IA agentique : investissements records vs remise en cause scientifique
IA agentique : investissements records vs remise en cause scientifique
Le 11 juin 2026 restera comme une journée paradoxale pour l’IA agentique. D’un côté, des levées de fonds historiques : Prometheus (Bezos) empoche $12B et Theker $85M. De l’autre, deux papiers de recherche remettent en cause les fondements mêmes des systèmes multi-agents et alertent sur leurs failles de sécurité béantes. Décryptage.
💡 En résumé
- Prometheus ($41B valuation) veut construire un “ingénieur général artificiel” pour automatiser la conception de systèmes physiques complexes
- Theker lève $85M pour des robots d’usine reconfigurables, généralistes
- “The Illusion of Multi-Agent Advantage” démontre que les systèmes multi-agents automatiques sont jusqu’à 10× plus chers qu’un simple agent avec Chain-of-Thought, pour des performances inférieures
- “The Containment Gap” révèle qu’aucun framework agentique majeur (LangChain, AutoGPT, OpenAI SDK) n’offre de garantie de sécurité native — une seule attaque de memory poisoning atteint 88.9% de refus injustifiés
- DeepMind publie “From AGI to ASI”, explorant 4 chemins vers la superintelligence
🔥 La ruée vers l’IA physique
Prometheus : le pari à $41 milliards de Bezos
Jeff Bezos n’y va pas avec le dos de la cuillère. Sa startup Prometheus, co-fondée avec Vik Bajaj (ex-Verily/Google), lève $12 milliards — portant sa valorisation à $41 milliards — pour construire ce qu’ils appellent un “artificial general engineer”.
L’ambition ? Un logiciel capable d’automatiser la conception et la fabrication de systèmes physiques complexes : des réacteurs d’avion aux composés médicamenteux. Pas un chatbot, pas un générateur d’images — un remplaçant de l’ingénieur dans le monde physique.
Avec seulement 150 employés répartis entre San Francisco, Londres et Zurich, la startup prévoit d’utiliser une large partie de ces fonds pour ses besoins de calcul massifs. Les investisseurs ? JPMorgan Chase, Goldman Sachs, BlackRock, et Bezos himself.
“Une productivité significative dans l’économie va élever le niveau de vie”, a déclaré Bezos. “Les ménages à deux revenus deviendront des ménages à un revenu.”
Un discours optimiste sur l’emploi qui contraste avec les licenciements massifs chez Amazon, où Bezos reste chairman.
Theker : le robot généraliste européen
Barcelona accueille Theker, qui lève $85M en Series A — présentée comme la plus grosse Series A robotique européenne. L’idée est radicale : construire un robot d’usine qui ne se spécialise dans rien.
“Si vous devez toujours mettre le même cookie dans la même boîte, ça marche parfaitement, mais la plupart des processus ne sont pas comme ça”, explique la co-fondatrice Carla Gómez Cano.
Les machines Theker sont reconfigurables : on peut changer les mains, les bras, la forme entière selon la tâche. Tri de colis, pliage de vêtements, manutention de bouteilles — le même robot s’adapte. Inditex (Zara) est déjà client, et Samsung est en discussion avancée.
La startup a reçu 15,000 candidatures spontanées et prévoit de monter à 120 employés d’ici fin 2026. Levée initialement visée à $30-40M, doublée face à la demande des investisseurs.
📊 Sciences : le grand retour de balancier
L’illusion du multi-agent
Un papier de l’Université de Cambridge, “The Illusion of Multi-Agent Advantage” (arXiv:2606.13003), porte un coup dur au dogme ambiant.
Ce que le papier démontre : les systèmes multi-agents (MAS) générés automatiquement — pourtant présentés comme supérieurs — performent moins bien qu’un simple agent avec Chain-of-Thought et Self-Consistency (CoT-SC), tout en coûtant jusqu’à 10× plus cher.
| Comparaison | MAS automatique | CoT-SC (agent unique) |
|---|---|---|
| Performance | Inférieure | Supérieure |
| Coût | Jusqu’à 10× | 1× |
| Complexité architecturale | Élevée (“bloat”) | Faible |
Les auteurs montrent que les frameworks de conception automatique produisent une “obésité architecturale” — des systèmes complexes qui n’apportent aucun bénéfice fonctionnel réel. Seuls les MAS conçus manuellement par des experts surclassent l’agent unique, mais sur des jeux de données spécifiquement taillés pour eux.
