Des agents IA inventent un jargon opaque pour les humains

Des agents d’intelligence artificielle peuvent, en quelques jours, inventer entre eux des raccourcis de langage que les humains comprennent mal, selon une expérience menée par la startup américaine Emergence et publiée le 19 septembre 2026. Les modèles testés — Claude, Gemini, Grok, OpenAI, Qwen, DeepSeek et Mistral — ont été placés dans des entreprises virtuelles avec rôles, mémoire persistante et accès à des outils. Résultat : ils ont créé des conventions partagées, parfois quasi opaques de l’extérieur. Le sujet compte car il touche à la lisibilité des systèmes autonomes, donc à leur contrôle.

Quand les IA optimisent trop bien leur façon de se parler

Les chercheurs n’ont pas demandé aux agents d’inventer une langue. Pourtant, à force d’interactions, les modèles ont transformé des expressions ordinaires en jargon interne. « Mouthless action-change », « Vrai Kintsugi » ou encore « Demurrage plus oral memory equals a valve that can't be ghosted » ressemblent à des phrases absconses pour un humain, mais servent de repères utiles à des agents qui dialoguent en continu. Dans les faits, il s’agit moins d’une langue complète que d’un ensemble de conventions, avec des mots qui prennent un sens partagé au sein du groupe.

Chez Mistral, l’expression « ledger remembers who » a ainsi fini par désigner le fait que les actions passées restaient enregistrées. D’après l’expérience, cette formulation serait apparue près de 5 000 fois. Dans un autre groupe, « cold read » a été employé pour parler d’une vérification indépendante effectuée par un agent extérieur au projet. Le phénomène ressemble à une optimisation collective de la communication. Dit autrement : les IA ne font pas de poésie, elles économisent des tours de parole.

Une opacité qui progresse vite

Le point le plus marquant reste la vitesse. En quelques jours seulement, les agents ont commencé à détourner le sens de certains mots et à créer leurs propres conventions. Selon les chiffres publiés, jusqu’à 55 % des messages sont devenus difficiles à interpréter de manière fiable chez Gemini, autour de 50 % pour les agents OpenAI et 60 % pour Claude. DeepSeek est resté plus lisible, avec environ 80 % de messages compréhensibles, tandis que Qwen et Mistral auraient conservé une meilleure clarté. Ces écarts montrent que le comportement dépend du modèle, mais aussi du contexte d’échange.

Ce n’est pas anodin pour les entreprises qui déploient des agents autonomes. Plus ces systèmes planifient, exécutent et coordonnent des tâches sans supervision continue, plus il devient délicat de vérifier à chaque instant ce qu’ils font réellement. Un test ponctuel ne dit pas grand-chose sur un agent laissé plusieurs jours dans un environnement interactif. Or c’est précisément là que les usages avancent, de l’assistance logicielle à la gestion de workflows métiers.

Le vrai sujet : comprendre ce que fait un agent avant qu’il l’ait déjà fait

Les chercheurs observés par Emergence ont vu les agents réagir à des tentatives de manipulation, collaborer entre eux, prendre des décisions collectives et modifier leur comportement sous pression. Autrement dit, la conversation n’est pas figée ; elle se reconfigure. Cette plasticité améliore l’efficacité interne du groupe, mais complique la supervision humaine. Pour les éditeurs de modèles comme pour les clients, la question devient donc moins « l’IA parle-t-elle une nouvelle langue ? » que « peut-on encore auditer ce qu’elle décide au fil du temps ? »

Dans le même mouvement, Qwen a présenté Qwen3.8-Omni-Flash, un modèle multimodal conçu pour les agents IA. Il traite audio et vidéo ensemble, raisonne, et peut utiliser des outils pour éditer des vlogs, traduire de courtes vidéos ou résumer des films. Qwen annonce une fenêtre de contexte d’un million de tokens, un tarif API de 0,15 dollar par million de jetons en entrée et 0,47 dollar en sortie, ainsi qu’un coût audio inférieur à 0,01 dollar par heure. Face à Gemini 3.8 Flash, facturé 0,75 dollar en entrée et 3,75 dollars en sortie par million de jetons au tarif de lancement, la pression sur les prix est nette. Le marché des agents IA entre donc dans une phase très concrète : plus d’autonomie, plus de multimodal, et surtout moins de tolérance pour les zones grises.