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

Une équipe de 16 chercheurs publie une revue 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 aboutit 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, et est accompagné d'une page de projet ainsi que d'un dépôt GitHub, awesome-working-agent, qui recense la littérature existante.

L'agent comme système, pas comme modèle

Le postulat de départ est le suivant : les foundation models sont passés de la génération d'information à l'exécution d'un travail numérique. Les agents transitent par des outils, des applications et des workflows. Or, selon les auteurs, la recherche manque d'une vision unifiée permettant de comprendre comment un agent accomplit de façon fiable la tâche qui lui est confiée.

Ils proposent de considérer le work agent comme un système composé de deux éléments : un foundation model et un runtime harness, c'est-à-dire la couche logicielle au sein de laquelle le modèle s'exécute. L'agent résout les tâches dans un stateful workspace, un espace de travail à état persistant, et doit in fine produire un résultat vérifiable. Il en résulte que la fiabilité ne dépend pas uniquement des poids du modèle, mais aussi de la façon dont sont conçus la mémoire, les outils, le contrôle des étapes et la validation du résultat final.

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

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

• Work persistence — dans quelle mesure le travail s'étend dans la durée et repose sur un état conservé entre les étapes et les sessions.
• Work openness — dans quelle mesure l'environnement est ouvert et imprévisible, plutôt que limité 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 pour une exécution fiable. Elles fournissent un vocabulaire commun : on peut ainsi comparer un agent effectuant une opération ponctuelle dans une application fermée à un agent qui pilote un projet pendant des semaines dans un environnement ouvert.

Où optimiser : le modèle, la couche d'exécution, ou les deux à la fois

Une partie distincte de la revue est consacrée à l'amélioration des agents. Les auteurs y examinent trois axes :

• Model optimization — l'affinage et l'amélioration du modèle lui-même.
• Harness optimization — le réglage de la couche d'exécution : la façon dont l'agent est structuré autour du modèle et interagit avec l'espace de travail.
• Joint optimization — le réglage conjoint du modèle et de la couche d'exécution.

Cette distinction se révèle utile en pratique. Les équipes attribuent souvent les progrès d'un agent à un nouveau modèle, alors que le gain pouvait provenir d'un harness repensé, et inversement. Optimiser les deux éléments conjointement permet de prendre en compte explicitement leurs dépendances mutuelles.

Évaluer en fonction du 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 effectifs du travail accompli. Il ne s'agit pas de mesurer la plausibilité d'une réponse, mais de déterminer si la tâche est résolue et si cela peut être vérifié. Pour une entreprise, cette distinction est essentielle : le client paie pour un rapport finalisé, un ticket clos ou un code fonctionnel, pas pour une chaîne de raisonnement élégante.

La section consacrée à l'avenir identifie trois axes :

• la délégation soutenue du travail sur des horizons longs (sustained work delegation) ;
• l'adaptation à des environnements ouverts ;
• l'interaction entre l'exécution du travail et la croissance des capacités de l'agent.

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

Comment utiliser ce cadre pour choisir une stack agentique

La revue ne fournit pas de benchmark prêt à l'emploi, mais propose une grille de lecture pour la conception et les achats. Avant de comparer des agents sur la base de classements, il convient de 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 sites quelconques ?
• Qu'est-ce qui relève du modèle dans votre agent, qu'est-ce qui relève de la couche d'exécution, et quelle partie pouvez-vous modifier ?
• Sur quel résultat vérifiable acceptez-vous le travail accompli ?

Les équipes qui répondent à ces questions avant de choisir un modèle auront plus de chances de repérer précisément où la fiabilité de leur agent se brise, et éviteront de chercher la cause des défaillances au mauvais endroit.