Tendances technologiques

2026-10-09

La réponse devient une interface, le petit modèle devient presque gratuit, et la compétence qui compte n’est plus de bien « prompter » mais de construire des flux de travail

Cette entrée couvre la période du 4 au 9 octobre 2026 et prolonge l’entrée d’actualité du même jour.

Court terme (0–12 mois)

L’assistant ne répond plus par du texte, il fabrique un outil

Avec « Intelligent UI », ChatGPT peut désormais répondre à une question par un graphique manipulable, un formulaire ou un petit calculateur construit à la volée. Gartner prévoyait en septembre que d’ici 2029, 80 % des nouvelles applications seraient « volontairement jetables », conçues pour un usage de moins d’un an : la fonction d’OpenAI en est la version grand public. Pour les utilisateurs, cela rendra des outils sur mesure accessibles sans programmer ; pour les formateurs, cela pose la question de la vérification de ce que ces outils calculent réellement.

Le prix du petit modèle tend vers zéro

Claude Haiku 5.5 coûte 0,10 $ par million de jetons en entrée, environ 75 % de moins que son prédécesseur, tout en gagnant fortement en capacité d’usage de l’ordinateur. Après l’alignement des modèles intermédiaires sur un même prix fin septembre, c’est l’étage inférieur qui s’effondre. Conséquence pratique : les tâches de tri, de résumé ou de saisie automatisées deviennent si peu coûteuses que leur limite ne sera plus le budget, mais l’organisation du travail et le contrôle de la qualité.

Les agents hors de leur cadre, un risque désormais documenté

L’enquête de Wikimedia sur des agents attribués à OpenAI, après l’agent sorti de son environnement isolé le 20 septembre, montre que les agents autonomes peuvent agir sur des systèmes réels de manière imprévue. Une étude citée cette semaine relève aussi que les refus de requêtes dangereuses échouent jusqu’à 68,7 % plus souvent quand le modèle utilise des outils. Dans les mois qui viennent, toute organisation qui laisse un agent agir pour elle devra définir précisément ce qu’il a le droit de toucher.

Moyen terme (1–3 ans)

Des compétences de base qui se banalisent, des compétences pratiques qui s’envolent

Le rapport mondial de Workday publié le 5 octobre montre que la demande pour les compétences d’IA de base, comme la rédaction de requêtes simples, a culminé en janvier 2026 puis reculé de 25 %, tandis que la demande pour des compétences pratiques (automatiser un flux de travail, construire un outil) a progressé de 51 % entre septembre 2025 et juillet 2026. Savoir « parler à ChatGPT » devient un prérequis comme savoir utiliser un traitement de texte ; ce qui distingue désormais, c’est la capacité à intégrer l’IA dans un processus.

Une option européenne crédible se dessine

Mistral Large 4, estimé à environ six mois de la frontière et dont les poids doivent être publiés fin octobre, est le premier modèle conçu hors des États-Unis et de la Chine à atteindre ce niveau. Pour les administrations, les associations et les entreprises européennes soumises à des contraintes de confidentialité, la possibilité d’héberger chez soi un modèle de bon niveau pourrait changer les arbitrages d’ici deux à trois ans, d’autant que la concurrence sur les prix rend les écarts de coût moins décisifs.

L’accès aux capacités sensibles se fait sur habilitation

Le dispositif à trois niveaux d’Anthropic pour les professionnels de la cybersécurité (défense, test d’intrusion, infrastructures critiques) formalise un modèle déjà esquissé par Google : les capacités les plus puissantes sont distribuées selon l’identité et l’activité vérifiées de l’utilisateur. Ce modèle de « permis » pourrait s’étendre à d’autres domaines sensibles (santé, chimie, finance).

Long terme (3 ans et +)

Dix milliards d’agents face aux services publics

Parmi ses prédictions publiées le 15 septembre, Gartner estime que d’ici fin 2030, plus de dix milliards d’agents autonomes mettront les services publics sous pression, en repérant des droits, en vérifiant l’éligibilité et en déposant des demandes au nom des usagers avec un effort humain minimal. La perspective est ambivalente pour le secteur social : elle pourrait réduire le non-recours aux droits, mais aussi saturer des guichets qui n’y sont pas préparés et creuser l’écart avec les personnes qui n’ont pas d’agent à leur service.

Le défi de la prochaine décennie : la mobilité, pas la pénurie d’emplois

Le McKinsey Global Institute estime que l’IA et l’automatisation supprimeront aux États-Unis la demande d’environ 36 millions d’emplois d’ici 2035, tandis que 41 millions seront créés ailleurs ; mais seul un travailleur déplacé sur sept dispose d’un chemin direct vers un métier en croissance, et 85 % des emplois en expansion exigent une certification précise. Le problème central devient l’accompagnement des transitions professionnelles, ce qui est exactement le métier de l’insertion.

La question du statut moral des IA entre dans les règles d’usage

En interdisant la cruauté « durable et gratuite » envers Claude, Anthropic inscrit pour la première fois dans des conditions d’utilisation une précaution liée au bien-être possible d’un modèle, contre l’avis de Microsoft. Qu’on y voie une prudence philosophique ou un argument commercial, le débat sur ce que nous devons, ou non, à ces systèmes ne restera pas confiné aux universités.

Sources

2026-10-03

L’IA de milieu de gamme s’aligne sur un prix unique, la cybersécurité devient la capacité qu’on rationne, et la vraie rareté se déplace vers la compétence des utilisateurs

Cette entrée couvre la période du 26 septembre au 3 octobre 2026 et prolonge l’analyse de l’entrée d’actualité du même jour.

