Un mois avec un agent IA dans le navigateur : 62 tâches confiées, 41 réussies (test 3,4/5)

En trente jours, nous avons confié 62 tâches réelles à un navigateur agentique : 41 ont été pleinement réussies, 13 à moitié et 8 ratées, soit 66 % de réussite franche. Le gain net, relecture incluse, atteint 4 h 40 par semaine. La note de 3,4 sur 5 tient à un déséquilibre net : excellent pour préparer et extraire, dangereux dès qu'il s'agit de cliquer sur un bouton irréversible.

Comment nous avons compté

Chaque tâche a été notée le jour même dans un tableau, avec cinq colonnes : intitulé, temps d'exécution de l'agent, temps de relecture humaine, temps estimé en manuel, verdict. Le verdict n'accepte que trois valeurs. Réussie signifie que le résultat est utilisable tel quel, avec au plus une correction cosmétique. À moitié réussie signifie que la structure est bonne mais qu'au moins une donnée est fausse ou manquante. Ratée signifie que la tâche a dû être refaite entièrement, ou qu'elle a produit un effet indésirable.

Les cinq catégories retenues correspondent à du travail de cadre, pas à des démonstrations : préparer une fiche avant rendez-vous, comparer trois offres fournisseurs, remplir une note de frais, extraire les créneaux disponibles d'un fil de mails, mener une recherche documentaire ciblée. Aucune tâche n'a été rejouée pour améliorer les statistiques : le premier résultat est le résultat.

Préparer une fiche avant rendez-vous : 14 réussites sur 15

C'est l'usage qui justifie à lui seul l'abonnement. La consigne type tient en une phrase : rassembler en une page l'activité de l'entreprise, ses trois dernières annonces publiques, le parcours de l'interlocuteur et deux questions à poser. L'agent ouvre le site, la page presse, un annuaire professionnel, parfois deux articles, et rend une fiche en 3 min 40 en moyenne.

La relecture prend 4 minutes, essentiellement pour vérifier les dates et le poste exact de l'interlocuteur, qui a changé deux fois sur quinze. En manuel, le même travail nous demandait 22 minutes. Le seul échec partiel concerne une entreprise homonyme : l'agent a mélangé deux sociétés portant le même nom dans deux pays, sans jamais signaler l'ambiguïté. C'est une constante du test, sur laquelle nous revenons plus bas.

Extraire des créneaux dans un fil de mails : la meilleure surprise

Douze réussites sur quatorze, en 1 min 10 d'exécution moyenne. La tâche consiste à parcourir un fil de six à quinze messages et à en sortir la liste des disponibilités évoquées par chacun, avec les contraintes exprimées en passant. C'est un travail que personne n'aime faire et qui prend une bonne dizaine de minutes quand le fil est long.

Les deux résultats partiels portent sur des formulations relatives : « la semaine d'après » et « pas avant mon retour » ont été mal résolues, ce qui est prévisible. Une fois la règle intégrée (ne jamais confier un fil contenant des dates relatives sans donner la date du jour dans la consigne), le taux monte à 12 sur 12 sur les deux dernières semaines.

Comparer trois offres fournisseurs : le tableau est joli, les chiffres sont faux

Six réussites sur douze, quatre résultats partiels, deux échecs. La forme est irréprochable : l'agent produit un tableau comparatif propre en 6 min 20. Le contenu, lui, demande 12 minutes de vérification, et c'est là que les problèmes apparaissent.

Sur les quatre résultats partiels, trois comportaient une erreur de report : un tarif hors taxes comparé à deux tarifs toutes taxes comprises, une durée d'engagement de 24 mois notée 12, un plafond d'utilisation mensuel confondu avec un plafond annuel. Aucune de ces erreurs n'était visible sans rouvrir les trois offres. Le tableau, par sa netteté, inspire une confiance que son contenu ne mérite pas une fois sur trois.

Un agent qui se trompe en produisant un document laid est inoffensif. Un agent qui se trompe en produisant un tableau parfaitement aligné est un piège, parce que la mise en forme fait office de preuve.

Notes de frais et formulaires : la catégorie à ne pas confier

Trois réussites sur neuf. C'est le pire résultat du test, et surtout celui qui a produit les seuls dégâts réels.

