Agents IA : la vraie révolution du travail commence maintenant

+ 🎙️ Podcast IA : comment l’IA impacte notre travail ?

Hello à tous,

Bienvenue dans cette 53ᵉ édition ! On vient de dépasser la barre des 10 000 personnes (10 059 exactement), merci pour votre soutien ! 🥳

Vous pouvez cliquer sur le ❤️ au-dessus ou en fin de newsletter si vous appréciez le contenu, ça m’aide beaucoup ! 🙏

Voici le sommaire de la semaine :

💼 Pourquoi 2025 sera l’année des agents IA : où en est-on aujourd’hui ?

🗞️ 3 actus importantes : AGI, o3 et o4-mini et génération d’images d’OpenAI par API

🎙️ Podcast IA : comment l’IA va impacter notre travail ?

⏳ Temps de lecture : 8 min

Des besoins en IA ? On met en place de plus en plus des agents IA clé en main (support, sales, marketing) ou sur-mesure, n’hésitez pas à nous contacter par retour de mail ou en prenant RDV sur ce lien.

---

💼 Pourquoi 2025 sera l’année des agents IA : où en est-on aujourd’hui ?

Dernièrement, on assiste à une explosion des agents IA :

• dans les annonces produits des grandes plateformes (OpenAI, Anthropic, Langchain, etc.)

• dans les écosystèmes no-code comme Make, n8n ou Zapier

C’est la grosse tendance de 2025. Et cela signifie aussi l'ajout d'une couche d'intelligence dans les automatisations.

C’est le sujet de cette section, derrière cette effervescence, quels sont les agents en production ? Où en est-on vraiment ? Quels sont les impacts pour nous ?

Du déterministe au probabiliste

Là où l'automatisation se limitait avant à des scénarios rigides et linéaires, on entre dans une ère plus souple, plus adaptative. Les outils deviennent capables de prendre des décisions en contexte, de gérer des exceptions, voire de piloter des processus entiers de manière autonome.

👉 Make vient par exemple d’ajouter sa nouvelle fonctionnalité d’agents IA dans les scénarios. Pour l’instant, c’est un peu tôt (v1), mais cela annonce un vrai changement de paradigme : fini les logiques 100% déterministes, place à une automatisation plus intelligente, contextuelle, capable de s’adapter aux aléas du réel.

Voici un aperçu dans cette vidéo :

Concrètement, c’est moins de maintenance avec des agents adaptatifs, une meilleure coordination entre modules et scénarios et des décisions contextuelles optimisées.

La réalité du marché aujourd'hui

Malgré l’effervescence autour des agents IA, la réalité terrain est tout autre : très peu d’agents sont réellement en production dans les entreprises.

Parce qu’un agent IA n’est pas un simple module à brancher (contrairement à ce que l’on peut voir).

Il faut un process structuré, des flux bien définis, une architecture de données cohérente et des compétences IA en interne. Sans cela, difficile de passer de l’idée à la mise en œuvre concrète. Et la plupart des entreprises ne sont pas à ce stade.

Aujourd’hui, je vois principalement 2 grandes options :

1. L’agent clé en main : déployé sur des cas d’usage classiques et récurrents en entreprise :

   1. Support client avec Decagon, Sierra, Maven AGI

   2. La prospection avec 11x, Artisan, …

   3. La gestion de connaissance : Glean, Dust, Unleash, …

   4. Juridique avec Harvey

   5. etc

→ Ce sont des agents où il reste à faire le dernier kilomètre : la partie implémentation et la logique métier.

À ce propos, Decagon (support) est super intéressant avec le concept de transformer les SOP (Standard Operating Procedure) en AOP (Agent Operating Procedures).

2. L’agent IA sur-mesure : beaucoup plus flexible, mais aussi plus complexe. ça nécessite d’impliquer l’équipe technique avec l’équipe métier (ou de passer par de l’externe), avec une logique d’itération et surtout, un plan de maintenance. C’est rarement envisageable pour les petites structures… à moins d’avoir une culture tech forte.

Pour l’instant, la mise en production reste timide, mais la situation va se débloquer à mesure que l’écosystème se structure.

Par exemple, l’accessibilité des outils no-code et l’arrivée de solutions d’orchestration simplifiées vont permettre à beaucoup de TPE de faire leur propre agent IA facilement.

Personnellement, je m’attends à voir émerger beaucoup de micro-agents IA dans des TPE, PME.

Par exemple, n8n permet déjà aujourd’hui d’avoir un squelette d’agents IA en 1 clic

Puis laisser l’agent remplir les variables lors de l’utilisation d’un outil tiers :

Globalement, on délègue à l’agent l’intelligence nécessaire pour faire l’automatisation → il se débrouille pour atteindre l’objectif qu’on lui partage en langage textuel (dans le prompt).

⚠️ Mais attention à ne pas faire de l’IA là où une automatisation classique suffit. On pense encore trop aux agents IA parce que c’est tendance. Dans la majorité des cas, on perd en efficacité, on complexifie la maintenance, et on dilue la valeur réelle.

