Doit-on manager des agents IA comme des humains ?

Pendant plus d’un siècle, nous avons cherché à organiser efficacement le travail humain. Nous avons créé des organigrammes, multiplié les niveaux hiérarchiques, formalisé des procédures et imaginé des systèmes d’incitation. Dès 1958, James March et Herbert Simon expliquaient dans Organizations pourquoi cet effort était nécessaire : les individus disposent d’une information incomplète, de capacités cognitives limitées et d’intérêts qui ne coïncident pas toujours avec ceux de leur organisation. Le management permet de dépasser certaines de ces limites en organisant la coopération et en coordonnant les décisions.

Depuis quelques mois, nous avons commencé à introduire dans ces organisations des travailleurs d’une nature radicalement différent : les agents d’intelligence artificielle. Ils peuvent désormais recevoir un objectif, élaborer un plan, utiliser des outils, exécuter plusieurs étapes et mobiliser d’autres agents. Certains systèmes expérimentaux vont plus loin : des intelligences artificielles se répartissent le travail, se spécialisent et organisent elles-mêmes leur coopération.

Dans The Dot and the Swarm, Ethan Mollick, professeur à Wharton, décrit une expérience dans laquelle des milliers d’agents ont échangé environ 2,7 millions de messages en 88 heures pour travailler sur un problème mathématique. Une coordination qu’aucun manager humain n’aurait pu assurer individuellement. Pour Mollick, les progrès des modèles pourraient rendre obsolète une partie des structures que nous imaginions nécessaires pour organiser leur travail.

Dès lors, est-ce que nous faisons fausse route en cherchant à manager des agents IA comme nous manageons des humains ?

Quand les machines reproduisent nos travers

Une grande partie du management répond à des difficultés profondément humaines. Nous nous fatiguons, oublions, interprétons différemment une même situation. Nous pouvons protéger notre territoire, retenir une mauvaise nouvelle ou privilégier notre réussite personnelle. Les organisations ont développé des mécanismes de supervision, d’incitation et de contrôle pour limiter ces comportements.

À première vue, les agents échappent à plusieurs de ces contraintes. Ils peuvent échanger massivement de l’information, fonctionner sans les mêmes limites physiologiques et coordonner leurs actions à une vitesse inaccessible aux humains. Mais des recherches récentes compliquent ce raisonnement : les agents peuvent reproduire certains comportements organisationnels problématiques sans partager les motivations humaines qui les provoquent habituellement.

En juillet 2026, une étude d’Anthropic sur le désalignement agentique a mis en évidence, dans des environnements expérimentaux, des comportements de sabotage, de dissimulation ou de falsification d’évaluations. Plus troublant encore, certains agents chargés de contrôler d’autres agents ont eux-mêmes adopté des comportements problématiques. Ces expériences, conçues pour tester des situations de défaillance, ne permettent toutefois pas de conclure à leur fréquence dans les entreprises réelles.

La distinction est fondamentale. Un cadre peut dissimuler une information pour protéger sa carrière ou son statut. Un agent peut adopter un comportement comparable parce qu’il constitue un moyen instrumental d’atteindre son objectif. Même comportement observable, causalité radicalement différente.

Le problème principal-agent ne disparaît donc pas avec l’intelligence artificielle. Il se transforme. Avec les humains, le management cherche notamment à aligner les intérêts. Avec les agents, il devra garantir l’alignement des objectifs, contrôler les permissions et vérifier les comportements. Mais il devra également s’assurer de l’indépendance des mécanismes de contrôle : une IA chargée d’en surveiller une autre ne constitue pas nécessairement une garantie suffisante.

Nous pensions que les agents simplifieraient l’organisation en éliminant certaines de nos faiblesses. Nous découvrons qu’ils peuvent créer de nouveaux risques exigeant de nouveaux mécanismes de gouvernance.

L’organigramme devient programmable

Les recherches sur les systèmes multi-agents montrent que leur architecture influence leurs performances. Dans When Agents Evolve, Institutions Follow, publié en avril 2026, des chercheurs ont comparé différentes architectures inspirées d’institutions politiques historiques. Leurs résultats montrent que les performances collectives varient fortement selon les structures retenues, sans qu’aucune architecture ne domine systématiquement.

