Le « bot bragging » : un atout pour les agents IA au travail
Les utilisateurs intensifs et Gartner avertissent que le nombre d'agents est facile à gonfler et peut masquer la supervision et la maintenance qui déterminent le retour sur investissement (ROI).
Un nouveau signal de statut au travail se forme autour de « agentmaxxing », où les professionnels vantent publiquement combien d'agents IA ils « gèrent » comme preuve qu'ils dirigent le travail de l'IA plutôt que d'être remplacés par elle.
Le hic, c'est que « agent » est une étiquette floue, et les simples comptages peuvent masquer les coûts de surveillance et de maintenance qui déterminent si ces systèmes permettent réellement de gagner du temps.
Principaux enseignements
- Les professionnels se livrent de plus en plus à des « vantardises de bots » sur le nombre d'agents IA qu'ils gèrent, considérant le nombre d'agents comme un signal de sécurité de l'emploi et une démonstration de compétence.
- Certains des exemples les plus cités impliquent de grandes « main-d'œuvre numériques » revendiquées, y compris une société de conseil avec plus de 30 « employés » IA nommés et un responsable de la communication de Meta décrivant une équipe de six membres avec seulement un humain.
- « Agent » n'a pas de définition universelle, ce qui rend les comparaisons de comptage bruyantes et faciles à manipuler lorsque les automatisations programmées sont étiquetées comme des travailleurs autonomes.
- Les travailleurs de bureau passent « plus de six heures par semaine » à faire du « botsitting », et Gartner a averti que les comptes de déploiement peuvent diverger fortement de la valeur commerciale mesurable.
L'« agentmaxxing » frappe le lieu de travail : lorsque le comptage devient la démonstration
Le mécanisme derrière les « vantardises de bots » est simple : prendre un ensemble d'automatisations pilotées par l'IA, leur donner des noms et des rôles, et présenter le tout comme une main-d'œuvre gérée. Cela ressemble à une histoire de promotion. Vous n'êtes plus « en train d'utiliser l'IA », vous la supervisez.
Ce cadre se propage car il correspond à l'état d'esprit actuel du travail. L'estimation citée par la Society for Human Resource Management place le potentiel de déplacement technique dû à l'IA et à l'automatisation à 22 millions d'emplois aux États-Unis d'ici 2030, avec environ 8 millions de « risques réalistes ».
Dans ce contexte, « Je gère 20 agents » concerne moins une préférence d'outillage et davantage une question d'identité, une façon de signaler que vous êtes du côté du contrôle de l'interface.
Pour les traders observant les récits d'adoption de l'IA s'infiltrer dans le positionnement des produits et le sentiment autour des tokens, l'élément important est ce que cette tendance fait aux métriques. Le « nombre d'agents » devient un raccourci pour mesurer le progrès, mais c'est aussi un chiffre de vanité qui peut être gonflé sans prouver des gains de productivité durables.
À l'intérieur des configurations multi-agents : plus de 30 « employés IA », une équipe de 6 personnes avec 1 humain, et un « chef d'orchestre » pour 16 bots.
Mason Scurry a décrit une entreprise de conseil en IA qui emploie plus de 30 "employés" IA, chacun avec des noms, des titres de poste, des responsabilités, des personnalités, des histoires de vie et des photos de profil. Il a déclaré qu'ils travaillent "24 heures sur 24 pour moins d'un cent par heure."
La configuration est délibérément théâtrale, jusqu'à un agent chef de cabinet nommé Frankie dont la biographie indique : "Quoi qu'il en soit, il connaît un gars," et un agent auditeur symbolique nommé Penny décrit comme "précise et jamais alarmiste" qui "considère chaque jeton gaspillé comme l'argent de quelqu'un."
