Agents IA : trois choses à changer, selon Anthropic
Sur cette page
L'essentiel
- Donnez-lui accès aux informations que vous utilisez.
- Limitez les sources et consignes qui occupent sa boîte.
- Choisissez des mécanismes qui tiendront encore à grande échelle.
- Pour 2026, Hollman prédit que vous devrez surtout suivre plusieurs agents.
Daisy Hollman construit Claude Code chez Anthropic. Cette année, deux conférences lui ont permis d’exposer trois gestes : donner aux agents accès à vos informations, surveiller leur boîte et choisir des mécanismes capables de durer à grande échelle.
Qui parle
Dans l’équipe Claude Code, Hollman a mené les plugins et les équipes d’agents. Elle a auparavant passé près de dix ans au comité de normalisation du C++, dont deux comme présidente.
Elle a parlé à Londres le 19 mai, puis au NDC Copenhagen, dans une vidéo publiée le 11 août. Les deux conférences finissent sur les mêmes conclusions (Londres, 46:37 ; NDC, 59:42). Ses exemples viennent du développement logiciel ; cette page les transpose à vos tâches de vente, de marketing ou de gestion. Choisissez maintenant une tâche que vous confiez à un agent.
1. Donnez-lui accès
Quand l'agent part de travers
« I think often when people get frustrated that Claude is taking the wrong direction, there's some information in your brain that you got from somewhere that Claude can't access. »
« Souvent, quand les gens s'agacent que Claude parte dans la mauvaise direction, ils ont obtenu quelque part une information à laquelle Claude n'a pas accès. »
Pour Hollman, l’agent doit pouvoir accéder à ce que vous utilisez (Londres, 04:01) : messages, courriels et raison d’une tâche (04:26). Dans son exemple, le code montre le changement à faire, sans toujours en donner la motivation.
Elle nuance : recopier ces informations dans chaque consigne reste fastidieux puisqu’elles existent déjà ailleurs (04:46). Son objectif consiste à multiplier les capacités de l’utilisateur (NDC, 17:31).
Concrètement. Pendant une journée, notez chaque copier-coller vers l’outil IA (Londres, 08:19 ; NDC, 19:07). La liste révèle ce qui lui manque. À partir de notes de réunion, demandez aussi deux ou trois livrables possibles (Londres, 07:56).
Branchez ensuite une seule source utile. Hollman déconseille la suppression des permissions : « Unless you’re using dangerous skip permissions, which I’m definitely not recommending » (Londres, 44:21). Elle décrit plusieurs contrôles avant une action (NDC, 56:36).
Commencez en lecture seule. Gardez votre validation pour tout envoi ou toute suppression.
2. Surveillez la boîte
Sur le choix du contexte
« You can, but like that's not going to perform nearly as well as very carefully selecting the relevant context. »
« Vous pouvez le faire, mais le résultat sera nettement moins bon qu'avec une sélection très soigneuse du contexte pertinent. »
La boîte désigne la place disponible pour traiter une tâche. Chaque personnalisation y concurrence le travail en cours (NDC, 29:56). Hollman demande donc une sélection compacte (Londres, 18:54).
Le nombre de connecteurs compte aussi. Ces services reliés à l’agent lui donnent accès à des données ou à des actions. Plus il en reçoit, plus sa capacité à trouver le bon se dilue (NDC, 38:26).
Dès demain. Comptez les sources, connecteurs et consignes permanentes. Gardez ce qui a servi cette semaine et retirez le reste. Si la coupure exige des droits particuliers, désactivez d’abord ce que vous contrôlez.
3. Choisissez ce qui tiendra encore à cent
Le piège d'un ajout qui paraît léger
« Not only is it an extremely expensive abstraction, but it looks super cheap. »
« C'est une abstraction extrêmement coûteuse, et en plus elle a l'air très bon marché. »
Dix mécanismes inutiles restent présents et se paient malgré tout (NDC, 45:36). Un déclenchement au bon moment échappe à ce coût : « It runs outside the context window, so there’s zero token cost » (Londres, 32:03). Hollman souligne que ces déclencheurs tiennent à grande échelle (NDC, 44:26).
