Un agent avec un compte Microsoft 365, qui en répond ?
Les annonces de Claude Duet et des agents Copilot Studio dotés d'un compte Microsoft 365 marquent un basculement: l'IA ne répond plus, elle agit avec une identité propre. Le sujet n'est plus la gouvernance des modèles mais celle des accès, des actions et des responsabilités. Il doit être traité avant le premier déploiement, pas après le premier incident.
Par Sabri Skhiri · · mis à jour le 18 novembre 2026
L'agent devient un utilisateur
Les annonces d'octobre 2026 sont convergentes. Anthropic a présenté Claude Duet, un agent personnel qui travaille en arrière-plan sur la messagerie, l'agenda et les outils connectés, avec des brouillons soumis à validation et des garde-fous sur les opérations sensibles [1]. Une semaine plus tôt, Microsoft ouvrait en préversion des agents Copilot Studio dotés de leur propre compte dans Microsoft 365: boîte aux lettres, présence Teams, compte Entra et identifiant Entra Agent ID [1]. Les deux fournisseurs ne parlent plus d'un assistant qui répond, mais d'un acteur qui exécute.
Ce changement n'est pas cosmétique. Un agent doté d'une identité propre déclenche des actions qui lui sont attribuées, pas à une personne. Il peut démarrer de sa propre initiative, conserver une mémoire de processus et interagir avec d'autres systèmes. Le risque associé n'est plus une mauvaise réponse: c'est une action exécutée sur un système réel. Une erreur d'interprétation peut devenir un envoi d'email, une modification d'enregistrement ou un virement. Cela change la nature du contrôle à mettre en place.
La gouvernance des modèles ne suffit plus
Jusqu'ici, la gouvernance de l'IA en entreprise s'est largement concentrée sur les modèles: évaluation des risques, documentation, tests, validation avant déploiement. Avec des agents qui agissent, cette approche montre ses limites. La raison est structurelle: un agent autonome réduit la prévisibilité de ses sorties. Un garde-fou placé au niveau du modèle ou du prompt n'est fiable que dans la mesure où la sortie est prévisible. Or l'autonomie, par définition, diminue cette prévisibilité [2]. Ce n'est donc plus la qualité du modèle qui doit être le point d'entrée, mais la couche opérationnelle: les permissions, les données, les actions et leur traçabilité.
La responsabilité, elle, reste humaine. L'autonomie technique ne crée pas l'autonomie juridique: un système qui choisit ses étapes et ses outils n'acquiert pas pour autant la capacité juridique. Chaque action doit pouvoir être attribuée à une personne ou à une organisation [3]. Plus la chaîne entre la demande initiale et l'action finale s'allonge, plus cette attribution devient difficile. La gouvernance doit donc être pensée comme un dispositif d'attribution, pas seulement comme un dispositif d'interdiction.
Trois angles morts à traiter avant le déploiement
Les données comme point de vérité. Un agent ne perçoit pas la réalité, il agit sur des instantanés de réalité capturés dans les données. Si la qualité des données est médiocre, l'agent prend de mauvaises décisions et aucun humain n'est là pour les corriger en temps réel. Une seule erreur peut déclencher une cascade: des résultats erronés sont stockés, considérés comme véridiques, puis réutilisés par d'autres agents [4]. La gouvernance doit donc inclure des contrats de données, du lineage et des contrôles de qualité à la source, pas seulement des politiques au niveau de l'agent.
Les interactions entre agents. Un agent seul peut avoir été évalué comme sûr, mais le risque apparaît dans l'interaction: un agent qui en appelle un autre, qui utilise un outil, qui transmet des données à un troisième. La gouvernance doit regarder le système dans son ensemble, pas chaque composant séparément [5]. Cela implique de cartographier les chaînes d'appels et de données, et de définir des règles de propagation des permissions.
