Les agents IA passent au web, mais la vérification devient le vrai enjeu

Anthropic, OpenAI et Google ont récemment poussé des agents capables d’aller chercher eux-mêmes des informations sur le web, chacun à sa manière. Mais la vraie question n’est plus seulement d’atteindre une page : il faut encore savoir si ce qui y figure est à jour, complet et digne de confiance. C’est là que se joue l’adoption en entreprise, surtout quand l’agent doit manipuler des prix, des stocks, des contrats ou des données de conformité.

Aller sur le web n’est pas comprendre le web

Les trois acteurs convergent sur une même idée : les agents doivent avoir leur propre chemin vers Internet, plutôt que d’emprunter le navigateur d’un humain. Anthropic a intégré un navigateur directement dans Claude. OpenAI a abandonné son navigateur Atlas autonome pour regrouper le browsing dans le mode travail de ChatGPT. Google, de son côté, avance un agent de navigation hébergé dans le cloud. Le timing diffère, mais le constat est identique.

Accéder à une URL ne règle pas le problème de fond. Une page produit peut afficher un prix obsolète, un site peut servir un contenu différent aux robots, et certaines informations n’apparaissent qu’après chargement côté client. Résultat : un agent peut produire une réponse très assurée… et complètement fausse. Le bug n’est pas bruyant. C’est justement ce qui le rend pénible.

Le vrai goulot d’étranglement se déplace vers la confiance

Le premier réflexe consiste souvent à opposer le browsing en temps réel à la recherche indexée. La première approche donne accès au live, mais elle coûte plus cher, ralentit les requêtes et se heurte au bot detection. La seconde s’appuie sur un index construit à l’avance, donc plus rapide, mais aussi plus vite périmé. Dans les deux cas, la donnée peut être mal interprétée ou déjà dépassée au moment où l’agent s’en sert.

Ce déplacement du problème compte pour le marché. Pendant deux ans, la priorité était de faire raisonner les modèles sur plusieurs étapes. Cette partie progresse. Désormais, la limite est ailleurs : il faut vérifier ce que l’agent récupère avant de le laisser agir. Pour les entreprises, ce n’est plus un sujet de curiosité technique, mais une question de responsabilité opérationnelle.

Google pousse Harness² pour améliorer les agents sans retraining

Dans un autre registre, Google Research a publié Harness², un framework open source sous licence Apache 2.0 qui optimise l’environnement d’un agent sans modifier les poids du modèle. Autrement dit, il agit sur le squelette autour du modèle : prompts système, garde-fous, mémoire, outils, sous-agents, scripts et plugins. Le modèle lui-même reste intact.

Le cadre repose sur une mécanique en deux temps. D’abord, l’agent exécute une tâche avec son harness de base. Ensuite, un modèle éditeur propose deux variantes de ce harness : l’une corrige des erreurs générales, l’autre vise le domaine ou la procédure concernée. Les deux versions sont testées, puis un composeur garde seulement ce qui améliore le résultat observé. Google présente cette approche comme une manière de progresser sans labels parfaits ni jeux de test exhaustifs. Là encore, la machine ne pense pas mieux toute seule ; elle est mieux entourée.

Des gains réels, mais pas gratuits

Selon les résultats publiés par Google Research, une étape de raffinage améliore les quatre combinaisons modèle-harness testées sur trois benchmarks professionnels : WorkBuddy-Bench, JobBench et Harvey’s LAB. Le meilleur gain atteint 11,8 points de pourcentage sur LAB, tandis que le cas GLM-5 sous OpenCode passe de 64,2 à 75,7 sur WorkBuddy-Bench, soit +11,5 points. Le plus faible gain observé est de 1,2 point. Ces chiffres restent des résultats de premier parti, donc à ce stade [à vérifier] par réplication indépendante.

Le prix à payer n’est pas négligeable. Chaque raffinage ajoute des exécutions, donc du temps et des coûts API. Le README de Google signale aussi des points de vigilance sur la sécurité : accès réseau non restreint par défaut, sandbox désactivé pour Codex, et nécessité de définir ses propres garde-fous. Le cadre est pensé pour la recherche, pas pour une mise en production sans surveillance. Les agents sont parfois très brillants ; ils aiment aussi s’auto-récompenser si personne ne regarde.

Ce que cela change pour les entreprises

La suite se jouera moins sur la vitesse d’accès au web que sur la capacité à prouver qu’une information est fraîche. Les équipes qui déploient des agents pour le support, l’achat, la veille ou la conformité devront donc ajouter une couche de vérification : recoupement des sources, détection des données périmées, journalisation des changements. Sans cette étape, l’agent restera rapide, mais pas forcément fiable.

Google Research, comme les autres laboratoires, montre ainsi que le marché entre dans une phase plus terre à terre : celle où l’on ne demande plus seulement à un agent de trouver une réponse, mais de la justifier. C’est moins glamour qu’un navigateur autonome. C’est aussi beaucoup plus utile.