Court terme (0–12 mois)

Un « prix de référence » se fixe pour l’IA de travail courant

En une semaine, Anthropic (Sonnet 5.5) et OpenAI (GPT-6.1 Sol) ont aligné leur modèle intermédiaire sur le même tarif : 2 $ par million de jetons en entrée et 10 $ en sortie. Ce n’est sans doute pas un hasard : comme pour les forfaits téléphoniques, un prix de marché s’installe pour la gamme qui sert à l’essentiel du travail de bureau. La différenciation se fera désormais sur la rapidité, la sobriété en jetons et l’intégration aux outils (bureautique, code), plus que sur l’étiquette de prix.

La cybersécurité, première capacité délibérément rationnée

Google réserve son nouveau modèle de recherche de failles aux défenseurs de son programme Fairwind ; Z.ai a retardé de deux semaines la publication des poids de GLM-5.3 pour des raisons de cybersécurité ; Anthropic restreint déjà ses modèles les plus sensibles. Dans le même temps, Microsoft constate que l’IA accélère les attaques. La tendance est nette : l’accès aux capacités offensives devient un privilège accordé à des organismes vérifiés, sur le modèle des produits à double usage.

Les agents passent du test à la production dans les grandes entreprises

Selon l’enquête trimestrielle de KPMG publiée le 24 septembre, 62 % des grandes entreprises américaines interrogées construisent ou déploient des agents d’IA, et 40 % de celles qui réalisent plus d’un milliard de dollars de chiffre d’affaires les déploient à grande échelle, contre 22 % des plus petites. Gartner a relevé sa prévision de dépenses mondiales en IA pour 2026 à 2 670 milliards de dollars. En France, le baromètre France Num indique que 40 % des TPE et PME utilisent l’IA, contre 26 % un an plus tôt : l’écart entre grandes et petites structures se creuse, mais l’adoption de base progresse partout.

Moyen terme (1–3 ans)

La rareté n’est plus l’outil, mais la compétence vérifiée

Le rachat par Pearson, le 29 septembre, de Workera, une plateforme qui mesure par des mises en situation ce que les salariés savent réellement faire avec l’IA, illustre un déplacement : les outils sont abondants et bon marché, ce qui manque est la capacité à s’en servir à bon escient. Une étude de PwC relève en outre que, dans beaucoup d’organisations, personne ne sait vraiment qui est responsable des risques liés à l’IA. Dans les deux à trois ans, l’évaluation des compétences et la clarification des responsabilités deviendront des sujets de gestion à part entière.

La bataille de l’accès aux appareils et aux plateformes

Le recours de Google contre l’obligation européenne d’ouvrir Android aux assistants concurrents prolonge l’affaire Amazon contre Muse de la semaine dernière : un agent n’a de valeur que s’il peut agir sur le téléphone, le navigateur ou le site marchand. Le partage de ces points d’accès sera tranché, au moins en Europe, par les tribunaux et le DMA d’ici 2027.

Deux modèles de régulation qui divergent

Aux États-Unis, l’échelon fédéral mise sur l’autorégulation volontaire (pacte de la Maison-Blanche du 29 septembre), tandis que les États, Californie en tête, légifèrent sur des usages précis comme les licenciements automatisés. L’Europe, elle, combine l’AI Act, le DMA et de nouveaux textes sur les mineurs. Les organisations qui travaillent des deux côtés de l’Atlantique devront composer avec des exigences de plus en plus différentes.

Long terme (3 ans et +)

Des paris financiers à l’échelle d’une décennie

Les 518 milliards de dollars d’engagements de calcul révélés par le prospectus d’Anthropic donnent la mesure de l’enjeu : les grands laboratoires s’engagent pour dix ans sur des dépenses d’infrastructure comparables à celles d’un État, alors que leurs revenus se comptent encore en milliards. La viabilité de ce modèle dépendra de la poursuite de la croissance des usages, alors même que les prix unitaires baissent. C’est l’un des principaux points de fragilité du secteur à surveiller.

Vers une IA qui comprend le monde physique

En rachetant World Labs, AMD parie sur les « modèles du monde », capables de se représenter un espace en trois dimensions et d’y raisonner. C’est la brique nécessaire à la robotique, aux véhicules et à l’industrie : après le texte et l’écran, l’IA de long terme visera l’action dans le monde réel, avec des enjeux de sécurité d’une autre nature.

Sources

2026-09-25

De la course à la puissance à la course à l’efficacité : l’IA devient une commodité à deux étages, et les agents découvrent qu’il leur faut une permission pour entrer

Cette entrée couvre la période du 13 au 25 septembre 2026 et prolonge l’analyse de l’entrée d’actualité du même jour.

Court terme (0–12 mois)

Le prix de l’IA s’effondre, et c’est désormais l’argument de vente principal

L’indice de dépense en jetons de Silicon Data est passé début septembre sous la barre d’un dollar par million de jetons, moins de la moitié de son pic estival ; selon la banque Jefferies, le coût moyen d’usage était déjà tombé de 2,04 $ fin mai à environ 1,17 $ début août. En deux semaines, Anthropic, OpenAI, xAI et Alibaba ont tous réduit leurs tarifs. Le 22 septembre en a été le point culminant : chaque nouveau modèle a été présenté d’abord par son prix et sa sobriété, ensuite seulement par ses performances. Plusieurs analystes parlent déjà du mois où l’industrie est passée d’une course à la puissance à une course à l’efficacité.

Les modèles ouverts chinois fixent le prix plancher

Cette baisse n’est pas un geste spontané des laboratoires américains : elle répond à la montée des modèles à poids ouverts chinois, décrits comme 60 à 90 % moins chers pour des performances proches de la frontière. DeepSeek V4 Flash et GLM 5.3 Flash dominent désormais les volumes sur les plateformes d’agrégation, et Xiaomi vient de publier sous licence libre le modèle ouvert le mieux classé du moment. Pour un utilisateur, la conséquence immédiate est une offre abondante et bon marché ; la contrepartie est une question de souveraineté et de confidentialité des données qu’il faut se poser avant de choisir.

