Data / IA
Olivier Oullier (MBZUAI) : « Les agents d’IA ne sont pas des outils, ce sont des partenaires exécutifs »
Par Laurent Delattre, publié le 17 juillet 2026
À l’occasion de l’AI for Good Global Summit 2026, IT for Business a reçu Olivier Oullier, professeur à la Mohamed bin Zayed University of Artificial Intelligence et cofondateur d’Inclusive Brains. Au micro de Thomas Pagbé, le neuroscientifique invite les entreprises à dépasser l’usage superficiel de l’IA. Car derrière les promesses de productivité se dessinent de nouveaux défis : dette cognitive, fatigue liée à la supervision, formation des collaborateurs et contrôle d’agents capables d’agir sans attendre d’instructions.
L’AI for Good Global Summit réunissait, la semaine dernière à Genève, chercheurs, industriels, gouvernements et organisations internationales. Organisé par l’Union internationale des télécommunications avec plus de cinquante agences des Nations Unies et le gouvernement suisse, l’événement confronte les capacités réelles de l’intelligence artificielle aux enjeux de compétences, de normalisation et d’impact social.
C’est précisément à l’intersection de ces trois dimensions que se situe Olivier Oullier. Professeur à la Mohamed bin Zayed University of Artificial Intelligence, il est également CEO et cofondateur d’Inclusive Brains, qui développe des systèmes d’IA multimodaux capables d’adapter les environnements numériques et physiques à l’état cognitif et physiologique de leurs utilisateurs.
Ne pas s’arrêter à la première réponse de l’IA
Pour Olivier Oullier, les performances d’un modèle ne suffisent pas. « Vous pouvez avoir le meilleur système du monde, si on n’a pas les bons systèmes d’interaction et les bonnes clés pour savoir travailler avec, comme avec un collègue ou un partenaire, ça ne va pas le faire. »
Or, les utilisateurs abordent encore trop souvent les IA génératives comme de simples moteurs de recherche perfectionnés : une question, une réponse, puis une exploitation immédiate du résultat. « Très souvent, dans le processus de réflexion, les gens s’arrêtent à la première partie. Il y a une seule interaction : Claude, ChatGPT ou Perplexity, j’ai tel problème, qu’est-ce que tu me proposes ? Voilà la réponse, ce sont les paroles d’Évangile, et on brode à partir de ça. »
Le neuroscientifique préconise au contraire un véritable « ping-pong avec l’IA ». Première règle : demander explicitement au système de poser lui-même des questions. « La façon dont le système va poser des questions va me permettre de comprendre comment il m’a cerné, ou pas. »
Il conseille même de proposer à l’utilisateur plusieurs réponses possibles dans une boîte de dialogue : « Le système d’IA va vous proposer des réponses qui, elles-mêmes, vont vous donner encore plus d’informations sur ce qu’il a en tête, entre guillemets, en ce qui vous concerne ou sur la problématique pour laquelle il doit vous aider. »
L’IA devient ainsi moins un oracle qu’un partenaire de réflexion avec lequel confronter les hypothèses, préciser les intentions et éprouver les raisonnements.
« Les agents d’IA ne sont pas des outils »
Avec l’arrivée des agents autonomes, ce changement de posture devient beaucoup plus profond. « Il y a un vrai changement qui s’est opéré avec les agents d’IA, puisque les agents d’IA ne sont pas des outils. Ce sont des partenaires exécutifs. Ce sont des collègues pour certaines personnes. »
Olivier Oullier rappelle le modèle du « Centaure » popularisé par Garry Kasparov après sa défaite contre Deep Blue : réunir le meilleur de l’humain et le meilleur de la machine. Mais ce modèle reposait encore sur une machine inactive lorsque l’utilisateur cessait de s’en servir.
« Un outil, que ce soit ChatGPT ou un marteau, quand vous arrêtez d’interagir avec, c’est terminé. Vous pouvez vous reposer. Les agents d’IA, eux, ont la possibilité de faire des actions sans que vous ayez à leur tenir la main ou à leur donner constamment des instructions. Ils prennent des initiatives. »
Cette agentivité ouvre des possibilités considérables, mais change aussi la nature du risque. « S’ils ne sont pas bien paramétrés, ils peuvent se reproduire. Ils peuvent transmettre les codes d’accès à votre email ou à vos comptes. » Surtout, ils continuent à travailler « 24 heures sur 24, à une vitesse supérieure à celle à laquelle fonctionne notre cerveau ».
Cette autonomie rend d’autant plus nécessaire la définition d’une identité, d’un périmètre d’action et de droits précisément contrôlés, sujet également abordé à Genève par Bilel Jamoussi, directeur adjoint du Bureau de la normalisation des télécommunications de l’UIT. Dans un autre entretien réalisé à AI for Good 2026, il explique pourquoi les agents doivent disposer d’un identifiant et d’un cadre d’action normalisé.
Manager des centaines d’agents impose une « taxe cognitive »
Pour les entreprises, la difficulté ne réside pas seulement dans la maîtrise technique des agents. Elle concerne aussi la capacité humaine à les superviser.
« Il y a une taxe cognitive, un coût pour le cerveau. Quand on a l’habitude de manager dix personnes, comment doit-on, tout d’un coup, interagir avec, superviser, corriger ou contrôler le travail de centaines d’agents qui ont chacun leur autonomie ? »
L’automatisation peut alors générer une fatigue paradoxale. Le collaborateur n’exécute plus directement la tâche, mais doit suivre une multitude d’actions parallèles, comprendre les anomalies, arbitrer les exceptions et reprendre la main lorsque les agents sortent du cadre.
