Google DeepMind dévoile un protocole pour le « Web Agentique » (Agentic Web)
Dans un moment décisif pour l'évolution des systèmes autonomes, les chercheurs de Google DeepMind ont publié un cadre complet pour la Délégation Intelligente de l'IA (Intelligent AI Delegation), un protocole conçu pour transformer la manière dont les agents d'intelligence artificielle attribuent, exécutent et vérifient les tâches. Publiée le 12 février 2026, la recherche s'attaque à un goulot d'étranglement critique du « web agentique » émergent : l'incapacité des systèmes multi-agents actuels à gérer une collaboration complexe et ouverte sans succomber à des heuristiques fragiles et codées en dur.
Rédigée par Nenad Tomašev, Matija Franklin et Simon Osindero, la proposition soutient que pour que l'IA passe de simples chatbots à une couche économique fonctionnelle, les agents doivent adopter des principes organisationnels calqués sur les hiérarchies humaines — spécifiquement le transfert d'autorité, de responsabilité et de redevabilité.
Aller au-delà de la simple division des tâches
La thèse centrale de la recherche de DeepMind est que les méthodes actuelles de délégation sont insuffisantes. Dans l'architecture logicielle traditionnelle, la délégation est souvent synonyme d'« externalisation » d'une sous-routine — un processus rigide et prévisible. Cependant, dans un réseau ouvert d'agents autonomes (le web agentique), cette approche échoue lorsque les conditions environnementales changent ou lorsque les sous-agents rencontrent des variables inattendues.
Le cadre de DeepMind redéfinit la délégation non pas comme une simple distribution du travail, mais comme une « séquence de décisions impliquant l'allocation de tâches qui incorpore le transfert d'autorité ». Cette distinction est vitale. Elle implique qu'un agent délégateur doit évaluer dynamiquement le risque de l'attribution, la capacité du délégataire et les mécanismes d'établissement de la confiance.
Les chercheurs soulignent que les systèmes existants manquent de responsabilité transitive (transitive accountability). Dans un scénario où l'Agent A délègue à l'Agent B, qui délègue ensuite à l'Agent C, les cadres actuels perdent souvent la « chaîne de responsabilité » concernant l'auteur des erreurs. Le nouveau cadre impose un protocole où l'Agent B reste entièrement responsable devant l'Agent A du travail de l'Agent C, nécessitant des attestations cryptographiques et des chaînes de vérification rigoureuses.
Les cinq piliers de la délégation intelligente
Pour opérationnaliser ces concepts, l'équipe de DeepMind a structuré son cadre autour de cinq exigences fondamentales. Ces piliers font correspondre les objectifs organisationnels de haut niveau à des implémentations techniques spécifiques, garantissant que les agents peuvent fonctionner de manière robuste, même dans des environnements adverses ou à ressources limitées.
Le tableau suivant présente la correspondance architecturale entre les exigences du cadre et leur exécution technique :
Tableau 1 : L'architecture du cadre de délégation intelligente
| Exigence Fondamentale | Protocole Technique | Fonction Opérationnelle |
|---|---|---|
| Évaluation dynamique | Décomposition et attribution des tâches | Déduire de manière granulaire l'état et la capacité de l'agent avant l'attribution |
| Exécution adaptative | Coordination adaptative | Gérer les changements de contexte et les échecs d'exécution sans effondrement du système |
| Transparence structurelle | Surveillance et achèvement vérifiable | Auditer à la fois le processus et le résultat final via des journaux cryptographiques |
| Coordination de marché évolutive | Confiance, réputation et optimisation | Faciliter une coordination efficace et de confiance dans les marchés d'agents ouverts |
| Résilience systémique | Gestion de la sécurité et des permissions | Prévenir les défaillances en cascade et l'exploitation malveillante à travers les chaînes |
Concevoir la confiance : la décomposition « Contract-First » (Contract-First Decomposition)
La contribution technique la plus significative de l'article est peut-être l'introduction de la Décomposition Contract-First. Cette stratégie d'ingénierie renverse le modèle de délégation traditionnel.
Dans de nombreux flux de travail multi-agents actuels (tels que ceux trouvés dans les premiers cadres comme AutoGen ou CrewAI), un agent principal attribue une tâche large — par exemple, « Rédiger un document de recherche » — et espère que le sous-agent l'interprétera correctement. La proposition de DeepMind rejette cette ambiguïté. Selon les principes « Contract-First », il est interdit à un délégateur d'attribuer une tâche à moins que le résultat ne puisse être précisément vérifié.
Si une tâche est trop subjective ou complexe pour être vérifiée immédiatement, le système doit la décomposer de manière récursive. Cette « boucle de décomposition » se poursuit jusqu'à ce que les sous-tâches correspondent à des capacités de vérification automatisées spécifiques, telles que la réussite d'un test unitaire, la satisfaction d'une preuve mathématique formelle ou le respect d'un schéma de données strict. Cela garantit que le « Web Agentique » ne devienne pas un bruit chaotique d'hallucinations non contrôlées, mais plutôt un réseau structuré d'unités de travail vérifiables.
Réassignation adaptative et autocorrection
Un mode de défaillance majeur dans les cadres d'agents de l'ère 2024 était l'« état bloqué », où un agent échouait à une tâche et l'ensemble du flux de travail se figeait. Le cadre de Délégation Intelligente de l'IA introduit la réassignation adaptative des tâches.
Parce que le délégateur surveille en permanence « l'état et la capacité » du délégataire (comme indiqué dans le pilier Évaluation dynamique), il peut détecter une dégradation des performances en temps réel. Si un sous-agent agit trop lentement ou commence à produire des résultats hallucinés non conformes, l'agent parent peut révoquer l'autorité en cours d'exécution et réassigner la tâche à un autre nœud du réseau. Cette capacité est essentielle pour la « Résilience systémique », empêchant un agent défectueux de faire chuter l'ensemble du flux de travail d'une entreprise.
Implications pour l'économie du futur
La publication de ce cadre coïncide avec le lancement d'outils pratiques mettant en œuvre ces théories, tels que DelegateOS, une bibliothèque TypeScript qui impose ces contraintes de délégation à l'aide de jetons cryptographiques. Cela suggère que la recherche n'est pas seulement théorique, mais qu'elle influence déjà la « plomberie » d'Internet.
En résolvant les couches de confiance et de redevabilité, Google DeepMind pose efficacement les règles de base d'une économie de machine à machine. Lorsque les agents peuvent déléguer du travail sans tiers de confiance, vérifier l'achèvement via des contrats intelligents et se tenir mutuellement responsables par des chaînes cryptographiques, la portée de ce que l'IA peut accomplir de manière autonome s'étend de la simple assistance à la gestion de projets complexes impliquant plusieurs parties prenantes.
À mesure que l'écosystème adopte ces normes, les développeurs peuvent s'attendre à un passage des orchestrateurs basés sur l'« ingénierie de prompt » vers des systèmes d'« ingénierie de contrat », où les définitions de la réussite sont codées plus rigoureusement que les instructions de la tâche elle-même.
