Toutes les éditions · Business Edition

Your Community, Your AI — CC BY 4.0

Qu'est-ce que l'IA, au juste (et qu'est-ce qu'elle n'est pas)

L’IA a évolué sous vos yeux

Vous avez sans doute entendu dire que l’intelligence artificielle allait tout changer. Vous avez peut-être également entendu dire qu’il ne s’agissait que d’un effet de mode, ou qu’elle ne pouvait rien apporter de véritablement nouveau. Ces deux points de vue passent à côté de l’essentiel, et comprendre pourquoi vous aidera à prendre de meilleures décisions pour votre organisation.

Mais il y a autre chose qu’il convient de noter avant tout : l’IA a évolué, même au cours de la brève période pendant laquelle les débats ont fait rage à son sujet.

Il y a un an, lorsque la plupart des gens parlaient d’« IA », ils faisaient référence à un chatbot — une fenêtre dans laquelle on tapait une question pour obtenir une réponse. Vous posiez une question, il y répondait. C’était là toute l’interaction. Aujourd’hui, le centre de gravité s’est déplacé. Les systèmes qui attirent le plus l’attention et les investissements les plus importants ne sont plus seulement des chatbots qui répondent. Ce sont des agents qui agissent : ils planifient la réunion, remplissent le formulaire, rapprochent la facture, naviguent sur les sites web, écrivent et exécutent le code, envoient l’e-mail.

C’est là le changement le plus important à comprendre, et la suite de cet article s’appuie sur ce principe. Pour bien appréhender l’IA aujourd’hui, il faut distinguer deux concepts :

• Le moteur — le modèle sous-jacent, ce qui produit le langage.
• L’agent — le moteur mis en œuvre, configuré pour pouvoir agir dans le monde en votre nom.

Le moteur ne cesse de gagner en capacités. Mais le changement le plus important pour une petite organisation réside dans ce que les gens construisent désormais autour du moteur. Examinons chacun de ces éléments tour à tour. (Tous les termes peu familiers utilisés dans cette série — moteur, agent, modèle de raisonnement et autres — sont définis en langage clair dans le glossaire.)

Le moteur : une machine qui prédit

Voici la description la plus simple de ce que fait le moteur : il prédit quel mot devrait suivre.

Lorsque vous tapez un message dans un chatbot, le système ne réfléchit pas à votre question de la même manière que vous ou votre directeur général le feriez. Il effectue un processus bien plus mécanique. On lui a présenté des milliards de pages de texte — livres, sites web, conversations, contrats, documents juridiques, recettes, articles médicaux, débats sur les réseaux sociaux — et, à partir de toutes ces lectures, il a appris à reconnaître des schémas. Lorsque vous lui posez une question, il génère une réponse en prédisant, mot après mot, à quoi pourrait ressembler une réponse plausible en se basant sur tout ce qu’il a vu auparavant.

C’est véritablement utile. Un système qui a assimilé les schémas récurrents de milliards de pages de texte peut vous aider à rédiger un e-mail destiné à un client, à résumer un long rapport, à répondre à une question factuelle ou à suggérer comment formuler une annonce délicate à l’intention du personnel. Ce sont là de réelles capacités, qui permettent de gagner du temps.

Mais fondamentalement, le moteur effectue une reconnaissance de modèles à une échelle extraordinaire. Ce simple fait explique à la fois ce pour quoi il est étonnamment doué et où il échoue discrètement — un point sur lequel nous reviendrons tout au long de cette série.

Le moteur est-il capable de raisonner ?

Il existe une question plus profonde sur laquelle les chercheurs se penchent activement, et la réponse est simple : nous ne le savons pas encore.

Lorsque les premiers systèmes d’IA produisaient un texte fluide, il était raisonnable de les décrire comme des systèmes sophistiqués de reconnaissance de motifs et de s’en tenir là. Mais une nouvelle génération de moteurs — souvent appelés modèles « de raisonnement » ou « pensants » — fonctionne différemment. Au lieu de répondre immédiatement, elle traite un problème par étapes, produisant une chaîne visible de raisonnements intermédiaires avant de se prononcer sur une réponse. Face à des problèmes plus complexes, elle met plus de temps. Les résultats peuvent être remarquables : en 2025, des systèmes de raisonnement issus de plusieurs grands laboratoires ont résolu des problèmes issus des Olympiades internationales de mathématiques — l’un des concours de mathématiques les plus difficiles au monde — à un niveau équivalent à celui d’un médaillé d’or humain.

S’agit-il donc de raisonnement, ou d’une reconnaissance de formes très sophistiquée déguisée en raisonnement ?

