Avant, l’intelligence artificielle se contentait de générer du texte, des images ou du code sur commande. Un outil puissant, certes, mais qui attendait nos instructions à chaque étape. Aujourd’hui, un nouveau palier est franchi : les IA ne se contentent plus d’exécuter, elles interagissent entre elles, délèguent des tâches et orchestrent des flux de travail complexes. C’est l’ère de l’IA agentique, une mutation profonde que Thibault Sottiaux et Peter Steinberger, ingénieurs chez OpenAI, ont décryptée sur la scène de VivaTech.
Leur message est clair : l’IA est en train de basculer. Fini le dialogue simple entre l’humain et la machine. Maintenant, c’est l’IA qui parle à l’IA, dans une logique d’orchestration en cascade. Thibault Sottiaux, qui dirige les équipes Core Product & Platform d’OpenAI, et Peter Steinberger, créateur de l’agent autonome open source OpenClaw, sont formels : cette transition n’est pas qu’une simple évolution. C’est une refonte des fondations mêmes de notre interaction avec les systèmes intelligents.
L’IA agentique : quand les modèles passent à l’action
Mais au juste, qu’est-ce que l’IA agentique ? Imaginez un système capable non seulement de comprendre une requête, mais aussi de la décomposer en sous-tâches, de choisir les bons outils pour chaque étape, et même de corriger ses erreurs en cours de route. La clé réside dans des modèles plus performants, capables d’absorber des fenêtres de contexte bien plus larges et de maintenir une exécution cohérente sur la durée. C’est ce qui a été observé avec GPT-5, puis GPT-5.2, qui ont marqué un véritable saut.
À cela s’ajoute le concept de « harness », cette couche d’exécution essentielle qui permet à l’agent de fonctionner. C’est elle qui gère les appels d’outils externes et assure le traitement des erreurs. En clair, combinez un modèle puissant avec un bon “harness”, et l’IA peut soudainement agir de manière autonome dans son environnement. Peter Steinberger explique qu’avant, l’utilisateur travaillait main dans la main avec l’agent. Désormais, l’utilisateur s’adresse à un modèle principal qui, à son tour, distribue le travail à d’autres agents spécialisés.
Requête Utilisateur
L’humain soumet une tâche complexe au modèle principal (ex: “Organise ma semaine de travail”).
Décomposition par l’IA Principale
Le modèle fractionne la requête en sous-tâches gérables (ex: “Vérifier agenda”, “Répondre emails”, “Préparer rapport”).
Délégation et Exécution par les Agents
Des agents spécialisés prennent le relais, communiquent entre eux et utilisent des outils pour accomplir chaque sous-tâche.
Retour Synthétisé
Le modèle principal compile les résultats et présente la solution finale à l’utilisateur.
L’IA au-delà du code : un impact sociétal grandissant
Ce qui frappe le plus, c’est la démocratisation de l’IA agentique. Contrairement aux idées reçues, la croissance la plus forte ne se situe pas chez les développeurs, mais dans les tâches généralistes du quotidien en entreprise. Un retournement surprenant pour les ingénieurs d’OpenAI, qui observent une explosion des demandes depuis GPT-5.5, notamment de la part des grandes structures.
Même en interne chez OpenAI, des outils comme Codex, initialement conçus pour le code, sont détournés pour des usages inattendus. Sarah Friar, la CFO d’OpenAI, a par exemple utilisé l’outil pour faciliter une levée de fonds, « juste pour déplacer des fonds et garder une trace ». Cette adoption massive en interne a poussé l’entreprise à adapter et proposer ces capacités plus largement, reconnaissant le potentiel insoupçonné de ces technologies bien au-delà des bureaux d’ingénieurs.
✅ Points Positifs
Automatisation Complexe : Les agents gèrent des tâches multimodales, réduisant le fardeau des opérations répétitives.
Personnalisation : La capacité à créer des interfaces et des outils sur mesure s’annonce comme une réalité tangible.
