En janvier et février 2026, Singapour et le NIST ont lancé des initiatives spécifiques aux agents IA ; l’Union européenne disposait déjà de l’AI Act, un règlement général sur l’IA entré en vigueur en 2024. Les initiatives ont des objectifs partiellement communs, mais des statuts et mécanismes différents ; aucune preuve primaire ne permet d’affirmer qu’elles s’ignorent délibérément. Selon la Cloud Security Alliance, 82 % des organisations interrogées ont découvert au moins un agent IA auparavant inconnu dans leur environnement au cours de l’année précédente. Le droit arrive après les faits, comme toujours avec les technologies de réseau, mais cette fois l’écart est particulièrement large, et les agents ne sont pas des outils passifs.

L’essentiel

  • Singapour, le NIST et l’UE ont lancé trois cadres de gouvernance pour agents IA simultanément en janvier-février 2026, sans mécanisme de convergence prévu.
  • 82 % des entreprises ont déployé des agents autonomes sans en informer leurs équipes de sécurité (Zylos Research, 2026) : les pratiques d’entreprise deviennent le standard de fait avant toute norme publique.
  • Les agents IA diffèrent des systèmes précédents sur un point décisif : ils agissent de façon autonome dans les systèmes d’une organisation, prennent des décisions en chaîne et peuvent déléguer à d’autres agents, rendant la traçabilité des responsabilités très difficile.
  • Des différences entre les cadres internationaux peuvent créer un risque de fragmentation réglementaire.
  • Gartner prédit que 40 % des déploiements d’agents IA en entreprise seront abandonnés ou dégradés d’ici 2027 faute de gouvernance interne suffisante.

Les agents ne ressemblent pas aux outils qu’ils remplacent

Un système d’IA classique attend une requête, produit une réponse, s’arrête. Un agent autonome reçoit un objectif, planifie les étapes pour l’atteindre, exécute des actions dans des systèmes tiers, messagerie, bases de données, interfaces de paiement, outils de développement, et peut déléguer des sous-tâches à d’autres agents. Certains agents peuvent enchaîner des actions avec une supervision humaine limitée ; le niveau de validation humaine dépend toutefois de la conception, des permissions et des contrôles de déploiement.

Les agents nécessitent des adaptations et des contrôles complémentaires des cadres existants, plutôt que de rendre nécessairement ces cadres inadaptés dans leur ensemble. Les règles d’audit, de traçabilité et de responsabilité ont été conçues pour des systèmes déterministes : une entrée, un traitement, une sortie identifiable. Avec les agents, la chaîne causale entre une décision humaine initiale et une action finale dans un système critique peut traverser plusieurs agents intermédiaires, chacun opérant selon ses propres paramètres. La responsabilité en cas d’erreur au milieu de la chaîne soulève des questions juridiques dans les juridictions concernées.

Selon la CSA, 82 % des organisations interrogées ont découvert au cours de l’année précédente au moins un agent IA ou workflow auparavant inconnu des équipes de sécurité ou IT. Dans d’autres domaines technologiques, un déploiement de cette ampleur sans consultation de la sécurité informatique serait une négligence flagrante. Avec les agents IA, c’est devenu banal, pour une raison simple : ces déploiements se font souvent par les équipes métier via des plateformes en mode SaaS, sans passer par les directions informatiques. La facilité d’accès crée l’asymétrie.

Trois textes rigoureux qui se tournent le dos

Le cadre de l’IMDA, publié le 22 janvier 2026, recommande des pratiques de gouvernance, dont des contrôles techniques et une supervision humaine ; il n’établit pas d’obligations réglementaires. Le cadre recommande de borner les pouvoirs des agents, d’assurer une responsabilité humaine significative et de déployer des contrôles techniques ; il ne crée pas une obligation universelle de journal, de frontière et de bouton d’arrêt pour chaque agent. Le cadre invite les organisations à évaluer le niveau d’autonomie et l’accès des agents selon les risques ; il ne pose pas la classification binaire décrite. Cette distinction est utile et absente des deux autres textes.

L’initiative du NIST vise à favoriser des standards industriels, des protocoles ouverts et des recherches sur la sécurité, l’identité et l’interopérabilité des agents ; elle ne fixe pas encore les obligations citées. L’initiative du NIST s’inscrit dans la tradition américaine des standards volontaires, ce qui en fait un guide de bonnes pratiques plutôt qu’un cadre contraignant. Sa force est sa modularité : les entreprises peuvent l’adopter partiellement, ce qui favorise l’adoption rapide, au risque d’un cherry-picking qui vide le texte de sa substance.

L’AI Act s’applique par étapes : l’application de certaines règles commence le 2 août 2026, tandis que les règles de l’annexe III relatives aux systèmes à haut risque s’appliquent à partir du 2 décembre 2027. Pour les systèmes à haut risque concernés, l’AI Act impose notamment une procédure d’évaluation de conformité avant mise sur le marché ou mise en service, une documentation, des journaux et, dans les cas prévus, un enregistrement dans la base de données de l’UE. Mais le champ de l’AI Act est principalement défini par les rôles, le type et l’usage prévu des systèmes, ainsi que leur niveau de risque ; certaines catégories à haut risque concernent des domaines spécifiques.