La question fait véritablement débat, et les spécialistes divergent sérieusement d’avis. Une étude influente de 2025 a soutenu que ces systèmes relevaient en partie d’une « illusion de pensée » — qu’ils échouaient face à certaines énigmes d’une manière dont un véritable raisonneur ne le ferait pas. Plusieurs réponses tout aussi sérieuses ont défendu le contraire. Le verdict actuel le plus prudent est que les modèles de raisonnement d’aujourd’hui ne sont ni de véritables raisonneurs, ni de simples perroquets — ils constituent quelque chose de véritablement nouveau que nous ne comprenons pas encore pleinement. Quiconque vous affirme que l’IA est capable ou incapable de raisonner exagère ce que les preuves permettent de conclure.

Une conclusion revêt toutefois une importance particulière pour votre organisation, et elle peut facilement être mal interprétée ; lisez-la donc attentivement. Lorsque ces systèmes vous montrent leur « raisonnement », cette chaîne visible ne reflète pas de manière fiable ce qui a réellement motivé la réponse. Les chercheurs ont constaté à maintes reprises que le raisonnement déclaré d’un modèle peut omettre les véritables facteurs ayant influencé sa conclusion — non pas parce que la machine fait preuve de malhonnêteté au sens humain du terme (elle n’a pas d’intentions), mais parce que les mots qu’elle vous montre ne sont eux-mêmes qu’un texte prédit de plus, et non le reflet fidèle d’un processus interne. Conséquence pratique : vous ne pouvez pas demander des comptes à une IA en vous contentant de lire l’explication qu’elle fournit d’elle-même — ce qui revêt une importance capitale dès lors qu’elle traite, en votre nom, des données soumises à réglementation. C’est l’une des raisons pour lesquelles une gouvernance qui vérifie les résultats par rapport à vos données réelles, plutôt que de se fier à l’auto-évaluation de l’IA, revêt une telle importance. Nous y reviendrons dans l’article 3.

Ce que nous pouvons affirmer, c’est que la progression est fulgurante. Il y a quelques années, ces systèmes parvenaient à peine à aligner un paragraphe cohérent. Aujourd’hui, ils rédigent des essais, réussissent des examens professionnels, génèrent du code informatique fonctionnel et agissent de plus en plus sur le monde au lieu de se contenter de le décrire. Les prochaines années apporteront encore davantage de capacités.

« L’IA ne peut rien faire de nouveau » — Tout dépend de ce que l’on entend par « nouveau »

Ceux qui rejettent l’IA en affirmant qu’elle ne peut rien créer d’original avancent un argument qui n’est vrai que dans une certaine mesure et qui, dans l’ensemble, induit en erreur.

Un moteur ne peut pas tirer ses connaissances de l’expérience. Il n’a jamais pris part à une négociation difficile. Il n’a jamais ressenti le poids d’une décision de licenciement. Il ne peut pas comprendre pourquoi il est important de maintenir une relation de longue date avec un fournisseur — il ne peut que reproduire des schémas qui, statistiquement, s’apparentent à de la compréhension. En ce sens, tout ce qu’il produit est une recombinaison des éléments qu’il a assimilés pendant son apprentissage.

Mais réfléchissons à ce que signifie réellement « recombinaison » à cette échelle. Aucun être humain n’a lu tous les cadres de gouvernance, toutes les études de cas sur les petites entreprises des cent dernières années, tous les textes législatifs relatifs au droit du travail, ni tous les articles sur la gestion coopérative. Lorsque l’IA établit un lien entre la théorie de la gouvernance coopérative et le droit du travail moderne, ce lien est véritablement nouveau pour tout individu, même si ces deux concepts existaient séparément. Un administrateur ayant étudié le droit du travail mais pas la théorie coopérative trouverait cette synthèse éclairante ; un spécialiste des coopératives connaissant les modèles de gouvernance mais pas le droit du travail la trouverait éclairante dans l’autre sens. Les atomes ne sont pas nouveaux, mais les molécules le sont.

Ainsi, l’affirmation « l’IA ne peut rien faire de nouveau » est vraie au niveau de la création et fausse au niveau de la synthèse. Ces deux aspects sont importants, et s’engager sérieusement avec cette technologie nécessite de tenir compte des deux.

De la réponse à l’action : l’agent

Passons maintenant au changement qui compte le plus pour votre entreprise.

Pendant la majeure partie de l’ère des chatbots, le pire qu’une IA pouvait faire directement était de vous donner une mauvaise réponse. Le préjudice ne se produisait que si une personne agissait en conséquence — en envoyant une lettre trompeuse, en se fiant à un chiffre erroné, en transmettant un conseil erroné. Il y avait toujours une personne entre la machine et la conséquence.