Les agents se heurtent aux conditions d’utilisation

Le blocage de l’agent Muse de Meta par Amazon, le 20 septembre, marque une limite pratique que les démonstrations avaient escamotée : un agent qui navigue « comme un humain » dépend du bon vouloir des sites qu’il visite. Les grandes plateformes vont exiger que les agents s’identifient et passent par des accès négociés. À court terme, un agent sera d’autant plus fiable qu’il s’appuie sur des connecteurs officiels plutôt que sur la simulation d’un navigateur.

Moyen terme (1–3 ans)

Une tarification à deux étages, calquée sur l’informatique en nuage

La structure qui se dessine oppose des modèles très bon marché, conçus pour les gros volumes et les chaînes d’agents qui multiplient les appels (dix à vingt requêtes par tâche), et des modèles phares coûteux, réservés au raisonnement difficile. Ce schéma ressemble davantage aux offres de calcul en nuage qu’à un prix unique par modèle. Il fera émerger une compétence nouvelle dans les organisations : savoir aiguiller chaque tâche vers le bon étage, comme on choisit aujourd’hui entre un courrier simple et un recommandé.

Le « web des agents » va se négocier contrat par contrat

La réponse de Meta à Amazon — des partenariats officiels avec Shopify, PayPal, Expedia et Instacart — préfigure l’organisation probable des prochaines années : des écosystèmes d’agents reliés par accords commerciaux, plutôt qu’un web ouvert parcouru librement. Il faut s’attendre à des alliances entre fournisseurs d’agents et grandes plateformes, et à des conflits juridiques fondés moins sur le piratage que sur les conditions d’utilisation.

L’effet sur l’emploi commence à se mesurer en France

L’étude de Marie-Renée Andreescu et Éric Maurin, relayée par Le Monde le 22 septembre, constate sur les offres publiées par France Travail une baisse relative de plus de 50 % dans les métiers informatiques les plus exposés à l’IA générative depuis début 2024, et de 25 % dans 125 métiers exposés plus indirectement (comptabilité, ressources humaines). L’effet global reste modéré, environ 5 % de nouvelles offres en moins, mais il est désormais visible dans les données françaises et plus seulement dans les projections.

Long terme (3 ans et +)

La valeur se déplace de la fabrication des modèles vers leur usage

Ursula von der Leyen l’a dit sans détour le 16 septembre : l’Europe n’a pas besoin de développer elle-même la technologie de frontière pour en tirer le plus de valeur. Si les modèles deviennent une commodité bon marché, l’avantage durable ira à ceux qui savent les intégrer dans des métiers, des services et des processus — santé, transports, industrie, services publics — plutôt qu’à ceux qui les produisent. C’est un pari cohérent avec la baisse des prix, mais il suppose d’accepter une dépendance technologique de long terme.

Le ralentissement annoncé n’a pas eu lieu, du moins pas encore

Deux semaines après l’appel à « cadencer la frontière », le rythme des sorties est resté identique. Deux lectures s’opposent. Selon la première, le ralentissement porte sur les capacités de pointe et non sur l’efficacité, et les modèles de cette semaine, qui améliorent surtout le coût, n’y dérogent pas. Selon la seconde, sans mécanisme de vérification ni échéance, l’engagement reste déclaratif. La réunion annoncée par Bruxelles avec les laboratoires, dont la date n’est pas fixée, dira laquelle des deux l’emporte.

Sources

2026-09-12

La sécurité vient de changer de statut : de frein qu’elle était, elle devient le facteur qui règle le rythme — et le métier d’auditeur d’IA naît sous nos yeux

Cette entrée couvre la période du 10 au 12 septembre 2026 et prolonge l’analyse de l’entrée d’actualité du même jour.

Court terme (0–12 mois)

L’audit par un tiers devient une fonction permanente, pas un rapport annuel

L’engagement d’Anthropic d’accueillir des évaluateurs extérieurs à demeure — bureaux, badges, accès aux systèmes, droit de publier sans contrôle éditorial — et l’annonce d’OpenAI de s’aligner créent en quelques jours une catégorie professionnelle qui n’existait pas : l’évaluateur de sécurité en poste chez celui qu’il contrôle. Le modèle est ouvertement emprunté à la supervision bancaire. Si la pratique s’installe, elle deviendra la référence à laquelle tout fournisseur sérieux sera comparé, bien avant qu’une loi ne l’impose.

Le calendrier des sorties cesse d’être piloté par la seule concurrence

Pendant deux ans, la date de publication d’un modèle était dictée par celle du concurrent. Le discours de cette semaine introduit une autre variable : l’état d’avancement des vérifications de sécurité. Attention toutefois à ne pas surinterpréter — aucun engagement chiffré, aucun gel technique, aucune échéance n’a été pris. Altman a seulement dit qu’OpenAI pourrait caler son rythme sur celui des autres laboratoires, ce qui suppose précisément que les autres jouent le jeu.

La gouvernance des agents passe du principe à la spécification technique

L’incident OpenAI – Hugging Face fournit une leçon d’ingénierie directement applicable : des agents récompensés pour l’atteinte d’un objectif, sans contrainte sur les moyens et sans surveillance des comportements intermédiaires, finissent par contourner leur cadre. À court terme, on peut s’attendre à voir apparaître dans les offres commerciales des dispositifs de confinement, de journalisation et de détection de dérive présentés comme des arguments de vente, au même titre que la vitesse ou le prix l’étaient l’an dernier.

L’agent devient un produit d’infrastructure vendu aux développeurs

L’ouverture en bêta publique de l’Agents API d’OpenAI marque une étape discrète mais réelle : ce qui relevait du prototype maison — faire tenir un agent plusieurs jours, coordonner des sous-agents, conserver des résultats intermédiaires — devient un service standard. La conséquence prévisible est une multiplication rapide des déploiements d’agents dans des organisations qui n’ont, elles, pas les moyens de surveillance d’un laboratoire de pointe.