Les textes et initiatives partagent certains thèmes de gouvernance, mais leurs statuts, champs d’application et niveaux de détail diffèrent fortement. Une entreprise peut relever simultanément de plusieurs régimes selon ses activités, ses rôles et ses marchés, mais cela doit être déterminé au cas par cas ; le cadre de l’IMDA est volontaire. La fragmentation réglementaire est déjà documentée comme frein à la croissance dans d’autres domaines ; avec les agents IA, elle arrive à un moment où les pratiques n’ont pas encore durci en habitudes impossibles à corriger.

La capture avant la gouvernance : un mécanisme connu

Adam Becker, chercheur spécialisé dans les rapports entre technologie et gouvernance, documente un mécanisme récurrent dans l’histoire des technologies de réseau : l’optimisme des promoteurs d’une technologie tend à minimiser systématiquement les risques systémiques jusqu’à ce que les pratiques soient si ancrées que toute régulation substantielle se heurte à des résistances massives. Les promoteurs ne sont pas nécessairement de mauvaise foi, ils croient sincèrement à la technologie qu’ils déploient, mais leur horizon d’évaluation est celui du cas d’usage réussi, pas de l’échec en cascade.

Le chiffre publié par la CSA illustre ce mécanisme. Les 82 % d’organisations interrogées qui ont découvert au moins un agent IA auparavant inconnu dans leur environnement ne permettent pas d’établir un contournement de réglementation. Elles expérimentent, constatent que ça fonctionne pour le cas d’usage visé, et passent à l’échelle. Les problèmes de gouvernance n’apparaissent qu’ultérieurement, quand un agent agit de façon inattendue dans un système critique, quand un audit révèle des décisions impossibles à retracer, ou quand une brèche de sécurité remonte à un agent dont personne ne se souvient avoir autorisé le déploiement.

La lecture concurrente à ce diagnostic mérite d’être prise au sérieux. Pour les économistes qui travaillent sur les effets de l’adoption technologique, Philippe Aghion sur la destruction créatrice schumpétérienne, Carl Benedikt Frey sur les cycles d’innovation, une gouvernance trop précoce et trop contraignante peut freiner une vague technologique avant qu’elle n’atteigne son potentiel productif. Les agents autonomes pourraient représenter exactement ce saut de productivité que les économies développées cherchent depuis deux décennies : les coincer dans des obligations de conformité lourdes avant d’en comprendre les usages serait une erreur symétrique à celle de l’absence de gouvernance.

Cette tension est réelle. Elle ne s’applique cependant pas de la même façon selon le type d’agent. Un agent qui automatise la gestion des stocks d’un entrepôt présente des risques très différents d’un agent qui prend des décisions de crédit ou qui gère l’accès à des systèmes critiques. L’IMDA et l’AI Act prévoient des approches sensibles au risque, mais selon des mécanismes différents ; l’initiative du NIST ne fixe pas encore de classification formelle commune des agents par type et niveau de risque.

Gouverner un acteur qui agit avant d’être observé

La concentration du pouvoir sur une interface unique est un risque déjà documenté pour les grandes plateformes numériques. Avec les agents, la concentration se déplace : l’interface reste visible, mais les décisions se prennent en amont, dans des couches d’automatisation que ni l’utilisateur final ni souvent l’organisation déployante ne voient en temps réel. Gouverner cette couche nécessite des instruments adaptés.

Le problème technique central est celui de la traçabilité des chaînes d’agents. Les architectures multi-agents peuvent accroître la complexité de l’attribution des responsabilités et nécessiter des mécanismes renforcés d’identité, d’autorisation et de journalisation. Les trois cadres reconnaissent ce problème. L’AI Act impose, pour les systèmes à haut risque concernés, une capacité technique d’enregistrement automatique des événements ; les cadres de l’IMDA et du NIST proposent ou développent des contrôles techniques et des standards volontaires. Ce vide technique est précisément ce que des travaux de standardisation comme ceux du NIST pourraient combler si les ressources et le calendrier suivaient.

Un second problème, moins discuté, est celui de la validation croisée entre agents. Quand un agent délègue à un autre agent une sous-tâche, les cadres ne précisent pas tous les modalités de vérification des habilitations entre agents. C’est une faille de conception qui transforme les chaînes d’agents en vecteurs potentiels d’escalade de privilèges, un agent malveillant ou mal configuré peut instruire un agent à périmètre plus large d’exécuter des actions que le premier n’aurait pas le droit d’initier directement.

Les points que 2028 tranchera ou laissera ouverts

L’horizon 2027-2028 est structurant pour deux raisons convergentes. D’abord, à compter du 2 août 2026, certaines règles et certains mécanismes d’application s’appliqueront ; le déploiement complet des principales échéances se poursuit jusqu’au 2 août 2028. Ensuite, Gartner prévoit que, d’ici 2027, 40 % des entreprises rétrograderont ou désactiveront des agents IA autonomes en raison de lacunes de gouvernance identifiées après des incidents de production.

