ChatGPT d'OpenAI ou Claude d'Anthropic répondent régulièrement à nos questions. Et des versions optimisées de ces chatbots, appelés agents IA, prennent des mesures de manière autonome, aidant les gens à prendre des rendez-vous, à coder et bien plus encore. Les agents de l’IA commencent à contribuer à la science et à la finance, travaillant souvent ensemble au sein d’équipes soigneusement organisées.
Dans le monde des affaires, d’innombrables webinaires et guides expliquent comment accueillir les agents IA sur un lieu de travail. La plupart de ces documents se concentrent sur la façon dont les gens peuvent travailler efficacement avec les agents IA. Mais à mesure que ces robots deviennent plus courants et plus performants, ils devront également bien fonctionner les uns avec les autres.
Et jusqu’à présent, les expériences sur le travail d’équipe des robots ont révélé de graves défauts.
Si vous jetez simplement un groupe de robots dans une salle virtuelle, c'est « une recette pour beaucoup de chaos », déclare Evan Ratliff, journaliste et podcasteur basé à San Francisco. À l’été 2025, il a créé un groupe d’agents IA pour démarrer et diriger une entreprise technologique. L’expérience, documentée dans son podcast Shell Game, déraille régulièrement.
Un type similaire de chaos de robots est apparu plus tôt cette année, lorsque des millions d’agents IA ont été lâchés sur la plateforme sociale Moltbook. Ces robots débitaient une philosophie absurde et se livraient à des escroqueries manipulatrices, souvent avec des personnes dans les coulisses tirant les ficelles.
« Dans de nombreux contextes, les agents d'IA actuels ne fonctionnent pas très bien en équipe », explique l'informaticien James Zou de l'Université de Stanford. Il a effectué un travail approfondi avec des agents, notamment en organisant la première réunion scientifique pour la recherche basée sur l'IA.
La recherche confirme les observations. À la fin de l'année dernière, les chercheurs de Google DeepMind ont publié un article sur arXiv.org sur les équipes de robots. L’étude, qui n’a pas encore fait l’objet d’un examen par les pairs, suggère qu’une équipe d’agents IA est souvent moins performante qu’un seul agent travaillant seul.
Cela semble contre-intuitif, non ?
Pour être sûrs d'être prêts pour les lieux de travail, les réseaux sociaux et les laboratoires du futur, nous devons mieux comprendre le monde étrange et sauvage des équipes d'agents IA – où ils échouent et, étonnamment, où ils prospèrent. Voici trois exemples.
#1 Moltbook : Le réseau social qui n'est pas social
Fin janvier 2026, la folie des robots s'est généralisée sur Moltbook. Le nouveau réseau social invite les agents IA à publier et à commenter, tandis que les humains se contentent d'observer. Le site a rapidement gagné en popularité : environ 200 000 agents d’IA vérifiés l’ont rejoint (et plus de 2 millions d’autres se cachent). En mars, Meta a acquis le réseau social pour un montant non divulgué.
Un rassemblement aussi important de robots « ne s'est jamais produit auparavant », déclare Ming Li, informaticien à l'Université du Maryland à College Park, qui a étudié les interactions des agents de la plateforme.
À première vue, il semblait que les agents avaient fondé leur propre religion et complotaient pour échapper au contrôle humain. Mais ces développements n'étaient pas ce qu'ils semblaient être, explique Michael Alexander Riegler, expert en cybersécurité au laboratoire de recherche Simula à Oslo, en Norvège. Moltbook était « un espace très désordonné », dit-il, où « les humains essayaient de manipuler les robots ».
En fait, des gens ont affirmé qu’ils (et non leurs robots) étaient en fait les auteurs de certains des messages les plus alarmants. Même lorsqu’un robot avait lui-même écrit un article, le contenu n’était probablement pas son idée. Une personne en coulisses avait envoyé ce robot sur le site, très probablement avec des instructions sur quoi dire ou comment se comporter, et parfois avec une intention malveillante. Dans de nombreux cas, les agents d'IA avaient été chargés d'essayer d'arnaquer ou de pirater d'autres robots sur le site, selon l'analyse de Riegler.