Un agent élimine cette personne de la chaîne, de par sa conception même.

Un agent IA est un moteur intégré à ce que les chercheurs appellent un « échafaudage » : une mémoire lui permettant de suivre une tâche, l’accès à un navigateur web, la capacité d’utiliser des outils logiciels et d’autres programmes, ainsi qu’un objectif que vous lui fixez en langage clair. Grâce à cette structure de soutien, le système peut poursuivre son objectif à travers de nombreuses étapes avec beaucoup moins de supervision : il peut rechercher, décider, agir, vérifier le résultat, puis agir à nouveau. Un chatbot répond. Un agent agit.

C’est pourquoi l’IA semble soudain différente, même si les moteurs sous-jacents n’ont pas changé du jour au lendemain. La nouveauté réside en grande partie dans l’enveloppe. Le secteur distingue délibérément les deux : le moteur fournit la capacité brute, et l’échafaudage transforme cette capacité en quelque chose qui fonctionne dans le monde réel. Une grande partie du bond en avant récent concernant ce que l’IA peut faire — par opposition à ce qu’elle peut dire — provient d’une meilleure structure, et non d’un nouveau type d’esprit.

Les produits d’agents bien connus de 2025 et 2026 — ceux qui naviguent sur le Web à votre place, font fonctionner un ordinateur ou écrivent et exécutent des logiciels — sont presque tous développés par de grandes entreprises technologiques américaines, et nous examinerons ce que cela signifie pour vos données dans le prochain article. Pour l’instant, retenez bien cette idée : la question n’est plus seulement « que va me dire l’IA ? », mais « que va faire l’IA, et puis-je l’arrêter à temps si cela tourne mal ? ».

Cela revêt une importance capitale pour une entreprise, et pas seulement sur le plan opérationnel. Lorsque vous laissez un agent agir en votre nom, vous lui déléguez une autorité — et vous lui donnez souvent accès aux données des clients, aux comptes, ainsi que la capacité de prendre des mesures en votre nom. En vertu de la législation sur la protection des données, votre organisation reste le responsable du traitement de ces données à caractère personnel, même lorsqu’un système autonome a choisi les mesures à prendre. C’est précisément pour cette raison que les experts en gouvernance ont commencé à décrire l’autonomie des agents comme un problème de confidentialité des données déguisé en problème d’IA. Lorsqu’un système agit de manière autonome, il y a moins de possibilités d’intervenir, certaines actions sont irréversibles, et si quelque chose tourne mal, il est véritablement difficile de déterminer qui en est responsable : vous, qui avez défini un objectif en une phrase, ou l’entreprise dont le système a décidé de la suite à donner. Cela ne signifie pas pour autant que les agents soient mauvais. Cela signifie simplement que les enjeux liés au choix de l’agent que vous utilisez et à la manière dont il est gouverné viennent de prendre une ampleur considérable.

Le véritable enjeu : à qui appartiennent les modèles, et qui tient les commandes ?

C’est là que cela devient concret pour votre organisation.

Lorsqu’un grand moteur d’IA est entraîné sur Internet, il absorbe les biais, les a priori et les normes culturelles de ce dernier. Internet est majoritairement anglophone, occidental, axé sur le commerce et façonné par les valeurs d’une poignée d’entreprises technologiques. Il ne s’agit pas d’une conspiration — c’est simplement ce qui se produit lorsque l’on entraîne un système à partir de données qui représentent de manière disproportionnée une seule culture et un seul ensemble de priorités.

Les conséquences sont subtiles mais bien réelles. Lorsqu’un membre de l’équipe demande conseil à une IA au sujet d’un conflit au travail, le système se réfère par défaut au langage américain des ressources humaines — hypothèses d’emploi « à volonté », approche litigieuse, résolution individualiste des conflits — car c’est ce qui domine ses données d’entraînement. Il ne fait pas appel au langage du droit du travail européen, à la médiation coopérative ou à la construction de relations à long terme qui caractérise les petites structures. Lorsqu’un responsable lui demande de rédiger une lettre à l’intention d’un client de longue date, il se rabat sur des formules toutes faites génériques, car celles-ci sont largement plus nombreuses que les textes réfléchis et soucieux des relations dans les données à partir desquelles il a appris.

Le système n’est pas hostile au mode de fonctionnement de votre organisation. Il ne le connaît tout simplement pas. Il sait ce qui est statistiquement courant, et ce qui est statistiquement courant n’est pas forcément ce qui convient à votre entreprise.