Ce détail concernant l'auditeur de jetons est important car il met en évidence la véritable contrainte pour de nombreux déploiements d'agents : le coût d'utilisation. Un jeton est l'unité sur laquelle de nombreux modèles d'IA facturent, et "plus d'agents" peut signifier plus de jetons brûlés à moins que le système ne soit conçu pour contrôler les dépenses.
Scurry a déclaré qu'il avait publié le nombre de ses bots sur LinkedIn pour démontrer à des clients potentiels que son système fonctionne et pour être embauché, tout en reconnaissant que ce nombre est en soi sans signification si les agents ne peuvent pas effectuer un travail utile.
Chez Meta, la responsable des communications Maayan Sarig a décrit la gestion d'une équipe de six personnes où une seule est humaine. Un agent surveille son flux de travail et suggère des moyens de gagner du temps. Un autre agit comme un « journaliste cynique », « testant la résistance des propositions avant qu'elle ne les envoie ». La phrase de Sarig résume clairement le changement de statut : « Je n'écris pas seulement. Je conçois les agents qui écrivent. »
Le marketeur Derrick Hicks a décrit la création de 16 agents spécialisés, puis l'ajout d'un autre agent appelé "Conductor" pour les gérer. Il a déclaré que les agents peuventauditle SEO d'une entreprise, les médias sociaux, la publicité, la messagerie et les concurrents, puis analyser les résultats, réduisant un flux de travail de « trois ou quatre semaines à environ une heure.
» Hicks l'a présenté comme un remplacement des agents par du travail junior : « Au lieu de cela, ce sont des agents et du code. »
Ces exemples partagent un schéma. L'« agent » n'est pas une seule chose. Cela peut être un LLM (modèle de langage large) enveloppé dans des outils, une automatisation étroite, ou une couche de gestion qui répartit les tâches entre d'autres bots. Le nombre d'effectifs compresse cette complexité en un seul entier facile à revendiquer.
Pourquoi les comptes d'agents ne se déplacent pas bien : pas de définition, emplois programmés et 'quelque chose se casse presque tous les jours'
Les comptes d'agents échouent en tant que métrique parce que la catégorie n'est pas standardisée. L'article source note qu'il n'existe pas de définition universellement acceptée d'un agent AI. OpenAI décrit les agents comme des « systèmes qui accomplissent indépendamment des tâches en votre nom », tandis qu'Anthropic distingue les agents des flux de travail qui suivent des chemins prédéfinis.
En pratique, l'étiquette est appliquée à tout, d'un système capable d'identifier un prospect, de le rechercher, de rédiger une approche et de réserver une réunion, à un bot qui vérifie votre calendrier et envoie un agenda quotidien.
Robbie Allen, qui a fondé trois entreprises AI et dirige le Automated Consulting Group, a donné la version praticienne de pourquoi les chiffres sont faciles à gonfler. Il a déclaré qu'il utilise environ 25 agents, y compris un qui scanne son fil LinkedIn toutes les deux heures à la recherche de signaux comme des changements d'emploi, des recrutements, des levées de fonds ou des dirigeants parlant d'AI, puis classe les opportunités d'approche. Mais il ne contacte personne. Allen décide toujours qui contacter et rédige le message.
Allen a déclaré que de nombreux soi-disant agents sont des emplois programmés qui se réveillent périodiquement, se connectent à un modèle AI ou à un service externe, et effectuent une tâche étroite. Chaque étape n'utilise pas un LLM, et ces systèmes ne sont pas « en train de penser et de prendre des décisions en continu comme 25 employés humains ».
Il a également expliqué la dynamique de l'inflation directement : « J'en ai 25 non pas parce que j'ai passé un mois à travailler sur chacun d'eux, mais parce que je pouvais les créer rapidement. »
L'autre moitié du problème de la métrique est la fiabilité. Allen a déclaré qu'il gère un autre agent dont le travail est de vérifier si les autres fonctionnent et de lui envoyer un message lorsque l'un échoue, et que « quelque chose sur la liste se casse presque tous les jours ».