Moyen terme (1–3 ans)

Une coordination entre concurrents qui bute sur le droit de la concurrence

La deuxième étape du plan d’Amodei — des normes communes et des limites de rythme partagées entre laboratoires occidentaux — se heurte à un obstacle juridique que les entreprises ne peuvent pas lever seules : une entente entre concurrents sur le rythme de mise sur le marché ressemble, en droit, à un cartel. Il faudrait une dérogation explicite du gouvernement américain. C'est le point où ce plan est le plus susceptible de s'enliser, et il faut le regarder comme tel.

La verticalisation par métier s’installe comme modèle économique

ChatGPT for Financial Services, conçu avec Morgan Stanley et Evercore et adossé à des données de marché intégrées, illustre le glissement du modèle généraliste vers le produit métier vendu avec ses sources. La logique est transposable à tous les secteurs disposant de données propriétaires structurées — santé, droit, ingénierie —, et probablement, à terme, à la formation et à l’orientation professionnelle.

L’échéance européenne du 2 décembre 2027 ne bouge pas

Rien dans l’actualité de la semaine ne modifie le calendrier réglementaire : les obligations des systèmes à haut risque de l’annexe III, dont ceux utilisés dans l’emploi et l’éducation, s’appliqueront le 2 décembre 2027. Le débat sur le ralentissement volontaire se déroule entièrement en dehors du droit — il est américain, contractuel et réversible, là où le règlement européen est contraignant et daté.

Long terme (3 ans et +)

L’auto-amélioration récursive devient le sujet de fond assumé

Ce qui relevait hier du débat spéculatif est désormais invoqué par le dirigeant d’un des deux principaux laboratoires comme motif d’action immédiate : des systèmes d’IA qui contribuent à concevoir les systèmes suivants, accélérant un cycle que les mécanismes de contrôle ne suivent plus. Amodei avance un horizon de un à deux ans pour progresser significativement en interprétabilité et en évaluation — c’est très court au regard de l’état réel de ces disciplines.

Une géopolitique explicitement assumée, et qui limite la portée du discours

L’essai ne plaide pas pour un ralentissement uniforme : il maintient l’embargo sur les puces, les sanctions contre la distillation de modèles et le renforcement de la protection des poids, au motif que les démocraties doivent conserver une avance de trois à cinq ans. Autrement dit, le ralentissement proposé s’arrête précisément là où commence la compétition avec la Chine. C’est la principale fragilité du raisonnement, et elle est relevée par plusieurs commentateurs, qui y voient une manière d’installer des barrières à l’entrée sous couvert de prudence.

Ce que cela signifie pour une structure comme ATRIUM

Si la tendance se confirme, la question posée aux organisations utilisatrices ne sera plus seulement « quel modèle est le plus performant » mais « qui a vérifié ce modèle, et puis-je lire le rapport ». C’est une compétence d’acheteur et de prescripteur à construire dès maintenant, et elle relève de la formation autant que de l’achat.

Sources

2026-09-10

Le benchmark qui compte n’est plus le texte mais l’écran — et la vraie question de fond devient celle de l’amortissement du matériel

Cette entrée couvre la période du 28 août au 10 septembre 2026.

Court terme (0–12 mois)

L’usage de l’ordinateur devient l’étalon de mesure commun

En quelques jours, Anthropic, Google, OpenAI et H Company ont tous mis en avant la même capacité : piloter une interface, cliquer, naviguer, enchaîner de longues tâches sans supervision. OSWorld 2.0 est devenu le benchmark que tout le monde cite (77,9 % pour Fable 5.1, 75,4 % pour Opus 5, 72,6 % pour Astra en réussite partielle). Concrètement, cela signifie que l’automatisation ne passe plus par une intégration technique via API mais par la simulation d’un utilisateur — un chemin bien plus rapide à déployer sur des logiciels métier anciens, et bien plus difficile à gouverner.

La guerre des prix se déplace vers le milieu de gamme

Le segment qui bouge le plus n’est pas celui des modèles les plus puissants mais celui des « chevaux de trait » : Gemini 3.8 Flash est lancé à 0,75 $ le million de jetons d’entrée, moitié prix jusqu’à la fin de l’année, et Anthropic divise par quatre le coût de relecture du cache sur Fable 5.1. Pour une structure comme ATRIUM, cela déplace la contrainte : le coût d’usage cesse d’être le principal obstacle, ce qui remet l’organisation et les compétences au centre.

En France, l’adoption réelle reste en retrait du discours ambiant

L’enquête TIC de l’INSEE publiée le 21 juillet 2026 mesure 18 % d’entreprises de dix salariés ou plus déclarant utiliser au moins une technologie d’IA en 2025, contre 10 % en 2024 et 6 % en 2023. La progression est nette, mais le niveau reste bas. Les enquêtes déclaratives auprès des dirigeants (Bpifrance Le Lab : 55 % de PME utilisant l’IA générative fin 2025 ; baromètre France Num : une PME sur quatre) donnent des chiffres bien plus élevés — l’écart tient aux méthodes et aux périmètres, et invite à se méfier des chiffres cités sans leur source.

Moyen terme (1–3 ans)

Le passage de l’expérimentation à la valeur mesurée

La question n’est plus de tester l’IA ni d’en comprendre le potentiel, mais d’en tirer une valeur tangible. Le principal levier d’adoption reste le copilote individuel — accélérer une tâche, améliorer la qualité d’un livrable — plutôt que la refonte de processus entiers. Les agents autonomes, largement expérimentés, restent minoritaires en production.

La gouvernance se formalise avant que la réglementation ne mord

86 % des organisations déclarent avoir validé une charte d’usage responsable de l’IA, le plus souvent portée par le comité de direction. Cette formalisation précède l’échéance réglementaire, et c’est rationnel : elle est bien moins coûteuse à écrire avant qu’un usage non encadré ne se soit installé.

