Publié le 12 décembre 2025 à 14h21. Des chercheurs de Salesforce ont développé un nouveau système, baptisé WALT, qui permet aux agents virtuels de naviguer sur le web de manière plus efficace en exploitant directement les fonctionnalités intégrées des sites internet, plutôt que de simuler des actions humaines complexes.
- WALT (Web Agents that Learn Tools) surpasse les systèmes existants en matière d’automatisation des tâches en ligne.
- Le nouveau cadre se concentre sur l’identification et l’utilisation des outils natifs des sites web (recherche, filtres, etc.).
- Les tests montrent une amélioration significative des taux de réussite et de l’efficacité des agents virtuels.
Les agents virtuels, conçus pour automatiser des tâches complexes sur le web, se heurtent souvent à des difficultés liées à la fragilité des interfaces et à l’évolution constante des sites internet. Les méthodes actuelles reposent sur une simulation étape par étape des actions de l’utilisateur, ce qui les rend peu adaptables et gourmandes en ressources. Une équipe de chercheurs de Salesforce Research propose une approche radicalement différente avec WALT (Web Agents that Learn Tools), un nouveau cadre qui permet aux agents de mieux comprendre et d’utiliser les fonctionnalités natives des sites web.
Contrairement aux approches traditionnelles, WALT ne cherche pas à reproduire les actions de l’utilisateur, mais à identifier et à exploiter les outils déjà intégrés aux sites web, tels que les barres de recherche, les filtres ou les systèmes de tri. L’objectif est de permettre aux agents de raisonner en termes d’outils plutôt qu’en termes de clics et de saisies.
Pour parvenir à cela, WALT suit un processus en trois étapes : démonstration, génération et validation. L’agent explore d’abord de manière exhaustive les fonctionnalités du site web, puis identifie les outils potentiels. Enfin, il valide leur fonctionnement à l’aide de tests rigoureux. Seuls les outils qui réussissent ces tests sont mis à la disposition de l’agent pour l’exécution des tâches.
Selon les chercheurs, cette approche présente plusieurs avantages. Elle permet de réduire la complexité des tâches, d’améliorer la robustesse des agents et de les rendre plus efficaces.
« Ce recentrage déplace la frontière des capacités de l’agent : au lieu d’apprendre des approximations fragiles des modèles d’interaction, WALT présente les fonctionnalités déjà intégrées dans les sites Web comme des outils fiables et réutilisables. »
Ran Xu, directeur de la recherche appliquée en IA chez Salesforce
Les performances de WALT ont été évaluées sur deux plateformes de référence : VisualWebArena et WebArena. Les résultats montrent que WALT atteint des taux de réussite de 52,9 % sur VisualWebArena et de 50,1 % sur WebArena, surpassant significativement les méthodes existantes, telles que CompétenceWeaver et l’agent d’utilisation d’ordinateurs de Claude.
Les chercheurs reconnaissent toutefois que WALT présente certaines limites. La découverte d’outils nécessite un effort d’exploration et de validation initial, et la qualité des outils dépend de ce que le site web expose. Ils soulignent également que les interfaces hautement dynamiques, les tests A/B et les mesures anti-automatisation peuvent entraver le fonctionnement de WALT.
Pour l’avenir, les chercheurs envisagent d’étendre le champ d’application de WALT et de développer des agents capables d’acquérir une connaissance globale des sites web et des interactions homme-machine. Ils suggèrent également l’exploration de nouvelles approches, telles que le Model Context Protocol (MCP), pour améliorer la communication entre les agents et les sites web.