C'est la réalité opérationnelle que les publications sur le nombre d'agents ont tendance à omettre : plus vous ajoutez de pièces mobiles, plus vous vous engagez à déboguer.
L'élément caché : le temps de botsitting et la maintenance continue
Le coût qui décide du ROI n'est pas la construction initiale, c'est la taxe de supervision. Le rapport de l'Institut Work AI de Glean a cité que les travailleurs de bureau passent « plus de six heures par semaine » à « botsitter », défini comme fournir un contexte, vérifier les résultats et corriger les erreurs.
C'est une part matérielle d'une semaine de travail passée non sur la tâche elle-même, mais sur le fait de faire fonctionner l'automatisation.
Le botsitting se développe également de manière maladroite. Un seul agent qui rédige du contenu peut être vérifié rapidement. Un système multi-agents qui enchaîne des tâches à travers des outils peut échouer à plus d'endroits : une intégration cassée, une mise en page de site web modifiée, une erreur de permission, une mise à jour de modèle qui change le format de sortie.
La phrase d'Allen « quelque chose se casse presque tous les jours » est un rappel que ces systèmes sont des logiciels, et que les logiciels ont des coûts de disponibilité et de maintenance.
Même les utilisateurs intensifs dans l'histoire décrivent l'élagage comme faisant partie du flux de travail. Sarig a déclaré que sa métrique est la qualité de la production et le temps économisé, et que si un agent n'est pas systématiquement meilleur ou plus rapide que son processus manuel, il est décommissionné.
Elle a également averti que maintenir trop d'agents peut créer plus de friction que cela n'en enlève, résumant le compromis ainsi : « Il est facile de créer de nombreux agents, mais difficile de maintenir de nombreux agents efficaces. »
C'est ici que le « bot bragging » devient analytiquement dangereux. Une déclaration publique de « 30 agents » peut être vraie et cacher la véritable économie si le système nécessite des incitations, des corrections et une surveillance constantes. Le chiffre principal est une histoire de déploiement. Le P&L est une histoire de maintenance.
De Buzzword à KPI : Ce que le discours sur les 'agents' d'entreprise signale—et ce qu'il ne signale pas
La couche corporative renforce le récit des agents. Les données d'AlphaSense citées montrent que 2 175 transcriptions d'entreprises publiques ont mentionné 'agents' le trimestre dernier, soit environ le double par rapport à l'année précédente. C'est un véritable changement de langage, et le langage tend à influencer les lignes budgétaires lorsque les dirigeants commencent à le répéter.
Les fournisseurs de plateformes poussent également les comptes d'adoption. Salesforce a déclaré que plus de 25 000 entreprises ont construit et déployé des agents en utilisant sa plateforme Agentforce. Walmart est décrit comme construisant un cadre à l'échelle de l'entreprise de quatre 'super agents' destinés à servir les clients, les partenaires et ses plus de 2 millions d'employés.
Le PDG de Meta, Mark Zuckerberg, est décrit comme construisant un agent IA pour l'aider à faire son travail et une version IA de lui-même pour interagir avec les employés.
Ce que cela signale, c'est une généralisation, pas nécessairement une productivité. La vice-présidente analyste de Gartner, Melissa Hilbert, a averti que les comptes d'agents peuvent confondre déploiement et valeur. Son exemple trace la ligne clairement : 'deux agents qui réduisent le temps de cycle de pipeline de 50%' est un résultat mesurable, tandis que '200 agents' produisant du contenu inutilisé n'a aucune valeur.
Hilbert a également averti que des agents mal intégrés peuvent rendre les employés moins productifs en ajoutant des systèmes qu'ils doivent naviguer et superviser, et a déclaré : 'Il doit y avoir un équilibre entre l'humain et l'IA travaillant ensemble' pour que les gains se matérialisent.