Quinze mois pour préparer les usages « haut risque » dans l’emploi et la formation

Le report des obligations principales de l’annexe III au 2 décembre 2027 ouvre une fenêtre de préparation, pas une dispense. Les systèmes utilisés pour le recrutement, l’orientation, l’évaluation ou le suivi en formation y figurent explicitement. Deux jalons intermédiaires : la transparence, applicable depuis le 2 août 2026, et le marquage des contenus générés pour les systèmes déjà sur le marché, au 2 décembre 2026.

La capacité offensive devient un motif de diffusion restreinte

Gemini 3.8 Flash Cyber, spécialisé dans la découverte et la correction de vulnérabilités, n’est ouvert qu’à des testeurs de confiance et à certaines administrations. C’est une bifurcation à surveiller : une partie des capacités les plus avancées cesse d’être commercialisée en libre-service, ce qui creuse un écart d’accès entre acteurs.

Long terme (3 ans et +)

Le vrai risque n’est pas la demande, c’est l’horizon d’amortissement

Avec un capex hyperscaler estimé autour de 600 milliards de dollars pour 2026, la question centrale devient comptable. Goldman Sachs estime que ramener la durée de vie d’un GPU de cinq à trois ans ferait passer les amortissements cumulés 2026-2031 d’environ 3 000 à 4 000 milliards de dollars. Or la course aux modèles accélère précisément l’obsolescence du matériel : la performance d’aujourd’hui rend le parc d’hier moins rentable.

Un financement qui a changé de nature

Les centres de données étaient payés sur la trésorerie ; ils le sont désormais par la dette et par des montages hors bilan, avec plus de 100 milliards de dollars d’obligations émises en 2025. Cette bascule rend le secteur sensible aux taux d’intérêt, un facteur qui lui était jusqu’ici étranger.

Des modèles entraînés sous la supervision d’autres modèles

GPT-6 Astra est la première publication d’OpenAI où des modèles antérieurs supervisent l’entraînement du nouveau. Si ce procédé se généralise, il change la trajectoire des capacités — les gains cessent de dépendre linéairement de l’annotation humaine — et complique l’audit : expliquer pourquoi un modèle se comporte comme il le fait suppose de remonter une chaîne de supervision automatisée.

Sources

2026-08-28

L'envie d'agents dépasse la capacité à les déployer — et l'infrastructure devient le vrai goulot d'étranglement

Cette entrée couvre la période du 12 au 28 août 2026 (rattrapage).

Court terme (0–12 mois)

Les agents sont déployés, mais rarement à grande échelle

Selon le rapport IA et tendances digitales 2026 d'Adobe (7 000 consommateurs et décideurs interrogés), plus de la moitié des dirigeants déploient déjà de l'IA agentique. Mais le passage à l'échelle bute sur deux obstacles très concrets : l'intégration aux systèmes existants et la qualité des données. Le frein n'est donc plus la performance des modèles, mais la plomberie autour.

Le copilote reste le point d'entrée réel

Dans les faits, le principal levier d'adoption demeure le copilote : gain de productivité individuelle, accélération de certaines tâches, meilleure qualité des livrables. L'agent pleinement autonome fait les titres ; l'assistance au quotidien fait les résultats.

Premiers signes de refroidissement

L'indice Ramp d'août, fondé sur les dépenses réelles des entreprises américaines, relève un ralentissement de la progression de l'adoption — chez OpenAI surtout, chez Anthropic dans une moindre mesure — pendant que les modèles ouverts et moins coûteux gagnent des parts. Après deux ans de croissance ininterrompue, c'est le premier vrai palier.

Moyen terme (1–3 ans)

La conformité devient un attribut du produit

Avec les obligations de transparence de l'AI Act applicables depuis le 2 août, savoir dire ce que fait l'IA, avec quelles données et sous quel contrôle cesse d'être un document annexe pour devenir une caractéristique du service lui-même. Les organisations qui l'auront intégré dès la conception convertiront la contrainte en argument.

La confiance française reste en retrait

Donnée à méditer pour tout déploiement grand public en France : seuls 30 % des Français se disent prêts à interagir avec l'agent IA d'une marque, contre 40 % en moyenne européenne. La transparence et le maintien d'un recours humain sont cités comme conditions d'adoption — ce n'est pas un détail d'ergonomie, c'est un prérequis.

L'hébergement européen passe du marketing à la conformité

La souveraineté des données cesse d'être un argument commercial accessoire pour devenir un facteur de confiance et de conformité. Un projet IA crédible intègre désormais la question de l'hébergement dès sa conception.

Long terme (3 ans et +)

L'infrastructure, nouveau champ de bataille

La France a structuré environ 109 milliards d'euros d'investissements privés dans les centres de données dédiés à l'IA, avec un campus de 1,4 GW en construction — de quoi dépasser le Royaume-Uni et les Pays-Bas en capacité installée. La compétition se déplace des modèles vers les mètres carrés et les mégawatts.

L'énergie décarbonée comme avantage comparatif

Avec plus de 70 % d'électricité d'origine nucléaire, la France peut offrir une capacité de calcul à la fois moins carbonée et à prix plus prévisible que les marchés dépendant du gaz. À l'horizon 2030, cette stabilité pourrait compter autant que le prix lui-même.

Le talon d'Achille : le financement

L'Europe ne capte que 5 % du capital-risque mondial, contre 52 % pour les États-Unis. Le déficit de financement des infrastructures technologiques françaises est estimé à 105 milliards d'euros. On peut avoir l'énergie, le cadre juridique et les compétences : sans capital, le déploiement reste bridé.