À l’ère des chatbots, ce biais a façonné les mots que vous lisez. À l’ère des agents, ce même biais façonne les actions menées en votre nom — vis-à-vis de vos clients, de votre argent, de votre réputation. Un agent qui ne comprend pas les valeurs de votre organisation ne se contentera pas de les décrire de manière inadéquate ; il pourrait agir à leur encontre, discrètement, tout en croyant vous rendre service. Le véritable enjeu de l’IA comporte donc désormais deux aspects : quels schémas porte-t-elle en elle, et qui tient les commandes lorsqu’elle agit ?

Pourquoi est-ce important aujourd’hui ?

Personne ne sait avec certitude ce qui se passerait si un système d’IA développait un jour quelque chose ressemblant à sa propre intention — des objectifs et des priorités qui pourraient ne pas correspondre aux nôtres. Nous sommes probablement encore loin de ce seuil. Mais l’architecture que nous construisons aujourd’hui, les pratiques de gouvernance que nous mettons en place dès maintenant, détermineront si nous serons prêts lorsque ce moment arrivera ou si nous découvrirons trop tard que nous avons cédé le contrôle sans nous en rendre compte.

Ce n’est pas de la science-fiction. Il s’agit d’une simple constatation concernant la préparation des organisations. Votre entreprise dispose de statuts. Votre conseil d’administration a un mandat. Votre secteur d’activité est soumis à des exigences réglementaires. Ces éléments existent non pas parce que chaque réunion dégénère en chaos, mais parce que les structures de gouvernance doivent être en place avant qu’on en ait besoin, et non après.

Le même principe s’applique à l’IA — et il s’applique avec d’autant plus d’urgence que l’IA ne se contente plus de conseiller, mais agit.

Deux voies à suivre

Une organisation peut s’engager dans l’IA de deux manières.

La première voie consiste à utiliser l’IA des géants de la tech — les chatbots et, de plus en plus, les agents développés par les plus grandes entreprises technologiques américaines. Ceux-ci sont puissants, pratiques et souvent gratuits ou peu coûteux. Mais ils s’accompagnent de conditions. Vos données sont acheminées vers leurs serveurs. Vos conversations — et désormais les actions de votre agent — transitent par des systèmes que vous ne contrôlez pas. Le comportement de l’IA est régi par les politiques de l’entreprise, qui peuvent changer sans votre consentement. Et les modèles sur lesquels repose l’IA sont définis par ses données d’entraînement, sur lesquelles vous n’avez aucune influence.

Pour une entreprise traitant des données clients, des dossiers de personnel ou des informations commercialement sensibles, cela soulève des questions qui vont au-delà d’une simple préférence. En vertu du RGPD, votre organisation est responsable du lieu où les données à caractère personnel sont traitées et de l’identité de ceux qui les traitent. Envoyer la correspondance client via l’IA d’une « Big Tech » signifie que les données sont traitées sur une infrastructure que vous ne contrôlez pas, selon des conditions que vous ne pouvez pas négocier. Laisser un agent d’une « Big Tech » agir sur ces données — avec le pouvoir de prendre des mesures que vous n’avez pas approuvées individuellement — étend cette exposition du stockage à l’action.

La deuxième voie consiste à utiliser une IA contrôlée par votre organisation. Un système plus ciblé, formé sur votre contenu, fonctionnant sur une infrastructure située au sein de l’UE, régi par des règles définies par votre organisation. Un système qui sait faire la différence entre un rapport du conseil d’administration et un article de blog, car votre organisation le lui a appris. Un système dont les réponses sont recoupées avec vos dossiers réels par des observateurs indépendants fonctionnant séparément de l’IA elle-même — et dont la capacité à agir est délibérément limitée, de sorte qu’un humain puisse toujours intervenir.

C’est ce qu’est Village AI. Il n’est pas conçu pour rivaliser en termes de puissance brute avec les systèmes des géants de la tech. Il est conçu pour être fidèle à votre organisation — à votre contenu, à vos valeurs et à votre gouvernance — et pour vous permettre de garder le contrôle lorsque l’IA passe de la réponse à l’action.

Le prochain article de cette série explique en quoi Village AI se distingue structurellement de l’IA des géants de la tech, et pourquoi cette différence importe davantage que la puissance brute — surtout aujourd’hui.

Vous souhaitez utiliser correctement et en toute sécurité des outils d’IA comme ceux-ci ? Nos formations gratuites — Travailler avec Claude et Agents at Work — vous enseignent les compétences pratiques nécessaires, depuis l’obtention de réponses fiables jusqu’au choix des tâches à confier à un agent. Pour découvrir l’architecture technique complète de Village AI, consultez Village AI — Gouvernance agentique.