Quelles tâches génératrices de revenus les AI Agents peuvent réellement exécuter aujourd’hui, lesquelles restent difficiles à automatiser et quels contrôles doivent rester humains.
La vraie ligne de séparation entre un AI Agent et une IA conversationnelle tient à sa capacité d’agir : ouvrir un navigateur, remplir des formulaires, lire et écrire dans des tableaux, puis avancer dans un processus sans vous obliger à tout copier-coller.
Ce changement apporte un gain réel de capacité, mais il révèle aussi très vite la frontière entre ce qui fonctionne et ce qui ne fonctionne pas. Après quelques essais, on constate généralement que les principaux blocages sont rarement techniques ; ils se trouvent ailleurs.
Les tâches qui fonctionnent réellement aujourd’hui
Les usages actuellement stables ont un point commun : le résultat peut être vérifié rapidement par une personne et une erreur n’entraîne pas de conséquence irréversible.
L’organisation et le suivi de données sont les cas les plus simples. Un Agent peut récupérer régulièrement des données dispersées dans plusieurs sources, aligner les champs, supprimer les doublons et générer un rapport quotidien ou hebdomadaire sur les changements, rapidement et sans se lasser. Variations de prix, niveaux de stock, changements de classement et mises à jour de données publiques peuvent tous être traités ainsi. Tant que le workflow reste en lecture seule, le coût d’une erreur est presque nul.
La production en série de premiers jets et la réécriture de contenus sont également devenues utiles. À partir d’un sujet donné, l’Agent peut collecter des informations publiques, les organiser en notes structurées et produire l’ossature d’un premier brouillon, ce qui économise beaucoup de temps de recherche. Même chose pour la réécriture : un contenu long peut être découpé et adapté à la longueur et au ton de plusieurs canaux avec un niveau de finition élevé. Il faut néanmoins considérer le résultat comme un brouillon. Les passages qui reposent sur l’expérience, le jugement ou un point de vue doivent être complétés par une personne, sinon le contenu manque de substance.
Le premier niveau du service client et des réponses par e-mail peut également absorber une part importante de la charge. Questions fréquentes, suivi de livraison, explications sur les retours et échanges ou confirmations de rendez-vous disposent souvent de réponses standard. L’Agent peut traiter ces demandes en premier, puis signaler celles qui sortent du cadre afin de les transmettre à une personne. Le temps de réponse s’améliore nettement.
La comparaison de prix et la synthèse d’informations sont tout aussi stables. Rassembler dans un tableau les prix d’un même produit sur différents canaux, les différences de caractéristiques et les plaintes récurrentes dans les avis est souvent plus fiable qu’une recherche manuelle. Si les axes de comparaison sont clairement définis, le résultat est généralement directement exploitable.
Ces quatre catégories ont aussi un prérequis implicite : les limites de la tâche doivent être claires. Plus vous pouvez préciser « ce qui entre, ce qui doit sortir et dans quelles conditions il faut s’arrêter », plus le workflow sera stable.
Les tâches qui ne fonctionnent pas encore correctement
L’autre côté de la frontière est tout aussi clair. Le problème ne vient pas forcément des capacités du modèle, mais des contraintes du monde réel.
Les opérations qui nécessitent l’identité d’un compte sont l’exemple le plus évident. État de connexion, informations d’identité vérifiées et réputation historique correspondent à des autorisations accordées par une plateforme à un acteur précis. Un Agent ne peut pas les obtenir uniquement par des moyens techniques. Demander à un Agent « d’utiliser un compte » est fondamentalement différent de lui demander « de traiter un jeu de données ».
Les actions liées au paiement ne doivent pas non plus être entièrement automatisées. Passer une commande, débiter des fonds, transférer de l’argent ou effectuer un rachat sont des opérations où une valeur réelle est engagée. Il vaut mieux conserver une confirmation humaine finale pour chacune d’elles. Ce n’est pas seulement une question de risque d’erreur : les opérations financières sont souvent irréversibles.