Deux trajectoires sont plausibles à cet horizon. Dans la première, la fragmentation réglementaire persiste mais les grandes entreprises technologiques, qui opèrent dans les trois juridictions, développent des standards internes qui convergent de facto vers une norme internationale minimale. C’est le scénario RGPD appliqué aux agents : une norme exigeante dans une juridiction majeure crée un niveau plancher mondial par capillarité. Cette trajectoire a des précédents solides, mais elle suppose que les entreprises américaines acceptent de se voir imposer des obligations définies en partie à Bruxelles et à Singapour, ce qui n’a rien d’acquis.

Dans la seconde trajectoire, les trois cadres restent des textes parallèles, chacun s’appliquant sur son territoire sans coordination. Les entreprises développent des pratiques de conformité cloisonnées selon la juridiction d’opération, avec les coûts et les incohérences que cela implique. Dans ce scénario, les acteurs qui bénéficient le plus de l’absence de convergence sont les grandes plateformes qui peuvent absorber le coût de la conformité multiple, au détriment des acteurs plus petits qui ne le peuvent pas. La gouvernance fragmentée devient un avantage compétitif pour les incumbents.

Un troisième scénario, moins probable mais non négligeable, serait une initiative de convergence portée par une organisation internationale, l’OCDE, qui a déjà produit des principes sur l’IA en 2019, ou le G20 dont la présidence tourne régulièrement vers des pays dont les intérêts technologiques divergent. Pour que cette convergence se produise, il faudrait un événement déclencheur : une défaillance d’agents en cascade dans un système critique, une décision judiciaire majeure dans l’une des trois juridictions, ou une initiative diplomatique portée par un acteur qui a intérêt à l’harmonisation. Singapour, dont le cadre est le plus précis des trois et dont la stratégie économique repose sur sa capacité à être une juridiction de référence pour les entreprises technologiques mondiales, est potentiellement cet acteur.

Ce qui est certain : les décisions prises en 2026-2027 sur la gouvernance des agents autonomes auront des effets durables sur la capacité des sociétés à exercer un contrôle démocratique sur des systèmes qui prennent des décisions de plus en plus conséquentes. La question de qui contrôle les standards ouverts s’est posée pour l’information ; elle se pose aujourd’hui pour les agents qui agissent dans les systèmes d’information. Les réponses ne sont pas identiques, mais les leçons sur la capture des standards par les acteurs dominants s’appliquent directement.

Les signaux qui permettraient de trancher

Trois indicateurs permettront de savoir, d’ici fin 2027, dans quelle trajectoire nous nous trouvons. Le premier est l’existence ou l’absence d’un groupe de travail conjoint entre l’IMDA singapourienne, le NIST et la Commission européenne : des réunions techniques formelles sur la compatibilité des standards signaleraient une volonté politique de convergence, leur absence confirmerait la fragmentation assumée. Le second est le contenu des premières décisions d’enforcement de l’AI Act : si les régulateurs européens adoptent une interprétation stricte des obligations pour les agents déployés par des entreprises non européennes opérant dans l’UE, la pression de convergence vers le haut sera forte. Le troisième est le comportement des grandes plateformes de déploiement d’agents, Microsoft Copilot Studio, Google Agentspace, Salesforce Agentforce, qui ont chacune leurs propres standards internes : si elles adoptent le cadre singapourien comme référence, c’est que le texte le plus précis et le plus opérationnel l’emporte indépendamment de la taille de la juridiction.

La gouvernance des agents autonomes requiert la coordination d’acteurs dont les intérêts, les calendriers et les instruments diffèrent : les ingénieurs ne peuvent la résoudre seuls, pas plus que les juristes. Au moins deux initiatives publiques explicitement consacrées aux agents IA existaient en 2026 : le cadre agentique de l’IMDA et l’initiative de standards du NIST. L’enjeu désormais est de savoir si ces institutions se coordonneront avant que les pratiques d’entreprise ne rendent la convergence difficile.

Sources

  1. Singapore IMDA, Model AI Governance Framework for Generative AI, janvier 2026, https://www.imda.gov.sg
  2. NIST, AI Agent Standards Initiative, février 2026, https://www.nist.gov/artificial-intelligence
  3. Règlement européen sur l’intelligence artificielle (AI Act), application progressive jusqu’en août 2026, https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai
  4. Zylos Research, AI Agent Governance & Compliance 2026, mai 2026, https://zylos.ai/research/2026-05-01-ai-agent-governance-compliance-2026/
  5. Gartner, Enterprise AI Risk Survey 2026, Gartner Inc., 2026
  6. Adam Becker, travaux sur technologie et gouvernance, https://www.adamkbecker.com
  7. OCDE, Recommandation du Conseil sur l’intelligence artificielle, 2019, https://oecd.ai/en/ai-principles