À cette charge de supervision s’ajoute la dette cognitive créée par une délégation excessive du raisonnement. « Si on continue à donner des outils surpuissants aux gens en leur demandant d’effectuer le travail qu’ils mettaient une semaine à faire avant et qu’ils peuvent faire en dix minutes, forcément, nos cerveaux vont se calmer, vont se mettre en mode sieste. »
La réponse ne consiste pas à renoncer aux gains de productivité, mais à relever simultanément le niveau des missions confiées aux collaborateurs. « Si on adapte la demande, les attentes et la production de performances des gens à la capacité de l’outil, on peut arriver à un bon équilibre. »
Cette alerte rejoint celle formulée dans notre analyse sur la dette cognitive que l’IA fait peser sur les entreprises : produire plus vite ne signifie pas nécessairement comprendre, vérifier ou savoir reproduire le raisonnement sans la machine.
Former les humains à collaborer avec leurs agents
Pour illustrer l’importance de la formation, Olivier Oullier évoque le stage effectué par l’une de ses filles au sein d’Inclusive Brains. Son objectif était volontairement ambitieux : « Je lui ai donné une masse de travail impossible à réaliser pour un humain qui ne maîtrise pas les systèmes d’intelligence artificielle et les agents. »
Grâce à une montée en compétences méthodique, « elle a pu réaliser l’ensemble du travail qu’elle avait pendant son stage, ce qui aurait été impossible si elle n’avait pas maîtrisé non seulement l’utilisation de l’outil, mais aussi la façon d’interagir et de collaborer avec les agents d’IA ».
Pour Olivier Oullier, l’upskilling ne peut donc se limiter à apprendre quelques techniques de prompting. Il faut former les collaborateurs à déléguer, vérifier, superviser et reprendre le contrôle. Un prolongement direct de l’entretien accordé à IT for Business par Nicole Amaral de Coursera, pour qui l’IA redessine déjà en profondeur la manière même dont nous apprenons.
Vers des IA capables de détecter notre fatigue
Les recherches menées par Olivier Oullier et ses équipes visent également à rendre les machines plus attentives à l’état réel de leurs utilisateurs. Les systèmes dits « neuroadaptatifs » ne sont plus uniquement entraînés à partir de textes ou d’images.
« On les entraîne avec tous ces canaux physiologiques : le cerveau, les mouvements des yeux, les expressions faciales, l’intonation de la voix ou les pulsations cardiaques. »
L’objectif est de fournir à l’IA une partie des signaux que les humains utilisent spontanément lorsqu’ils interagissent. « Cela donne aux machines la capacité de mieux s’adapter aux gens, quelle que soit leur physicalité, leur état de stress, leur charge mentale ou leur fatigue. »
Une machine pourrait ainsi moduler son assistance selon l’heure, l’attention disponible ou la charge cognitive de son utilisateur. « Il se peut que le matin, je sois beaucoup plus frais cognitivement qu’en fin d’après-midi. Le fait que la machine puisse ressentir mon état et adapter son aide ou la tâche est bon pour la performance, mais aussi pour la prévention en matière de santé physique et mentale. »
Ces technologies sont notamment expérimentées dans les blocs opératoires, les installations énergétiques, les chantiers ou les environnements d’apprentissage. L’enjeu est d’optimiser l’interaction, mais surtout « de faire en sorte que les gens ne se crament pas le cerveau ».
Cette convergence entre IA et neurosciences prolonge les travaux présentés à IT for Business par Demian Wassermann, directeur de recherche à l’Inria, sur la manière dont l’IA aide à décrypter le cerveau et ouvre la voie à de nouvelles applications médicales.
« Un agent seul, ça va poser un problème »
Dernier avertissement adressé aux DSI : un agent performant en laboratoire ne le sera pas nécessairement une fois confronté à la réalité de l’entreprise.
« Toute solution, avant d’être déployée, doit être testée, retestée et encore testée dans les conditions du direct. » Olivier Oullier cite notamment le cas d’un agent de prise de commande installé dans les drive-in d’une chaîne de restauration rapide. Performant dans un environnement acoustique contrôlé, le système s’est retrouvé déstabilisé par les enfants parlant à l’arrière du véhicule, la radio, les corrections et les changements de commande.
« Il faut être sûr d’avoir fait les bons tests, d’avoir les bons outils pour surveiller et suivre les performances, mais aussi d’avoir la possibilité de rectifier le tir. »
Surtout, les entreprises ne doivent pas concevoir un système agentique uniquement autour de la tâche à accomplir. « Une erreur que tout le monde fait, c’est d’être focalisé sur la tâche que l’agent doit accomplir, sans penser à ce que cet agent autonome peut décider s’il est mal paramétré, ou même s’il est bien paramétré. »
D’où une recommandation sans ambiguïté : « Un agent seul, ça va toujours poser un problème. Il faut des agents de supervision, des agents qui jouent un peu le rôle de gendarmes. »
Ces superviseurs doivent intégrer les règles financières, juridiques, opérationnelles et de cybersécurité de l’organisation. Ils doivent notamment détecter les fuites de données, les décisions hors périmètre ou les comportements anormaux. Une doctrine qui rejoint les six règles proposées par Gartner pour éviter le chaos agentique, parmi lesquelles l’inventaire des agents, leur gouvernance, leur identité et leur observabilité.
« Un système agentique bien élaboré, avec ses gendarmes et ses superviseurs, a une chance d’apporter un vrai gain de productivité, tout en maintenant la santé physique et mentale des employés, qui reste primordiale. »
Pour les DSI, le message est clair : réussir le passage à l’échelle des agents ne consiste pas seulement à industrialiser un cas d’usage. Il faut simultanément concevoir les interactions, développer les compétences humaines, tester dans les conditions réelles, surveiller les comportements et préserver les capacités cognitives des collaborateurs.
À LIRE AUSSI :
À LIRE AUSSI :
