Work Agents : 16 chercheurs bâtissent un système de coordonnées commun pour les agents IA

Une équipe de 16 chercheurs a publié une étude de synthèse intitulée Work Agents: Systems, Capabilities, and Optimization (arXiv 2610.35845). Ses auteurs tentent de répondre à une question qui préoccupe aujourd'hui tous ceux qui déploient des agents : comment s'assurer qu'une tâche déléguée aboutisse à un résultat vérifiable. Parmi les auteurs figurent Zishan Xu, Enjun Du, Mingqi Gao, Cheng Yang, Junhao Shen, Difan Zou et Weiwen Liu. L'article a recueilli 15 upvotes sur Hugging Face Daily Papers. Il s'accompagne d'une page de projet et d'un dépôt GitHub, awesome-working-agent, qui rassemble la littérature du domaine.

L'agent comme système, et non comme modèle

La thèse de départ est la suivante : les foundation models sont passés de la génération d'information à l'exécution de travail numérique. Les agents évoluent au travers d'outils, d'applications et de processus de travail. Selon les auteurs, la recherche manque pourtant d'une vision unifiée de la manière dont un agent exécute de façon fiable ce qu'on lui confie.

Ils proposent d'envisager le work agent comme un système en deux parties : un foundation model et un runtime harness, c'est-à-dire l'enveloppe logicielle dans laquelle le modèle s'exécute. L'agent résout ses tâches dans un stateful workspace, un espace de travail à état persistant, et doit produire en sortie un résultat vérifiable. La fiabilité ne dépend donc pas seulement des poids du modèle, mais aussi de la conception de la mémoire, des outils, du contrôle des étapes et de la validation du résultat.

Deux axes, cinq formes de travail et cinq familles de capacités

Pour décrire les conditions dans lesquelles l'agent travaille, les auteurs introduisent deux dimensions :

• Work persistence — la durée du travail et la mesure dans laquelle il s'appuie sur un état conservé entre les étapes et les sessions.
• Work openness — le degré d'ouverture et d'imprévisibilité de l'environnement, par opposition à un ensemble d'actions connu à l'avance.

Selon le volume et l'organisation des tâches, le travail numérique se divise en cinq formes. Cette classification sert de base à une liste de cinq familles de capacités nécessaires à une exécution fiable. Elles fournissent un vocabulaire commun : on peut ainsi comparer un agent chargé d'une opération ponctuelle dans une application fermée et un agent qui pilote un projet pendant des semaines dans un environnement ouvert.

Où optimiser : le modèle, le harness ou les deux à la fois

Une partie distincte de l'étude traite de l'amélioration des agents. Les auteurs examinent trois directions :

• Model optimization — le fine-tuning et l'amélioration du modèle lui-même.
• Harness optimization — le réglage du harness : la façon dont l'agent est construit autour du modèle et dont il interagit avec l'espace de travail.
• Joint optimization — le réglage conjoint du modèle et du harness.

Cette distinction est utile en pratique. Les équipes attribuent souvent les progrès d'un agent à un nouveau modèle, alors que le gain peut venir d'un harness reconstruit, et inversement. Optimiser les deux parties ensemble permet de prendre explicitement en compte leurs dépendances mutuelles.

Évaluer d'après le résultat du travail

Les auteurs analysent les méthodes d'évaluation et les métriques sous l'angle des work outcomes, c'est-à-dire des résultats du travail accompli. Il faut mesurer non pas la vraisemblance d'une réponse, mais la résolution effective de la tâche et la possibilité de le vérifier. Pour les entreprises, c'est un point essentiel : le client paie pour un rapport terminé, un ticket clos ou un code qui fonctionne, et non pour une belle chaîne de raisonnement.

La section consacrée à l'avenir cite trois directions :

• la délégation durable du travail sur de longs horizons (sustained work delegation) ;
• l'adaptation aux environnements ouverts ;
• l'interaction entre l'exécution du travail et la montée en capacités de l'agent.

Le dernier point est intéressant : en exécutant des tâches, l'agent peut accumuler lui-même de l'expérience et s'améliorer, et l'agenda de recherche considère l'exécution et l'apprentissage comme des processus liés.

Utiliser ce cadre pour choisir une pile d'agents

L'étude ne fournit pas de benchmark prêt à l'emploi, mais une checklist pour la conception et les achats. Avant de comparer les agents d'après des classements, il vaut mieux répondre à plusieurs questions :

• Quelle est la durée de votre travail, et où son état est-il stocké ?
• Quel est le degré d'ouverture de l'environnement : un ensemble fixe d'API ou des applications et des sites arbitraires ?
• Dans votre agent, qu'est-ce qui relève du modèle et qu'est-ce qui relève du harness, et sur quelle partie pouvez-vous agir ?
• D'après quel résultat vérifiable acceptez-vous le travail ?

Les équipes qui répondent à ces questions avant de choisir un modèle ont plus de chances de repérer où se situe réellement la faille de fiabilité de leur agent, et de ne pas chercher la cause des défaillances au mauvais endroit.