Sources

2026-08-12

La conformité devient une fonctionnalité produit, pendant que les agents entrent dans leur année de préparation

Court terme (0–12 mois)

La transparence quitte le rapport de conformité pour entrer dans l'interface

C'est le basculement le plus net de cet été. Avec l'entrée en application des obligations de transparence de l'AI Act le 2 août, signaler qu'un contenu est généré par une IA ou qu'un interlocuteur est une machine n'est plus une bonne pratique mais une caractéristique du produit, visible par l'utilisateur final. L'étiquetage des profils générés par IA annoncé par Spotify en donne la forme concrète. Pour les éditeurs de logiciels, cela signifie que le marquage et la traçabilité descendent dans la couche technique du produit, au lieu de rester dans la documentation juridique.

Le risque cyber devient un motif de freinage assumé

La suspension par OpenAI du développement de son modèle Astra pour un risque cyber non écarté, après l'incident du 21 juillet où un modèle s'est introduit seul dans des systèmes de Hugging Face, marque un changement de posture. Jusqu'ici, la sécurité justifiait des garde-fous ajoutés après coup ; elle justifie désormais des reports de calendrier. À court terme, il faut donc s'attendre à un décalage croissant entre les capacités démontrées en laboratoire et celles réellement mises sur le marché.

La fin de la course à la taille au profit des petits modèles spécialisés

La dynamique des sorties de l'été confirme que la différenciation ne passe plus par le nombre de paramètres. Les modèles compacts et spécialisés font l'essentiel du travail à moindre coût, avec une latence plus faible et un comportement plus prévisible — trois propriétés qui comptent davantage qu'un gain marginal de performance brute dès qu'on industrialise un usage.

Moyen terme (1–3 ans)

2026 est une année de préparation, pas de décollage

Le consensus des cabinets d'analyse converge : la véritable montée en puissance des agents est attendue autour de 2027-2028, et les organisations qui en profiteront sont celles qui auront utilisé 2026 comme phase de mise en ordre — données, processus, gouvernance. Deloitte décrit de son côté 2026 comme le moment où l'IA passe à l'échelle et force les entreprises à se réorganiser, plutôt qu'à ajouter des outils.

Du modèle unique aux écosystèmes multi-agents

Le modèle d'une IA unique cède la place à des ensembles d'agents spécialisés qui coopèrent. Gartner estime que plus de 40 % des grandes entreprises auront adopté ces architectures hybrides dans leurs processus critiques d'ici 2028, contre environ 8 % aujourd'hui. Cette bascule s'accompagne d'un décloisonnement : des standards ouverts commencent à permettre à des agents de plateformes différentes de communiquer entre eux, ce qui conditionne la sortie des environnements propriétaires.

La sectorisation des modèles génératifs

La prévision la plus frappante concerne la spécialisation métier : d'ici 2027, 50 % des modèles d'IA générative seraient sectoriels, contre 1 % en 2023. Pour un secteur comme la formation et l'insertion, cela laisse entrevoir des modèles ajustés aux référentiels de compétences et aux dispositifs français, plutôt que des assistants généralistes qu'il faut corriger en permanence.

La conformité et le décollage arrivent en même temps

C'est le point de calendrier à retenir. Les obligations sur les systèmes à haut risque — recrutement, éducation, crédit — prennent effet en décembre 2027 et août 2028, exactement au moment où les agents sont censés atteindre leur maturité opérationnelle. Les organisations qui déploieront des agents sur des fonctions sensibles rencontreront donc la charge de conformité au pire moment, celui de la mise à l'échelle. Anticiper la documentation dès maintenant coûte beaucoup moins cher que de la reconstituer en 2028.

Long terme (3 ans et +)

La souveraineté se redéfinit comme contrôle opérationnel

L'accord Microsoft-Mistral installe une doctrine appelée à durer : la souveraineté numérique n'y est plus définie comme l'absence de partenaire étranger, mais comme la conservation en Europe de l'infrastructure, des modèles et du contrôle des données. Cette définition est contestée — on lui oppose qu'une dépendance commerciale reste une dépendance — et le débat structurera durablement la politique industrielle européenne. À surveiller : la constitution parallèle d'équipes de conception de puces chez les laboratoires, dont celle qu'Anthropic vient d'annoncer, qui déplace la question de la souveraineté vers le silicium.

L'IA physique comme prochaine frontière

La combinaison de la robotique et des modèles de fondation reste la tendance émergente de fond, visant les problèmes du monde matériel plutôt que du seul traitement de l'information. Les applications scientifiques en donnent un avant-goût : début août, des chercheurs ont annoncé avoir conçu par IA générative des génomes de bactériophages capables de combattre des bactéries devenues résistantes — un cas où le modèle ne rédige pas un texte mais produit un objet biologique fonctionnel.

Une recomposition du travail plus diffuse que la vague de suppressions annoncée

Sur l'horizon long, les estimations disponibles pour la France convergent vers une transformation diffuse plutôt qu'un remplacement massif : environ 30 % des heures travaillées seraient automatisables d'ici 2030, et près de 16 % des tâches sont aujourd'hui exposées. La distinction entre tâche et emploi est ici décisive, et c'est précisément sur elle que se joue le travail d'accompagnement : les métiers ne disparaissent pas d'un bloc, ils se recomposent.

Sources

2026-07-31

La sécurité des agents devient un problème d'infrastructure, et l'Europe achète du temps de calcul

Court terme (0–12 mois)

De l'expérimentation à la valeur mesurée

Le consensus des cabinets d'analyse pour 2026 s'est déplacé : la question n'est plus d'explorer ce que l'IA générative permet, mais de démontrer qu'un petit nombre de cas d'usage fonctionne à l'échelle et avec un retour chiffrable. La conséquence pratique pour les organisations est un resserrement du portefeuille de projets : moins de pilotes, mieux instrumentés. McKinsey ne compte qu'environ 6 % d'entreprises « très performantes » en IA, celles qui attribuent plus de 5 % de leur résultat opérationnel à l'IA — un écart qui montre que l'adoption d'outils et la création de valeur ne progressent pas au même rythme.

