Agents IA : Google et Microsoft préparent une nouvelle navigation web

Pendant plus de deux décennies, naviguer sur Internet a consisté à formuler une requête, ouvrir des liens, comparer des pages puis accomplir soi-même une action, remplir un formulaire, copier une information ou effectuer une réservation. Les assistants fondés sur l’intelligence artificielle ont déjà simplifié une partie de ce parcours en résumant, expliquant et rédigeant. La prochaine étape, celle que dessinent Google et Microsoft à la fin de l’année 2024, consiste à leur permettre d’agir dans les interfaces numériques.

Ces nouveaux outils sont souvent désignés comme des agents IA ou des agents intelligents. L’idée est simple à énoncer mais plus complexe à mettre en œuvre : au lieu de fournir seulement une réponse, le système reçoit un objectif, examine les étapes nécessaires et interagit avec les sites ou logiciels pertinents. La navigation en ligne devient alors, au moins en partie, une délégation de tâches.

Un agent IA ne se contente pas de répondre

Un chatbot traditionnel fonctionne principalement sur le mode de la conversation. L’utilisateur pose une question, l’outil génère une réponse sous forme de texte, puis l’utilisateur décide de la suite. Cette réponse peut être très utile, par exemple pour comprendre un document, rédiger un message ou préparer une recherche. Mais elle ne modifie pas, à elle seule, l’état d’un site Web ou d’une application.

Un agent ajoute une dimension opérationnelle. Pour atteindre un but précis, il peut décomposer une demande en sous-tâches : chercher une source, ouvrir plusieurs pages, repérer une donnée, comparer des résultats et transmettre une synthèse. S’il dispose des bons accès et que son environnement le permet, il peut aussi interagir avec une interface, par exemple sélectionner une option ou renseigner un champ.

Cette distinction est essentielle. Dire qu’un agent est « autonome » ne signifie pas qu’il agit sans instruction ni règle. Son action dépend de l’objectif formulé par la personne, des permissions accordées, des contraintes du service utilisé et des vérifications prévues. L’autonomie concerne la succession d’étapes intermédiaires, pas l’absence de contrôle humain.

Comment un agent peut-il utiliser un navigateur ?

Pour interagir avec le Web, un agent doit être capable de comprendre ce qui se présente devant lui et de choisir une action adaptée. Plusieurs approches techniques sont possibles. L’une d’elles consiste à exploiter la structure d’une page, comme ses boutons, ses champs ou ses menus. Une autre repose davantage sur l’analyse visuelle de l’écran, à la manière d’un utilisateur qui identifie un bouton grâce à son emplacement et à son libellé.

Dans la pratique, l’agent doit enchaîner des décisions très concrètes : déterminer quelle page ouvrir, faire défiler l’écran, identifier l’information demandée, vérifier qu’il ne l’a pas confondue avec une publicité ou un résultat voisin, puis passer à l’étape suivante. Une demande apparemment simple peut ainsi exiger de parcourir plusieurs sites et de composer avec des interfaces qui changent fréquemment.

La navigation automatisée n’est pas une idée entièrement nouvelle. Des logiciels d’automatisation existent depuis longtemps dans les entreprises pour répéter des procédures définies à l’avance. La différence apportée par les modèles d’IA générative est leur capacité à interpréter une consigne exprimée en langage courant et à s’adapter, dans une certaine mesure, à des pages qu’ils n’ont pas été programmés pour connaître une à une.

Cette souplesse a toutefois une contrepartie : une interface pensée pour un humain peut être ambiguë pour un modèle. Deux boutons proches, un formulaire mal conçu, une fenêtre qui s’affiche par-dessus la page ou une information périmée peuvent détourner l’agent de son objectif. Plus la tâche a des conséquences importantes, plus une validation de l’utilisateur reste nécessaire.

Project Mariner, le prototype de Google qui agit à l’écran

Google a présenté Project Mariner le 11 décembre 2024, dans le cadre de ses annonces autour de Gemini. Ce prototype de recherche illustre concrètement l’ambition des agents de navigation : il est conçu pour utiliser un navigateur et interagir avec le contenu affiché à l’écran.

