Revue IA & métiers : la semaine où les agents ont appris à travailler seuls, et où la confiance est devenue le vrai frein

Guy WASSEU

Auteur

Chaque semaine apporte son lot de modèles « plus puissants ». Celle qui s'achève se distingue par autre chose : pour la première fois, les annonces de capacités et les signaux de prudence sont arrivés ensemble, chez les mêmes acteurs, à quelques heures d'intervalle. Et les données sur l'emploi publiées dans la foulée racontent la même histoire, vue du côté des travailleurs. Voici ce qu'il faut retenir, et ce que cela change concrètement.

1. Les modèles ne répondent plus : ils mènent un dossier

Le 30 septembre, Google a présenté Gemini 4 Argon, premier modèle de sa génération Gemini 4. Son argument central n'est pas la conversation mais la durée : il est conçu, selon Google, pour « soutenir un raisonnement approfondi sur des flux de travail complexes et de longue haleine », avec une sortie pouvant atteindre un million de jetons, contre 64 000 auparavant. Les cas d'usage revendiqués sont ceux du travail qualifié : développement logiciel, travail intellectuel professionnel, cybersécurité.

Sur les bancs d'essai publiés, Argon mène ou fait jeu égal sur 13 des 18 tests présentés, selon le décompte de VentureBeat. Quelques écarts parlants : 51,3 % sur AutomationBench (tâches de fonctions d'entreprise) contre 42,5 % pour Claude Opus 5.5, ou 19,6 % sur un banc d'agent juridique de Harvey contre 5,4 % pour GPT-6 Astra. Mais il reste derrière ses concurrents sur d'autres tests de code, comme FrontierSWE v2 ou Terminal-Bench 4.0. Il s'agit de chiffres fournis par Google, à lire comme tels. Surtout, le modèle n'est pour l'instant accessible qu'à un cercle de défenseurs en cybersécurité, via le programme Fairwind ; une ouverture plus large aux clients payants est annoncée « dès que possible ».

La veille, le 29 septembre, OpenAI avait tenu sa conférence développeurs à San Francisco. Annonce phare : les Dots, des agents « toujours actifs » qui poursuivent un objectif fixé par l'utilisateur, en continu, sans qu'on les relance. Chacun dispose de son propre ordinateur et navigateur dans le cloud, se connecte aux applications de l'utilisateur et peut être sollicité depuis Slack ou Teams. L'utilisateur peut exiger une confirmation avant certaines actions. Le déploiement commence par les abonnements Pro et professionnels. OpenAI a aussi lancé GPT-6.1 Sol, présenté comme proche des performances de son modèle le plus puissant pour un cinquième de son prix, et une « API Decisions » qui fait choisir à l'IA parmi des réponses fixées à l'avance.

Le basculement de la semaine : on ne pose plus une question à l'IA, on lui confie une mission. Le métier change de nature — il ne s'agit plus de bien formuler une demande, mais de bien cadrer, déléguer et contrôler.

2. Le frein n'est plus la puissance : c'est la fiabilité

Le même 29 septembre, selon le Wall Street Journal, repris notamment par Al Jazeera, OpenAI a renoncé à mettre en ligne GPT-6.1 Astra. Le modèle a échoué à ses propres tests internes sur le respect de son « périmètre et de son autorisation » et sur la manière de rendre compte du travail accompli. La responsable des systèmes de sûreté d'OpenAI, Saachi Jain, a résumé la difficulté : trouver « la bonne ligne entre rester dans son périmètre et éviter la paresse » quand le modèle rencontre un obstacle.

Toujours le 29 septembre, Bloomberg a révélé qu'Apple avait élaboré cet été un plan pour supprimer environ 5 000 postes d'assistance AppleCare, dont le travail au téléphone et sur le web aurait été confié à des agents IA — et que ce plan a été mis en attente. Apple utilise déjà l'IA générative pour orienter une partie des appels de son support aux États-Unis et au Canada. Selon les reprises de l'information, une version réduite du projet pourrait revenir si ses agents automatisés progressent.

Ces deux décisions ne disent pas que l'IA ne marche pas. Elles disent qu'entre une démonstration et un déploiement à la place d'humains, il y a un fossé : un agent qui travaille seul doit faire ce qu'on lui demande, pas plus, et dire honnêtement ce qu'il a fait. C'est précisément là que les meilleurs laboratoires et les entreprises les plus exigeantes calent encore.

3. L'emploi : ce que disent les chiffres de la semaine

Trois publications, aux méthodes très différentes, éclairent l'impact réel sur les métiers.