Il existe aussi des actions dont l’issue dépend nécessairement de la validation d’une plateforme. Réussir une évaluation, obtenir une qualification, s’inscrire à une activité ou faire approuver un contenu dépendent d’une décision de la plateforme. Il n’existe aucun raccourci technique permettant de contourner ce jugement. Les outils qui prétendent garantir ce type de résultat à votre place tiennent rarement leurs promesses.
Enfin, l’inscription massive de comptes et l’exécution automatisée de tâches à la chaîne ne relèvent pas d’un workflow raisonnable. Ces pratiques heurtent certaines des règles les plus explicites des plateformes. La détection ne se limite d’ailleurs pas à une action isolée : rythme d’utilisation, parcours comportementaux et cohérence de l’environnement peuvent tous être pris en compte. Même si une méthode fonctionne techniquement, la durée de vie des comptes dépend de ce que la plateforme accepte de tolérer, et cette hypothèse peut changer à tout moment.
Les points de contrôle à laisser aux humains
Un Agent est le plus à l’aise en tant que couche d’exécution. Plusieurs étapes devraient rester systématiquement sous contrôle humain.
Définir les objectifs et les priorités. Choisir ce qu’il faut faire, selon quel critère et à quel moment s’arrêter compte bien davantage que la vitesse d’exécution. L’Agent n’assumera pas à votre place les conséquences d’une mauvaise direction.
Relire ce qui part vers l’extérieur. Tout contenu qui sera lu en votre nom — e-mails, réponses, publications ou rapports — devrait être vérifié avant envoi. La raison est simple : en cas d’erreur, c’est vous qui en portez la responsabilité.
Confirmer les actions liées à l’argent et aux autorisations. Les droits de lecture peuvent être larges afin que l’Agent puisse consulter des données et produire des rapports à tout moment. Des ajustements courants, comme modifier un paramètre ou mettre en pause une tâche peu efficace, peuvent aussi être délégués. Les changements importants et les opérations en masse devraient en revanche passer par une seconde confirmation humaine. On conserve ainsi l’efficacité sans perdre le contrôle.
Conserver une trace d’exécution. Il faut enregistrer ce que l’Agent a fait et selon quelle règle. En cas de problème, cette trace sert de base au diagnostic ; au quotidien, elle fournit aussi des informations utiles pour améliorer le processus.
Quand vous voulez faire fonctionner davantage de comptes en parallèle
Une fois qu’un workflow individuel tourne correctement, une question vient naturellement : peut-on le réutiliser sur davantage de comptes ?
À ce stade, le goulot d’étranglement se situe généralement moins dans l’Agent que dans l’environnement des comptes. Si plusieurs comptes fonctionnent dans le même environnement de navigateur et passent par la même sortie réseau, une plateforme peut facilement les regrouper et les traiter comme un ensemble. Une approche praticable consiste à associer un environnement à chaque compte : un environnement de navigateur indépendant et une sortie réseau fixe par compte, puis le chargement de l’environnement correspondant au moment d’exécuter ses tâches. Des outils comme PurpleMark proposent précisément ce type de gestion multi-environnements et peuvent fonctionner avec des scripts qui changent d’environnement selon le compte.
Mais il ne faut pas inverser l’ordre. L’isolation de l’environnement répond seulement à la question de savoir si les comptes « ressemblent à des utilisateurs indépendants ». Elle ne dit pas si une action devrait être réalisée. L’activité du compte doit elle-même rester conforme avant que cette isolation ait un sens.
Un ordre de déploiement qui limite les risques
Commencez par un scénario petit et concret au lieu d’essayer d’automatiser tout le processus dès le départ. Vérifiez si le résultat peut être utilisé directement ; si oui, ajoutez l’étape suivante. Définissez dès ce moment les limites d’autorisation, en particulier les droits d’écriture et les actions impliquant de l’argent. Faites tourner un workflow unique de manière stable pendant un certain temps avant de l’étendre à d’autres comptes, et mettez en place l’isolation des environnements avant de passer à l’échelle.
Cette progression est plus lente, mais le coût d’un échec reste faible à chaque étape et les enseignements de chaque phase peuvent être réutilisés.