Google décrit sa capacité à « cliquer, scroller, écrire » comme le ferait une personne. L’enjeu n’est donc pas seulement de produire un texte à partir d’une requête. Project Mariner peut analyser le contenu visuel d’un écran, puis se servir des éléments identifiés pour progresser dans une tâche. Google le présente notamment comme un moyen d’automatiser la collecte d’informations présentes sur plusieurs sites Web.

Prenons l’exemple de la recherche des coordonnées de plusieurs entreprises. Sans agent, il faut généralement ouvrir les sites un par un, localiser la rubrique de contact, noter les informations utiles puis les mettre en forme. Un outil tel que Project Mariner cherche à prendre en charge cette série d’opérations : visiter les pages, faire défiler leur contenu, repérer les coordonnées et les restituer à l’utilisateur.

Au 13 décembre 2024, il s’agit d’un prototype de recherche et non d’un service grand public établi. Google indique le tester auprès d’un groupe restreint de testeurs de confiance. Cette précision compte : une démonstration convaincante montre une direction technologique, mais ne garantit pas encore une fiabilité suffisante pour tous les usages, tous les sites et toutes les situations.

La démonstration révèle surtout un changement de perspective. Le navigateur n’est plus seulement le lieu où l’on consulte des informations. Il peut devenir l’environnement dans lequel un assistant réalise des séquences d’actions pour le compte de son utilisateur, sous réserve de ses instructions et des limites qui lui sont imposées.

Microsoft mise aussi sur les agents dans le travail quotidien

Google n’est pas seul sur ce terrain. Microsoft a placé les agents IA parmi les thèmes importants de sa conférence Microsoft Ignite, organisée en novembre 2024. Le groupe a présenté des évolutions visant à intégrer ces capacités dans Microsoft 365 et dans Windows.

Le contexte est différent de celui d’un agent qui parcourt le Web ouvert. Dans un environnement professionnel, les salariés utilisent déjà une mosaïque de logiciels : messagerie, documents, tableaux de données, calendrier, outils de réunion et applications métiers. Un agent pourrait aider à passer de l’un à l’autre, à retrouver une information, à préparer un contenu ou à automatiser certaines étapes répétitives d’un processus interne.

L’intérêt potentiel est particulièrement fort pour les tâches qui suivent une logique connue mais consomment du temps : rassembler des éléments dispersés, mettre à jour une synthèse, classer des demandes ou préparer une première version d’un document. L’agent ne remplace pas nécessairement la décision humaine. Il peut plutôt réduire le volume d’opérations manuelles nécessaire avant cette décision.

Pour les entreprises, la valeur de tels assistants dépendra moins de leur seule faculté à produire du texte que de leur aptitude à travailler de manière fiable avec les données, les règles d’accès et les logiciels déjà en place. Les annonces de Microsoft témoignent ainsi d’une évolution plus large : l’IA générative cherche à devenir une couche d’assistance active au sein des outils de travail.

Assistant conversationnel et agent opérationnel : ce qui change réellement

La bascule vers les agents peut paraître graduelle, car les deux catégories reposent souvent sur des modèles de langage capables de dialoguer. Pourtant, leur profil de risque et leur utilité ne sont pas les mêmes. Un mauvais résumé est gênant. Une mauvaise action sur un compte, dans une messagerie ou dans un logiciel de travail peut avoir des conséquences plus directes.

C’est pourquoi la qualité d’un agent ne se mesure pas uniquement à la fluidité de ses réponses. Elle repose aussi sur sa capacité à expliquer ce qu’il fait, à respecter un périmètre clair et à signaler les situations ambiguës. Une interface bien conçue doit notamment permettre à l’utilisateur de voir les étapes prévues, d’interrompre la tâche et de confirmer les actions sensibles.

Le degré d’autonomie peut aussi varier fortement. Un agent peut se limiter à rechercher et organiser des informations. Il peut également préparer une action sans la déclencher, par exemple remplir un brouillon de formulaire ou proposer un message. À l’autre extrémité, il peut effectuer une opération de bout en bout lorsque l’utilisateur l’y autorise. Ces niveaux ne doivent pas être confondus.