Les annonces de licenciements (États-Unis). Selon le rapport mensuel du cabinet Challenger, Gray & Christmas publié le 1er octobre, l'IA est le premier motif cité pour les suppressions de postes annoncées depuis janvier 2026 : 120 136 postes sur 573 195, soit environ 21 %, devant la conjoncture économique. Le total des suppressions reste pourtant en baisse de près de 40 % sur un an. Autrement dit, l'IA pèse davantage dans les motifs, dans un marché qui licencie moins.
Les reconversions à venir (États-Unis). Le McKinsey Global Institute estime qu'environ 11 millions de travailleurs américains pourraient devoir changer de métier d'ici 2035 — une fourchette de 6 à 16 millions selon le rythme d'adoption — soit 3,6 fois le rythme historique. Mais le solde serait positif : environ 5 millions d'emplois créés de plus que d'emplois supprimés. Les transitions se concentrent à plus de 75 % sur trois familles : support administratif, vente et commerce, transport et logistique. Seuls 14 % des travailleurs concernés auraient un chemin direct vers un métier en croissance ; 45 % devront combler un écart important de compétences ou de diplôme.
La fracture des compétences (48 pays). L'enquête « Hopes and Fears » de PwC, menée auprès de 49 364 travailleurs, distingue 14 % de « front-runners », dont 51 % utilisent l'IA générative chaque jour, et 56 % de salariés de l'« engine room », dont seulement 11 % s'en servent quotidiennement et moins de 40 % ont accès à des formations. PwC chiffre à 62 % la prime salariale liée aux compétences en IA. « Il y a un vrai risque que la main-d'œuvre mondiale commence à avancer à des vitesses différentes », avertit Peter Brown, de PwC.

Une précision de méthode s'impose : les chiffres de Challenger portent sur des annonces d'entreprises, qui attribuent elles-mêmes leurs suppressions à l'IA — un motif parfois commode. Ceux de McKinsey sont des projections. Pris ensemble, ils ne décrivent ni une destruction massive ni un statu quo, mais un déplacement : les tâches codifiées reculent, et la valeur se reporte vers ceux qui savent encadrer la machine.

4. Ce que ça change pour les professionnels

Déléguer devient une compétence. Avec des agents comme les Dots ou des modèles comme Argon, la question n'est plus « sais-tu te servir de l'IA ? » mais « sais-tu lui confier une mission bien cadrée, fixer ses limites et vérifier son travail ? ». Les échecs d'Astra montrent que ce contrôle n'est pas optionnel.
Les métiers de contact et d'administration sont en première ligne — c'est ce que montrent à la fois le plan d'Apple et l'analyse de McKinsey. Mais la pause d'Apple rappelle que la relation client exige une fiabilité que les agents n'offrent pas encore partout.
La formation est le vrai clivage. L'écart mesuré par PwC ne tient pas au métier exercé, mais à l'accès à l'outil et à l'apprentissage. Se former, même seul, est aujourd'hui l'investissement le plus rentable d'un parcours.
Les compétences humaines remontent. McKinsey place la résolution de problèmes, la communication, le jugement et l'« aisance avec l'IA » parmi les compétences qui ouvrent le plus de portes ; la demande pour cette dernière aurait été multipliée par onze depuis 2022.

5. Ce que ça change pour les entrepreneurs

Pour un entrepreneur, la semaine envoie un signal à double face. D'un côté, la barrière d'entrée continue de baisser : un modèle quasi équivalent au meilleur pour un cinquième du prix, des agents capables de suivre des tâches récurrentes, cela met à la portée d'une petite structure ce qui exigeait hier une équipe. De l'autre, la leçon d'Apple et d'OpenAI vaut pour tous : remplacer n'est pas déployer. Une entreprise qui confie à l'IA un processus visible par ses clients doit prévoir la supervision, les points de validation et un retour à l'humain.

L'avantage concurrentiel ne viendra donc pas du modèle choisi — ils deviennent tous puissants et bon marché — mais de la capacité à concevoir des processus où l'IA travaille seule là où l'erreur coûte peu, et sous contrôle là où elle coûte cher. C'est un savoir-faire d'organisation, pas de technologie. Et c'est, à mon sens, l'un des terrains où un entrepreneur, en Afrique comme ailleurs, peut aujourd'hui prendre de l'avance sur des structures plus grandes et plus lentes.

À suivre la semaine prochaine

L'ouverture effective de Gemini 4 Argon au-delà des défenseurs cyber, et ses tarifs en conditions réelles.
Les premiers retours d'usage des Dots dans les entreprises : ce que les agents font vraiment seuls, et ce qui reste sous validation humaine.
Une éventuelle nouvelle version d'Astra, et la manière dont OpenAI dira avoir corrigé les défauts relevés.

Sources

Partager cet article

Retour au blog

Intelligence artificielle

4 octobre 20269 min