L'expert augmenté : les plateformes agentiques doivent se construire autour des humains

Chez Junyr, nous accompagnons des PME et quelques grandes entreprises dans leur transformation par l’IA, et la valeur que nous constatons vient d’un expert qui délègue la préparation à des agents, puis corrige, complète et signe. Les plateformes du marché ont surtout été conçues pour autre chose : remplacer un processus, ou peupler un organigramme d’employés virtuels.

• L’IA reste en deçà d’un professionnel sur l’essentiel du travail d’expertise, ce qui laisse l’humain au centre du livrable.
• L’apport de l’humain est son jugement sur les rapports des agents, et une relecture ne tient que si l’interface est pensée pour elle.
• Un benchmark de onze plateformes de neuf éditeurs, telles que documentées au 29 octobre 2026, montre le même angle mort.
• L’approche de Junyr part de l’autre bout : un espace partagé où les agents prennent le travail répétitif et où les humains gardent les décisions.

L’IA reste en deçà du professionnel

La mesure la plus directe de l’IA face aux experts humains en 2026 compare des livrables complets, et sur cette mesure le meilleur modèle égale ou dépasse un professionnel sur environ un projet sur cinq.

• Le Remote Labor Index, conduit par Scale AI et le Center for AI Safety, repose sur 240 projets « issus directement de professionnels freelances expérimentés » [1]. Son taux d’automatisation est « le pourcentage de projets où le livrable d’une IA est jugé au moins aussi bon que le standard humain ».
• Sur le classement consulté le 29 octobre 2026, Claude Opus 5.5 mène avec 21,25 %, devant GPT-6 Astra à 20,83 % et Claude Fable 5.1 à 17,92 % (voir Figure 1).
• Le progrès est réel. En juillet, le Center for AI Safety écrivait que la frontière avait « plus que quadruplé en moins de huit mois », tout en ajoutant : « Les IA d’aujourd’hui restent en deçà de la qualité professionnelle sur la plupart des projets » [2].
• La notation automatique flatte les modèles. Le même billet indique que GPT-5.5 obtenait 6,25 % noté par des humains et 17,9 % noté par un juge automatique calibré sur des modèles antérieurs [2].

Le taux a quadruplé, et quatre projets sur cinq ont toujours besoin du professionnel. Nous tirions la même conclusion de la boutique pilotée par l’IA d’Andon Labs dans notre article sur le ROI agentique : un bon responsable des opérations, pas encore un PDG.

Progrès rapide, même verdict.

Le rapport est un brouillon ; la signature est celle de l’expert

Un agent peut produire un rapport en quelques minutes, mais l’apport de l’expert commence là où le rapport s’arrête : savoir ce qui compte pour ce client, ce que les sources ne disent pas et ce que le cabinet est prêt à assumer.

• Le contexte : l’agent sait ce qu’on lui a donné. L’expert connaît l’historique du client, la contrainte non écrite et la question derrière la question.
• Le jugement : choisir ce qu’on garde, ce qu’on coupe et ce qu’on recommande, c’est le travail que le client paie.
• La responsabilité : un livrable engage celui qui le signe, et un modèle ne signe rien.

Cet apport ne se produit pas tout seul. Trois études publiées cette année montrent à quelle vitesse une relecture devient un tampon quand rien dans le travail n’est organisé pour elle.

• Dans une expérience préenregistrée auprès de 1 339 enseignants grecs, qui notaient tous le même exercice, une note sévère présentée comme produite par une IA laissait un écart d’injustice « 22 % plus grand » que la même note présentée comme humaine. « La déférence était la plus forte chez les enseignants plus jeunes, très diplômés et à l’aise avec la technologie » [3].
• Une revue sur l’IA dans le raisonnement clinique, publiée le 21 octobre 2026, avertit qu’une exigence d’« humain dans la boucle » « peut être satisfaite en contresignant une recommandation sans l’examiner » [4].
• Des chercheurs du BCG Henderson Institute, dans la Harvard Business Review, ont constaté que lorsque l’IA était présentée comme un employé, « les managers repéraient 18 % d’erreurs en moins », et la responsabilité individuelle face aux erreurs reculait de 9 points de pourcentage. Leur recommandation : « repenser les processus pour associer les productions de l’IA au jugement humain » [5].

