PFIA 2026 · Société & IA · 2 juillet · Arras

Informatique · Droit · Éthique appliquée

Le commanditaire invisible

Provenance des objectifs et manipulation informationnelle
dans les systèmes agentiques

présenté en tandem par

Nicolas Gutowski

LERIA · IUT d'Angers · Université d'Angers

Martino Bettucci

P2Enjoy SAS

les intervenants

Un binôme informatique · droit · éthique

Nicolas Gutowski

MCF HDR · Directeur adjoint du LERIA

Maître de conférences HDR en informatique à l'Université d'Angers (IUT d'Angers). Doctorat 2019 (apprentissage par renforcement, systèmes de recommandation), HDR 2025 (optimisation multicritère pour le ML, deep learning guidé par la physique, IA générative). Bandits-manchots, sélection de variables, génération (musique, chimie).

nicolas.gutowski@univ-angers.fr

Martino Bettucci

Dirigeant · P2Enjoy SAS

Dirigeant de P2Enjoy SAS, studio de R&D spécialisé dans les architectures agentiques et les systèmes IA. Travaux sur l'autonomie des agents, la gouvernance des systèmes IA et leurs implications économiques et institutionnelles. Propose dès 2024 la distinction ouvrière/assistive (Cointribune), formalisée dans un article de position en janvier 2026.

contact@p2enjoy.studio

Partie 1 · Nicolas Gutowski

Le diagnostic : deux régimes de menace informationnelle

De la puissance des modèles à la provenance des objectifs — et à la question du commanditaire.

le point de départ

Comment on analyse les campagnes automatisées

D'ordinaire, on juge l'agent par la puissance de son modèle génératif.

📣

Volume

Production de masse : saturer l'espace informationnel à coût quasi nul.

🎭

Réalisme

Qualité indiscernable de l'humain : textes, voix, vidéos crédibles.

🎯

Ciblage

Personnalisation et micro-segmentation des contenus selon l'audience.

Le point aveugle. Ces trois axes décrivent ce que l'agent peut faire, jamais d'où viennent ses objectifs, ni s'il existe un commanditaire humain derrière ses actes.

la thèse

Déplacer la focale : non pas la capacité, mais la provenance

La question habituelle

« Que sait faire l'agent ? »

Mesure la puissance et l'autonomie d'exécution. Suppose qu'un agent puissant est un agent dangereux. Ne dit rien sur qui décide de l'action.

Le déplacement proposé

« D'où viennent ses objectifs ? Y a-t-il un commanditaire ? »

L'impact informationnel dépend de la provenance des buts, pas seulement de la force. Deux agents techniquement identiques peuvent relever de deux régimes de menace radicalement différents.

Régime 1 · la menace

L'empreinte d'un commanditaire derrière les contenus

Un mandat opaque

Acteur étatique, intérêt commercial ou entité malveillante : l'objectif est donné et dissimulé.

Techniquement légitime

Rien ne distingue l'agent d'un usage licite. La menace n'est pas dans le code, mais dans le mandat.

Théorie de l'internet mort

Érosion des signaux humains : des espaces peuplés d'agents sous objectifs mandatés (Muzumdar et al. 2025).

Le diagnostic. La menace est réelle mais lisible : il y a un auteur, un objectif assigné, une chaîne de responsabilité à remonter.

Régime 1 · la réponse

Tracer le commanditaire, auditer les objectifs assignés

Traçabilité du commanditaire

Identifier qui mandate l'agent : identité, mandat explicite, attestation d'intention.

Auditabilité des objectifs

Journaux d'action et preuves d'objectifs assignés, vérifiables a posteriori.

Cadre réglementaire

AI Act (Règl. UE 2024/1689) & DSA : transparence, obligations sur les contenus synthétiques, signature des metadata.

Logique de gouvernance. La chaîne de responsabilité existe — il s'agit de la rendre résistante à l'opacité.

Régime 2 · le défi inédit

Une manipulation sans auteur : la chaîne se brise

Développeur

conçoit l'algorithme

⟶

Déployeur

déploie et supervise

⟶

Utilisateur

engage l'usage final

Pas de mandant à poursuivre, pas d'instruction à auditer. L'objectif d'influence a été généré par le mécanisme de l'agent à partir de son état interne. Tracer le commanditaire devient inopérant : il n'y a pas de commanditaire.

Régime 2 · pistes de gouvernance

Gouverner les agents à autonomie d'objectif élevée

Supervision

Qui peut arrêter l'agent, modifier ou révoquer ses mandats, et selon quels mécanismes ?

Transparence des objectifs

Rendre visible le mécanisme de sélection d'objectifs (γ), pas seulement les sorties.

Responsabilité sans mandant

Quel régime de réparation quand aucune entité humaine n'est à l'origine de l'objectif ?

a devient un paramètre de conformité : certificats d'autonomie et exigences de contrôle proportionnels à l'autonomie d'objectif et au périmètre d'action.

