Note de preuves : copilote, automatisation bornée et automatisation forte

Dernière vérification : 19 août 2026.

Cette note empêche une erreur fréquente : comparer le gain d’un assistant de rédaction avec celui d’un système qui prend en charge un workflow métier. Ces systèmes n’exécutent pas la même quantité de travail et leurs indicateurs ne sont donc pas interchangeables.

Le cas synthétique Du copilote à l’agent métier A2 applique cette distinction au même indépendant, au même workflow et à la même baseline afin de rendre la comparaison falsifiable.

Le cas Agence orchestrée A3 pour un diagnostic standard étend la méthode à une comparaison manuel/A1/A2/A3, garde les demandes non éligibles dans le dénominateur global et sépare la ressemblance d’architecture avec Talos/Hermes de toute revendication de performance.

Trois modes de travail

Le mode de travail décrit le partage du travail humain/IA. Il ne décrit ni l’architecture technique, ni le droit d’agir exact. Un agent unique et une équipe orchestrée peuvent donc relever du même mode, à des niveaux A différents.

Le niveau A se choisit ensuite séparément. Par exemple, une automatisation bornée peut préparer des actions à A1, les exécuter après approbation à A2, ou agir seule dans des limites écrites à A3. Le mode de travail ne fixe donc jamais à lui seul le droit d’agir.

Les anciennes plages 20–40 %, 50–75 % et 80–92 %, ainsi que le facteur 5 à 12, ne doivent donc pas être présentés comme des bornes empiriques générales. Ils peuvent seulement servir d’hypothèses de stress modifiables avant un pilote. La revue de 20 sources classe chaque observation par force de preuve, résultat mesuré et limite de transfert.

La preuve directe la plus proche d’un agent métier

L’essai randomisé Alibaba porte sur 647 travailleurs, 680 676 conversations et 17 jours de traitement. L’IA agentique réduit de 16,8 % la durée des conversations éligibles. Mais ces conversations ne représentent que 5,8 % du volume. Le gain sur tout le flux tombe à 3,2 % et la note client des conversations éligibles baisse de 0,412 point.

Parmi les conversations éligibles confiées à l’agent, 35 % se terminent sans escalade, 44,1 % nécessitent une escalade technique, 8,6 % une escalade émotionnelle et 12,3 % une reprise humaine anticipée. Un superviseur humain reste responsable de chaque conversation. Cette expérience prouve qu’un agent métier peut créer un gain important sur un sous-flux, tout en montrant pourquoi éligibilité, escalade, qualité et effet global doivent rester séparés.

Observations publiées qui bornent la fourchette

• L’article The Agent-Centric Enterprise décrit AuditGPT chez Linde : environ 24 heures de préparation ramenées à deux heures, soit une réduction de 92 % et un rapport théorique de ×12. Il décrit aussi 10 à 20 fois plus de scénarios de négociation chez Stora Enso. Ces cas sont déclarés par des praticiens et n’ont pas la force d’une expérience contrôlée indépendante.
• IBM AskHR annonce 94 % de traitement autonome des demandes courantes, 75 % de tickets en moins et 40 % de coûts opérationnels RH en moins sur plusieurs années. Le périmètre comporte plus de 80 tâches et des intégrations aux systèmes RH ; IBM précise que les résultats varient selon les configurations.
• Dans son dépôt SEC 2025, Klarna attribue à son assistant 62 % des conversations de service client, une charge équivalente à plus de 800 personnes et environ 39 millions de dollars d’économies en 2024. Ce sont des mesures produites par l’entreprise.
• Salesforce rapporte environ 85 % de résolution pour les conversations éligibles de son centre d’aide, avec transfert humain prévu. Le déploiement ne couvre pas indistinctement toutes les visites ni toutes les demandes. Retour d’expérience Salesforce

Contre-preuves : un agent généraliste n’est pas une agence métier

Le Remote Labor Index porte sur 240 projets freelance réels couvrant 23 domaines. Le meilleur agent évalué n’en termine que 2,5 % de bout en bout au niveau professionnel attendu. Ce résultat n’annule pas les gains élevés des systèmes spécialisés : il montre que l’intégration aux données, aux outils, aux règles métier et aux contrôles est déterminante.

Microsoft observe la même tension sous charge dans CORPGEN : l’architecture hiérarchique avec sous-agents, mémoire isolée et apprentissage atteint 15,2 % de réalisation avec 46 tâches concurrentes, contre 4,3 % pour les baselines. Le facteur relatif est 3,5, mais le taux absolu reste 15,2 % dans un environnement simulé de six heures.

Enfin, davantage d’activité intermédiaire ne signifie pas autant de résultats livrés. L’étude NBER Writing Code vs. Shipping Code observe que l’effet associé aux agents autonomes est beaucoup plus grand sur les commits que sur les projets et versions effectivement livrés. Les goulots humains et organisationnels demeurent.

Cinq mesures à conserver séparément

1. Temps de cycle : délai écoulé entre la demande et le résultat.
2. Temps humain actif : minutes réellement consacrées par une personne.
3. Débit accepté : résultats acceptés par heure du responsable.
4. Taux de bout en bout : part des cas éligibles terminés sans intervention.
5. Résultat livré : effet aval réel, et non volume de texte, d’appels ou de commits produits par le système.

Une réduction de 75 % du temps humain correspond mathématiquement à un débit 4, et une réduction de 92 % à un débit 12,5, uniquement si aucun nouveau goulot n’apparaît. Ce calcul est une identité conditionnelle, pas une observation. Il faut donc mesurer simultanément corrections, exceptions, erreurs critiques, coût par résultat accepté et résultat aval.

Protocole minimal pour une agence de type Talos/Hermes

Comparer, sur 20 à 30 cas gelés par workflow, quatre conditions : manuel, copilote, agent unique et agence orchestrée. Publier pour chacune les médianes et les percentiles bas/haut du temps humain, le taux de sortie acceptée, le taux de bout en bout, les corrections, les escalades, le coût par résultat accepté et les erreurs critiques. Les workflows non éligibles doivent rester visibles dans le dénominateur métier global.

L’architecture publique de Talos documente orchestration, agents spécialisés, mémoire, exécution et observabilité. Elle ne publie pas encore une mesure de productivité permettant d’attribuer un facteur 5 ou 10 au système lui-même. Tant qu’un benchmark reproductible n’existe pas, ces facteurs restent des scénarios à éprouver, pas une performance Talos démontrée.