Le 18 juin dernier, le théâtre de VivaTech, à Paris, a vibré au rythme de la révolution de l’IA agentique. Thibault Sottiaux, à la tête des équipes Core Product & Platform d’OpenAI, et Peter Steinberger, créateur d’OpenClaw, ont livré devant un public captivé un état des lieux et des prédictions audacieuses sur une technologie qui dépasse désormais la simple génération de texte ou d’images. Ce tournant majeur promet une intelligence artificielle capable non seulement de dialoguer mais d’agir de manière autonome, ouvrant la voie à une transformation profonde des interactions numériques et professionnelles. L’émergence de cette IA dirigée vers l’action, appelée agentique, bouleverse la manière dont les assistants numériques interviennent dans nos vies, notamment par la capacité des agents à collaborer entre eux et à déléguer des tâches dans une orchestration intelligente.
Ce passage de l’IA générative à l’IA agentique reflète une avancée technique majeure. Les modèles GPT-5 et sa version améliorée GPT-5.2 accueillent désormais des fenêtres de contexte élargies, intègrent des outils avec plus de fluidité et assurent une exécution cohérente sur des durées beaucoup plus longues. Couplés à une couche d’exécution appelée « harness », ils se transforment en véritables agents autonomes capables d’interagir avec leur environnement. Cette mutation fascinante suscite l’intérêt dans tous les secteurs, et pas uniquement parmi les développeurs, avec une demande croissante d’agents pour accompagner les tâches généralistes du quotidien, notamment en entreprise.
- IA agentique : évolution majeure de l’IA passant de la génération à l’action autonome
- Modèles GPT-5 et GPT-5.2 : augmentation des capacités contextuelles et d’exécution
- Projet OpenClaw : un agent autonome open source qui ouvre des perspectives inédites
- Diversification des usages : des tâches techniques au travail généraliste, y compris en entreprise
- Prédictions pour 2030 : adoption grand public avec agents personnels sur mesure transformant l’interface logicielle
Transition de l’IA générative vers l’IA agentique : la nouvelle frontière technologique
Entre nous, ce passage ne se limite pas à une simple mise à jour algorithme. Il s’agit d’un changement radical dans la nature même des interactions avec l’intelligence artificielle. Aux premiers temps, l’IA générative excellait à produire du contenu — texte, image, code — mais elle nécessitait une forte implication humaine pour exécuter concrètement les tâches. Désormais, on franchit un cap : ces intelligences dialogues conçues pour agir de manière autonome deviennent capables non seulement de répondre mais de prendre des initiatives, de gérer des outils externes et même de s’auto-corriger.
Thibault Sottiaux explique que ce saut technologique repose sur deux piliers. D’une part, les modèles eux-mêmes, qui possèdent désormais des « fenêtres de contexte » beaucoup plus larges, rendant possible une compréhension plus approfondie et un suivi d’actions sur plusieurs minutes. D’autre part, une couche d’exécution appelée « harness », qui orchestre les interactions entre les agents, gestion des erreurs et appels de fonctions. En combinant un modèle puissant avec ce « harness », on crée une intelligence capable d’agir dans son environnement.
Une orchestration en cascade où l’IA parle à l’IA
Peter Steinberger illustre cette dynamique avec une image simple : au lieu de converser uniquement avec un agent, l’utilisateur voit désormais l’agent déléguer des tâches à d’autres agents spécialisés dans une chaîne d’actions coordonnées. Cette orchestration multiple permet d’optimiser la performance et l’efficacité des réponses. En d’autres termes, on atteint un nouveau palier où l’intelligence artificielle échange et collabore entre elle pour offrir un service fluide et intelligent.
Déploiement et adoption accélérée : bien plus que du code
On pourrait penser que l’IA agentique resterait un outil réservé aux développeurs. Pourtant, les usages se sont diversifiés à vitesse grand V. Thibault Sottiaux partage une anecdote qui illustre parfaitement cela : chez OpenAI, leur CFO, Sarah Friar, a utilisé Codex pour gérer une levée de fonds — non pas pour coder, mais pour déplacer des fonds et assurer la traçabilité, une tâche logistique essentielle. Cette internalisation massive a encouragé l’équipe à rendre ces agents accessibles au-delà des experts techniques.