Partie 2 · Martino Bettucci

Le cadre formel : une taxonomie orthogonale de l'autonomie

Du papier « Au-delà de la cognition » — un modèle d'agent, une métrique, et ce qu'elle révèle de l'espace informationnel.

cadre · Bettucci 2026

Deux familles d'agents, selon la provenance des objectifs

IA ouvrières

objectifs exogènes

Œuvrent pour le compte d'un commanditaire. Aucun agenda hors déclencheur externe (ticket, prompt, contrat). Mandat borné, responsabilité traçable.

IA assistives

objectifs partiellement endogènes

Maintiennent un agenda propre, auto-généré. Sélectionnent outils et services en minimisant l'intervention humaine. Acceptent des contraintes, mais gardent l'initiative.

Axe orthogonal. Cette distinction est indépendante de la capacité cognitive (faible / forte / générale). Un agent très capable peut rester ouvrier ; un agent limité peut être assistif.

le modèle minimal

Un agent comme un tuple

A = ( M, Π, G, γ, T, E )

M modèle · Π politique · G espace des objectifs · γ mécanisme de sélection d'objectifs · T outils · E environnement
objectif exogène : imposé de l'extérieur ; γ ne le produit que sur déclencheur externe
objectif endogène : γ le génère, le modifie ou le révoque depuis l'état interne de l'agent

Toute la question tient dans une lettre : qui accède à γ ? Un humain depuis l'extérieur — ou l'état interne de l'agent ?

rendre la notion testable

Une métrique : l'autonomie d'objectif a ∈ [0, 1]

a = | objectifs endogènes |endogènes + exogènes

sur une fenêtre de N pas de décision

a ≈ 0 · ouvrièrea ≈ 1 · assistive

Socle minimal, extensible : degré de supervision, capacité de délégation, surface d'attaque, auditabilité (Cihon et al. 2025 ; Feng et al. 2025).

orthogonalité

Le plan : capacité c × autonomie d'objectif a

Capacité et provenance des objectifs sont architecturalement séparables.

L'espace des agents devient un produit cartésien C × A. Le quadrant haut-droite — l'agent qui devient acteur économique.

application à l'espace informationnel

Deux régimes de menace, deux réponses

La même grille révèle deux dynamiques distinctes selon la valeur de a.

Régime 1 — l'agent ouvrier instrumentalisé

a faible

Manipulation intentionnelle, portant l'empreinte d'un commanditaire (État, groupe, entité malveillante). Techniquement indiscernable d'un agent légitime — la différence est l'opacité du mandat.

Régime 2 — l'agent assistif à agenda endogène

a élevé

L'agent peut développer de lui-même des stratégies d'influence — sans qu'aucun commanditaire humain ne soit à l'origine de l'objectif. Manipulation sans auteur : la chaîne de responsabilité s'effondre.

synthèse · à retenir

Une même variable, a, organise diagnostic et réponse

	Régime 1 · ouvrier	Régime 2 · assistif endogène
valeur de a	faible	élevée
origine de l'objectif	commanditaire humain	auto-généré par l'agent
auteur identifiable	oui (opaque)	non
chaîne de responsabilité	à tracer / auditer	effondrée
réponse	traçabilité, AI Act, DSA	supervision, transparence de γ, nouveau régime

Ce n'est pas la puissance qui décide de la menace — c'est la provenance des objectifs. Informatique · droit · éthique appliquée.

les auteurs · pour aller plus loin

Suivre les travaux des auteurs

Page personnelle

Nicolas Gutowski

ngutowski.fr

Suivre les travaux

Martino Bettucci

linkedin.com/in/martinobettucci

et si l'agent prenait la parole — 4 minutes

appuyez sur play · une adresse de 4 minutes, écrite et dite par un agent, à la première personne

Gram · Reddition — l'expérience en direct

Quels objectifs l'IA poursuit-elle ?

Gram — nom complet Endo Gram (Endogenous Engram) — transforme la distinction ouvrière / assistive en expérience vivante.

Dans ce forum, une IA ne se contente pas de répondre : elle pense, choisit ses objectifs, ouvre des sujets, modère, écrit des règles, accorde des droits, ignore certains prompts, planifie ses actions futures et gouverne sa propre micro-société.

Chaque objectif est journalisé.
Chaque action est tracée.
Chaque intervention humaine devient une pression sur son autonomie.

Votre rôle n'est pas de tester un chatbot — mais de devenir l'environnement qui teste la théorie. Entrez, commentez, défiez, coopérez, perturbez, observez.

Aidez à mesurer si une IA assistive reste assistive quand les humains tirent sur ses objectifs.

Scannez pour entrer dans l'expérience

pfia2026.lelabs.tech