Agents IA autonomes : la course Claude, GPT-5, Gemini vue depuis une PME

Depuis fin 2024, les grands laboratoires d'IA — Anthropic, OpenAI et Google — ne se battent plus seulement sur la qualité du texte généré. Ils se battent sur les agents autonomes : des systèmes à qui l'on confie un objectif, et qui enchaînent eux-mêmes les étapes pour l'atteindre. Les estimations de taille de ce marché varient tellement d'un cabinet d'études à l'autre qu'elles ne servent à rien pour décider. Ce qui sert, c'est de comprendre ce que ces systèmes savent réellement faire, et à quelles conditions.

Cet article fait le tri : les trois ruptures techniques réellement documentées, les critères de choix qui survivent au changement de version, et la méthode qu'une PME polynésienne peut appliquer sans département informatique. Aucun chiffre de performance n'est avancé ici sans lien vers la publication d'origine.

Trois ruptures documentées, pas trois arguments commerciaux

Le contrôle direct de l'ordinateur (Anthropic, octobre 2024)

C'est la rupture la plus visible. En octobre 2024, Anthropic a ouvert en bêta publique la fonction « computer use » : le modèle regarde une capture d'écran, déplace le curseur, clique, saisit du texte, navigue entre les applications. Il n'utilise pas d'API : il utilise l'interface prévue pour les humains. C'est précisément ce qui rend la chose intéressante pour une PME — le vieux logiciel métier d'un cabinet local n'a pas d'API, mais il a des boutons.

Le chiffre publié par Anthropic à ce moment-là : sur le banc d'essai OSWorld, catégorie « capture d'écran seule », le modèle atteignait 14,9 % de réussite, contre 7,8 % pour le meilleur système concurrent de la même catégorie (annonce Anthropic, 22 octobre 2024). Il faut lire ce chiffre pour ce qu'il est : un doublement de l'état de l'art, et en même temps un taux d'échec largement majoritaire. Anthropic présentait d'ailleurs la fonction comme expérimentale, lente et sujette à l'erreur. Un agent qui réussit environ une tâche sur sept n'est pas un employé virtuel : c'est un prototype prometteur. La fiabilité a progressé depuis, mais le principe reste : on ne branche pas un agent qui pilote un écran sur un processus critique sans point de contrôle humain.

Le même modèle offrait une fenêtre de contexte de 200 000 tokens et, selon Anthropic, une vitesse double de celle de Claude 3 Opus. Anthropic citait Asana, Canva, Cognition, DoorDash, Replit et The Browser Company comme premières entreprises à explorer ces possibilités. Le mot est d'Anthropic, et il compte : explorer, ce n'est pas déployer en production avec des gains mesurés. Un logo client sur une page commerciale ne prouve rien d'autre qu'un essai. Méfiez-vous donc de tout fournisseur qui adosse un pourcentage de productivité à un nom d'entreprise connue sans publier la méthode de mesure.

Le raisonnement en plusieurs étapes (OpenAI, de o1 à GPT-5)

OpenAI a pris l'autre chemin : plutôt que de piloter des interfaces, faire réfléchir le modèle plus longtemps avant d'agir. La série o1, publiée en septembre 2024, a montré ce que ce temps de réflexion change : sur les problèmes de programmation compétitive Codeforces, o1 se situait au 89e percentile (Learning to reason with LLMs, OpenAI).

Les deux approches ont fini par converger. GPT-5 est sorti le 7 août 2025, présenté comme un système unifié fusionnant la rapidité de la série GPT et la capacité de raisonnement de la série o, avec un routeur qui décide en temps réel s'il faut répondre vite ou prendre le temps de réfléchir (TechCrunch, 7 août 2025). OpenAI a continué d'itérer à un rythme soutenu depuis — la page de publications du laboratoire suffit à le constater. Pour un dirigeant, la conséquence pratique est simple : le raisonnement long coûte plus cher et prend plus de temps. Un agent qui « réfléchit » longuement sur chaque email entrant est un agent dont la facture dérape.