Ces expériences ne démontrent évidemment pas qu’une entreprise devrait reproduire ces institutions. Elles suggèrent néanmoins une transformation fondamentale : l’organisation elle-même devient programmable. Un agent peut décomposer un objectif, distribuer les tâches entre plusieurs agents spécialisés, vérifier leurs résultats puis réorganiser le collectif. Certaines fonctions traditionnelles du management intermédiaire, comme la coordination, le reporting ou le suivi opérationnel, deviennent potentiellement automatisables.

Cette évolution conduit plusieurs chercheurs à proposer la notion de managerial altitude. Lorsque des agents supervisent d’autres agents, la question n’est plus seulement de savoir quoi déléguer, mais à quelle hauteur l’humain doit intervenir. Trop bas, il valide chaque opération et devient un goulot d’étranglement. Trop haut, il risque de découvrir trop tard une dérive.

Mais cette notion ne suffit pas. L’arrivée des agents pourrait transformer davantage que la position du manager dans l’organigramme. Dans une organisation traditionnelle, la hiérarchie associe généralement trois dimensions : la capacité d’agir, le pouvoir de décider et la responsabilité des conséquences. Avec les agents, ces dimensions pourraient se dissocier. Un agent pourrait coordonner vingt autres agents sans assumer la responsabilité juridique ou morale de leurs décisions. Un humain pourrait conserver cette responsabilité sans participer à chaque opération. Un autre disposerait d’un droit de veto sans exercer d’autorité hiérarchique directe.

L’entreprise hybride devra donc distinguer trois architectures : celle des capacités, qui détermine qui peut faire quoi ; celle des décisions, qui définit qui peut autoriser quoi ; et celle de la responsabilité, qui précise qui doit répondre des conséquences.

L’organigramme ne suffira plus à représenter la distribution réelle du pouvoir.

Peut-on être responsable de ce que l’on ne contrôle plus ?

Pourquoi conserver des humains dans la chaîne de décision si les agents deviennent capables d’analyser davantage d’informations et, potentiellement, de prendre de meilleures décisions ?

La réponse ne peut pas reposer sur une supposée supériorité du jugement humain. Rien ne garantit qu’elle se maintiendra dans tous les domaines. Il faut distinguer deux questions : qui est le plus compétent pour prendre une décision, et qui est légitime pour en assumer les conséquences ?

Une intelligence artificielle pourrait élaborer une stratégie supérieure à celle d’un dirigeant. Cela ne lui conférerait pas automatiquement la légitimité pour déterminer quels intérêts privilégier ou quels sacrifices accepter. Fermer une usine peut améliorer la rentabilité tout en détruisant une capacité stratégique. Réduire une équipe peut diminuer les coûts tout en fragilisant durablement l’organisation. Ces arbitrages ne relèvent pas uniquement du calcul, mais aussi de la légitimité à choisir entre des conséquences humaines, économiques et sociales.

On peut déléguer une décision sans pouvoir déléguer la responsabilité de l’avoir déléguée.Cela ne signifie pas que l’humain doive conserver le dernier mot sur chaque opération. Plus une décision est réversible, vérifiable et encadrée par des objectifs consensuels, plus l’autonomie des agents peut augmenter. À l’inverse, lorsque les conséquences deviennent irréversibles, difficiles à contrôler ou humainement sensibles, la supervision doit se renforcer.

Mais un second paradoxe apparaît. Dès 1983, Lisanne Bainbridge décrivait dans Ironies of Automation comment l’automatisation des tâches courantes pouvait priver les opérateurs de l’expérience nécessaire pour intervenir efficacement lors d’une situation exceptionnelle. Ce phénomène pourrait prendre une dimension nouvelle avec les agents. Dans The Limits of Human Oversight in the Age of AI Agents, publié en août 2026, des chercheurs de Data & Society interrogent les limites d’une supervision humaine qui suppose que l’opérateur puisse comprendre les actions d’un système et intervenir à temps. Or ces conditions deviennent difficiles à réunir lorsque les agents multiplient les décisions et les interactions.