Vie privée, sécurité : les conditions d’une adoption durable

Faire agir un agent sur Internet suppose souvent de lui donner accès à des informations que l’on ne confierait pas à un moteur de recherche classique : historique de navigation, contenu d’une page, données de contact, documents professionnels ou identifiants de session. Cette concentration d’accès soulève immédiatement une question : quelles données l’agent voit-il, conserve-t-il et transmet-il à un service distant ?

La prudence est particulièrement nécessaire lorsqu’une tâche implique des données personnelles, des informations d’entreprise ou une transaction. Un agent peut se tromper dans l’interprétation d’une page, suivre une instruction trompeuse affichée sur un site ou réaliser une action qui ne correspond pas exactement à l’intention de l’utilisateur. La sécurité ne dépend donc pas seulement du modèle d’IA, mais aussi de la conception du navigateur, des mécanismes d’autorisation et de la lisibilité des confirmations.

Quelques principes sont déterminants pour réduire ces risques :

• limiter les autorisations au strict nécessaire pour la tâche demandée ;
• demander une confirmation explicite avant une action engageante ou difficile à annuler ;
• afficher clairement les étapes effectuées et les informations utilisées ;
• permettre à l’utilisateur d’arrêter l’agent et de reprendre la main à tout moment ;
• séparer, lorsque c’est possible, les tâches de recherche des tâches qui modifient un compte ou transmettent des données.

La confidentialité est aussi un enjeu de confiance. Pour accepter qu’un assistant effectue des démarches en son nom, un utilisateur doit comprendre ce qui se passe, pouvoir définir des limites et savoir à qui s’adresser en cas de problème. Les entreprises qui développent ces outils devront donc faire de la transparence une fonction centrale, et non une simple mention dans leurs conditions d’utilisation.

Quels usages concrets pour les internautes et les organisations ?

Les possibilités évoquées autour des agents sont nombreuses, mais elles ne présentent pas toutes le même intérêt ni la même maturité. Les usages les plus crédibles à court terme sont souvent ceux où l’objectif est clair, les étapes répétitives et le droit à l’erreur limité.

Pour un particulier, un agent pourrait faciliter une recherche qui nécessite de consulter plusieurs pages, comme réunir des informations de contact, comparer des horaires ou organiser des éléments pour préparer un déplacement. Il peut aussi servir à mettre en ordre une information déjà trouvée, ce qui réduit les allers-retours entre onglets et applications.

Dans les organisations, ces assistants pourraient contribuer à la gestion d’informations commerciales ou administratives, à la préparation de documents et à la coordination de tâches entre logiciels. Là encore, le bénéfice potentiel ne vient pas d’une automatisation aveugle. Il tient à la réduction des opérations de recherche, de copie et de mise en forme qui ralentissent les équipes.

Il faut néanmoins conserver une règle simple : déléguer une tâche ne dispense pas de vérifier son résultat. Un agent peut accélérer le parcours, mais il ne garantit pas par principe l’exactitude d’une donnée ni la pertinence d’une décision. La responsabilité finale reste humaine, surtout lorsque l’action concerne de l’argent, des données sensibles ou un engagement contractuel.

Ce qu’il faut surveiller en 2025

Les annonces de Google et Microsoft montrent que l’année 2025 pourrait être marquée par le passage progressif d’assistants conversationnels à des assistants capables d’utiliser des outils. Project Mariner offre une illustration particulièrement visible de cette trajectoire : l’IA ne se contente plus de commenter le Web, elle cherche à y évoluer.

La question décisive sera celle de la fiabilité dans des conditions réelles. Un agent devra démontrer qu’il comprend correctement les interfaces, qu’il ne perd pas le fil d’une tâche longue et qu’il sait s’arrêter face à une ambiguïté. Il faudra également observer la manière dont les éditeurs de sites, les navigateurs et les entreprises encadrent ces nouveaux modes d’interaction.

L’adoption ne dépendra donc pas seulement de démonstrations spectaculaires. Elle reposera sur un équilibre entre utilité, contrôle et confiance. Si cet équilibre est trouvé, les agents IA pourraient modifier en profondeur la façon de chercher, d’organiser et d’accomplir des tâches en ligne. Dans le cas contraire, ils resteront des outils prometteurs, mais réservés à des usages étroitement surveillés.