Asana a créé des agents IA qui partagent la mémoire dans toute votre entreprise, avec un mur autour des secrets

Points clés

• Asana a lancé Agentic Work Management (AWM), un système où les agents IA travaillent comme des coéquipiers partagés au sein d'une entreprise entière plutôt que comme des assistants personnels attachés à un seul utilisateur.
• AWM s'appuie sur la base de données Work Graph d'Asana, vieille de 18 ans, qui relie les tâches individuelles aux objectifs de l'entreprise dans un registre partagé unique.
• FedEx et CoreWeave figurent parmi les premiers clients d'entreprise qui exécutent déjà AWM en production.
• Asana a conçu des contrôles d'accès de sorte qu'un agent IA ne puisse pas transmettre les connaissances d'un projet confidentiel à un employé qui n'a pas la permission d'accéder à ce projet.
• AWM facture un prix fixe par tâche pour que les entreprises puissent prévoir les coûts, même lorsque certaines tâches nécessitent beaucoup plus de puissance de calcul IA que d'autres.

La plupart des assistants IA ont un sérieux problème de mémoire. Demandez à un chatbot de rédiger un plan marketing, et il s'exécutera. Demandez au même chatbot le lendemain ce qu'il a appris du travail d'hier, ou ce que votre collègue lui a demandé il y a une heure, et il fait chou blanc. Chaque conversation recommence de zéro.

La réponse d'Asana est un produit appelé Agentic Work Management, ou AWM. La société de logiciels de gestion de projets a dévoilé son fonctionnement lors de la conférence VB Transform 2026, dans une intervention signalée en premier par VentureBeat.

Comment AWM fonctionne-t-il exactement ?

AWM traite les agents IA, des logiciels qui peuvent exécuter des tâches multi-étapes de manière autonome, comme des membres permanents d'une équipe plutôt que comme des aides temporaires. La clé est le Work Graph, une base de données qu'Asana construit depuis 18 ans et qui connecte chaque tâche à un projet, chaque projet à un portefeuille, et chaque portefeuille à un objectif de l'entreprise.

Lorsqu'un agent IA dans AWM termine une tâche, il ne se contente pas de retourner une réponse et de disparaître. Le système enregistre ce qui s'est passé, si le travail a fait avancer le projet, et comment il a affecté les objectifs de niveau supérieur. Cet enregistrement devient partie d'une mémoire partagée sur laquelle n'importe quel coéquipier humain ou IA de l'entreprise peut s'appuyer ultérieurement.

« Il fonctionne à partir de ce registre partagé pour toute l'entreprise », a déclaré Arnab Bose, directeur des produits chez Asana, lors de l'événement.

Qu'est-ce qui empêche l'IA de divulguer des informations confidentielles ?

La mémoire partagée crée un risque évident. Un cadre qui utilise l'agent IA pour planifier une acquisition secrète a enseigné à cet agent quelque chose de sensible. Si un employé junior demande ensuite la même aide à l'agent, Asana doit s'assurer que l'agent ne révèle pas accidentellement ce qu'il sait.

Asana a conçu un ensemble de contrôles d'accès qui gouvernent le moment où le système crée une mémoire par rapport au moment où il exécute simplement une tâche. L'agent vérifie si la personne qui fait la demande a la permission de voir le projet qui a généré à l'origine la connaissance pertinente. Si ce n'est pas le cas, cette connaissance reste invisible pour elle.

Bose l'a dit clairement : si vous avez utilisé l'IA pour créer des flux de travail pour un projet de fusion confidentiel, un collègue sans accès à ce projet ne devrait pas pouvoir bénéficier de ce que l'IA a appris là.

Le système gère également la sélection du modèle automatiquement. Un grand modèle de langage, la technologie derrière les chatbots comme ChatGPT et Claude, existe en différentes tailles. Les plus grands modèles réfléchissent davantage mais coûtent plus cher. AWM lit la complexité de chaque tâche et l'achemine vers le bon modèle sans que l'utilisateur ait besoin de choisir. Les tâches simples vont aux modèles plus rapides et moins chers. Les tâches complexes vont aux options plus puissantes comme Claude Opus d'Anthropic ou les modèles d'OpenAI. La tarification est fixe par tâche de toute façon, les entreprises peuvent donc budgéter de manière prévisible.

À quoi cela ressemble-t-il en pratique ?

Chez CoreWeave, une société d'informatique en nuage, les chefs de produit avaient l'habitude de remplir des formulaires détaillés à la main chaque fois qu'ils lançaient un nouveau produit. Des réviseurs humains lisaient ces formulaires et assignaient manuellement des tâches aux équipes de finance, de marketing et de matériel informatique.

Avec AWM, un chef de produit rédige un document standard. Une IA le lit, construit la structure du projet et assigne les tâches. Un agent surveille la progression globale et signale les retards. Un autre prévoit les coûts d'infrastructure et signale quand les chiffres sortent des normes historiques. Les gens examinent les résultats de l'IA et prennent les décisions qui importent.

Le travail routinier passe à la machine. Le jugement reste avec l'humain.

Les travailleurs devraient-ils craindre d'être remplacés ?

Bose a présenté AWM comme un outil qui gère la coordination de routine afin que les gens puissent se concentrer sur les décisions qui nécessitent un véritable jugement. L'exemple CoreWeave soutient cela : les humains approuvent toujours les coûts et évaluent les recommandations de l'IA.

La tension honnête est que des entreprises comme Anthropic et OpenAI, qui fournissent les modèles sous-jacents qui alimentent AWM, construisent également leurs propres produits d'agents qui entrent en concurrence directe avec Asana. Bose l'a reconnu. Son argument est que 18 ans de données de flux de travail et des processus pré-construits pour des industries spécifiques donnent à AWM quelque chose qu'un modèle IA brut ne peut pas rapidement répliquer.

À noter : Si votre entreprise commence à utiliser un agent IA connecté aux données partagées de l'entreprise, demandez à votre équipe informatique comment fonctionnent les contrôles d'accès. Un système bien construit limitera ce que l'agent peut vous dire en fonction de ce que vous êtes autorisé à voir. Si personne ne peut répondre clairement à cette question, les garde-fous pourraient ne pas être encore en place.