Intermédiaire·2 min·2 juin 2026

Microsoft déverrouille le contrôle des agents IA

🎧 Résumé audio0:00 / 0:00

Microsoft lance ACS, un standard open-source pour que les devs imposent des règles à leurs agents IA sans bidouille.

Pourquoi ça compte pour toi

Tes agents IA te font des coups tordus ? Ça va s'empirer. Microsoft propose enfin un cadre unifié pour définir ce qu'un agent peut faire, ne doit pas faire, et quand demander une validation humaine. Au lieu de jongler entre des vérifications disséminées dans le code, les règles deviennent portables d'une plateforme à l'autre.

Ce qu'il faut retenir

1.ACS = standard open-source qui centralise les garde-fous des agents (avant input, avant tool call, après retour, avant réponse)
2.Règles écrites dans des fichiers uniques, réutilisables partout (LangChain, OpenAI, Anthropic, CrewAI, etc.)
3.4 actions possibles : autoriser, bloquer, masquer des données sensibles, ou demander une validation humaine

Tu galères avec le jargon ?

Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.

Le problème : tu bricolos tes garde-fous

Aujourd'hui, si tu veux empêcher un agent IA de faire n'importe quoi, tu fais quoi ? Tu ajoutes des instructions dans le system prompt, tu codes des vérifications maison, tu ajoutes des classifieurs. Ça marche, mais c'est un cauchemar à auditer et impossible à réutiliser si tu changes de framework.

Résultat : des agents qui dérapent, des tool calls qui cascadent, des données sensibles qui s'échappent.

La solution : ACS, un cadre de gouvernance portable

Microsoft propose donc Agent Control Specification, un cadre ouvert où tu définis une seule fois : « mon agent a le droit d'accéder à la base client, mais pas de supprimer des données sans validation humaine ».

Ces règles s'appliquent à 4 points d'interception :

▸Avant que l'agent reçoive l'input → nettoyer les données suspectes
▸Avant l'appel d'un outil → « tu n'utilises pas SQL.delete() »
▸Après le résultat du tool → valider ce qui remonte
▸Avant la réponse à l'utilisateur → masquer les infos sensibles

Tu peux aussi intégrer des classifieurs (catégoriser les données), des LLMs comme « juges » (laisser un modèle arbitrer), ou de la logique custom.

Pourquoi ça change la donne

L'atout majeur : un fichier de règles = un agent qui reste sous contrôle peu importe où tu le déploies. LangChain ou Anthropic, peu importe. Les règles voyagent avec l'agent.

Microsoft livre ça avec un SDK et des plugins pour les frameworks majeurs (LangChain, OpenAI Agents, Anthropic, AutoGen, CrewAI, Semantic Kernel, etc.).

Pour qui c'est urgent ?

▸Les équipes conformité/sécurité : enfin un standard auditable au lieu de bidouille éparpillée
▸Les devs multi-framework : une fois écrit, ça marche partout
▸Les entreprises qui testent des workflows d'agents : réduire les catastrophes en cascade

Et concrètement pour toi ?

Choisis ton profil — la lecture de l'article change selon qui tu es.

🔭 Curieux

Pour toi, retiens que les agents IA ne sont plus des boîtes noires : on peut maintenant écrire explicitement « toi, agent, tu peux faire ça mais pas ça ». C'est un pas vers une IA moins imprévisible, même si les règles doivent être bien pensées pour fonctionner.

Essayer maintenant

Explorer ACS et ses plugins →

Source