Agents et Internet : Vint Cerf pose les fondations d’une identité standardisée pour l’ère agentique

💡 En résumé

Le 15 juillet 2026 marque une étape charnière pour l’industrie des agents IA. Vint Cerf, pionnier de l’Internet et inventeur du protocole TCP/IP, rejoint Innovation Labs pour travailler sur DNSid — un système d’identité cryptographiquement liée aux noms de domaine pour les agents autonomes. Parallèlement, Ai2 publie le retour d’expérience de Shippy, son agent maritime haute-fiabilité, détaillant une architecture en trois couches (Soul, Skills, Config) qui devient une référence. L’enquête VentureBeat de juillet 2026 confirme l’urgence du sujet : 71% des entreprises interrogées admettent que moins d’un quart de leurs « agents » déployés sont de véritables workflows multi-étapes — le reste étant des chatbots travestis. Sur le plan académique, arXiv publie une moisson exceptionnelle de papers sur l’agentique, avec des contributions sur l’auto-amélioration des systèmes agentiques, la mémoire d’entreprise, la gouvernance d’exécution et l’évaluation standardisée.

🔥 Tendances — L’identité des agents, nouveau chaînon manquant de l’Internet

DNSid : le DNS comme socle de confiance pour les agents

Vint Cerf, après 20 ans chez Google, a rejoint Innovation Labs (filiale d’Identity Digital, un registre DNS) pour conseiller le développement de DNSid, un standard IETF drafté sous draft-ihsanullah-dnsid. Le principe est simple mais puissant : créer des identités cryptographiquement liées à des noms de domaine existants pour chaque agent IA, avec des preuves horodatées d’enregistrement.

« Ce qui déclenche tout ça, c’est la notion d’agents IA et la question de savoir quelles autorités ils ont, d’où ils les tirent, qui est responsable de leur comportement, comment leur identité est établie et pourquoi on devrait leur faire confiance. » — Vint Cerf

Le point crucial qui distingue DNSid des initiatives des hyperscalers : il ne vient pas avec un plan d’affaires IA et ne possède pas les données d’enregistrement. Comme le résume Allie Kline (CEO par intérim d’Innovation Labs) : « Il y a un rejet organique quand un hyperscaler publie un standard et garde les données propriétaires. »

Les essais sont déjà en cours avec plusieurs hyperscalers et sociétés d’identité non nommées. Cerf identifie trois questions ouvertes majeures :

Les agents sont bien plus actifs que les domaines — comment gérer des identités éphémères ?
Quel engagement une organisation prend-elle en enregistrant un agent ?
Qui est responsable du comportement d’un agent autonome ?

« Ce sera une période fascinante — et en même temps exaspérante — dans l’évolution de l’Internet, parce que la fonctionnalité est si dramatiquement puissante. » — Vint Cerf

Le parallèle avec TCP/IP : l’interopérabilité par la pression des utilisateurs

Cerf insiste sur un point : ce n’est pas une standardisation descendante qui fera adopter DNSid, mais la pression des utilisateurs pour l’interopérabilité — exactement comme TCP/IP a triomphé face aux protocoles propriétaires. « La société X utilise l’agent Y, la société A utilise l’agent C, et ils ne communiquent pas entre eux. Personne ne peut faire tout ce qu’on attend de chaque agent… La pression viendra des utilisateurs. »

Pour autant, Cerf ne considère pas l’« économie agentique » comme inévitable : « Les gens vont essayer. Nous sommes fondamentalement paresseux — si on peut déléguer à un agent, on le fera. » Mais l’architecture de confiance doit précéder le déploiement massif.

Ce que Shippy nous apprend sur la construction d’agents fiables

Ai2 a publié un retour d’expérience détaillé sur Shippy, un agent IA maritime dédié à la protection des océans (patrouillage, analyse de la pêche illégale). La leçon principale : le vrai travail n’était pas le modèle, mais la construction d’un système fiable.