Productivité Accrue : Déléguer des tâches ingrates libère le temps des équipes pour des missions à plus forte valeur humaine.
⚠️ Points d’Attention
Jugement et Esthétique : Les IA peinent encore à saisir les nuances du goût ou de la sensibilité humaine, là où les créatifs excellent.
Sécurité des Données : Confier des agents puissants à des utilisateurs non techniques exige des garde-fous robustes et une conscience des risques.
Manque d’Imagination : Le véritable frein à l’adoption réside souvent dans notre capacité à imaginer de nouvelles applications, pas dans la technologie elle-même.
Pourtant, concevoir un agent généraliste reste un défi de taille. La sensibilité, le jugement ou l’esthétique sont des notions que les IA peinent à appréhender. « Écrire un super discours » ou « créer un site web » demande du goût, une qualité pour laquelle les humains conservent l’avantage. Pour Peter Steinberger, les modèles restent des outils extrêmement puissants, mais un marteau seul ne sert à rien sans quelqu’un pour le manier. C’est l’humain qui apporte le sens et la direction.
Le défi de la sécurité
Confier des agents autonomes à des utilisateurs sans compétences techniques soulève de sérieuses questions de sécurité. Si un agent commence à exécuter du code sur un ordinateur, il faut s’assurer qu’il n’introduit aucun danger pour les données ou le système de l’utilisateur. La prudence est de mise.
L’avenir du SaaS et des tâches “ingrates”
Quid de l’apocalypse annoncée du SaaS (Software as a Service) ? Les intervenants sont formels : elle n’est pas pour demain. Peter Steinberger estime qu’il sera toujours plus économique d’utiliser un logiciel fiable et maintenu que d’en construire un “à la volée” et d’en assumer les coûts. On pourrait voir émerger des “logiciels jetables”, utiles pour des prompts rapides, mais les services fiables resteront prédominants.
Thibault Sottiaux, lui, envisage une refonte radicale de l’interface logicielle. Chacun pourrait avoir son agent personnel, capable de comprendre objectifs et préférences mieux que n’importe quel logiciel actuel. Cet agent générerait alors des logiciels, des tableaux de bord, et des outils entièrement sur mesure. L’idée : ne plus avoir besoin d’interagir avec autre chose que son propre agent, entièrement personnalisé.
- Interfaces génériques pour tous les utilisateurs.
- Fonctionnalités prédéfinies, parfois limitantes.
- Adaptation de l’utilisateur au logiciel.
- Interface entièrement personnalisée selon vos préférences.
- Logiciels et outils générés à la volée, sur mesure.
- Le logiciel s’adapte à l’utilisateur, et non l’inverse.
Quant à savoir quelle fonction sera la première à être intégralement absorbée par les agents, les avis divergent. Peter Steinberger mise sur l’assistant personnel, capable d’exploiter toutes les sources de données pour gérer planning et organisation. Thibault Sottiaux, lui, pense que les agents continueront d’absorber les tâches “ingrates”. Il cite son propre exemple : « je code tous les jours, je n’aime pas écrire les tests. Mon agent peut peut-être les écrire à ma place. » C’est là que l’IA trouve sa vraie valeur ajoutée pour beaucoup : nous libérer des corvées ennuyeuses.
L’écart entre ce que l’on fait avec les modèles et ce dont ils sont capables n’a jamais été aussi grand. La technologie est là, puissante et évolutive. Reste à nous, humains, de l’apprivoiser et d’imaginer des usages qui nous propulseront bien au-delà de nos limites actuelles. L’IA agentique n’est pas une fin en soi, mais une nouvelle paire de mains pour façonner un futur plus inventif.
Chargement de la galerie…
À propos de Rigaud Mickaël
Passionné de tech et adepte de Linux, je décrypte l’IA avec une vision unique et intense pour la rendre utile à tous, entre robots, rock et univers geek.
