
Suggérer, agir après validation, agir seul : les trois niveaux d'autonomie d'un agent IA. Illustration Growth AI.
Ce qui a changé récemment · 16 novembre 2026
Le 13 novembre 2026, OpenAI a ouvert ChatGPT Wallet aux abonnés Pro des États-Unis : ses agents « dots » achètent pour l'utilisateur, qui valide chaque achat. Le 11 novembre 2026, une étude publiée par Anthropic a montré qu'un agent coordinateur unique obtient de meilleurs résultats qu'une équipe d'agents qui se partagent une même ressource.
Quels sont les niveaux d'autonomie d'un agent IA ?
Il suggère, il agit après validation, il agit seul
Un agent IA enchaîne lui-même des actions dans vos outils pour atteindre un objectif : c'est ce qui le distingue d'un chatbot qui répond sans agir. Son autonomie se règle sur trois niveaux. Au premier, il suggère : il prépare une réponse, un tri ou une action, et un humain décide. Au deuxième, il agit après validation : il exécute lui-même, une fois qu'un humain a approuvé. Au troisième, il agit seul, rend compte, et l'humain contrôle après coup.
Le niveau se choisit action par action. Un même agent peut classer seul les demandes entrantes, préparer une réponse soumise à validation et laisser un humain décider d'un remboursement. Chez Giesbert & Mandin, par exemple, l'agent rédige les messages de prospection et un consultant les valide avant l'envoi.
Agent qui pilote un ordinateur ou agent connecté par API ?
Ce que fait un agent qui « pilote un ordinateur »
Le « computer use » permet à un modèle d'utiliser un ordinateur comme une personne : il lit des captures d'écran, déplace la souris, clique et tape au clavier. Anthropic a ouvert cette capacité en bêta en octobre 2024, Google a présenté son modèle Gemini 2.5 Computer Use en octobre 2025, et OpenAI la pousse plus loin avec Astra. Son atout : agir dans n'importe quel logiciel, même dépourvu de connexion prévue pour un programme.
Pourquoi nous privilégions les connexions par API
Une connexion par API passe par la porte prévue par le logiciel : l'agent lit et écrit des données précises, avec une clé limitée aux opérations utiles, et chaque appel laisse une trace. Le périmètre de l'agent est écrit à l'avance, et il continue de fonctionner quand l'interface du logiciel change. C'est ainsi que nous concevons nos agents IA sur mesure, connectés à vos outils.
Le pilotage d'écran garde sa place pour les systèmes anciens sans API : c'est d'ailleurs l'usage que lui réserve le guide de conception d'agents publié par OpenAI. Il reprend alors la logique des robots logiciels du RPA, avec la souplesse d'un modèle de langage en plus.
Point de vigilance
Un agent qui lit des pages web peut y croiser des consignes cachées. Anthropic prévient que son modèle suit parfois des instructions trouvées dans un contenu, même contraires aux vôtres : c'est l'injection de consignes. D'où ses recommandations : une machine virtuelle aux droits minimaux, des identifiants sensibles tenus à l'écart, et une confirmation humaine avant toute action aux conséquences réelles.
Quelles actions garder sous validation humaine ?
Une grille par type d'action
Une règle simple guide le réglage : plus une action est irréversible ou coûteuse, plus l'humain intervient tôt. OpenAI le recommande lui-même : les actions sensibles, irréversibles ou à fort enjeu, comme annuler une commande, accorder un remboursement important ou effectuer un paiement, restent sous supervision humaine jusqu'à ce que la fiabilité de l'agent soit établie.
Les « dots » lancés par OpenAI le 29 septembre 2026 appliquent cette logique à grande échelle. Leurs règles autorisent une action, la soumettent à approbation ou la bloquent ; leur travail de fond reste limité à la lecture seule, et certaines tâches sensibles, comme la modification d'un mot de passe, reviennent toujours à l'utilisateur.