« Construire un agent IA pour un domaine opérationnel à enjeux élevés comme la protection des océans est, avant tout, un problème de fiabilité. » — Kyle Wiggers, Ai2

Shippy est architecturé en trois couches :

Soul — le prompt système définissant la personnalité et les limites comportementales. Explicitement auditable et révisable, pas de fine-tuning implicite.
Skills — fichiers markdown structurés (avec frontmatter) suivant la spec agent-skills, utilisée aussi par Claude Code et Codex. Chaque skill décrit comment traiter une requête spécifique.
Config — paramètres d’exécution : harness (OpenClaw), modèle LLM (Claude Opus 4.6), secrets injectés au runtime. Changer de modèle ou de harness = simple changement de config.

L’astuce la plus élégante : au lieu de laisser l’agent appeler des API brutes, Shippy communique via un CLI dédié (skylight) qui gère l’authentification, la pagination et le formatage structuré. Un problème que beaucoup d’équipes découvrent : « Les agents sont non-déterministes. Vous ne contrôlez pas ce que le modèle décide de faire, mais vous pouvez rendre les outils qu’il utilise prévisibles. »

Mothership, la plateforme d’hébergement, provisionne un Kubernetes dédié par session utilisateur — garantissant un isolement strict des données entre les 300+ partenaires dans 70+ pays. L’évaluation, elle, ne teste pas un modèle mais l’agent complet (modèle, skills, sandbox) contre des données vivantes, via le framework Harbor.

L’enquête VentureBeat : 71% des « agents » ne sont que des chatbots

L’enquête auprès de 101 entreprises (100+ employés) publiée le 15 juillet 2026 par VentureBeat dresse un portrait réaliste de l’adoption agentique en entreprise :

Anthropic Claude domine l’orchestration (40% des plateformes utilisées) — plus du double de Microsoft AI Foundry (18%).
96% des entreprises prévoient de changer d’approche d’orchestration dans l’année — signe d’une adoption provisoire, pas d’une loyauté.
Le critère n°1 de sélection : la « gravité du modèle » (21%) — le modèle de base dicte la plateforme.
La mesure n°1 de succès : la fiabilité d’exécution des tâches (32%).

Mais le chiffre qui frappe : 71% des entreprises disent que moins d’un quart de leurs « agents » déployés sont de véritables workflows multi-étapes. Le reste ? Des chatbots déguisés. Seulement 10% des entreprises ont franchi le cap des 50% d’agents authentiques.

La bonne nouvelle : 88% des entreprises prévoient une architecture de contrôle hybride d’ici fin 2026 — ni complètement chez le fournisseur ni complètement maison — et 27% n’ont toujours aucun moyen programmatique d’arrêter un agent avant une facture explosive.

Le routing de modèles selon IBM : un problème d’optimisation multi-objectifs

IBM Research a publié une analyse approfondie du routing de modèles dans les systèmes agentiques, révélant une vérité contre-intuitive : GPT-4.1 coûtait plus cher que Claude Sonnet 4.6 malgré des prix catalogue inférieurs, à cause du cache pricing de Sonnet (les workloads agentiques réutilisent beaucoup de contexte d’une étape à l’autre).

La leçon d’IBM : « Le routing n’est pas vraiment un choix de modèle. C’est une optimisation de système. » Leur solution : un routeur par optimisation multi-objectifs (coût, qualité, latence) qui pèse ~6ms et ~2kB par tâche de surcharge — assez léger pour ne jamais devenir le goulot d’étranglement.

🤖 Nouveaux outils, benchmarks et infrastructures agentiques

Self-Improvements in Modern Agentic Systems — une survey de référence

Un papet arXiv (2607.13104) propose la première survey systématique des mécanismes d’auto-amélioration des systèmes agentiques modernes. L’article couvre les boucles de rétroaction autonomes, l’apprentissage par renforcement contextuel, et les protocoles de validation croisée entre agents — un champ qui passe rapidement de la théorie à la pratique dans les architectures d’entreprise.

Oracle Agent Memory — la mémoire d’entreprise pour les agents longue-durée

Oracle publie une contribution (2607.13157) sur un substrat de mémoire d’entreprise pour agents longue-durée. L’approche s’inspire des bases de données orientées graphe pour fournir une mémoire persistante, structurée et requêtable — permettant aux agents de maintenir un contexte cohérent sur des semaines ou des mois d’interactions. Un besoin criant pour les déploiements enterprise où un agent doit suivre des dossiers sur la durée.