La multimodalité native (Google, Gemini 2.0, décembre 2024)

Google a annoncé Gemini 2.0 le 11 décembre 2024, en revendiquant explicitement « l'ère agentique » : génération native d'images et d'audio, synthèse vocale multilingue pilotable, usage natif d'outils, latence réduite pour l'interaction en temps réel. L'intérêt n'est pas cosmétique. Un agent qui traite nativement une photo, un PDF et un message vocal évite toute une chaîne de conversions dans laquelle l'information se perd — et c'est exactement la matière première d'une pension, d'un prestataire d'activités ou d'un artisan qui reçoit ses commandes par messagerie.

Comparer sans se faire avoir : trois axes qui survivent aux versions

Les noms de modèles changent tous les six mois. Une grille de choix bâtie sur « Claude contre GPT contre Gemini » est périmée avant d'être appliquée. Trois axes, eux, restent valables quelle que soit la génération.

Axe 1 — Comment l'agent touche réellement vos outils

Par API : le plus fiable et le moins cher à l'usage, mais il faut que vos logiciels en proposent une. Vérifiez avant de rêver, la réponse est souvent non sur les outils métier locaux.
Par contrôle d'écran : fonctionne sur n'importe quel logiciel, y compris les vieux outils sans interface programmable. En contrepartie : plus lent, plus fragile, et cela casse le jour où l'éditeur déplace un bouton.
Par copilote intégré : l'agent vit dans l'outil que vous utilisez déjà (messagerie, suite bureautique, CRM). Le moins de travail d'intégration, mais vous restez enfermé dans le périmètre de l'éditeur.

Axe 2 — Ce que ça coûte à l'usage, pas à l'abonnement

La facturation se fait presque toujours à la consommation : tokens, appels, temps de calcul. Un agent autonome consomme sur chaque étape, chaque relecture, chaque tentative ratée — et une tâche qui échoue coûte souvent plus cher qu'une tâche qui réussit, parce que l'agent recommence. Aucun ordre de grandeur générique n'a de sens ici : la facture dépend de votre volume, de la longueur de vos documents et du nombre d'étapes de votre processus. La seule mesure fiable est la vôtre, obtenue sur un pilote. Exigez par ailleurs de savoir si un plafond de dépense peut être posé : c'est la première question qu'un dirigeant devrait poser, et la dernière qu'on lui propose spontanément.

Axe 3 — Ce qui se passe quand l'agent se trompe

C'est le critère le plus négligé, et le plus coûteux. Posez trois questions à tout fournisseur. L'agent laisse-t-il une trace de ce qu'il a fait, action par action, consultable après coup ? Peut-on annuler ce qu'il a fait ? Existe-t-il un point d'arrêt humain obligatoire avant les actions irréversibles — envoi client, paiement, suppression ? Un agent qui ne coche pas ces trois cases n'est pas déployable sur un processus qui touche à l'argent ou aux clients. Sur le reste, il peut l'être dès demain.

Quelle approche pour quel besoin

Le contrôle d'interface si votre problème est de la re-saisie entre logiciels qui ne se parlent pas : recopier des lignes d'un portail fournisseur vers votre gestion commerciale, relever des données dans un extranet, remplir des formulaires administratifs répétitifs.

Le raisonnement multi-étapes si votre problème est l'analyse : dépouiller un appel d'offres, comparer des devis hétérogènes, préparer un dossier de financement, auditer un processus. Vous acceptez d'attendre parce que la qualité de la réponse prime sur la vitesse.

La multimodalité si votre matière première n'est pas du texte propre : photos de chantier, scans de factures, notes vocales, vidéos produit, documents mélangés arrivant par plusieurs canaux.

Dans les trois cas, la question qui décide n'est pas « quel modèle est le meilleur » mais « quel processus, chez moi, est assez répétitif, assez documenté et assez peu risqué pour être confié à une machine ». Cette cartographie-là ne se périme pas, elle.