L’écosystème se structure

L’écosystème des agents IA prend forme… et ça va très vite.

Si vous avez suivi mes dernières newsletters, vous avez découvert les MCP (Model Context Protocol) permettant à un agent de se connecter à des outils tiers :

→ Claude peut interroger Perplexity, mettre à jour Notion, ou déclencher une action dans votre CRM.

Ces protocoles industrialisent les actions possibles des agents IA. (Voir ici)

De l’autre côté, cela continue avec le lancement d’A2A (Agent-to-Agent), un protocole proposé par Google pour permettre aux agents de collaborer entre eux, même s’ils n’ont jamais été conçus pour le faire. C’est une petite révolution.

Avant, chaque agent fonctionnait en silo, sur son propre périmètre. Aujourd’hui, ils peuvent se découvrir, se répartir les tâches, coopérer en temps réel, sans partager de ressources ou de mémoire.

En gros, A2A apporte un cerveau collectif pour les agents IA.

Ça ouvre la voie à des workflows multi-agents, spécialisés par métier ou par outil, des systèmes plus robustes, évolutifs et adaptatifs.

5 bonnes pratiques sur les agents IA

Avant de basculer sur les zones de flous sur l’écosystème des agents IA, je tenais à vous partager 5 bonnes pratiques pour mettre en place un agent IA efficace.

1. Faire une cartographie claire du process

Avant de construire, prends le temps de poser le cadre, les étapes clés, les décisions critiques, les points d’optimisation possibles par l’IA.

Vous pouvez passer par FigJam pour faire cette étape.

2. Un agent = une mission claire

Évite les agents fourre-tout. Commencez simple avec un objectif et 1 à 3 outils maximum Puis découpe si besoin avec des sous-agents spécialisés.

3. Instructions ultra-précises

Un bon prompt système fait toute la différence avec la mention explicite des outils disponibles, comment les utiliser, les paramètres à respecter, les limites et règles à suivre…

4. Ne pas confondre RAG et Agent

Le RAG (retrieval-augmented generation) est plus rapide et lisible dans bien des cas plutôt qu’un agent IA.

5. Debug simplifié = complexité limitée

Plus l’agent est libre, plus le debug est flou. En workflow classique, chaque étape est traçable. Avec un agent ? Il faut deviner ce qui a halluciné. Sur certains scénarios, ça peut être problématique, sinon il faut accepter ce paramètre de complexité supplémentaire sur la partie debug.

Les zones de flou : vers une économie agentique ?

Et si dans les prochaines années, la main-d’œuvre d’une entreprise n’était plus humaine ?

C’est un peu ce vers quoi on peut tendre avec les agents IA… Et 2025 est cette année charnière.

Ce changement ne touche pas seulement l’opérationnel : il bouleverse aussi les modèles économiques.

Fini le pricing à l’utilisateur ou au siège SaaS. On parle désormais de valeur créée :

→ coût par tâche résolue, par réponse client, par contenu généré, par action exécutée.

Un aperçu des nouveaux modèles de pricing avec l’arrivée des agents IA :

C’est l’émergence d’une nouvelle main-d’œuvre :

1. L’ère traditionnelle (salariés, bureaux, fiches de paie)

2. L’ère numérique (freelances, remote, SaaS)

3. L’ère agentique (automatisée, non humaine)

Mais cette bascule soulève autant de promesses que de zones de flous

• Que devient un SaaS conçu pour des utilisateurs humains… quand ceux-ci deviennent des agents IA ? → on a parlé de la fin des SaaS ici.

• Comment facturer ou taxer une IA commerciale qui génère 2M€ de chiffre sans SIRET, compte bancaire ni fiche de paie ?

• Qui est responsable si un agent IA plante un système ou prend une mauvaise décision ?

• Peut-on imaginer des négociations A2A (agent-to-agent) entre un commercial IA et un acheteur IA ?

• L’agent IA a-t-il un “droit du travail” si on commence à le traiter comme un travailleur autonome ultra-efficace ?

Aujourd’hui, l’agent IA est un outil.

Demain, c’est un acteur économique à part entière, et personne ne sait vraiment comment l’intégrer au système actuel…

Une infrastructure encore à inventer

Pour que cette main d’oeuvre agentique devienne viable à l’échelle, il manque toute l’infrastructure autour :
➡️ un équivalent de la paie (tracking des tâches, rémunération à la production)
➡️ une identité agent (profil, historique, traçabilité)
➡️ un système de compliance (règlementaire, fiscal, juridique)
➡️ une capacité à définir la propriété intellectuelle produite par des agents

Le changement est déjà là. Mais le cadre, lui, est encore à écrire…

Comme à chaque révolution industrielle, ce n’est pas la technologie qui manque, mais bien les règles pour l’encadrer.

💡 Pour l’instant, on peut déjà se préparer à ce futur en posant les bases : mesurer la valeur créée par un agent, traquer son efficacité réelle, penser en “équipes mixtes” (humains + IA)… et rester curieux face à cette transformation qui ne fait que commencer.