AgentCompass : une infrastructure d’évaluation unifiée

Le papet 2607.13705 introduit AgentCompass, une infrastructure d’évaluation unifiée qui permet de comparer les capacités agentiques sur un ensemble standardisé de scénarios. Il rejoint la tendance de maturité du secteur : après l’évaluation des modèles, voici celle des agents dans leur ensemble (modèle, outils, mémoire, orchestration).

CAVA : gouvernance d’exécution certifiée pour systèmes agentiques

Le papet 2607.13716 propose CAVA (Canonical Action Verification and Attestation) — un framework de vérification et d’attestation des actions des agents au runtime. L’approche crée une chaîne de confiance vérifiable pour chaque action, permettant aux organisations de déléguer des tâches critiques à des agents tout en conservant une piste d’audit complète. Une brique essentielle pour répondre aux questions de responsabilité soulevées par Cerf.

Experience Memory Graph : correction d’erreur en un-shot

Le papet 2607.13884 introduit les Experience Memory Graphs — un mécanisme qui permet aux agents de corriger leurs erreurs en un seul exemple (one-shot), sans fine-tuning. Le graphe capture les relations de cause à effet entre les actions et leurs conséquences, permettant à l’agent d’éviter de reproduire les mêmes erreurs.

Harness Handbook : rendre les harnesses agentiques lisibles et éditables

Le papet 2607.13285 propose un Harness Handbook — un format standardisé pour documenter, naviguer et éditer les harnesses d’agents en évolution. L’objectif : faire des harnesses (l’infrastructure qui relie le modèle aux outils) des artefacts maintenables et audités, plutôt que des boîtes noires que personne n’ose toucher.

📊 Analyse — L’agentique entre standardisation et réalité terrain

La convergence des annonces du 15 juillet 2026 dessine un paysage en pleine structuration :

1. Le chaînon manquant identifié. Vint Cerf et Innovation Labs attaquent le problème le plus fondamental : l’identité et la confiance. Sans DNSid ou un équivalent, les agents ne peuvent pas interagir au-delà des silos propriétaires. La standardisation de l’identité est à l’agentique ce que TCP/IP a été à l’Internet : un prérequis à l’interopérabilité.

2. La fiabilité comme préoccupation n°1. Ai2 avec Shippy et IBM Research avec le routage multi-objectifs convergent sur un message : le modèle n’est que la partie émergée de l’iceberg. Les vrais défis sont l’architecture système, la prévisibilité des outils, l’isolation des données et l’évaluation holistique des agents complets — pas seulement des LLM qui les pilotent.

3. Le fossé entre promesses et réalité. L’enquête VentureBeat est un signal d’alarme salutaire : 71% des « agents » en entreprise sont des chatbots. Le marché est encore dans une phase d’expérimentation où le terme « agent » est utilisé pour tout et n’importe quoi. Mais la direction est claire : 96% des entreprises vont changer d’approche d’orchestration dans l’année, et 51% visent un contrôle hybride (partiellement chez le fournisseur, partiellement maison).

4. La recherche accélère. Avec 20+ papiers sur l’agentique publiés sur arXiv en une seule journée, la communauté académique investit massivement le champ : auto-amélioration, mémoire, gouvernance, évaluation, correction d’erreur — tous les sous-domaines sont couverts simultanément.

🎯 À retenir

DNSid propose un standard d’identité cryptographique pour les agents IA, basé sur les noms de domaine, porté par Vint Cerf — en essai chez plusieurs hyperscalers.
Shippy d’Ai2 démontre une architecture agentique fiable (Soul/Skills/Config) avec CLI dédié et isolation Kubernetes par session — un patron réplicable.
71% des entreprises admettent que leurs « agents » déployés sont majoritairement des chatbots — seul 10% ont franchi le cap des 50% d’agents authentiques.
IBM Research montre que le routing de modèles est un problème d’optimisation système, pas de classification — avec des surcoûts de cache qui invalident les pricing sheets.
La recherche académique livre 20+ papers agentiques en une journée sur arXiv, couvrant auto-amélioration, mémoire longue-durée, gouvernance et évaluation standardisée.
L’année 2026 s’annonce comme celle où l’agentique passe de l’expérimentation à l’industrialisation — avec l’identité des agents comme nouveau chaînon manquant.

Agents et Internet : Vint Cerf pose les fondations d'une identité standardisée pour l'ère agentique