Focus Polynésie : où ça paie, où ça coince

Ce que l'éloignement rend réellement intéressant

Le décalage horaire cesse d'être une contrainte. Une entreprise de Tahiti qui traite avec des fournisseurs métropolitains ou asiatiques perd un jour ouvré à chaque aller-retour de mail. Un agent qui prépare les relances pendant la nuit locale, trie les réponses et ne remonte que les décisions à prendre récupère une partie de ce temps mort structurel.

La saisonnalité devient absorbable. Le pic de haute saison impose soit de recruter du temporaire, soit de dégrader le service. Automatiser la partie strictement répétitive des demandes entrantes — disponibilités, confirmations, informations pratiques, itinéraires d'accès — permet de garder l'équipe sur ce qui a réellement de la valeur : la relation et les cas particuliers.

Le multilingue, avec une réserve honnête. Les modèles actuels gèrent le français et l'anglais sans difficulté, ainsi que l'essentiel des langues de nos marchés émetteurs. Pour le reo tahiti, la couverture est nettement plus faible et irrégulière : testez-la vous-même, sur vos propres phrases, avant d'en faire un argument client. Une faute de langue sur un message d'accueil se remarque immédiatement, et elle se paie en crédibilité.

Cas d'usage sectoriels

Hôtellerie et pensions de famille : consolidation des demandes venues de plusieurs plateformes de réservation, préparation des réponses, coordination du ménage et des arrivées, alerte sur les stocks qui descendent avant la prochaine rotation de goélette.
Commerce : rapprochement des inventaires entre points de vente, préparation des commandes fournisseurs en tenant compte des délais d'acheminement maritime, relance des invendus.
Services et professions libérales : classement des pièces reçues, préparation de la facturation, relances de paiement, suivi client pour les structures sans poste administratif dédié.
Export (perliculture, vanille, monoï) : veille réglementaire sur les marchés de destination, constitution des dossiers documentaires, suivi logistique entre plusieurs intervenants.

Les contraintes locales à intégrer dès le départ

Connectivité. Un agent tourne sur des serveurs distants : il lui faut du réseau, en permanence. Sur les îles où la liaison reste capricieuse, privilégiez les traitements par lots — l'agent travaille sur un paquet de tâches quand la connexion est bonne — plutôt que l'interaction en temps réel, qui devient insupportable dès que la latence monte.

Données et cadre légal. Le RGPD s'applique en Polynésie française. Avant de laisser un agent manipuler des fichiers clients, exigez de votre fournisseur des réponses écrites : où sont hébergées les données, sont-elles utilisées pour entraîner des modèles, combien de temps sont-elles conservées, qui peut y accéder. « C'est sécurisé » n'est pas une réponse, c'est une formule.

Compétence interne. Un agent sans personne pour le superviser dérive en silence, et on ne s'en aperçoit qu'au moment où un client le signale. Il faut au moins une personne dans l'entreprise capable de vérifier son travail par échantillonnage et de savoir l'arrêter. Cette compétence s'acquiert en quelques semaines d'usage réel — pas en lisant une brochure ni en assistant à une conférence.

Sept pièges concrets

L'effet démonstration. Une démo est jouée sur un cas propre et choisi. Vos données sont sales, incomplètes et pleines d'exceptions. Exigez que le test se fasse sur vos vrais dossiers, y compris les plus laids.
L'erreur qui se propage. Sur un enchaînement de cinq étapes, une approximation à l'étape 2 devient une décision fausse à l'étape 5 — et l'agent la présentera avec exactement le même aplomb qu'une bonne réponse.
L'agent qui boucle. Quand il n'arrive pas à accomplir une action, un agent réessaie. Sans plafond d'étapes ni budget maximum par tâche, la consommation part toute seule, un week-end, sans témoin.
Le processus jamais écrit. Automatiser un processus que personne n'a formalisé revient à graver dans le marbre l'habitude d'une seule personne, raccourcis discutables compris. Écrivez-le d'abord ; ce travail-là a de la valeur même si vous renoncez à l'agent.
Le pilote sans mesure initiale. Sans chronométrage avant, vous ne saurez jamais si l'agent a fait gagner du temps. Vous aurez une impression, pas un résultat — et une impression ne se défend pas devant un banquier.
La dépendance à une version. Les modèles sont dépréciés et remplacés régulièrement. Ce qui fonctionnait parfaitement peut se comporter différemment après une mise à jour côté fournisseur : prévoyez une vérification périodique, pas un « installé, oublié ».
L'irréversible confié trop tôt. Envoi de messages clients, paiements, suppression de données, publication : ces actions restent sous validation humaine tant que vous n'avez pas plusieurs mois de recul mesuré.