Chez Junyr, nous appliquons une règle simple à chaque document qui part chez un client. Il s’ouvre sur l’avis de l’expert : une ou deux phrases écrites par une personne de l’équipe et signées de son prénom. L’IA ne le rédige jamais, et un document qui ne le porte pas ne part pas.

La signature est la méthode.

Onze plateformes, un angle mort

Nous avons lu la documentation et les annonces de onze plateformes agentiques de neuf éditeurs, telles que publiées au 29 octobre 2026, avec trois questions : pour qui la plateforme est construite, quelle est son unité de conception, et où l’humain intervient.

Plateforme	Construite pour	Unité de conception	Où l’humain intervient
Claude (application de bureau, Cowork intégré)	Une personne	La tâche ou la conversation de l’utilisateur	« Par défaut, Claude demande avant d’agir » ; documents coécrits avec Claude et partagés par lien [6]
ChatGPT Work	Une personne	La tâche en plusieurs étapes de l’utilisateur	L’utilisateur peut « approuver les actions importantes » et « changer de direction » en cours de tâche [7]
Microsoft Foundry	Les développeurs [8]	L’agent et son code, workflows compris [9]	Approbation renvoyée au code ; « implémentez votre propre interface et votre propre politique d’approbation » [10]
Microsoft Agent 365 (autopilots Foundry)	L’IT, avec l’approbation d’un administrateur	Un agent « sous sa propre identité », dans l’organigramme	La personne qui recrute l’instance « devient son manager » [11]
Microsoft Copilot Studio	Les concepteurs (makers)	L’agent et ses outils	Approuver, approuver pour la session ou refuser un appel d’outil, directement dans Teams ; en développement en septembre 2026 [12]
Salesforce Agentforce	Utilisateurs métier et IT	Des agents avec prénoms et métiers	Fils Slack partagés sur des données en direct ; aucune étape d’approbation décrite dans la couverture de Dreamforce 2026 [13]
ServiceNow	Les responsables de processus	« Spécialistes IA au périmètre défini par rôle », processus de bout en bout	Un superviseur nommé répond, approuve les étapes suivantes ou annule [14] [15]
Google Gemini Enterprise	Travailleurs du savoir et concepteurs	Le workflow	Étapes « Request info » et « Approval » ; l’exécution affiche « Needs Review » [16]
Amazon Quick	Utilisateurs métier	Un assistant personnel et ses agents	Autonomie réglable « de l’approbation pas à pas à l’exécution par objectif large », approbations dans un fil personnel [17]
UiPath	Les responsables de processus	Le processus orchestré	Tâches d’humain dans la boucle traitées dans Action Center [18]
Workday	Salariés et managers	Des agents par fonction	« Si une approbation est nécessaire, Sana rassemble d’abord le contexte et donne au manager une recommandation claire » [19]

Le tableau fait apparaître trois familles, et aucune n’a été conçue autour de l’expert qui travaille aux côtés des agents (voir Figure 2).

• Les assistants personnels, Claude, ChatGPT Work et Amazon Quick, sont construits pour une personne et son assistant. Ils demandent avant d’agir, ce qui est une bonne pratique, mais l’espace appartient à un seul utilisateur : nous n’avons trouvé aucune documentation de plusieurs personnes et plusieurs agents travaillant sur le même livrable.
• Les usines à agents, Microsoft en tête, sont construites pour les développeurs et l’IT. La couche humaine y est soit du code qu’un développeur doit écrire, soit un agent qui recopie l’organigramme.
• Les plateformes de processus, ServiceNow, Agentforce, UiPath, Workday et les workflows de Gemini Enterprise, partent du processus et le peuplent d’agents. L’humain y devient une étape qui approuve, répond ou annule.

La transposition de l’organisation humaine est écrite dans les produits eux-mêmes.

