En 2026, l’IA produit le travail.

Un agent IA peut recevoir un objectif, chercher les informations utiles, choisir ses outils, produire un fichier et revenir vers vous quand une décision manque. Vous ne lui demandez plus seulement comment faire le travail, vous lui en confiez une partie.

La formule « 2022 elle répond, 2023-2024 elle assiste, 2025 elle réfléchit, 2026 elle produit » raconte bien la bascule. Elle ne constitue pas un calendrier scientifique. Les capacités se chevauchent, et plusieurs sont apparues plus tôt. Ce qui change en 2026, c’est leur assemblage dans un système qu’une entreprise peut utiliser.

Quatre dates pour raconter la bascule

En 2022, le grand public découvre surtout une fenêtre de dialogue. Vous posez une question, l’IA formule une réponse. Son terrain naturel est le texte, et elle peut affirmer quelque chose de faux avec beaucoup d’assurance.

2023-2024

Dès 2023, l’IA peut déclencher des fonctions d’autres logiciels. En 2024, elle commence à raisonner plus longtemps et à manipuler un ordinateur, mais les premiers résultats restent fragiles. Elle aide surtout une personne qui garde la main.

2025

Le raisonnement, les outils et l’enchaînement des étapes se rejoignent. L’IA peut planifier plusieurs étapes, appeler une recherche ou un logiciel, lire le résultat et poursuivre.

2026

L’IA travaille dans un environnement informatique dédié, avec des fichiers, une base de données, du code et des accès contrôlés. Elle peut suivre un dossier plus longtemps qu’avant et produire un livrable qui reste disponible après la conversation.

Si vous avez testé ChatGPT il y a deux ou trois ans, vous avez vu le début de l’histoire. Le saut ne tient pas seulement à un modèle plus intelligent. Il vient de la boucle complète qui relie son raisonnement à un environnement de travail.

Produire, c’est fermer la boucle

Un chatbot reçoit votre message et génère du texte. Un agent poursuit un objectif : il planifie, agit, observe le résultat, corrige sa trajectoire et recommence jusqu’au livrable ou jusqu’au point où votre jugement est nécessaire.

La distinction technique compte : le modèle ne clique pas tout seul dans le vide. Il propose une action qu’une plateforme exécute dans un environnement autorisé, puis il lit le résultat et choisit l’étape suivante. C’est cette boucle qui transforme une réponse en production.

Prenez un dossier de réponse à un appel d’offres. Vous pouvez demander à un agent de repérer les exigences, chercher les pièces dans les bons dossiers, signaler ce qui manque, préparer une première version et contrôler la cohérence avant de vous rendre le dossier.

Vous recevez un dossier constitué, traçable et prêt à être repris, au lieu d’une suggestion à recopier. L’agent IA fait une partie du travail à votre place, dans les limites que vous avez fixées.

Le progrès est massif, la fiabilité ne l’est pas

Cette progression se mesure sur des tâches bien définies. L’organisme de recherche METR teste des agents sur 228 tâches de logiciel et de recherche. Il mesure la durée des tâches qu’un agent réussit une fois sur deux, comptée en temps de travail humain. Cette durée est passée d’environ 4 minutes pour un modèle de mars 2024 à près de 12 heures pour un modèle de février 2026.

Ce chiffre demande pourtant deux précautions importantes. Ces 12 heures désignent la durée qu’un humain aurait mise, pas le temps pendant lequel l’agent travaille. Et 50 % de réussite reste une chance sur deux. Vous ne confiez pas un dossier critique à pile ou face.

Plus le test ressemble à un poste de travail complet, plus les résultats baissent. Dans le benchmark OSWorld 2.0, publié en juillet 2026, le meilleur système évalué termine 20,6 % de 108 workflows professionnels simulés. Les agents savent produire sur certaines tâches longues. Ils ne savent pas tenir n’importe quel travail.

J’appelle production la quantité de travail que l’IA peut désormais prendre en charge entre deux validations humaines, sans avoir besoin d’une autonomie totale.

L’autonomie se règle

Un agent utile travaille dans un espace clair : les outils qu’il peut ouvrir, les données qu’il peut lire, les actions qu’il peut préparer et celles qu’il peut exécuter. Vous choisissez aussi quand il doit s’arrêter et vous demander votre accord.

Pour une recherche interne, une erreur peut être corrigée. Pour un virement, un contrat ou un message externe, la même erreur peut être irréversible. Le niveau de contrôle suit donc le risque. Sur les actions réversibles, l’agent peut aller plus loin seul ; les décisions qui engagent l’entreprise reviennent à une personne identifiée.

Au lieu de vous demander si l’IA est autonome, demandez-vous : autonome pour quoi, avec quels droits, jusqu’à quel point, et qui reprend la main ? Une entreprise qui répond précisément à ces questions peut produire avec l’IA sans abandonner sa responsabilité.

Le vrai chantier est dans l’entreprise

La technique seule ne change pas l’organisation du travail. Entre septembre 2023 et octobre 2024, les chercheurs Dillon, Jaffe, Immorlica et Stanton ont mené une expérience dans 66 entreprises auprès de 7 137 salariés. Chez les utilisateurs réguliers, l’accès à une IA intégrée à leurs outils de travail a réduit le temps passé dans les mails, sans changement détectable dans la quantité ou la composition de leurs tâches.

Une personne seule peut améliorer ce qui dépend d’elle. Pour que votre processus change, plusieurs personnes doivent décider ensemble : quel travail part à l’agent, quel résultat est acceptable, qui traite l’exception, où va le temps gagné et comment la qualité sera mesurée.

C’est là que pocca place le déploiement d’un cerveau IA : dans les processus et les outils réels, avec des droits explicites et des validations choisies. L’agent prend une place définie dans votre façon de travailler.

Les briques techniques existent déjà pour des travaux bien délimités. Le prochain gain ne viendra pas seulement d’un modèle plus récent. Il viendra d’une entreprise capable de dire ce qu’elle délègue, ce qu’elle contrôle et ce qu’elle fait du temps récupéré.