Peter Steinberger souligne toutefois la complexité de créer un agent polyvalent destiné à des missions généralistes. L’exigence de sensibilité, de jugement ou d’esthétique, comme dans l’écriture d’un discours percutant ou la création d’un site web, demeure un défi que les humains dominent encore. Il rappelle que les agents sont des outils puissants, mais que l’humain reste incontournable dans la gouvernance de ces puissants « marteaux » numériques. La question de la sécurité demeure aussi au cœur des préoccupations, notamment pour éviter que des utilisateurs non avertis réalisent des actions à risque via des agents puissants.
Vers un futur où chacun aura son assistant numérique personnalisé
Les perspectives à court et moyen terme ouvrent un vaste terrain d’innovation. Thibault Sottiaux imagine une transformation radicale de l’interface entre l’homme et la machine : l’interface pourrait devenir totalement personnalisée, taillée sur mesure grâce à un agent personnel capable de comprendre vos objectifs et préférences mieux que n’importe quel logiciel standard. Ce super-agent ne se contenterait pas d’assister, il créerait lui-même des logiciels personnalisés à la volée — des dashboards, des outils, bref, un environnement numérique reconnu « maison ».
Quant à la fonction que les agents remplaceront en premier lieu, les avis divergent. Peter Steinberger mise sur la gestion personnelle du planning et des données, un rôle d’assistant personnel renforcé par la capacité à compiler et synthétiser rapidement des informations multiples. Thibault Sottiaux privilégie les tâches ingrates et répétitives dans des domaines comme le développement logiciel, où l’écriture de tests ou de routines peu valorisantes pourrait être déléguée à l’agent.
| Aspect | Définition | Impact attendu |
|---|---|---|
| IA générative | Production automatique de contenu (texte, image, code) | Support créatif avec intervention humaine nécessaire |
| IA agentique | IA capable d’agir de manière autonome et orchestrée | Automatisation intelligente au cœur du travail et du quotidien |
| Harness | Couche d’exécution qui gère les interactions et erreurs des agents | Fiabilité et cohérence dans l’action autonome |
| Agent personnel | Assistant numérique ultra-personnalisé et adaptatif | Expérience utilisateur sur mesure, transformation des interfaces |
La question se pose : faut-il craindre la disparition pure et simple des logiciels traditionnels SaaS ? Peter Steinberger se veut rassurant. Le modèle économique du SaaS semble bien résister, notamment parce qu’en grande majorité, faire appel à un logiciel éprouvé reste plus rentable que de construire et maintenir un agent personnalisé. Mais la complémentarité est de mise : les agents personnels seront souvent des extensions intelligentes venant enrichir ces services.
- Accessible : les agents dépassent désormais le cercle des développeurs et s’intègrent dans un usage quotidien
- Multi-agent : les agents orchestres un réseau d’agents spécialisés pour optimiser les résultats
- Sécurité : nécessité de garde-fous pour éviter les actions risquées ou non contrôlées
- Personnalisation : un assistant unique qui crée et adapte les outils numériques en temps réel
- Automatisation ciblée : priorité à la gestion des tâches ingrates et à l’organisation personnelle
Qu’est-ce que l’IA agentique ?
L’IA agentique désigne une intelligence artificielle capable d’agir de manière autonome dans son environnement, en utilisant des outils et en prenant des décisions sans intervention humaine constante.
Comment l’IA agentique diffère-t-elle de l’IA générative ?
Alors que l’IA générative produit du contenu (texte, image, code) principalement sur demande, l’IA agentique agit de manière proactive et autonome, en orchestrant des tâches complexes et en interagissant avec d’autres agents.
Quels sont les défis principaux de l’IA agentique ?
La sensibilité, le jugement, l’esthétique et la sécurité restent des défis majeurs. Les agents doivent être conçus avec des garde-fous pour éviter des actions potentiellement dangereuses, surtout pour les utilisateurs non experts.
L’IA agentique va-t-elle remplacer les logiciels SaaS ?
Non. Le modèle SaaS reste pertinent économiquement. L’IA agentique offrira plutôt des solutions personnalisées qui viendront compléter et enrichir les logiciels traditionnels, plutôt que les remplacer.