Nous avons donné à un outil d’IA le contrôle total d’un ordinateur portable. Applications préconfigurées. Accès Internet complet. La question était suffisamment simple pour tenir sur une serviette : l’intelligence artificielle peut-elle réellement faire un travail de bureau ?
Les dirigeants le pensent certainement. Plus de 200 entreprises technologiques ont supprimé environ 120 000 postes rien que cette année. Layoffs.fyi suit l’hémorragie, et les noms sur cette liste (Meta, Oracle) citent l’IA comme principal moteur. Le PDG de Cloudflare n’a pas mâché ses mots après avoir licencié 1 100 personnes. Il s’attend à ce que l’IA remplace le management intermédiaire, la finance et le marketing.
Nous avons mis ces agents à l’épreuve. Et la réponse n’est pas un « oui » ou un « non » clair. C’est un “parfois” désordonné.
Test des agents IA sur de vraies tâches Office
Nous avons déployé des « agents » d’IA pour agir en tant qu’employés de bureau. L’objectif était de voir s’ils pouvaient prendre des décisions autonomes sur la base d’instructions détaillées. Nous avons utilisé des benchmarks de l’Université Carnegie Mellon et d’OpenAI pour simuler des environnements réels. Ces tests utilisaient des feuilles de calcul, des mémos et des listes de personnel fabriqués de toutes pièces, ainsi que des invites soigneusement écrites pour définir le rôle de l’IA et les outils disponibles.
Nous avons géré ces agents à l’aide de l’application Claude Cowork d’Anthropic. Cette configuration a permis à l’IA de prendre le contrôle de l’ordinateur. Mais le contrôle est une chose. La compétence en est une autre.
Les agents excellaient dans les tâches impliquant l’écriture de programmes informatiques. Ils ont eu du mal avec tout le reste.
L’IA peut-elle gérer les nuances humaines et la conception d’interfaces ?
Notre premier test consistait à recueillir les commentaires de collègues sur Slack. Nous avons créé des robots pour imiter les collègues, en alimentant les réponses pré-écrites de l’IA. L’agent a réussi quelques courbes sans sauter une batte. Lorsqu’un nom était mal orthographié – « Sara » au lieu de « Sarah » – le message était toujours la bonne personne. Lorsqu’un participant ne répondait pas, il ne restait pas à attendre. Il a enregistré l’employé avec un score zéro et est passé à autre chose.
Des trucs simples. Mais ensuite nous lui avons lancé quelque chose de complexe.
L’agent devait examiner des documents et identifier les réductions de personnel pour le budget d’une agence gouvernementale. Il fallait décider quels rôles étaient remplaçables. Le résultat ? Il a produit un rapport de trois documents. Surtout précis. Il a correctement identifié que les départs à la retraite et les démissions pouvaient atteindre les objectifs budgétaires sans licencier personne.
Mais il a commis une erreur significative. Il signalait les employés partant en congé pour licenciement. Cela les a tous regroupés, ignorant le fait qu’ils envisageaient de revenir.
Là où un humain demandait instinctivement combien de temps durait le congé, l’IA supposait qu’il était parti pour de bon. Cela déduit une suppression permanente d’une absence temporaire.
« L’IA est peut-être moins capable de remplacer le savoir-faire tacite, les compétences et astuces idiosyncratiques qui s’accumulent avec l’expérience. » — Stanford et NBER
Connaissance tacite. Des choses qu’on apprend en faisant, pas en lisant. L’IA n’a pas ça. Pas encore.
Pourquoi les agents IA préfèrent coder plutôt que cliquer
L’IA s’étouffait également avec la navigation de base de l’interface. Il a eu du mal avec l’interface de Google Drive. Il a fouillé dans des feuilles de calcul. Lorsqu’on lui a demandé de modifier un organigramme dans Preview ou Google Slits, il a immédiatement abandonné. Il a décidé que l’utilisation d’une application était « trop peu pratique » et a écrit du code à la place.
Graham Neubig, professeur à Carnegie Mellon et co-auteur du projet AgentCompany, a noté que les agents travaillent de « manière très inhumaine ». Ils préfèrent le codage aux interfaces utilisateur typiques.
Notre agent a confirmé ce biais. Malgré des instructions explicites pour essayer les applications en premier, il nous a ignorés. Après environ 30 secondes, il est passé au codage. Il a reconnu qu’il était bon en code. Il a reconnu qu’il était mauvais pour cliquer sur des boutons conçus pour les yeux humains.
La tâche suivante a renforcé ce modèle. L’agent a dû remplir 17 formulaires de vérification d’emploi en utilisant les données d’une feuille de calcul. Il les a téléchargés sur Google Drive.
Encore une fois, il a évité les applications. Il a écrit du code. La solution a bien fonctionné. Il a même ajouté des contrôles de formatage pour les numéros de téléphone et les identifiants de sécurité sociale. Cela a permis de réaliser ce qui serait un travail fastidieux pour un humain.
Puis ça s’est arrêté. Une étape triviale pour tout employé de bureau : télécharger les PDF terminés dans le bon dossier Google Drive. L’agent a trébuché. Le code gérait la logique, mais la gestion de l’interface échouait.
Le verdict : l’IA a besoin d’un patron humain
Notre expérience correspondait à des conclusions plus larges du secteur. Scale AI a récemment testé des agents sur de vrais projets indépendants. Le modèle le plus performant a produit des résultats prêts pour le client seulement 16 % du temps.
L’IA peut exceller dans des tâches spécifiques et isolées. Il peut gérer des données structurées. Il peut écrire du code. Mais il échoue dans les parties nuancées, intuitives et gourmandes en interface de la plupart des tâches. Il ne comprend pas la politique du bureau. Il ne sait pas quand quelqu’un fait une pause ou quand il arrête.
Cela peut ajouter de la valeur à certains domaines de la main-d’œuvre. Mais pour l’instant, l’IA a encore besoin d’un humain pour surveiller ses arrières. Un patron humain. Quelqu’un pour récupérer les téléchargements bloqués. Quelqu’un pour corriger les erreurs d’embauche.
Les outils s’améliorent. Mais l’écart entre « accomplir une tâche » et « faire un travail » reste large.
