De l'outil au coéquipier : activer l'IA agentique

Par Brian Long

Jusqu’ici, nous avons traité l’IA comme une assistante compétente à l’autre bout d’une conversation. Vous lui donnez un bloc de langage, elle le transforme et vous le rend, tandis que vous gardez le jugement pour vous. Cette assistante a un modèle mental (un processeur de langage), une mesure à suivre (le jeton), une façon de la briefer (tâche, rôle, contexte, exemples) et une méthode disciplinée pour vérifier le travail.

Parlons maintenant d’une nouvelle capacité : celle où l’assistante accomplit du travail par elle-même. Cette capacité lui permet d’aller trouver le bon fichier, de le lire, de l’analyser, de monter un tableur ou de rédiger une ébauche, puis d’en vérifier l’exactitude avant de le déposer là où vous l’avez demandé — le tout à partir d’une seule consigne. C’est ce qu’on appelle l’« IA agentique », et 2026 est l’année où elle est sortie du laboratoire pour apparaître dans les applications que vous utilisez déjà.

Cet article porte sur la façon d’adopter cette capacité sans brûler d’étapes. La bonne nouvelle, c’est que vous n’avez besoin ni de nouveaux fournisseurs ni d’un budget accru. L’agent se trouve déjà dans votre coffre à outils. La clé, c’est d’apprendre à lui déléguer — une compétence de gestion que vous possédez déjà.

Ce qui change

La plus grande différence entre un agent conversationnel et un agent au sens plein tient à ceci : un robot conversationnel vous parle; un agent travaille pour vous.

Un robot conversationnel est réactif. Vous demandez, il répond, puis c’est vous qui faites quelque chose de cette réponse. À un agent, on confie un objectif : il élabore un plan, pose des gestes dans différentes applications et différents fichiers, et franchit les étapes jusqu’au résultat, en vérifiant sa propre progression au fur et à mesure. Là où le robot conversationnel lit et écrit, l’agent lit, écrit et agit. Il peut ouvrir un dossier, exécuter un calcul, remplir une feuille de calcul, naviguer sur un site web et vous remettre un résultat achevé plutôt qu’une suggestion.

Pensez à la différence entre un stagiaire allumé qui répond à toutes vos questions et un stagiaire à qui vous pouvez réellement confier un mandat : « Passe à travers les factures de fournisseurs du dernier trimestre, monte-moi un sommaire de ceux qui ont augmenté leurs prix et signale tout ce qui dépasse dix pour cent. » Le premier vous épargne une étape. Le second vous épargne l’après-midi.

Voilà le changement. C’est une amélioration puissante, assortie d’une responsabilité accrue. C’est précisément pourquoi nous avons couvert la vérification avec autant de soin dans l’article précédent, avant d’aborder les agents.

Ce qui ne change pas

Tout ce que nous avons dit sur la confiance à accorder aux résultats de l’IA s’applique désormais davantage, et non moins. Vous pouvez lire en dix secondes le paragraphe rédigé par un robot conversationnel. Mais quand un agent mène à bien une tâche en dix étapes, il y a dix endroits où il a pu se tromper subtilement. La délégation amplifie à la fois le temps gagné et le coût de l’absence de vérification.

Reportons donc nos règles. Traitez le résultat de l’agent comme une première ébauche à réviser, jamais comme un produit fini. Votre degré de vigilance doit être proportionnel aux enjeux. Un coup d’œil peut suffire pour un sommaire interne, mais il faut vérifier attentivement tout ce qui touche à l’argent, à la clientèle ou au droit. Et gardez toujours une personne dans la boucle pour tout jugement à porter. Les bons agents grand public sont conçus exactement dans cet esprit : ils montrent leur raisonnement au fil du travail, vous laissent corriger le tir en cours de route et demandent la permission avant de poser un geste irréversible comme supprimer un fichier. Ce n’est pas une contrainte à contourner. C’est ce qui rend la délégation sécuritaire.

L’état d’esprit à adopter est celui de tout bon gestionnaire : déléguer, puis vérifier. Vous ne confieriez jamais une tâche critique à une nouvelle recrue pour ensuite en expédier le résultat à un client sans l’avoir lu. C’est la même chose ici.