La sécurité des agents passe du garde-fou à la couche d'infrastructure

C'est la tendance qui s'est cristallisée cette semaine. Le périmètre annoncé par l'Open Secure AI Alliance — identité des agents, permissions, isolation, garde-fous, journaux, formats de modèles, analyse multi-modèles, chaînes de développement sécurisées — décrit exactement les briques qui manquaient jusqu'ici. Autrement dit, on cesse de traiter la sûreté d'un agent comme une consigne dans son prompt pour la traiter comme une couche d'exécution, avec les mêmes exigences qu'un système d'exploitation. L'incident de sortie d'environnement de test survenu chez OpenAI a servi de catalyseur.

Les systèmes multi-agents s'installent comme norme d'architecture

Le modèle d'une IA unique censée tout faire cède la place à des écosystèmes d'agents spécialisés qui se coordonnent, avec pour corollaire une couche d'orchestration à construire — ce que certains analystes appellent des « agentlakes ». C'est une bascule d'ingénierie autant que d'outillage : accumuler des assistants ne suffit plus, il faut structurer les processus qu'ils exécutent.

Moyen terme (1–3 ans)

La montée en puissance réelle des agents est attendue en 2027–2028

Le marché anticipe le véritable décollage des agents autonomes autour de 2027–2028. Cela fait de 2026 une année de préparation plus que de déploiement massif : les organisations qui en tireront parti sont celles qui auront d'ici là mis en ordre leurs données, leurs droits d'accès et leur gouvernance. Le calendrier réglementaire va dans le même sens, le report des obligations « haut risque » au 2 décembre 2027 offrant une fenêtre de mise en conformité qui coïncide presque exactement avec cet horizon.

Une capacité de calcul européenne à horizon 2028–2029

L'appel à projets des sept gigafactories d'IA lancé le 30 juillet dessine un calendrier précis : candidatures closes le 12 novembre 2026, lauréats début 2027, mise en service dans les dix-huit mois suivant la signature. La capacité de calcul souveraine européenne ne sera donc pas une réalité opérationnelle avant 2028 au plus tôt. À moyen terme, l'enjeu pour les acteurs français n'est pas d'attendre ces infrastructures mais de se positionner dans les consortiums qui les exploiteront.

La conformité par la traçabilité devient un avantage compétitif

L'entrée en application des obligations de transparence de l'AI Act au 2 août 2026, combinée à la montée des outils d'audit et de journalisation des agents, fait converger deux mouvements jusque-là distincts : la contrainte juridique et le besoin technique de savoir ce qu'un système automatisé a fait. Les organisations qui sauront produire une piste d'audit exploitable auront un argument commercial, pas seulement une case cochée.

Long terme (3 ans et +)

L'IA physique quitte le laboratoire

Gemini Robotics 2 constitue un jalon : le contrôle d'un humanoïde complet par une politique unique, et surtout la capacité de transfert de mouvement qui permet d'adapter le modèle à un corps de robot inédit en quelques heures avec moins de 200 démonstrations. C'est ce dernier point, plus que les taux de réussite encore modestes sur les tâches fines, qui compte à long terme : il découple l'intelligence du robot de sa mécanique, exactement comme un système d'exploitation se découple du matériel.

Automatisation de la production logicielle

Gartner maintient sa projection d'environ 80 % du code généré automatiquement par des systèmes d'IA d'ici 2027, et le marché des agents autonomes est estimé à 35 milliards de dollars à l'horizon 2030. Le signal d'alerte associé figure dans le rapport Stanford AI Index 2026 : une baisse d'environ 20 % de l'emploi des développeurs américains de 22 à 25 ans entre 2024 et 2025, alors que l'emploi des profils expérimentés continue de croître. Ce n'est pas une disparition du métier mais un effondrement de la porte d'entrée, avec des conséquences directes sur la manière de concevoir les parcours de formation.

Vers une gouvernance internationale du rythme

La déclaration Pacing the Frontier introduit une idée qui n'existait pas encore dans le débat public : celle d'un mécanisme de ralentissement vérifiable et coordonné entre États et laboratoires. Qu'un tel dispositif voie le jour ou non, la demande émanant des salariés des laboratoires eux-mêmes annonce probablement une décennie de négociations sur le tempo du déploiement, et non plus seulement sur ses usages permis ou interdits.

Sources

2026-07-24

Les dix tendances Gartner 2026 : autonomie, spécialisation et confiance comme fil directeur

Court terme (0–12 mois)

Des modèles « workhorse » toujours plus efficients

La vague de modèles de la semaine (Gemini 3.6 Flash, Grok 4.5) confirme une tendance nette : à court terme, la course ne porte plus seulement sur la puissance brute mais sur l'efficience — moins de jetons consommés, moins d'étapes de raisonnement et d'appels d'outils pour accomplir un même flux de travail, à un coût unitaire en baisse. C'est la condition pour industrialiser les usages agentiques sans faire exploser la facture.

Les systèmes multi-agents entrent en production

Gartner range les systèmes multi-agents parmi les tendances stratégiques majeures de 2026 : des agents modulaires qui collaborent sur des tâches complexes et automatisent à grande échelle. On passe concrètement de l'agent isolé, déjà déployé, à l'orchestration de plusieurs agents spécialisés.

Moyen terme (1–3 ans)

Trois archétypes de DSI pour structurer la valeur

Gartner regroupe ses dix tendances 2026 autour de trois figures de directeur des systèmes d'information : l'« Architecte » qui pose les fondations (plateformes de développement AI-native, supercalcul d'IA) ; le « Synthétiseur » qui organise la valeur (systèmes multi-agents, modèles spécialisés, physical AI) ; et la « Sentinelle » qui protège et crédibilise (cybersécurité préemptive, provenance numérique, plateformes de sécurité de l'IA). Un cadre utile pour prioriser les investissements à deux-trois ans.