• Le guide de démarrage de Microsoft crée chaque autopilot à partir d’un gabarit dont l’identifiant est digitalWorkerTemplate. Une fois recruté, l’agent « apparaît dans votre organigramme » et son créateur « devient son manager » [11].
• L’annonce de l’« Autonomous Workforce » de ServiceNow décrit des spécialistes IA qui « livrent des résultats de bout en bout, sans intervention humaine ». Dans les RH, « chacun agit comme un employé numérique » [14].
• Salesforce a présenté à Dreamforce 2026 des agents baptisés comme des salariés : Casey pour le service client, Paige pour l’IT et les RH, Piper pour la qualification des prospects, Hunter pour la prospection sortante [13].
• C’est précisément le cadrage que l’étude du BCG Henderson Institute associe à moins d’erreurs repérées [5].

Il faut leur rendre justice : la plupart de ces plateformes donnent désormais aux utilisateurs métier une surface d’approbation. ServiceNow nomme le superviseur de chaque workflow agentique et signale les champs modifiés par l’IA [15], Google met un workflow en pause pour relecture [16], et UiPath a rendu les tâches d’humain dans la boucle généralement disponibles en septembre [18].

Ce qui reste rare, c’est tout ce qui se passe après le bouton d’approbation.

• Réviser le livrable lui-même, plutôt que l’approuver ou le rejeter.
• Un espace partagé où plusieurs personnes et plusieurs agents travaillent sur les mêmes objets : le fichier, le devis, le fil d’e-mails.
• Des corrections qui nourrissent le tour de travail suivant de l’agent.
• La signature de l’expert sur ce qui sort de l’entreprise.

Dans la documentation que nous avons lue, aucune des onze plateformes ne décrit les deux derniers points. L’absence est documentaire : une fonction peut exister sans être documentée, et nous corrigerons ce benchmark si un éditeur montre le contraire.

Microsoft Foundry : une usine sans fenêtre

Microsoft Foundry mérite qu’on s’y arrête, parce que sa propre documentation montre clairement qu’un utilisateur métier n’y a pas sa place.

• Microsoft la présente comme « une plateforme de confiance qui donne aux développeurs les moyens de construire des agents, des modèles et des applications d’IA ». La supervision promise vise le même public : « tracer et évaluer agents et modèles, et les surveiller avec des tableaux de bord intégrés (préversion) » [8].
• Son schéma d’humain dans la boucle vivait dans un concepteur visuel de workflows réservé aux utilisateurs dotés du rôle Contributor ou supérieur sur le projet. Ce concepteur disparaît : « Microsoft Foundry retire les workflows le 1er décembre 2026 », et « Foundry passe la conception des workflows à un modèle centré sur le code » [9].
• Quand un agent doit demander avant d’appeler un outil, Foundry renvoie une demande d’approbation au programme appelant. Le code d’exemple le dit en commentaire : « En production, implémentez votre propre interface et votre propre politique d’approbation » [10].
• Créer un autopilot demande Azure CLI, Azure Developer CLI et Docker, puis un administrateur général ou un administrateur IA pour approuver le modèle d’agent [11].

Foundry est une bonne usine pour ceux qui construisent des agents. Un comptable, un commercial ou un consultant qui doit superviser un agent, corriger son brouillon et décider de ce qui part n’y trouve aucun écran pensé pour ce travail. Microsoft les renvoie vers Teams et Microsoft 365 Copilot, où l’approbation d’un appel d’outil par un humain figurait encore « en développement » au 1er septembre 2026 [12].

Ce qu’une plateforme centrée sur l’humain doit offrir

Une plateforme construite autour des humains part du travail que les personnes font ensemble et y donne une place aux agents, ce qui change l’interface plus que les modèles.

