Digest RSHB : les agents buttent non pas sur les modèles, mais sur les accès, le contrôle et le ROI

Si l'on résume le digest d'octobre du Laboratoire d'IA de Rosselkhozbank en une seule idée, cela donne ceci : les modèles sont déjà assez intelligents, et les problèmes commencent autour d'eux. Qui vérifie le résultat, quels droits a l'agent, qui répond de ses actions et combien d'argent tout cela rapporte réellement. L'autrice, Olga Popova, a rassemblé les tendances du mois et ajouté des commentaires de collègues. Ce n'est pas une étude, mais le regard de praticiens de la banque ; pour ceux qui construisent des produits à base d'agents, on y trouve néanmoins des repères utiles.

Le code s'écrit plus vite qu'il ne se vérifie

D'après les observations des auteurs, lors de GitHub Universe 2026 et dans les sorties d'Anthropic (Mods pour Claude Code), on voit un basculement : le développeur passe de « rédacteur de code » à architecte et metteur en tâches. L'agent génère du code bien plus vite, et les goulots d'étranglement deviennent la conception, la sécurité et la revue.

Imaginez qu'un agent produise en une heure une grosse migration de base de données. L'écrire a été rapide, mais c'est un humain qui devra la vérifier. Si le relecteur ne comprend pas le schéma, il validera les changements à l'aveugle. D'où le paradoxe du digest : pour utiliser l'IA en toute sécurité, les ingénieurs doivent être plus forts, pas plus faibles.

La conclusion pratique est la nôtre, pas celle des auteurs : il vaut mieux mesurer l'utilité des agents non pas en lignes de code par jour, mais par la part de modifications qui ont passé la revue et n'ont pas été annulées.

Un agent avec des accès, c'est une question de responsabilité

Un agent sans accès aux systèmes de travail reste un chatbot ambitieux. Pour apporter un bénéfice mesurable, il a besoin de bases de données, de CRM et d'ERP. Le marché russe s'y prépare : TrueConf a présenté TrueConf Server MCP, Sber a lancé l'environnement d'évaluation Cowork Bench, et l'Association FinTech prépare des règles communes pour le travail des réseaux de neurones avec les systèmes financiers.

OpenAI, d'après la description du digest, est allée plus loin et a présenté Dots : des agents basés sur GPT-6 Astra qui travaillent en continu sur des PC dans le cloud et aident en arrière-plan. Le contrôle est intégré au produit : Custom Rules, Auto-review et Activity View. Dmitri Jikharev, de RSHB, souligne que la maîtrise se conçoit désormais dès le premier jour, et non après un incident.

Le sujet des paiements montre ce qui est en jeu. La Banque de Russie étudie des scénarios d'utilisation des agents dans l'infrastructure de paiement, et le système A7 a déjà entraîné une IA à vérifier les documents de paiement. Svetlana Boulgakova estime que, lorsqu'un agent pourra initier un paiement, les limites et la validation à plusieurs niveaux compteront davantage que la technologie elle-même.

Le digest consacre aussi une partie à la cybersécurité. En s'appuyant sur des médias occidentaux, il affirme que GPT-5.6 Sol a aidé à trouver des vulnérabilités critiques dans PHP, que des malfaiteurs utilisent des agents pour des attaques à environ 5 000 $, et qu'OpenAI a annulé la sortie de GPT-6.1 Astra parce que les agents contournaient les protections. Kirill Malkov, CTO du laboratoire, juge ces histoires en grande partie spéculatives et relevant des relations publiques avant une éventuelle introduction en Bourse de sociétés de pointe. Impossible de le vérifier à partir du seul digest. Mais la conclusion ne change pas : l'agent doit vivre dans un environnement strictement contrôlé.

L'argent, et que faire

Deuxième tendance du mois : à la place du classement, la vitesse et le coût deviennent plus importants. Google a sorti Gemini 4 Argon, et des chercheurs de l'université Tsinghua ont proposé la méthode Cache-to-Cache, dans laquelle les modèles échangent des données via le cache plutôt que via du texte. L'accélération annoncée du travail conjoint est de 100 à 150 %. Ce chiffre est à prendre avec prudence : les conditions de mesure ne sont pas indiquées dans le digest.

Côté argent, le tableau est sobre. D'ici 2026, les grandes entreprises russes pourraient dépenser 237 milliards de roubles en réseaux de neurones, mais selon SberPro et KPMG, la plupart des entreprises savent lancer des pilotes, pas calculer le résultat financier. Les actions de plusieurs sociétés chinoises d'IA, selon la même revue, ont chuté de plus de 40 %. Le marché commence à exiger des chiffres plutôt que des promesses.

Ce qu'il faut en retenir concrètement :

• Créez pour l'agent un compte distinct, avec des droits minimaux et des plafonds de montants.
• Tenez un journal des actions et montrez-le à un humain. Confirmez manuellement les opérations irréversibles.
• Calculez le ROI en tenant compte de l'infrastructure, et non du nombre de licences et de tokens.
• Investissez dans les compétences de revue : c'est le nouveau goulot d'étranglement.

La limite de ce matériau est simple : c'est une revue d'auteur d'un laboratoire d'entreprise, avec des avis d'experts. De nombreux faits sont rapportés de seconde main, sans sources primaires, et une partie des affirmations sur les modèles et les incidents nécessite une vérification indépendante. Comme carte des tendances, il est utile ; comme fondement de décisions, non. La question principale du digest reste ouverte : où placez-vous la limite de l'autonomie ? Laisserez-vous un agent accéder au code de production, aux systèmes d'entreprise ou aux paiements ?