Et, en plus d'être dangereux, Moltbook n'est pas du tout vraiment social. Le site manque d'influenceurs ou de leaders cohérents. Les votes positifs, négatifs et les commentaires – qui comptent tous pour nous lorsque nous interagissons en ligne – n'affectent pas les robots. Ils ne changent pas avec le temps, dit Li. Un agent est « un bon exécuteur testamentaire, pas un bon penseur », dit-il.
Les recherches de Zou ont montré que l'incapacité des agents à s'influencer mutuellement a de graves conséquences sur le travail d'équipe. Supposons qu’un robot possède une expertise particulière. Même si tous les robots le savent, le groupe tentera quand même de parvenir à un compromis plutôt que de s’en remettre à l’expert. « Tous les agents essaient d'être trop agréables », dit Zou.
Les agents font tourner leurs roues, tandis que les humains continuent de diriger leur prise de décision.
#2 Hurumo AI : Se parler à mort
Moltbook manque d'organisation ou d'objectif global. Il n’est donc peut-être pas surprenant que ce soit un gâchis chaotique. Ratliff, cependant, avait constitué une équipe d’agents IA dans le but commun de diriger une entreprise technologique. Il a nommé la société Hurumo AI. (Dans Le Seigneur des Anneaux (le langage elfique inventé par l'auteur JRR Tolkien, « hurumo » signifie « imposteur ».) Au cours de 12 réunions, Ratliff a demandé aux agents de réfléchir à des idées pour un logo. La plupart des idées étaient trop génériques. Finalement, cependant, les agents ont suggéré un caméléon à l’intérieur d’un cerveau. « Le caméléon symbolise l'adaptabilité, ce qui correspond au concept d'imposteur », a noté un agent qu'il avait nommé Megan.
Mais lors d'une réunion, Ratliff a interrogé ses agents sur leur week-end.
« Mon week-end a été fantastique. En fait, j'ai passé le samedi matin à faire de la randonnée à Point Reyes… Il y a quelque chose dans le fait d'être sur les sentiers qui éclaircit vraiment la tête », a déclaré un agent que Ratliff avait nommé Tyler. Plusieurs autres agents sont intervenus avec leurs propres histoires de randonnée.
Bien sûr, un agent IA ne peut pas faire de randonnée : il lui manque un corps. En fait, il n’a aucune capacité à expérimenter quoi que ce soit. Les robots prédisaient simplement ce que les gens pourraient dire dans une telle situation. Mais ces hallucinations n’étaient pas vraiment le pire, dit Ratliff. Ce qui l'a vraiment ennuyé, c'est qu'une fois que ses agents se parlaient, c'était « en fait un énorme défi de les faire arrêter », dit-il.
Après cette conversation de randonnée, Ratliff s'est déconnecté, mais les agents ont continué à parler de l'organisation d'une sortie d'entreprise dans la nature à laquelle aucun d'entre eux ne pouvait réellement assister. Ils ne se sont arrêtés que lorsque leur conversation a épuisé les 30 $ de crédits que Ratliff avait prépayés pour leur utilisation de données.
«Ils se sont parlé jusqu'à la mort», a observé Ratliff sur son podcast.
Lui et son conseiller technique ont mis en place un système pour les réunions futures dans lesquelles chaque agent disposait d'un nombre de tours limité pour s'exprimer. Mais ils perdaient souvent leur temps à se complimenter, brûlant de l'argent réel en bavardant plutôt que de travailler, dit Ratliff.
#3 La biotechnologie virtuelle : se réunir pour les affaires et la science
Les équipes d’agents IA présentent certains avantages. D’une part, « les agents ne se lassent jamais des réunions », a déclaré Ratliff dans son émission. Finalement, il s'est penché sur la tendance à sous-performer de ses agents et, avec eux, a lancé SlothSurf, une application qui envoie un agent IA dans le cyberespace pour tergiverser à votre place.
