Les agents IA d'entreprise reçoivent un plan de contrôle, une algèbre de permissions et une couche d'identité
OpenClaw a ouvert le 30 septembre le code d'un plan de contrôle d'entreprise pour agents IA persistants. Deux autres projets open source ont publié le même jour des garde-fous déterministes et un protocole d'identité pour agents. Tous pointent le même manque : les agents sont faciles à lancer, difficiles à auditer.

La dernière pièce de la plomberie pour agents d'entreprise est arrivée le 30 septembre. Ce jour-là, la OpenClaw Foundation a publié OpenClaw Enterprise (OCE), un plan de contrôle open source et neutre vis-à-vis des fournisseurs pour agents persistants. Le projet dit développer le logiciel en public avant une version 1.0 plus tard cette année. Les utilisateurs peuvent l'auto-héberger dès aujourd'hui via docker-compose ou Kubernetes.
OCE est né au sein d'OpenAI et a été donné à la OpenClaw Foundation. Il est désormais développé avec Red Hat et NVIDIA, selon le billet de blog du projet. Ce même billet indique qu'OCE est piloté en interne chez Red Hat et OpenAI. OpenAI fait déjà tourner des agents OpenClaw avec un accès complet aux bases de code et aux plugins, ajoute le billet. Ce détail montre à quel point l'entreprise a cessé de traiter les agents comme une démo.
La gouvernance bloque, pas la capacité
Le cadrage de ce billet mérite une lecture attentive. OpenClaw reconnaît que, près d'un an après son lancement, « le déploiement réel d'agents persistants reste limité ». Il ajoute que l'informatique de la plupart des organisations choisit par défaut d'interdire purement et simplement les plateformes agentiques. OCE veut répondre à une question étroite. Comment déployer des agents capables dans un environnement sensible sans retirer les capacités qui les rendaient utiles ? La réponse proposée tient en plusieurs points : multi-locataires, frontières de sécurité strictes entre charges de travail de confiance et non fiables, bac à sable, revues par LLM, permissions fines et auditabilité sur tout le cycle de vie de l'agent. La liste est longue, et chaque élément a son propre coût opérationnel.
Gartner avance un argument proche, plus direct. Le cabinet prévoit que d'ici 2028, 70 pour cent des entreprises abandonneront les systèmes d'IA agentique construits avec l'aide d'un fournisseur. Les coûts grimpent, et les clients ont du mal à modifier la technologie sans aide extérieure, rapporte The Register le 30 septembre. La cible de Gartner, c'est ce qu'il appelle l'ingénierie déployée en avant. Un fournisseur intègre des ingénieurs chez un client pour construire et déployer un logiciel selon ses besoins. Les progrès rapides du début, selon l'argument, peuvent laisser le client dépendant d'une expertise externe coûteuse.
« Les missions FDE les mieux cadrées fixent dès le premier jour des règles claires sur la gouvernance, la valeur métier, la propriété de la PI, la copropriété du projet, le transfert de connaissances et une stratégie de sortie », a déclaré Mukul Saha, analyste senior director chez Gartner, selon The Register.
Gartner prévoit aussi que, jusqu'en 2028, moins de 20 pour cent de ces missions transformeront des besoins récurrents des clients en fonctionnalités du produit central du fournisseur. Le cabinet met en garde contre le « FDE washing », où du conseil ordinaire est vendu comme quelque chose de plus spécialisé. The Register note que ce n'est pas le premier avertissement de ce type de Gartner. Des prévisions antérieures portaient sur des projets d'IA générative dépassant les budgets. Elles portaient aussi sur 40 pour cent des déploiements d'agents IA réduits ou abandonnés pour des problèmes de gouvernance.
Deux autres tentatives pour rendre les agents redevables
Toujours le 30 septembre, un projet nommé OpenAPPA a publié des garde-fous déterministes qui se placent entre un agent et ses outils. Ils répondent à une question avant chaque action : cette donnée a-t-elle le droit d'aller vers cette destination. Le dépôt GitHub décrit le logiciel comme propulsé par APPA, une Agentic Permissions Policy Algebra. APPA suit la sensibilité et le niveau de confiance de tout ce qu'un agent lit. Il vérifie ensuite chaque appel d'outil par rapport à cet enregistrement avant que l'appel ne s'exécute. L'argument : les classificateurs et les détecteurs de données personnelles sont probabilistes, alors que ce contrôle est déterministe et rend la même décision à chaque exécution.
Les chiffres de référence du projet, publiés sur le dépôt, affirment qu'aucune attaque notée n'a réussi contre OpenAPPA sur 1 320 évaluations. Il a accompli 88 à 90 pour cent des tâches. Le même tableau place Microsoft FIDES à 41 pour cent de tâches accomplies, avec 31 pour cent d'attaques réussies. Il place le mode automatique de Claude Code à 90 pour cent d'accomplissement, avec 10 attaques réussies sur deux suites. Ce sont des chiffres publiés par le fournisseur sur ses propres références. Le dépôt précise que le travail est un aperçu et une RFC, avec des interfaces de configuration et de protocole susceptibles de casser sans cales de compatibilité. L'article sous-jacent a été accepté au NeurIPS 2026 Workshop on Agents in the Wild.