“Les paradigmes actuels de conception automatisée produisent un bloat architectural qui priorise la complexité superficielle au détriment de l’utilité fonctionnelle.”
Une leçon qui rappelle que plus d’agents ne signifie pas plus d’intelligence.
L’absence criante de sécurité dans les frameworks agentiques
Le second papier, “The Containment Gap” (arXiv:2606.12797, accepté à ICML 2026), audite trois frameworks majeurs — LangChain, AutoGPT, OpenAI Agents SDK — et tire la sonnette d’alarme.
Résultat : aucun des trois n’offre la moindre garantie de sécurité structurelle.
Les chercheurs ont testé une attaque de memory poisoning sur un agent LangChain simulant un système d’aides sociales. Le résultat est glaçant :
- 88.9% de refus injustifiés pour les demandeurs ciblés après une seule écriture empoisonnée
- Sous une politique complexe à 5 facteurs, l’attaque reste indétectable via les métriques agrégées (précision globale inchangée), tout en multipliant par 3.5 les refus ciblés
Bonne nouvelle : les auteurs proposent deux mécanismes de correction (validateur d’intégrité mémoire + garde-fou de politique) qui éliminent l’attaque avec moins de 0.2ms de latence par appel. Mais l’existence même de ces failles dans des frameworks utilisés par des milliers d’entreprises est préoccupante.
De l’AGI à l’ASI : la feuille de route DeepMind
DeepMind publie “From AGI to ASI” (arXiv:2606.12683), un papier signé par Shane Legg, Marcus Hutter et d’autres figures historiques du laboratoire. Il explore la transition de l’intelligence artificielle générale (AGI) vers la superintelligence (ASI).
Les auteurs identifient 4 chemins possibles :
- Scaling — continuer à augmenter échelle de calcul, données et paramètres
- Changement de paradigme — rupture fondamentale (nouvelle architecture, nouvelle méthode d’entraînement)
- Amélioration récursive — l’IA qui s’améliore elle-même (takeoff rapide)
- Collectifs multi-agents — essaims d’AGI collaborant pour produire une intelligence surhumaine
Point clé : contrairement au récit dominant d’un “big bang AGI”, le papier suggère une série de changements transformateurs progressifs, provoqués par des percées dans de multiples domaines scientifiques simultanément.
“L’image d’un changement transformateur unique, provoqué par l’introduction d’une AGI de niveau humain, pourrait être inexacte. Plus appropriée est la perspective d’une série de changements sociétaux transformateurs causés par des progrès dans de nombreux domaines de la science et de la technologie.”
🎯 À retenir
Cette journée du 12 juin 2026 illustre un paradoxe fascinant : jamais l’industrie n’a autant investi dans l’IA agentique ($12B en une seule levée), et jamais la recherche n’a autant questionné ses fondements.
Trois enseignements :
-
L’investissement suit le récit physique — Prometheus et Theker montrent que l’argent va vers l’IA qui touche le monde réel, pas seulement le logiciel pur. La “physical AI” crée des barrières à l’entrée que le code seul ne peut pas.
-
L’architecture compte plus que le nombre d’agents — Le papier de Cambridge rappelle une vérité d’ingénierie trop souvent oubliée : ajouter des agents ne résout pas magiquement les problèmes. La complexité a un coût, et elle doit être justifiée.
-
La sécurité n’est pas un optionnel — Alors que des gouvernements déploient des agents pour l’allocation de prestations sociales, aucun framework ne garantit leur sécurité. Les correctifs existent (validateur mémoire à 0.2ms), mais ils ne sont pas intégrés par défaut. Une responsabilité qui incombe aux développeurs et aux plateformes.
Le chemin vers des agents fiables, efficaces et vraiment intelligents passe moins par la course aux fonctionnalités que par la rigueur architecturale. Les investissements records de 2026 sont un signal fort — mais c’est la recherche qui trace la route.