• Des objets de travail partagés. Humains et agents agissent sur le même fichier, le même devis ou le même fil, pour que personne n’ait à recopier une réponse de chat dans le vrai outil. Nous avons développé ce point dans notre article sur l’interface de travail de l’IA.
• Une surface de relecture. L’expert voit ce que l’agent a fait, à partir de quelles sources, et ce qu’il a modifié, à la manière dont ServiceNow signale les champs modifiés par l’IA [15].
• La correction comme geste. Modifier, annoter et renvoyer le travail avec une consigne comptent autant que l’approuver.
• Une autonomie réglée action par action. Un brouillon tolère plus de liberté qu’un paiement, comme le détaille notre article sur les systèmes à humain dans la boucle.
• Un espace d’équipe. Plusieurs personnes voient les mêmes agents et le même travail, avec des rôles que chacun comprend.

L’argument en faveur de l’espace d’équipe vient de la recherche de Microsoft elle-même. Dans son Work Trend Index de mai 2026, fondé sur 20 000 utilisateurs d’IA dans dix pays, les facteurs organisationnels « pèsent plus de deux fois » plus que les facteurs individuels dans l’impact perçu de l’IA : 67 % contre 32 % [20].

• Les « Frontier Professionals », 16 % des utilisateurs d’IA interrogés, travaillent dans des équipes qui « discutent des standards de qualité du travail assisté par l’IA (54 % contre 29 %) » [20].
• Dans leurs équipes, les workflows d’agents, « les passages de relais humains et les standards de qualité sont documentés et reproductibles » plus souvent : 26 % contre 19 % [20].
• Les pratiques qui rendent l’IA rentable sont collectives. Un outil conçu pour un seul utilisateur, ou pour un seul développeur, ne peut pas les porter.

L’approche de Junyr : les agents pour le répétitif, les humains pour le jugement

Junyr construit l’inverse d’un organigramme virtuel : les agents prennent la préparation répétitive qui remplit une journée de travail, et les humains gardent le jugement, les décisions et les signatures, dans un même espace de travail où les uns et les autres se retrouvent (voir Figure 3).

• Les agents préparent. La nuit, ils résument les fils d’e-mails, suggèrent jusqu’à trois actions par fil et assemblent un briefing du matin sur les projets à l’arrêt, les relations dormantes et les signaux faibles [21].
• Les humains décident. Un assistant rédige la réponse et l’e-mail reste un brouillon : l’envoi est un geste humain. Un agent travaille sur un plan qu’une personne a approuvé, et l’IA peut soumettre mais jamais approuver [21].
• Les mêmes objets pour tous. Chaque document existe dans une version écrite pour les humains et une version structurée pour les agents, et les agents figurent dans l’annuaire de l’équipe, signalés comme tels [21].
• Une règle au-dessus des outils. La charte de Junyr pose que tout engagement client ou fournisseur est validé par un humain [21].
• Une plateforme qui appartient à l’entreprise, hébergée chez elle avec les modèles qu’elle a choisis, pour les raisons exposées dans notre article sur le ROI agentique.

Le soulagement est réel, mais il faut l’énoncer avec prudence. La recherche de 2026 que nous avons passée en revue dans notre article sur la charge mentale montre une baisse de l’effort perçu plus nettement qu’un gain de temps mesuré, et nous ne revendiquons pas un retour que nos missions n’ont pas mesuré.

Le chemin ne change pas non plus. Équiper d’abord les personnes, les laisser imaginer l’entreprise de demain, puis donner aux agents des objectifs sur une plateforme que l’entreprise maîtrise, avec un point de contrôle humain avant tout ce qui engage, comme dans le développement à décision gardée.

Le dernier mot revient à celui qui signe

La question à poser à une plateforme agentique est de savoir où se trouve votre meilleur expert quand les agents ont fini, et ce qu’il peut y faire.

• Si la réponse est « dans le code d’un développeur », la plateforme a été construite pour l’usine.
• Si la réponse est « devant un bouton d’approbation », elle a été construite pour le processus.
• Si la réponse est « dans un espace partagé avec l’équipe, où il lit, corrige et signe », elle a été construite pour les humains.

L’IA continuera de progresser, et la part des projets qu’elle mène seule augmentera. Le client voudra toujours savoir qui se tient derrière le livrable.