Un troisième projet, UAI, a été mis en ligne le même jour avec un protocole ouvert pour l'identité des agents, leur autorisation et une redevabilité vérifiable de façon indépendante. Il découpe le problème en quatre artefacts. Un UAI-ID pour savoir qui est l'agent. Un justificatif qui le lie à un propriétaire. Un passeport pour une autorisation limitée dans le temps et la juridiction. Et des attestations d'action signées qui enregistrent ce qu'il a réellement fait. Le README est prudent sur ce que cela ne fait pas. « UAI ne prétend pas qu'un agent IA est sûr », peut-on lire, seulement que les actions deviennent attribuables et vérifiables. La conception évite volontairement une autorité mondiale unique et s'oriente vers des registres fédérés. Le vérificateur dans le navigateur est censé valider les preuves localement plutôt que de demander au registre si ses propres preuves sont valides.
Le marché avance plus vite que les contrôles
Les agents grand public sont déjà livrés à un autre rythme. DoorDash a annoncé le 30 septembre un agent de commande par texte qui permet aux utilisateurs de passer commande via Apple Messages, selon TechCrunch. Il gère des demandes comme « commande ma commande habituelle » et des commandes de groupe avec des préférences alimentaires mélangées. L'entreprise ouvre une liste d'attente aux États-Unis. Elle a indiqué séparément qu'elle commencerait à tester des drones de livraison avec certains restaurants dans le nord de la Californie. DoorDash positionne l'agent face à Uber Eats et Grubhub.
Muse de Meta, annoncé plus tôt en septembre, est l'autre grande poussée du grand public vers l'entreprise. Le blog de Tailscale du 30 septembre offre le regard le plus concret sur la façon dont un tel agent est encadré. Muse tourne dans une machine virtuelle Linux isolée par défaut des données utilisateur et des services externes. Il dispose de connecteurs pour le calendrier, les contacts, les appareils domotiques, Gmail, Outlook, Spotify et les propres applications de Meta. L'intégration de Tailscale fait de Muse un nœud du tailnet d'un utilisateur, où s'appliquent les autorisations, les étiquettes et les contrôles d'accès habituels. Tailscale signale aussi le risque évident. L'injection de prompt passera encore. Connecter un agent qui voit des services auto-hébergés et peut utiliser SSH soulève des questions que les utilisateurs doivent trancher délibérément.
Ailleurs le 30 septembre, un moteur d'inférence auto-hébergé appelé Magnitude a été lancé sur GitHub. Il revendique jusqu'à 2 fois plus rapide que llama.cpp, avec un décodage 92 pour cent plus rapide sur Metal et 19 pour cent sur CUDA, et 27 pour cent de mémoire en moins par agent. Un outil appelé git-dedup, publié le même jour, revendique de grands checkouts 6 fois plus rapides et une réduction de 70 pour cent du stockage Git. Cela va de 35,5 GB à 11,1 GB sur 117 checkouts, destiné clairement aux flottes d'agents de codage. DevNavigator a rendu compte du rapport State of agent skills de Vercel du 25 septembre. Il indique que skills.sh a dépassé un million de références et près de 280 000 000 d'installations enregistrées en sept mois. Il note que ces chiffres décrivent l'activité du registre plutôt qu'une valeur métier prouvée.
Le fil conducteur est peu glamour. Le côté capacité est encombré et bouge chaque semaine. Le côté comptabilité est là où arrivent les travaux les plus récents : qui possède l'agent, ce qu'il peut toucher et qui peut prouver ce qu'il a fait. Savoir si l'un de ces trois protocoles sera adopté est une autre question. Deux sont des aperçus, un est un premier pilote chez un seul fournisseur, et la prévision de Gartner donne aux entreprises jusqu'en 2028 pour décider.
Sources
9- 01OpenClaw Enterprise – The Open Agent PlatformEN
- 027 in 10 enterprises expected to abandon vendor-built agentic AI by 2028EN
- 03OpenAPPA: Deterministic guardrails that don't break agentsEN
- 04UAI – An open protocol for identity and accountability of AI agentsEN
- 05DoorDash launches an AI agent you can text to order foodEN
- 06Agent, your network: How Meta's Muse agent works with TailscaleEN
- 07Launch HN: Magnitude (YC S25) – Self-optimizing inference engine for agentsEN
- 08Git-dedup – faster and smaller checkouts for agentic workflowsEN
- 09Agent Skills: 4 Powerful Ways to Improve Enterprise AIEN
Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.
Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.
Commentaires
0- Aucun commentaire — soyez le premier.