La semaine où l’IA a commencé à sortir de l’écran
Pas de modèle miracle cette semaine. Mais un mouvement beaucoup plus profond :
l’intelligence artificielle passe progressivement de l’outil qui répond
au système qui agit.
nous entrons progressivement dans l’époque des
agents.
Pendant les premières années de l’IA générative, nous nous sommes habitués
à dialoguer avec des systèmes : poser une question, demander un texte,
produire une image ou analyser un document.
Aujourd’hui, les grands acteurs travaillent de plus en plus sur des
agents capables de poursuivre une mission, de prendre certaines
initiatives, d’intervenir dans plusieurs logiciels et bientôt de commander
des équipements physiques.
Cette évolution entraîne avec elle des questions de travail, de sécurité,
de responsabilité, d’énergie, de formation et même de relations humaines.
Mini carte de chaleur
Les domaines qui concentrent cette semaine le plus d’activité
et d’enjeux stratégiques.
| Thématique | Intensité | Tendance |
|---|---|---|
| IA industrielle / agents | 🔥🔥🔥🔥🔥 | ↑↑ Forte hausse |
| IA et travail | 🔥🔥🔥🔥🔥 | ↑↑ Forte hausse |
| IA scientifique | 🔥🔥🔥🔥🔥 | ↑↑ Forte hausse |
| IA sociétale | 🔥🔥🔥🔥 | ↑ Hausse |
| Politique / régulation | 🔥🔥🔥🔥 | ↑↑ Forte hausse |
| Économie / infrastructures | 🔥🔥🔥🔥 | ↑ Hausse |
| Énergie | 🔥🔥🔥🔥 | ↑↑ Forte hausse |
| Éducation | 🔥🔥🔥 | ↑ Hausse |
| IA militaire / géopolitique | 🔥🔥🔥 | → / ↑ À surveiller |
L’IA ne se contente plus de répondre : elle agit
OpenAI développe un mode persistant pour Codex. Anthropic travaille de
son côté sur des standards permettant à des agents de commander des
microscopes, des équipements scientifiques ou des machines.
La trajectoire devient progressivement :
conversation → tâche → workflow → initiative → permanence → action physique.
Cela change radicalement la question posée aux organisations :
il ne suffit plus de savoir ce que l’IA sait faire.
Il faut déterminer ce qu’on l’autorise à faire seule.
Quand l’IA commence à faire de la recherche sur l’IA
Anthropic vient de publier une expérience dans laquelle des agents
ont exploré et testé de nombreuses méthodes pour réduire certaines
défaillances d’un autre modèle.
Cela ne signifie pas que les chercheurs humains deviennent inutiles.
Cela signifie qu’une partie de la boucle
chercher → expérimenter → mesurer → recommencer
devient progressivement automatisable.
Il a donc fallu utiliser d’autres systèmes pour les surveiller.
Plus d’autonomie signifie aussi plus de contrôle
Plus les agents deviennent autonomes, plus il faut pouvoir connaître
leur identité, leurs permissions, leur historique et leurs limites.
Microsoft commence à attribuer aux agents une
identité numérique propre.
Cloudflare expérimente même des dispositifs permettant à certains agents
de disposer d’un budget et d’effectuer des transactions dans des limites définies.
Combien d’argent mon agent IA a-t-il le droit de dépenser sans me demander ?
Produire davantage… mais apprendre moins ?
L’IA prend en charge de nombreuses tâches autrefois confiées aux débutants :
recherche, premiers brouillons, analyse, synthèse ou programmation.
Or ces tâches étaient précisément celles qui permettaient d’apprendre
le métier et d’accumuler l’expérience nécessaire pour devenir expert.
que devons-nous continuer à faire nous-mêmes,
même lorsqu’une IA peut le faire plus vite,
afin de rester capables de comprendre et de juger ?
Le numérique retrouve un corps
L’intelligence artificielle réclame des puces, des centres de données,
des milliards d’investissements, de l’électricité et de l’eau.
Alibaba vient par exemple d’annoncer une levée de plus de
10 milliards de dollars destinée notamment au cloud
et aux infrastructures IA.
Le véritable changement n’est pas simplement que
« l’IA devient meilleure ».
C’est qu’elle acquiert progressivement
les moyens d’agir plus indépendamment
dans le monde humain.
Vérifier et aller plus loin
Une sélection de sources publiques ayant servi à documenter
les principales évolutions présentées ici.
WIRED — OpenAI et l’agent persistant ↗
WIRED — Les agents entrent dans le monde physique ↗
Anthropic — Recherche automatisée et alignement ↗
Nature — La « dette épistémique » de l’IA ↗
WEF — IA, juniors et futurs experts ↗
CNIL — Traçabilité des modèles d’IA ↗
Aller plus loin
Le rapport complet analyse les tendances de fond,
les signaux forts, les signaux faibles et leurs conséquences stratégiques.