Le benchmark reflète la documentation et les annonces des éditeurs lues le 29 octobre 2026 ; une fonction peut exister sans être documentée, et plusieurs des fonctions citées sont en préversion ou en développement. Le Remote Labor Index mesure des projets freelances sans publier d’intervalle de confiance, et les études sur la relecture humaine ont été menées auprès d’enseignants, de cliniciens et de managers dans des contextes précis. La description des fonctions de Junyr provient de la spécification interne de l’entreprise de septembre 2026 ; le soulagement du travail répétitif est une observation de terrain, pas un retour mesuré.

Sources

1. Scale AI et Center for AI Safety, Remote Labor Index leaderboard, taux d’automatisation sur des projets freelances réels, consulté le 29 octobre 2026.
2. Mantas Mazeika, A Significant Increase in Digital Labor Automation, Center for AI Safety, 1er juillet 2026.
3. Sofoklis Goulas, Rigissa Megalokonomou et Panagiotis Sotirakopoulos, ‘Why do experts miss AI’s errors? Evidence from a randomized labeling experiment’, PNAS Nexus, doi:10.1093/pnasnexus/pgag146, 9 juin 2026.
4. José Daniel Sánchez, ‘Augmentation or erosion? Artificial intelligence and the transformation of clinical reasoning: a critical narrative review’, Frontiers in Digital Health, vol. 8, 21 octobre 2026.
5. Matthew Kropp, Julie Bedard, Megan Hsu et Lisa Krayer, ‘Research: Why You Shouldn’t Treat AI Agents Like Employees’, Harvard Business Review, étude auprès de plus de 1 200 managers, 6 mai 2026, lu sur le site du BCG.
6. Anthropic, Claude Cowork and chat are now one Claude, blog Claude, 16 septembre 2026, mis à jour le 23 octobre 2026.
7. OpenAI, Get started with ChatGPT Work, documentation ChatGPT, consultée le 29 octobre 2026.
8. Microsoft, What is Microsoft Foundry?, Microsoft Learn, 13 août 2026, mis à jour le 24 septembre 2026.
9. Microsoft, Build a workflow in Microsoft Foundry (Preview), Microsoft Learn, 31 juillet 2026, mis à jour le 19 octobre 2026.
10. Microsoft, Connect agents to MCP server endpoints, Microsoft Learn, 28 octobre 2026.
11. Microsoft, Quickstart: Build your first autopilot, Microsoft Learn, 26 août 2026, mis à jour le 23 septembre 2026.
12. Centre de messages Microsoft 365, RM570434, Microsoft Copilot Studio: Enabling makers to require human approval for tool calls, statut « In development », 1er septembre 2026, lu sur l’archive mc.merill.net.
13. Salesforce Ben, Biggest Dreamforce ‘26 Announcements: Everything in a Nutshell, 25 septembre 2026.
14. ServiceNow, ServiceNow brings Autonomous Workforce to every major business function, communiqué de presse, 5 mai 2026.
15. ServiceNow, In-product agentic AI, documentation produit, version Brazil, mise à jour le 10 septembre 2026.
16. Google Cloud, Use human-in-the-loop steps, documentation Gemini Enterprise, mise à jour le 28 octobre 2026.
17. Amazon Web Services, Amazon Quick, What’s New, 17 juin 2026.
18. UiPath, Action Center release notes, September 2026, entrée du 16 septembre 2026.
19. Workday, Workday to Bring Sana Everywhere Employees Work, Including Claude, Gemini Enterprise, Microsoft Copilot, Microsoft Teams, and Slack, communiqué de presse, 13 octobre 2026.
20. Microsoft et LinkedIn, Agents, human agency, and the opportunity for every organization, Work Trend Index 2026, enquête auprès de 20 000 utilisateurs d’IA dans dix pays, 5 mai 2026.
21. Junyr, charte de l’entreprise (mise à jour le 12 septembre 2026) et spécification interne des briques de Junyr Suite (11 et 12 septembre 2026), documents internes non publics.