoin, les erreurs qu’il pourrait commettre et les situations dans lesquelles il doit s’arrêter.

Cette préparation demande notamment de savoir concevoir des environnements adaptatifs, de comprendre les capacités et les limites des modèles génératifs, et de travailler étroitement avec les équipes chargées de la sécurité, des données et de la conformité. Il devient nécessaire de prévoir des parcours d’exception : que se passe-t-il si l’agent ne comprend pas une condition ? Si deux sources se contredisent ? Si la demande sort de son mandat ? Si l’utilisateur souhaite reprendre la main ?

L’AX valorise ainsi des compétences déjà fondamentales dans l’UX : observation des besoins, clarté de l’information, tests avec des utilisateurs, accessibilité et gestion des erreurs. La nouveauté est d’y ajouter la conception d’une coopération entre humain et machine, plutôt que la seule facilité d’usage d’une interface.

GPT-5 illustre l’accélération des agents, pas leur autonomie totale

Les progrès des modèles d’IA rendent ces questions plus concrètes. En août 2025, GPT-5 d’OpenAI illustre la course à des systèmes capables de mieux traiter des tâches complexes et d’utiliser des outils dans des cadres définis. La concurrence entre les entreprises du secteur, qui recrutent des profils spécialisés et développent des produits de plus en plus intégrés aux outils de travail et aux services en ligne, accélère cette évolution.

Il faut toutefois distinguer un modèle performant d’un agent pleinement autonome. Un modèle peut analyser une demande ou générer une réponse. Pour agir dans le monde numérique, il lui faut aussi des outils, des données, des règles, une identité, des permissions et des mécanismes de supervision. C’est précisément à cette intersection que se joue l’AX.

Le défi n’est donc pas de rendre l’agent capable de tout faire. Il est de définir ce qu’il doit faire, ce qu’il ne doit jamais faire seul et la manière dont il rend des comptes. Une automatisation bien conçue peut enlever des tâches répétitives. Une automatisation mal encadrée peut multiplier les erreurs à grande échelle tout en rendant leur origine difficile à comprendre.

Ce qu’il faut surveiller dans les prochains usages

L’émergence des agents utilisateurs appelle moins une disparition des interfaces qu’une refonte de leurs priorités. Les entreprises qui conçoivent des sites, des applications ou des services transactionnels devront s’interroger sur la façon dont leurs offres sont comprises par des agents, tout en protégeant les personnes qui les mandatent.

Plusieurs signaux permettront de juger la maturité de cette transition : la clarté des autorisations accordées aux agents, la possibilité de consulter un historique d’action, l’existence de contrôles simples pour suspendre ou révoquer une délégation, et la capacité des services à traiter les erreurs ou les litiges. La qualité d’une expérience ne se mesurera plus seulement au nombre de clics évités. Elle dépendra aussi de la possibilité, pour chacun, de rester maître des décisions prises en son nom.

L’ère de l’AX ne remplace donc pas le design centré sur l’humain. Elle le met à l’épreuve. À mesure que les agents deviennent des intermédiaires du quotidien, le meilleur design sera celui qui rend leur efficacité compatible avec la compréhension, le choix et la responsabilité humaine.