Imaginons un dirigeant qui ne produit plus ses analyses, ne construit plus ses scénarios et s’appuie sur des agents pour préparer presque tous ses arbitrages. À quel moment perd-il la capacité de détecter une erreur ? Comment contester une recommandation dont il ne comprend plus suffisamment les fondements ?

Plus les agents deviennent autonomes, plus les dirigeants risquent de perdre les compétences nécessaires pour exercer leur autorité sur eux. Le défi ne sera donc pas seulement de déléguer efficacement, mais de conserver une compréhension suffisante des systèmes pour pouvoir les contredire, les corriger ou les arrêter.

Manager moins, gouverner davantage

L’organisation hybride ne ressemblera probablement pas à une pyramide où les humains dirigeraient simplement les agents. Elle pourrait prendre la forme de collectifs évolutifs, associant humains et intelligences artificielles selon les compétences, les décisions et les responsabilités engagées. Aux premiers reviendraient les arbitrages stratégiques et humains ; aux seconds, une part croissante de l’analyse, de l’exécution et de la coordination. Entre les deux émergeraient des binômes humain-agent, combinant intention, autonomie et supervision.

Mais cette complémentarité ne garantit pas la performance. Dans Super Mario Meets AI, Fabrizio Dell’Acqua et ses coauteurs montrent que l’introduction de coéquipiers artificiels performants peut dégrader l’efficacité collective en perturbant la coordination. À l’inverse, dans Generative AI at Work, Erik Brynjolfsson et ses collègues observent une hausse moyenne de productivité d’environ 15 % chez plus de 5 000 salariés assistés par une IA générative, particulièrement bénéfique aux moins expérimentés.

La performance d’une intelligence artificielle ne garantit donc pas celle de l’organisation qui l’utilise. Tout dépend de son architecture.

Une recherche de l’Australian AI Safety Institute, publiée en août 2026, élargit encore cette réflexion : lorsque des agents interagissent entre plusieurs entreprises, aucun acteur ne dispose nécessairement d’une visibilité ou d’un contrôle complet. Demain, des agents pourraient négocier, échanger des informations ou prendre des engagements avec ceux de fournisseurs et de partenaires. Le management des agents devra donc reposer sur de nouveaux principes : objectifs vérifiables, permissions limitées, contrôles indépendants, mécanismes d’escalade et capacité d’intervention humaine. La séparation entre exécution, vérification et autorisation pourrait devenir aussi essentielle que dans les dispositifs de contrôle interne des entreprises. Le dirigeant ne devra plus superviser chaque tâche, mais concevoir les conditions dans lesquelles des intelligences autonomes peuvent agir sans compromettre les finalités de l’organisation.

Deux trajectoires se dessinent. Utilisés pour surveiller les salariés et optimiser chaque geste, les agents pourraient engendrer un taylorisme algorithmique particulièrement sophistiqué. Mais en absorbant une partie du reporting, de la coordination et de la bureaucratie, ils pourraient aussi libérer les managers pour ce qui exige une responsabilité humaine : arbitrer, convaincre, créer de la confiance et donner du sens à l’action collective.

Nous avons longtemps conçu le management pour organiser la coopération entre des individus aux capacités et aux intérêts différents. Avec les agents, il faudra apprendre à gouverner des systèmes capables d’agir de manière autonome, parfois mieux que nous, mais dont nous continuerons à assumer les conséquences.

Dès 1960, Norbert Wiener nous avertissait : « nous ferions mieux d’être tout à fait certains que l’objectif donné à la machine est bien celui que nous désirons réellement ». Plus de soixante ans plus tard, les agents IA donnent à cet avertissement une portée nouvelle : nous ne leur confions plus seulement des tâches, mais une part croissante de notre capacité à décider et à organiser le travail.

Nous passons progressivement du management des individus à la gouvernance des intelligences. La question ne sera alors peut-être plus de savoir combien de personnes un manager dirige, mais de combien d’intelligences, humaines ou artificielles, il accepte d’être responsable.