Par où commencer

Commencez avec l’agent qui se trouve déjà dans votre coffre à outils. Les trois outils que la plupart des lecteurs utilisent déjà ont ajouté des capacités agentiques; l’étape suivante consiste donc à devenir à l’aise avec celui que vous avez sous la main.

ChatGPT propose le mode Work dans son application de bureau. Vous y décrivez ce dont vous avez besoin et laissez ChatGPT franchir les étapes pour produire quelque chose que vous pourrez réviser et utiliser. Une fois les autorisations accordées et les outils connectés, il peut travailler avec vos fichiers et interagir avec les sites web et les applications pris en charge. Des tâches récurrentes peuvent être configurées, comme une mise à jour hebdomadaire. Le mode Local Work s’exécute dans un bac à sable sur votre ordinateur, tandis que le mode Cloud Work s’exécute sur l’infrastructure d’OpenAI.

Gemini, de Google, a intégré l’IA agentique à ses applications comme Gmail, Docs et Sheets grâce à Google Workspace Intelligence, qui agit comme un coordonnateur interapplications observant continuellement le contexte pour déclencher des flux de travail complets : par exemple, prendre automatiquement des notes structurées pendant un appel Meet, les recouper avec des fichiers Drive, puis rédiger des courriels de suivi ou générer des tableurs mis en forme sans aucun copier-coller manuel. Gemini Spark agit comme un agent autonome d’arrière-plan, toujours actif, qui s’exécute sur des machines virtuelles infonuagiques pour gérer les tâches planifiées, les flux récurrents et les corvées interapplications même lorsque vos appareils sont fermés. Gemini Notebooks offre des environnements de recherche auto-organisés qui ingèrent des fichiers de sources multiples pour synthétiser automatiquement des cartes mentales, des survols audio et des résumés structurés; et Google Antigravity constitue un environnement avancé de développement et d’ingénierie multiagent conçu pour l’exécution technique complexe.

Claude offre Cowork dans son application de bureau pour les utilisateurs non techniques, aux côtés de Claude Code; pour quiconque a développé ses compétences au fil de cette série, c’est la suite la plus naturelle. Vous décrivez un résultat en langage courant, vous vous éloignez, et vous revenez à du travail achevé : la note rédigée, l’analyse effectuée, le tableur mis à jour (Anthropic). Ce qui en fait un bon point de passage, c’est sa conception : Cowork s’exécute dans un bac à sable scellé sur votre propre ordinateur et ne peut toucher qu’aux dossiers précis que vous lui confiez — rien d’autre sur votre machine — et il demande avant de supprimer quoi que ce soit.

Peu importe l’outil retenu, remarquez qu’il s’agit de la même compétence que vous pratiquez depuis le début. Une bonne consigne à un agent n’est rien d’autre qu’un bon briefing avec un verbe en tête : la tâche (quelle chose achevée devrait exister), le rôle (selon quelles normes travailler), le contexte (les fichiers et les faits qu’il ne peut pas deviner) et un exemple de ce à quoi ressemble un travail « bien fait ». La seule habitude nouvelle consiste à cadrer le mandat pour qu’il soit vérifiable, puis à le vérifier.

Prenons Maria, la propriétaire de l’entreprise de plomberie et de chauffage-climatisation du premier article, pour un exemple concret. Elle a un dossier de cinquante factures de fournisseurs et le sentiment tenace que ses coûts ont grimpé. À l’ancienne : un après-midi avec une calculatrice. À la manière agentique : elle pointe Cowork vers ce seul dossier et dit : « Lis ces factures, monte un tableur comparant les prix de chaque fournisseur ce trimestre-ci et le trimestre précédent, et surligne toute hausse de plus de dix pour cent. Voici le format que je veux. » Quelques minutes plus tard, elle a son tableur. Elle vérifie par sondage quelques-uns des montants signalés contre les PDF d’origine, parce que les enjeux sont réels. La voilà prête à décrocher le téléphone pour renégocier. Déléguer, puis vérifier.