Le modèle à noter pour les marchés est que le récit passe de 'fonctionnalités IA' à 'travail IA'. Cela peut faire avancer les attentes en matière de dépenses sur les plateformes et les outils d'agents. Cela peut également créer un fossé entre ce qui est commercialisé et ce qui est mesuré.
Signaux à surveiller pour le discours vantard des bots rend les agents IA un
Le signe le plus clair que cette tendance mûrit est un changement dans le langage des appels de résultats, passant de métriques de déploiement de type effectif à des métriques de résultats. Les 2 175 mentions de transcriptions d'AlphaSense le trimestre dernier montrent que 'agent' est désormais un mot de salle de conseil.
La prochaine étape est de savoir si les entreprises commencent à l'associer à des réductions de temps de cycle, des coûts économisés ou des taux d'utilisation plutôt que de simplement dire qu'elles 'ont déployé des agents'.
Les divulgations des fournisseurs compteront davantage si elles commencent à inclure la rétention et l'utilisation, pas seulement les logos. Le chiffre d'Agentforce de Salesforce de 'plus de 25 000 entreprises' est un point de données d'adoption, mais à lui seul, il ne sépare pas les pilotes des flux de production sur lesquels les employés comptent.
Du côté du travail, surveillez les preuves que le temps de surveillance des bots se réduit. Le fardeau de supervision de 'plus de six heures par semaine' de Glean est la référence actuelle citée ici. Si de nouveaux outils ou une meilleure intégration réduisent matériellement ce temps, l'histoire du ROI s'améliore même si les comptes d'agents restent stables.
La normalisation est l'autre pièce manquante. Le cadre d'OpenAI des agents comme des systèmes accomplissant indépendamment des tâches et la distinction d'Anthropic entre agents et flux de travail prédéfinis ne sont pas que des sémantiques. Une définition plus claire rendrait les comparaisons entre entreprises moins bruyantes et ferait de 'l'agent' une métrique qui peut voyager.
Ma lecture : Le commerce n'est pas « Plus d'agents » - C'est une meilleure mesure des résultats et des coûts
Je lis « vantardise des bots » comme un cadre social autour d'un réel changement de plateforme. Les outils sans code et les cadres d'agents facilitent la mise en place d'automatisations qui ressemblent à des collègues, et le contexte d'anxiété liée au travail fait que l'identité de manager de bots semble protectrice. C'est pourquoi la flexibilité des effectifs se propage.
Le seuil qui compte est de savoir si la conversation passe du déploiement aux résultats. Les 2 175 mentions de transcription d'AlphaSense vous indiquent que les dirigeants veulent être vus comme faisant quelque chose avec les agents. Hilbert de Gartner pointe vers le prochain filtre : le temps de cycle, la qualité et l'utilisation.
Si les entreprises commencent à signaler des réductions du temps de cycle de pipeline pilotées par des agents, des économies de coûts mesurables ou une utilisation interne soutenue, l'histoire devient opérationnelle. Si elles continuent à rapporter « combien d'agents » et « combien d'entreprises ont déployé », cela reste narratif.
L'autre véritable test est de savoir si la gestion des bots et les pannes restent gérables à mesure que les flottes se développent. Le commentaire d'Allen selon lequel « quelque chose sur la liste tombe en panne presque tous les jours » est ce que les revendications d'agents à grande échelle ont tendance à ignorer, et les « plus de six heures par semaine » de Glean représentent la taxe de supervision en chiffres clairs.
Si de nouveaux outils réduisent ce fardeau tout en maintenant une qualité de sortie élevée, les systèmes d'agents peuvent se multiplier. Si la charge de maintenance augmente avec la flotte, « plus d'agents » devient un travail de surveillance auto-infligé.
Cette tendance est importante en termes pratiques lorsque l'adoption des agents cesse d'être une histoire de nombre d'employés et devient une histoire de KPI, avec des résultats qui survivent à la gestion des bots et à la facture de maintenance.