La temporalité de la gouvernance. Jusqu'ici, on pouvait évaluer les risques avant le déploiement, mettre en place des mesures, puis effectuer des contrôles périodiques. Ce modèle devient insuffisant lorsque les comportements évoluent et que certaines décisions sont prises en quelques secondes. La gouvernance doit être présente pendant le fonctionnement, intégrée au système plutôt que dépendre exclusivement d'un contrôle humain externe [5]. Concrètement, cela signifie des politiques exécutables au moment de l'action, pas des documents de politique en amont.
Ce que l'architecture doit prévoir
Les implications pour les architectes data et les équipes d'ingénierie sont directes.
- Traiter l'identité d'un agent comme une identité à part entière. Un compte d'agent doit être provisionné avec le principe du moindre privilège, un accès conditionnel et une journalisation systématique. Les actions doivent être attribuées à l'agent, pas à son créateur, tout en gardant un lien de responsabilité vers l'humain. Microsoft a montré une direction avec Agent 365, mais chaque organisation doit définir ses propres règles [1].
- Journaliser chaque action avec son contexte. La traçabilité est le socle de la responsabilité. Chaque action d'un agent doit être loguée avec ses inputs, ses outputs, l'horodatage et le contexte de décision. Sans cela, l'audit devient impossible et la responsabilité inassignable [6]. Pour un data architect, cela rejoint l'observabilité des pipelines: il faut capturer le lineage des données au moment où l'agent agit, pas après coup.
- Déplacer les contrôles vers la couche opérationnelle des données. Les règles de gouvernance doivent être exécutables là où l'action se produit, par exemple au niveau des API, des entrepôts de données ou des contrats de données. Un garde-fou au niveau de l'agent ne suffit pas, car il dépend d'une prédictibilité impossible à garantir. La gouvernance doit intégrer le contexte du moment pour distinguer une action normale d'une action qui exige un jugement plus fin [2].
- Définir des seuils d'escalade humaine. Certaines actions doivent suspendre l'agent et solliciter une validation humaine: opérations financières, modifications irréversibles, accès à des données sensibles. Ce n'est pas de la méfiance envers l'IA, c'est de l'ingénierie de sécurité responsable [6]. Ces seuils doivent être définis avant le déploiement, pas improvisés après un incident.
Ce que les décideurs doivent faire maintenant
Le message pour les DSI et les responsables data est simple: ne laissez pas les agents se déployer sans cadre de gouvernance. Les organisations qui attendent le premier incident pour réagir découvrent le chaos, pas la liberté [6].
Concrètement, je recommande quatre actions.
- Nommer un responsable gouvernance IA distinct du responsable technique. Les enjeux sont organisationnels, juridiques et algorithmiques. Ce responsable doit avoir autorité sur les permissions, les seuils d'escalade et les revues de comportement.
- Cartographier les permissions et les actions avant de donner une identité à un agent. Quels systèmes peut-il toucher ? Quelles actions sont autorisées, lesquelles sont soumises à validation, lesquelles sont interdites ? Cette cartographie doit être validée par les métiers, pas seulement par la technique.
- Mettre en place les contrôles au niveau des données et des API, pas seulement au niveau du modèle. Les contrats de données, les politiques d'accès conditionnel et les journaux d'audit doivent être opérationnels avant le premier déploiement.
- Prévoir des mécanismes d'arrêt et des tests d'échec. Comme pour tout système distribué, il faut pouvoir couper un agent qui dérive, rejouer ses actions et comprendre ce qui s'est passé. Les tests doivent inclure des scénarios d'erreur, pas seulement des cas nominaux.
La période est charnière. Les outils existent, les annonces de Claude Duet et de Microsoft montrent que les agents à identité propre arrivent dans les entreprises. La question n'est plus de savoir si l'IA agira, mais comment on l'encadre. La réponse ne se trouve pas dans un document de politique rédigé après coup. Elle se construit dans l'architecture des accès, des actions et des preuves, avant le premier déploiement.