Sur les trois échecs, deux sont des soumissions parties sans validation. Dans le premier cas, l'agent a rempli et envoyé une note de frais avec un montant de 84 euros au lieu de 48, par inversion de chiffres lors de la lecture d'un justificatif photographié. Dans le second, un formulaire de demande interne a été soumis en double, l'agent ayant considéré que la première tentative avait échoué alors que la page de confirmation mettait simplement du temps à s'afficher. Le rattrapage a pris 35 minutes et deux mails d'explication.

Le temps de relecture moyen de cette catégorie, 14 minutes pour 8 minutes d'exécution, achève de disqualifier l'usage : remplir soi-même prend 16 minutes.

Le temps réellement gagné, catégorie par catégorie

Catégorie	Tâches	Réussies	À moitié	Ratées	Agent	Relecture	Manuel
Fiche avant rendez-vous	15	14	1	0	3 min 40	4 min 00	22 min
Extraction de créneaux	14	12	2	0	1 min 10	2 min 30	11 min
Comparaison d'offres	12	6	4	2	6 min 20	12 min 00	35 min
Recherche documentaire	12	6	3	3	5 min 00	9 min 00	25 min
Note de frais et formulaires	9	3	3	3	8 min 00	14 min 00	16 min
Total	62	41	13	8	4 h 25	6 h 10	25 h 20

Le solde brut est de 14 h 45 économisées sur trente jours, soit 4 h 40 par semaine. Mais ce chiffre global masque l'essentiel : si l'on retire les deux catégories les plus faibles, comparaison d'offres et formulaires, le taux de réussite passe de 66 % à 78 % et le temps de relecture chute de 40 %. Le gain hebdomadaire descend alors à 3 h 05, pour une charge mentale nettement plus légère.

Les trois situations où l'agent devient dangereux

La première catégorie est l'achat. Deux fois, l'agent est arrivé jusqu'à un écran de paiement sans y avoir été invité, simplement parce que la consigne évoquait un renouvellement. Aucun moyen de paiement n'était enregistré dans le profil du navigateur, ce qui a suffi à bloquer la séquence. C'est une précaution à prendre avant même la première utilisation.

La deuxième est l'envoi de messages. L'agent rédige très correctement, mais rien ne distingue dans son comportement la préparation d'un brouillon et son expédition. Sur une tâche de relance fournisseur, il a envoyé un message parfaitement poli à la mauvaise personne dans le fil, parce que le dernier message venait d'un assistant en copie.

La troisième est la soumission de formulaires, détaillée plus haut. Le dénominateur commun des trois est l'irréversibilité : une fois le bouton pressé, aucun journal d'actions ne rattrape quoi que ce soit.

À ces trois catégories s'ajoute un défaut de comportement plus insidieux. Quand la page change sous l'agent, cookie, mur d'abonnement, session expirée, il continue sa tâche sur ce qu'il voit et ne signale jamais l'anomalie. Sur les huit échecs, cinq commencent exactement ainsi.

La règle de validation que nous imposons

Une seule règle, écrite en tête de chaque consigne : l'agent prépare, l'humain valide. Concrètement, l'agent n'a le droit de cliquer sur aucun bouton portant les mots envoyer, payer, supprimer, soumettre ou confirmer. Il s'arrête, décrit ce qu'il s'apprêtait à faire, et attend.

Appliquée depuis le début, cette règle aurait évité 5 des 8 échecs, dont les deux plus coûteux en rattrapage. Elle coûte environ 30 secondes par tâche. Nous y ajoutons trois habitudes : donner la date du jour dans chaque consigne, exiger le lien source pour chaque donnée reportée dans un tableau, et refuser toute tâche qui porte sur un nom d'entreprise ambigu sans précision de pays.

Ce que nous ferions

Nous garderions l'abonnement à 22 euros par mois, mais en le cantonnant à deux usages : la préparation de rendez-vous et l'extraction d'information dans des fils longs. Sur ces deux terrains, le rapport entre 5 minutes de travail machine et 20 minutes de travail humain est trop favorable pour s'en priver, et le risque d'erreur reste visible à la relecture.

Nous laisserions les comparaisons d'offres à l'agent pour la mise en forme uniquement, en ressaisissant nous-mêmes les trois ou quatre chiffres qui engagent une décision. Et nous ne lui confierions aucune note de frais, aucun formulaire, aucun envoi, tant qu'un arrêt obligatoire avant action irréversible n'est pas imposé par l'outil lui-même plutôt que par la discipline de l'utilisateur. La note de 3,4 sur 5 récompense un vrai gain de temps, pas une confiance aveugle.