Sa troisième conclusion porte sur l’échelle du travail réel (NDC, 59:50). À Londres, elle demande d’imaginer 100 000 lignes de code ou 100 000 mécanismes disponibles (46:49). Votre choix doit rester utilisable à ce volume.
La boucle de retour aide aussi un mécanisme à durer (Londres, 14:24). Au NDC, Hollman décrit un rappel au moment de l’erreur (24:28).
Cette semaine. Transformez une correction répétée en règle appliquée en fin de tâche : « vérifie chaque chiffre avec le document source et signale ce qui manque ». Le déclenchement automatique dépend de l’outil. Une liste collée à la main reste un pis-aller qui coûte une action et de la place à chaque demande.
Ce qu’elle prédit pour 2026
Une formule qu'elle attribue à Claude
« Claude put it this way. Um, your attention is the smallest box in the system, which I think is cute. »
« Claude l'a formulé ainsi. Votre attention est la plus petite boîte du système, ce que je trouve mignon. »
Elle relie son constat à sa prédiction : « […] the model making mistakes. 2026 I believe is going to be a lot more about getting information from the model to the user » (NDC, 57:32). Selon elle, la qualité des informations fournies au modèle pèsera moins ; il faudra surtout voir ce que les agents font (57:40).
Son raisonnement part du travail en parallèle (NDC, 50:03). Gérer vingt agents pourrait produire près de quatre fois le travail obtenu avec cinq, à condition d’être à l’aise avec ce nombre (50:32).
Elle dit qu’il faut « get good at context switching » (Londres, 37:53), une pratique qu’elle dit elle-même détester.
Elle envisage des échanges entre agents avec votre permission (Londres, 42:29). Certains fils, c’est-à-dire des conversations de travail distinctes, peuvent rester séparés pour créer de la redondance ou tester plusieurs approches (42:56).
En pratique. Nommez et colorez vos fils si l’outil le permet (Londres, 39:43 ; NDC, 51:11). Sinon, limitez-vous à deux fils nommés et vérifiez-les dans l’interface.
Les chiffres
Le cas Mozilla rapporté par Hollman
« […] and it was literally more than they had had fixed in the past 15 months combined. And that's keep in mind, right? Like it's not like they didn't have AI tools in the past 15 months. »
« […] et c'était littéralement plus que pendant les quinze mois précédents cumulés. Gardez en tête qu'ils disposaient déjà d'outils IA pendant ces quinze mois. »
Hollman relaie un graphique de l’organisme de recherche METR : la durée des tâches qu’un modèle réussit une fois sur deux double environ tous les quatre mois (NDC, 10:43). Elle renvoie aussi à un graphique publié en avril par la Mozilla Foundation sur les corrections de failles de sécurité (12:11).
Lors de la conférence de Londres, Hollman dit que la personne ayant construit l’outil de suivi aurait traité environ mille demandes d’intégration de code, ou PR pour pull requests, en un mois : « like a thousand PRs in the past month » (45:57). Au NDC, le même récit devient « I think a thousand PRs one week » (58:29). Les deux versions donnent donc une période différente.
Au NDC, le mode automatique coûterait 10 à 40 % de plus selon le modèle (57:05). À Londres, Hollman avançait une fourchette de 30 à 40 %, puis précisait : « I don’t actually know the number off the top of my head, so don’t quote me on that » (45:05). Cette réserve porte sur l’estimation donnée à Londres.
Mesurez sur votre tâche
Pendant une semaine, mesurez seulement deux choses : le nombre de copier-collers vers l’agent et le temps de relecture de ses sorties. Reprenez les mêmes mesures après vos changements. Vous verrez ainsi si les trois gestes améliorent réellement la tâche choisie au début de l’article.