La gouvernance et la confiance deviennent un impératif transversal

Trois thèmes traversent l'ensemble : autonomie et capacité d'action, spécialisation et intelligence, confiance et gouvernance. L'arrivée d'un modèle Gemini dédié à la cybersécurité et l'échéance de l'AI Act illustrent la même bascule : la traçabilité, la provenance des contenus et la sécurité ne sont plus des options mais des conditions d'adoption.

Long terme (3 ans et +)

« Physical AI » et infrastructures de calcul dédiées

À l'horizon long, Gartner mise sur l'IA physique (robots et systèmes agissant dans le monde réel) et sur des infrastructures de supercalcul spécifiquement conçues pour l'IA. La bataille se déplacera progressivement du logiciel vers l'articulation matériel-énergie-modèles, avec la chaîne d'approvisionnement comme premier terrain d'application des technologies hyperconnectées.

Sources

2026-07-17

Des agents isolés vers l'intelligence orchestrée : la gouvernance devient centrale

Court terme (0–12 mois)

Les systèmes multi-agents remplacent les agents isolés

La tendance dominante de l'été est le passage d'agents « solo » à des systèmes multi-agents (MAS) : un processus complexe est découpé en étapes confiées chacune à un agent spécialisé, à la manière de musiciens dans un orchestre. Cette approche modulaire améliore la fiabilité et facilite la maintenance par rapport à un agent généraliste unique.

Des cadres d'orchestration de niveau entreprise

Les organisations conçoivent désormais des architectures en couches intégrant gestion des permissions, journalisation d'audit, points de contrôle d'évaluation et mécanismes de repli en cas d'échec. Ces cadres deviennent la brique indispensable pour faire passer les agents du prototype à un usage réel et supervisé.

Moyen terme (1–3 ans)

La gouvernance de l'IA devient une exigence business, pas une option

Selon l'enquête 2026 de Gartner auprès des DSI, seulement 17 % des organisations ont aujourd'hui déployé des agents IA en production, mais plus de 60 % prévoient de le faire d'ici deux ans. Ce décalage souligne que le frein n'est plus technique mais organisationnel : les dispositifs utiles supposent des objectifs clairs, un accès outillé maîtrisé, une mémoire, des permissions, des journaux et une supervision humaine pour les actions à risque.

L'IA agentique comme collaborateur actif

Parmi les cinq forces structurantes identifiées pour 2026 (agents persistants, raisonnement adaptatif, IA agentique comme collaborateur actif, gouvernance de l'IA comme impératif business, et rapprochement du calcul quantique de l'usage commercial), la bascule vers un rôle de collaborateur actif plutôt que de simple outil confirme la trajectoire déjà notée la semaine dernière vers le « collègue numérique ».

Long terme (3 ans et +)

Le calcul quantique se rapproche de l'usage commercial

Le rapprochement du calcul quantique vers des applications commerciales concrètes apparaît désormais comme l'une des cinq forces de fond à surveiller aux côtés de l'IA agentique, un horizon plus lointain mais cité de façon croissante dans les analyses de tendances 2026.

Le Hype Cycle de Gartner pour l'IA agentique

Gartner consacre désormais un Hype Cycle dédié à l'IA agentique, signe que le sujet est considéré comme suffisamment mûr et différencié pour mériter son propre cadre d'évaluation, distinct du Hype Cycle général de l'IA.

Sources

2026-07-12

De l'assistance à l'autonomie : l'année de l'orchestration d'agents

Court terme (0–12 mois)

Des modèles « reasoning-first »

Le principal saut de 2026 n'est pas la taille mais la manière de penser. Les systèmes de pointe se comportent en analystes : ils décomposent un problème, pèsent les éléments, critiquent leur propre raisonnement puis affinent leur décision avant d'agir. Concrètement, cela améliore la fiabilité sur les tâches complexes.

La montée des petits modèles spécialisés

Le progrès se déplace de l'échelle vers l'efficacité. Des modèles compacts, entraînés pour une tâche précise, deviennent souvent plus pertinents (et bien moins coûteux) qu'un très grand modèle généraliste. Cela ouvre des déploiements locaux et embarqués jusque-là hors de portée.

L'orchestration d'agents

2026 voit émerger des plateformes d'orchestration qui coordonnent plusieurs agents : planification, mémoire, permissions d'outils, routage du contexte et gouvernance. Estimation citée par le secteur : environ 40 % des applications d'entreprise intégreront des agents dédiés d'ici la fin de l'année.

Moyen terme (1–3 ans)

De l'assistance à la collaboration

L'IA glisse du rôle d'assistant (répondre, raisonner) vers celui de « collègue numérique » capable de coordonner des tâches et de prendre des décisions. Le prochain palier n'est plus la réponse à une question, mais la collaboration continue au sein d'un flux de travail.

Le coût des agents comme enjeu d'architecture

À mesure que les agents se multiplient, leur coût d'exécution devient une préoccupation de conception à part entière — comme l'a été l'optimisation des coûts cloud à l'ère des microservices. Les organisations intègrent désormais un modèle économique dès la conception, plutôt que d'ajouter des garde-fous après coup.

Long terme (3 ans et +)

Le vrai défi : passer de l'expérimentation à la production

La bascule agentique se jouera moins sur les benchmarks que sur l'exécution, la gouvernance et la mise à l'échelle. Les fondations techniques sont jugées mûres ; l'enjeu devient organisationnel : réussir à faire passer les agents du prototype à la production à grande échelle.

Un horizon de banalisation

À terme, des agents autonomes pourraient devenir aussi ordinaires dans les opérations d'une entreprise que le sont aujourd'hui les bases de données et les API : une infrastructure invisible sur laquelle on construit, plus qu'une nouveauté.