recap’ Outils IA générative — semaine du 28 septembre au 2 octobre

Cette semaine, l’évolution la plus importante de l’IA générative ne tient pas à un nouveau record de benchmark. Elle tient à un changement d’usage : le chatbot que l’on sollicite ponctuellement devient un agent persistant, capable de travailler dans la durée, d’utiliser des logiciels et de revenir avec un résultat.

En parallèle, les capacités des meilleurs modèles deviennent moins coûteuses. Ce mouvement rend crédible le déploiement d’agents dans des tâches quotidiennes, là où un modèle très performant mais trop cher restait cantonné aux cas les plus critiques.

Dots : une IA qui continue de travailler sans vous

L’annonce la plus structurante vient d’OpenAI. Lancés le 29 septembre, les Dots sont des agents personnels permanents, propulsés par GPT-6 Astra. Chacun dispose de son propre ordinateur dans le cloud, peut travailler 24 heures sur 24 et se connecter à plus de 4 000 applications grâce aux plugins.

On ne demande plus seulement à ChatGPT de rédiger un message ou d’analyser un document. On peut confier à un Dot une responsabilité suivie : surveiller les retours clients, préparer des corrections, actualiser une analyse lorsque de nouvelles données arrivent ou produire les éléments d’une campagne. L’agent conserve le contexte, avance entre deux conversations et sollicite l’utilisateur lorsqu’une décision est nécessaire.

Le déploiement est progressif pour les offres Pro et Business Premium dans les marchés éligibles. Les clients Enterprise, Edu et Healthcare peuvent tester une bêta activée par leur administrateur. L’offre Pro n’est toutefois pas disponible dans l’Espace économique européen, en Suisse et au Royaume-Uni au lancement.

OpenAI prévoit des permissions réglables, des validations pour les actions sensibles et un mode de recherche proactive limité à la lecture lorsque l’utilisateur est absent. Ces précautions seront essentielles : plus un agent peut agir longtemps et accéder à des applications, plus les questions de sécurité et de contrôle deviennent concrètes. Mais la direction est claire : l’interface conversationnelle devient un poste de travail autonome.

Les capacités « frontier » deviennent moins chères

Cette autonomie ne sera réellement rentable que si son coût baisse. C’est précisément le message de GPT-6.1 Sol, également présenté par OpenAI. Selon les évaluations de l’entreprise, il approche GPT-6 Astra pour le code agentique, l’utilisation d’un ordinateur et le travail professionnel, avec des tarifs standards d’entrée et de sortie cinq fois inférieurs.

GPT-6.1 Sol prend aussi en charge le multi-agent en bêta : un modèle peut répartir une tâche entre plusieurs sous-agents. Pour une entreprise, l’enjeu dépasse le prix du million de tokens. Un agent moins cher peut travailler plus longtemps, multiplier les vérifications et traiter davantage de dossiers pour le même budget.

Anthropic suit la même logique avec Claude Sonnet 5.5, lancé le 28 septembre. L’entreprise annonce une génération plus de 30 % plus rapide que Sonnet 5 et un coût par tâche pouvant baisser de 30 %, même si le tarif facial par token reste identique. Le modèle vise notamment le code, les documents, les présentations et les tableurs, et se rapproche d’Opus 5.5 sur certains tests de travail professionnel.

Ces comparaisons reposent en partie sur les propres évaluations des éditeurs. Elles n’en dessinent pas moins une tendance commune : des capacités haut de gamme descendent rapidement vers des modèles plus économiques.

Le navigateur devient un outil de l’agent

OpenAI a aussi intégré le computer use à son Agents API. Les développeurs peuvent construire un agent qui utilise un navigateur hébergé par OpenAI, navigue sur des sites et accomplit des étapes à la place de l’utilisateur, avec des mécanismes d’autorisation pour l’accès au Web et la connexion aux comptes.

Cette brique est décisive pour les usages métiers. Beaucoup de processus ne disposent pas d’une API propre : il faut chercher une information dans un portail, remplir un formulaire ou travailler dans un logiciel Web. Donner un navigateur à l’agent lui permet d’agir dans ces environnements existants. La supervision reste nécessaire : une interface peut changer, une instruction malveillante peut se cacher dans une page et une action irréversible doit rester contrôlée.

Argon vise les tâches longues et spécialisées

Google a présenté le 30 septembre Gemini 4 Argon, un modèle frontier destiné au développement logiciel, à la finance, au juridique et à la cybersécurité. Sa particularité annoncée est une limite de sortie pouvant atteindre un million de tokens, pensée pour les travaux de longue durée.

Argon n’est pas encore un produit grand public classique. Google commence par le déployer auprès de cyberdéfenseurs sélectionnés dans le cadre de son programme Fairwind, avant une ouverture progressive aux développeurs, entreprises et consommateurs. Cette prudence rappelle que l’allongement de l’autonomie augmente aussi les risques : un agent capable d’explorer et de corriger un système doit disposer d’accès strictement encadrés.

La voix, l’image et la vidéo convergent

La convergence ne concerne pas seulement le texte et le code. Eleven v4 améliore l’expressivité vocale, la stabilité de l’identité d’une voix et le contrôle du jeu par des indications directement inscrites dans le script, comme `[whispers]` ou `[laughs]`. Plus de 90 langues sont prises en charge. Eleven v4 Turbo, conçu pour les agents vocaux en temps réel, vise une latence suffisamment faible pour préserver le rythme d’une conversation.

Le 30 septembre, Runway a intégré Eleven v4 à son API. Ce choix illustre une évolution du marché créatif : les grandes plateformes deviennent des hubs où l’on combine des modèles d’image, de vidéo, de son et de langage, plutôt que de vouloir tout produire en interne.

Enfin, ChatGPT a lancé le 1er octobre un essayage virtuel pour les vêtements et accessoires. L’utilisateur choisit un produit, envoie une photo et obtient une visualisation produite par ChatGPT Images. La technologie n’est pas entièrement nouvelle, mais son intégration directe au parcours d’achat est significative : l’IA générative ne sert plus seulement à créer une image, elle aide à décider avant une transaction.

L’orchestration devient la vraie rupture

Trois tendances ressortent de la semaine. Le chatbot devient un agent persistant capable d’agir. Les performances frontier deviennent plus rapides et moins coûteuses. Et les frontières entre texte, code, navigateur, voix, image et vidéo s’effacent dans des environnements communs.

La prochaine rupture ne viendra probablement pas uniquement d’un modèle « plus intelligent ». Elle viendra de la capacité à orchestrer plusieurs modèles, outils et sources de données pour conduire un travail complet, avec de moins en moins d’intervention humaine.

Pour les entreprises, le bon réflexe n’est pas d’automatiser tout d’un coup. Il faut choisir une responsabilité bien délimitée, imposer des validations aux étapes sensibles et mesurer le temps réellement gagné. C’est là que l’agent cesse d’être une démonstration pour devenir un collègue logiciel utile — sous contrôle.