---

🗞️ 3 actus importantes

L'IA de génération d’images d’OpenAI disponible par API

OpenAI déploie son modèle de génération d’images en API, après son succès massif sur ChatGPT (700 millions d’images créées en une semaine). Plusieurs acteurs majeurs explorent déjà des possibilités d’intégration :

• Canva utilise l’outil pour booster la création et l’édition graphique dans ses outils Canva AI et Magic Studio

• GoDaddy travaille à simplifier la création de logos et de contenus marketing

• HubSpot prévoit d'aider ses clients à produire facilement des visuels pour le marketing digital

• Instacart expérimente la génération d’images pour des recettes et listes de courses

• invideo améliore la création vidéo avec des options de style avancées

Ce qu’il faut retenir : la disponibilité par API ouvre des possibilités pour automatiser et enrichir la création visuelle (design, marketing, e-commerce…).

👉 Source OpenAI

OpenAI dévoile o3 et o4-mini : des modèles capables d’enchaîner les actions de façon autonome

OpenAI franchit un nouveau cap avec ses modèles o3 et o4-mini, capables d’utiliser tous les outils de ChatGPT (recherche web, lecture d’images, génération de code, analyse de fichiers…) dans une seule réponse fluide et rapide.

Ces modèles raisonnent étape par étape, choisissent eux-mêmes les bons outils, les combinent, et résolvent des tâches complexes en moins d’une minute.

La nouveauté clé : ils “pensent avec les images”. Ils peuvent zoomer, recadrer, améliorer une image pour mieux en extraire le sens. Cette capacité multimodale permet par exemple de résoudre un problème de maths sur une photo floue ou d’analyser un graphique technique.

Exemple en vidéo :

Ce qu’il faut retenir : o3 et o4-mini ne sont plus de simples chatbots, mais des assistants autonomes capables de comprendre une intention, raisonner, et exécuter des actions

👉 Source OpenAI et ici

OpenAI o3 et GPT-4.5 relancent le débat sur l’AGI après avoir (presque) passé le test de Turing

Le modèle o3 d’OpenAI, désormais capable d’utiliser des outils, atteint des performances record sur les benchmarks d’intelligence. Des voix affirment qu’il serait déjà “au niveau génie”. D’autres, évoquent une étape décisive vers l’AGI (intelligence artificielle générale). Mais o3 commet encore des erreurs basiques, laissant les experts divisés sur la question : a-t-on vraiment atteint l’AGI ?

Ce débat a été ravivé par une étude récente où GPT-4.5, en adoptant un persona, a réussi à tromper des humains dans 73 % des cas au test de Turing original (3 participants, conversation de 5 minutes). Pour la première fois, un modèle IA est perçu comme humain de manière statistiquement significative. Mais l’effet retombe sans mise en scène spécifique : les performances chutent autour de 36 %. Le test, plus indicatif d’une capacité à “faire illusion” qu’à réfléchir, met en lumière un nouveau risque : celui des "personnes contrefaites", capables d’imiter un humain sans en être un.

Ce qu’il faut retenir : L’AGI pourrait ne pas survenir par un moment “Eurêka”, mais par accumulation de preuves comme celles-ci. Et la frontière entre humain et IA s’amincit, surtout dans des interactions sociales brèves.

👉 Source : Étude sur arXiv

---

🎙️ Podcast IA : comment l’IA va impacter notre travail ?

Dans ce 11ᵉ épisode de TIME, j’ai voulu revenir sur un sujet sensible : quel sera notre rôle quand les IA font tout, mieux que nous ?

Pour cela, j’ai reçu Stéphane Mallard, l’un des conférenciers les plus percutants sur le sujet de l’intelligence artificielle.

On aborde frontalement la réalité de la transformation actuelle :

➡ Le futur du travail selon Stéphane : « L’IA va tout faire. Ce qu’il reste aux humains ? Ceux qui créent de la vraie valeur, pas les bullshit jobs. »

➡ La fin du prompt ? Selon lui, les IA comprendront bientôt nos besoins avant même qu’on les formule

➡ Mistral vs OpenAI : un duel inégal ? Pas tant que ça. Stéphane défend l’idée qu’il y aura des gammes de modèles, comme pour n’importe quel produit

➡ IA et souveraineté : il préfère la performance à la nationalité du modèle

➡ Une vision radicale (et passionnante) du futur : l’IA comme assistant invisible qui fluidifie notre quotidien, anticipe nos besoins, automatise tout ce qui peut l’être.

Une interview qui bouscule, fait réfléchir. Je vous invite à retrouver l’épisode sur les plateformes audios ou sur YouTube :

---

Merci 🫶🏼

D’avoir lu cette édition jusqu’au bout.

Si ça t’a plu, pense à cliquer sur le ❤️ juste en dessous et partage ton point de vue en commentaire👇🏼

Vous pouvez aussi partager la newsletter à votre entourage (ça me booste beaucoup 🙏) et gagner des cadeaux 🎁

• 1 parrainage = 1 hack personnalisé

• 3 parrainages = +400 outils IA triés par thématique et vertical métier

• 5 parrainages = 30 min de coaching sur votre problématique

À très vite !