La méthode en quatre étapes

1. Mesurer avant de choisir. Pendant deux semaines, relevez le temps réellement passé sur les trois tâches qui vous paraissent les plus répétitives. Pas une estimation de mémoire : un relevé. C'est votre point de comparaison, et c'est ce qui rendra la décision finale objective plutôt qu'émotionnelle.

2. Choisir un premier chantier à faible risque et forte fréquence. Le bon candidat se reconnaît à quatre traits : il revient souvent, il suit toujours les mêmes règles, une erreur se rattrape sans dommage, et son résultat se vérifie en un coup d'œil. Le rapprochement de documents, le tri des demandes entrantes ou la préparation d'un reporting cochent en général ces cases. La facturation client, non.

3. Piloter quatre à six semaines avec un humain en bout de chaîne. L'agent produit, une personne valide avant que quoi que ce soit ne sorte. Vous notez sur toute la période trois choses : le temps de supervision réellement passé, le taux d'erreur constaté, et le coût d'usage facturé. Ces trois chiffres sont les seuls qui comptent, et ils sont les vôtres.

4. Décider avec vos propres chiffres. Le calcul tient en une ligne : (heures réellement libérées × votre coût horaire chargé) − (coût d'usage mensuel) − (temps de supervision valorisé). S'il est positif et stable sur deux mois, vous généralisez. S'il est négatif, vous avez appris quelque chose pour un coût faible, ce qui reste un bon résultat. Refusez tout calcul de rentabilité produit par le vendeur à partir d'hypothèses qui ne sont pas les vôtres.

Les questions à poser avant de signer

Sur quel processus précis l'agent intervient-il, et où s'arrête-t-il exactement ?
Que se passe-t-il quand il échoue : il s'arrête, il alerte, ou il continue comme si de rien n'était ?
Quelle trace reste-t-il de ses actions, et pendant combien de temps est-elle consultable ?
Comment la facture est-elle calculée, et peut-on poser un plafond mensuel ?
Où sont hébergées mes données, et servent-elles à entraîner des modèles ?
Que devient mon paramétrage le jour où le modèle sous-jacent est remplacé ?
Qui intervient, et sous quel délai en tenant compte du décalage horaire, si l'agent tombe en pleine haute saison ?

Ce qui vient ensuite

Trois directions se dessinent, sans qu'il soit sérieux d'y mettre des dates. La collaboration entre agents spécialisés, chacun sur son domaine, avec les questions de coordination et surtout de responsabilité que cela pose. La spécialisation métier, avec des agents pré-paramétrés pour un secteur, qui réduiront le travail d'installation et donc le ticket d'entrée. Et la question de l'hébergement des données, qui deviendra un critère d'achat à mesure que les usages toucheront des informations sensibles.

Pour une PME polynésienne, la conclusion est moins spectaculaire que le discours ambiant, et plus utile : la technologie est disponible, elle est réellement capable, et elle n'est pas encore fiable au point qu'on puisse la laisser seule sur un processus qui engage l'entreprise. L'avantage n'ira pas à celui qui aura acheté le modèle le plus avancé, mais à celui qui aura commencé assez tôt pour savoir, chiffres en main, où ça marche chez lui et où ça ne marche pas.

Commencez petit, mesurez, gardez la main sur tout ce qui est irréversible. C'est peu spectaculaire, et c'est ce qui fonctionne.