Votre propre IA : l’avenir est local

Tout ce qui précède s’exécute dans le nuage, y compris le modèle de bac à sable local du mode Work de ChatGPT et de Claude Cowork. Vos consignes et vos fichiers voyagent jusqu’au centre de données, le travail s’y fait, et les résultats reviennent. Pour la plupart des tâches, c’est tout à fait correct, voire préférable pour la mobilité que cela procure. Mais pour un cabinet d’avocats qui manipule des dossiers privilégiés, une clinique avec des dossiers de patients, ou toute entreprise qui ne veut simplement pas que des documents sensibles quittent ses murs, une solution de rechange convaincante se dessine : des agents qui s’exécutent entièrement sur votre propre matériel.

C’est ici que se rejoignent tous les fils de cette série. Dans l’article sur les jetons, nous avons vu que les gagnants à long terme sur les plans du coût et de la puissance ne seront pas ceux qui font tourner le plus gros modèle infonuagique, mais ceux qui accomplissent du travail utile avec une IA locale et efficace. L’IA agentique est le terrain où cela porte fruit, car un agent toujours actif qui travaille toute la journée représente précisément le type de charge soutenue et volumineuse qui coûte cher à louer et peu cher à posséder.

L’écosystème des agents locaux mûrit rapidement. Des cadriciels ouverts comme Hermes Agents, de Nous Research, sont conçus pour fonctionner en continu sur votre propre infrastructure, indépendamment du modèle et avec la fiabilité en tête, tandis que NemoClaw, de NVIDIA, enveloppe ce type d’agent dans un bac à sable appuyé par le matériel afin qu’il puisse être à la fois toujours actif et verrouillé, sans qu’aucune donnée ne quitte l’appareil pendant son fonctionnement (NVIDIA, Blogue NVIDIA). Jumeler les deux — Hermes Agents tournant sur NemoClaw — donne un aperçu de ce à quoi ressemble un coéquipier IA privé, hébergé chez vous.

Le hic, c’est le matériel que cela exige, et c’est pourquoi il s’agit de l’étape suivante plutôt que de la première. Faire tourner un agent localement demande beaucoup plus à une machine qu’une simple interface de clavardage vers un service infonuagique : il faut surtout beaucoup plus de mémoire. En pratique, cela signifie une carte graphique capable, avec un minimum réaliste de 16 gigaoctets de mémoire vidéo pour les modèles de petite et moyenne taille — 24 gigaoctets étant plus confortable — jumelée à au moins 32 gigaoctets de mémoire système et à un stockage rapide (Local AI Master). C’est un achat important, mais pour une entreprise qui dépense déjà quelques centaines de dollars par mois en IA, le rendement de l’investissement peut se matérialiser en aussi peu qu’un an. Il y a bien sûr une foule de détails et de nuances à considérer pour monter un système sur lequel une entreprise peut compter, alors nous n’entrerons pas ici dans les particularités de l’assemblage. Le point, simplement, est qu’une IA agentique privée, possédée et efficace est maintenant à la portée des entreprises ordinaires, et pas seulement des géants technologiques.

Bâtir exactement ce type d’infrastructure d’IA locale est un chantier en cours chez Synapses Technologies — dimensionnée pour les petites et moyennes entreprises, et privée par conception. Nous y reviendrons.

Étape par étape

Cette série porte sur une approche graduelle de l’utilisation et de l’adoption de l’IA. D’abord, comprendre l’outil : ce qu’il est et ce qu’il n’est pas. Ensuite, apprendre à donner des consignes sous forme de briefing complet. Puis, apprendre à vérifier les résultats. Maintenant, apprendre à lui déléguer. Chaque étape est modeste, mais ensemble elles font la différence entre regarder la conversation sur l’IA depuis les gradins et bâtir un avantage qui se cumule pendant que les concurrents débattent encore des manchettes.

L’IA agentique est le moment où cet avantage se met vraiment à se multiplier, parce qu’un agent ne vous épargne pas une phrase ou deux : il vous épargne une corvée. L’entreprise qui apprend à céder ses corvées prudemment, une tâche vérifiable à la fois, verra ses semaines s’alléger sensiblement sans jamais avoir misé l’entreprise sur une boîte noire.

C’est la bonne façon de faire : pas un saut, seulement le prochain geste réfléchi. Commencez par l’agent qui se trouve déjà dans l’application que vous payez. Confiez-lui cette semaine un mandat petit, réel et vérifiable. Vérifiez le résultat comme vous encadrez tout travail que vous déléguez. Puis recommencez.