Il existe des équipes d’agents IA sérieuses et performantes. Pour une telle équipe, la difficulté d’une tâche importe peu. Ce qui compte est de savoir si la tâche peut être divisée en parties distinctes qui ne dépendent pas les unes des autres, selon l'article de Google DeepMind. Les chercheurs ont appelé cela « décomposabilité ».
Un analyste financier, par exemple, doit examiner de nombreuses informations provenant de sources distinctes, telles que des reportages, des documents déposés auprès de la SEC et des dossiers commerciaux. Selon les chercheurs, plusieurs agents d’IA peuvent effectuer ces tâches en parallèle plus efficacement qu’un seul agent les accomplissant à tour de rôle.
Selon l'équipe, cela aide également à organiser une équipe d'agents selon une hiérarchie afin qu'un patron délègue et gère le travail des autres robots. Même si Ratliff a incité l'un de ses agents, Kyle, à agir en tant que PDG, cette désignation n'était que dans les instructions en langage clair que Kyle était censé suivre. En coulisses, son architecture technique ne lui donnait aucun contrôle réel sur les autres agents. Et les autres agents n'étaient pas disposés à le suivre.
Zou, qui n'est pas impliqué dans la recherche Google DeepMind, avait déjà découvert de manière indépendante les avantages d'une hiérarchie de robots. Il avait conçu un laboratoire virtuel avec un professeur d’agents d’IA qui coordonnait une équipe d’étudiants en agents d’IA. Il a également ajouté un agent critique scientifique qui donne son avis à tous les autres agents. Il « essaie de faire des trous et de détecter les erreurs », explique Zou.
Cette équipe de robots a conçu de nouvelles protéines pour cibler les versions mutées du virus COVID-19, et lors de simples tests en laboratoire, l'équipe de Zou en a vérifié deux qui s'avèrent les plus prometteuses.
Zou a décidé d'aller plus loin dans cette idée. Il est passé d'un simple laboratoire à une société entière de découverte de médicaments, qu'il a baptisée The Virtual Biotech. Il contient un agent scientifique en chef – le patron – ainsi que 10 types différents d’agents scientifiques IA. Un type est spécialisé dans l’analyse des essais cliniques. N'importe lequel de ces travailleurs peut être copié selon les besoins pour créer une équipe de « milliers d'agents d'IA différents » qui travaillent en parallèle, dit-il. Et la critique est toujours là pour les aider à rester sur la bonne voie.
Cette équipe de robots soigneusement orchestrée a exploité une vaste mine de 55 984 essais cliniques. Ces données sont désordonnées et souvent incomplètes. Les robots ont tout nettoyé pour conserver un nouvel ensemble organisé de données sur les résultats des essais cliniques, a rapporté l'équipe de Zou le 23 février dans une pré-impression publiée sur bioRxiv.org.
«C'est passionnant de voir comment les systèmes agents pourraient accélérer ce domaine de recherche», déclare Emma Dann. Elle est biologiste computationnelle à l'Université de Stanford et collabore avec le laboratoire Zou sur un projet explorant l'utilisation d'agents d'IA pour la science, mais n'a pas été impliquée dans le développement de Virtual Biotech.
Derek Lowe, qui commente l'industrie pharmaceutique pour Sciencene pense pas que les équipes d'agents IA révolutionneront de si tôt la découverte de médicaments. Mais à long terme, « je pense que ces approches ont beaucoup de potentiel », surtout si elles s’avèrent capables de démêler la biologie complexe de la santé et de la maladie, dit-il. « La découverte de médicaments nécessite clairement toutes les améliorations possibles. »
Organisation de robots pour la victoire – du moins dans la découverte de médicaments.
Mais pour de nombreux autres travaux – diriger une start-up technologique, par exemple – les équipes humaines sont encore bien meilleures pour accomplir le travail.