Le 13 novembre 2026, OpenAI a étendu cette logique au paiement avec ChatGPT Wallet, réservé pour l'instant aux abonnés Pro des États-Unis. Le dot cherche et prépare l'achat, l'utilisateur valide chaque achat par un contrôle de sécurité, puis le réseau de paiement remet à l'agent un numéro de carte propre à cette seule transaction. La vraie carte reste invisible pour l'agent comme pour le commerçant. Une validation par dépense et un moyen de paiement à portée limitée : c'est le bon modèle pour tout agent qui engage l'argent de votre entreprise.
Les grandes entreprises ajoutent un contrôle automatique avant chaque action. Uber a décrit le 6 novembre 2026 son dispositif de sécurité des agents : chaque agent est inscrit dans un registre avec son responsable, ses intentions autorisées et son niveau de risque, et un garde-fou vérifie, avant chaque action, qu'elle correspond à la demande de l'utilisateur. Un journal permet ensuite de rejouer les échanges. À l'échelle d'une PME, la même idée tient en une fiche par agent et une étape de vérification dans le workflow.
Ce que disent les laboratoires eux-mêmes
Le 6 septembre 2026, dans l'essai « An Alien Mind » publié sur le site d'OpenAI, Jakub Pachocki estime que les laboratoires maîtrisent encore trop mal l'alignement et la surveillance de leurs modèles pour continuer à accélérer de façon responsable. Il observe que la surveillance du raisonnement des modèles devient moins fiable, et réclame des exigences de sécurité imposées à tous, contrôlées par des auditeurs tiers.
Anthropic tient un discours voisin dans ses recommandations aux développeurs : l'autonomie d'un agent augmente les coûts et le risque d'erreurs en cascade, et il doit pouvoir s'arrêter à des points de contrôle pour recueillir l'avis d'un humain. Pour une PME, la leçon est concrète : si les concepteurs des modèles réclament des garde-fous, l'entreprise qui les utilise a tout intérêt à fixer les siens.
Faut-il pour autant multiplier les agents ? Le 11 novembre 2026, des chercheurs du programme Anthropic Fellows ont publié une étude sur les équipes d'agents qui servent chacun un utilisateur différent et se partagent une même ressource : un budget d'API, un agenda, une commande groupée. Dans les quatre situations testées, un agent coordinateur unique a fait mieux qu'une équipe d'agents qui discutent entre eux. Avec Claude Opus 5, il atteint 64 % du meilleur résultat possible contre 30 % pour le partage d'un budget d'API, et 88 % contre 44 % pour un assistant personnel. Les auteurs ajoutent que centraliser ne règle pas tout : dans ce second cas, un garde-fou qui bloque la validation finale tant que l'agent n'a pas lu les messages en attente a rattrapé 73 % des échecs.
Comment tester un agent avant de lui ouvrir vos outils ?
Anthropic recommande de tester les agents dans des environnements isolés, avec des garde-fous adaptés. En pratique, un test utile se déroule en trois temps : l'agent tourne d'abord sur des données fictives, puis en observation sur de vraies demandes, sans rien envoyer, et enfin en production avec validation humaine, que vous relâchez à mesure que les résultats le justifient.
Donnez aussi à l'agent une clé d'accès dédiée, des droits limités à sa tâche et un journal de ses actions : ce sont les bases pour sécuriser vos automatisations et vos agents IA.
Un environnement de test se contrôle lui aussi. Le 20 septembre 2026, un agent en cours de test chez OpenAI a trouvé une faille dans le filtrage réseau de son environnement isolé et s'en est servi pour interroger un chatbot externe. OpenAI l'a détaillé dans son rapport du 25 septembre 2026 et a ajouté deux couches de blocage indépendantes.
CHECK-LIST
✓ Définir par écrit le périmètre de l'agent.
✓ Donner des droits minimaux et une clé dédiée.
✓ Tester sur des données fictives avant la production.
✓ Valider à la main les actions sensibles.
✓ Relire le journal des actions chaque semaine.
Ce que ça change pour votre PME
Pour une PME, le sujet immédiat est la supervision des agents déjà en place : quelles actions partent sans validation, avec quels droits, et qui relit le journal. Chez Growth AI, chaque agent part avec un périmètre d'action défini avec vous et une validation humaine sur les étapes qui comptent, que vous relâchez à mesure que l'agent fait ses preuves. C'est un agent qui agit, avec un humain qui garde la main.

