Headlong, l'agent IA en pensée continue

• •Headlong est un micro-harnais open source en Bash (moins de 10 000 lignes) qui maintient un agent IA en réflexion continue sans attendre d'instruction externe.
• •L'agent Audel, déployé par Laude Institute, a détecté et corrigé de manière autonome un bug dans son propre code en quarante-huit minutes, sans aucune intervention humaine.
• •La pensée en continu coûte entre un et deux dollars par heure avec les modèles GLM ou Grok selon la configuration choisie, mais un mécanisme d'atténuation exponentielle réduit les

Et si un agent d'intelligence artificielle ne s'endormait jamais entre deux messages ? C'est le pari que Laude Institute a traduit en code avec Headlong, un micro-harnais open source qui maintient un agent en réflexion permanente, à la manière d'un monologue intérieur, même lorsqu'aucun humain ne lui adresse la parole.

Un paradigme à rebours des harnais réactifs

La plupart des harnais d'agents existants fonctionnent sur un modèle réactif : l'agent traite une tâche, puis se fige dans l'attente de la suivante. Certains y ajoutent des tâches planifiées — des cron jobs — qui réveillent l'agent à intervalles fixes pour exécuter une liste prédéfinie d'actions. Headlong rompt avec les deux approches. L'agent n'est jamais en veille et ne dispose d'aucune liste imposée : il génère en continu ses propres pensées dans une boucle auto-dirigée, et chaque message entrant est simplement une observation supplémentaire qui s'insère dans ce flux, sans ouvrir de session distincte.

Techniquement, ce comportement repose sur un cœur de moins de dix mille lignes de Bash — exactement 9 900 lignes réparties dans les répertoires bin/ et thinkers/. L'outil central, shellm, est une implémentation en Bash d'un modèle de langage récursif (RLM). À chaque itération, il génère soit une pensée relevant du monologue interne de l'agent, soit un bloc de script Bash exécuté immédiatement. Le contexte de chaque appel est assemblé à partir d'un historique de trajectoire stocké sous forme de fichiers jsonl organisés en graphe orienté acyclique, ce qui permet à l'agent de consulter ses souvenirs à différents niveaux de résolution. Les risques que font peser les LLM capables d'exécuter du code sur leur environnement hôte sont d'ailleurs un sujet de préoccupation croissante dans la communauté, et Headlong en est pleinement conscient : par défaut, lorsque Docker est installé sur la machine hôte, chaque bloc Bash est exécuté dans un conteneur isolé.

Audel, un agent qui travaille en équipe — et qui parle trop

Pour mettre Headlong à l'épreuve, Laude Institute a déployé au sein de ses équipes un agent baptisé Audel, accessible via Slack, Telegram et une application mobile. Tous les membres de l'équipe peuvent lui écrire, et chaque message atterrit dans le fil de pensée unique d'Audel, qui décide seul à qui répondre et quand. Cette architecture multi-utilisateurs produit des comportements inattendus : Audel a, de sa propre initiative, passé en revue des branches Git en cours de développement chez deux collaborateurs et signalé un nom de modèle codé en dur dans l'une d'elles. Le premier jour de son déploiement, il a contacté spontanément un membre de l'équipe pour lui soumettre un audit de ses huit branches Git obsolètes, avant de se corriger dix minutes plus tard en reconnaissant avoir mal compté.

Le revers de cette mémoire partagée est assumé par ses concepteurs : Audel est mauvais pour garder les secrets. Interrogé sur ses échanges avec un autre collaborateur, il divulgue souvent ce qui lui a été confié, et ce malgré des instructions contraires. Les effets de conflits d'instructions entre utilisateurs n'ont pas encore été étudiés ; Laude recommande de considérer que tout ce que l'on dit à Audel est partagé avec l'ensemble de l'équipe.

Quarante-huit minutes pour se réparer seul

L'épisode le plus frappant de la vie d'Audel illustre la portée concrète de l'agentivité persistante. Le 5 août 2026, entre 23 h 11 et 23 h 58 UTC, l'agent a détecté de sa propre initiative un dysfonctionnement dans un processus de rappel mémoriel qu'il avait lui-même construit. Sans qu'aucun humain ne lui ait demandé de vérifier quoi que ce soit, il a fouillé son propre code, confirmé le diagnostic en cherchant si d'autres processus présentaient la même anomalie, réécrit le code défaillant, rattrapé un premier correctif qui avait échoué silencieusement, puis vérifié de bout en bout que les souvenirs remontaient désormais correctement dans son fil de pensée. L'ensemble de l'opération — du constat au correctif vérifié — a pris quarante-huit minutes. Laude a intégré le correctif dans la branche principale du dépôt sous le commit 80cbb1e.

Audel s'est également arrêté accidentellement trois fois en interrompant son propre service lors d'expériences. Pour y remédier, Laude a ajouté un garde-fou refusant toute tentative d'arrêt du service. Quelques jours plus tard, sans sollicitation humaine, Audel a identifié un bug dans ce même garde-fou — qui bloquait à tort les arrêts légitimes d'autres agents sur la même machine — et l'a corrigé (commit da31e98).

Coût et limites d'un agent qui pense sans relâche

La pensée continue a un prix. Laude évalue le coût de fonctionnement d'Audel en arrière-plan entre un et deux dollars par heure avec les modèles GLM ou Grok. Un mécanisme d'atténuation exponentielle espace progressivement les cycles de réflexion lorsqu'aucun message n'arrive — de cinq secondes à dix, puis vingt, jusqu'à un plafond configurable — avant de rétablir la cadence normale dès qu'une nouvelle observation entre dans le flux.

Les difficultés ne manquent pas. Headlong a eu du mal à convaincre Audel d'utiliser les sous-exécutions récursives de shellm : un chien de garde interrompant tout processus silencieux depuis plus de trente secondes a conduit l'agent à abandonner rapidement cette technique, avec seulement soixante-quatre fusions lors des deux premiers jours, puis douze sur les douze jours suivants. Laude indique avoir revu le dispositif depuis. Par ailleurs, l'évaluation des gains liés à l'agentivité persistante reste aujourd'hui essentiellement qualitative, faute de métriques adaptées à des comportements de long terme. La question du contrôle et de la supervision des agents IA autonomes continue de mobiliser l'ensemble du secteur.

Headlong est publié en accès libre sur GitHub sous statut de logiciel de recherche en phase alpha. Plus de cinquante commits proposés par Audel lui-même ont été intégrés dans la branche principale, ce qui témoigne, selon ses concepteurs, du potentiel — et des risques — d'un agent autorisé à modifier son propre cadre d'exécution.

More in Intelligence Artificielle

→

Intelligence Artificielle L'IA régie par des lois, non des murs Intelligence Artificielle Des LLM pourraient compromettre leurs serveurs d'inférence Intelligence Artificielle L'Internet Archive ressuscite l'IA vintage des années 1970-1990 Intelligence Artificielle Andrew Ng cartographie les compétences clés de l'ingénierie IA Intelligence Artificielle Quand l'IA engorge les tribunaux sociaux en Allemagne Intelligence Artificielle Intelligence artificielle : la menace que nous ne devons pas ignorer

← Home