2024 → 2026 : deux ans qui ressemblent à vingt.
Je me souviens d'une réunion début 2024. J'arrivais avec une démo — un agent qui qualifiait des emails entrants, triait les demandes urgentes, rédigeait les premières réponses types. Ce n'était pas de la science-fiction : c'était opérationnel, en production chez moi depuis plusieurs semaines. Le silence dans la salle était éloquent.
Pas du silence admiratif. Du silence méfiant. « Mais qui contrôle quoi ? »« Et si ça dit n'importe quoi ? »« Nos clients vont se rendre compte. » Les questions étaient légitimes. La résistance aussi. Ce qui m'a frappé, c'est que personne ne posait la question à laquelle j'aurais voulu répondre : « Combien de temps vous passez à trier ces emails vous-mêmes, chaque matin ? »
Deux ans plus tard, les mêmes personnes utilisent des assistants IA au quotidien. Pas toujours conscieusement — parfois c'est intégré dans leurs outils sans qu'on leur ait demandé leur avis. La bascule s'est faite moins par conviction que par exposition. Et c'est très bien. La plupart des changements de pratique fonctionnent comme ça.
Ce qui a changé entre 2024 et 2026, c'est surtout la qualité des modèles — mais aussi notre capacité collective à leur donner du contexte. Un agent IA en 2024, c'était souvent une boîte noire à laquelle on posait des questions. En 2026, c'est un collègue auquel on peut expliquer un process, donner des exemples, définir des règles — et qui va s'y tenir. La nuance est importante.
Portrait honnête d'un collègue agentique.
Un agent IA dit oui avant de dire non. C'est sa caractéristique principale — et c'est à double tranchant. Il commence par exécuter, propose des variantes, avance dans la direction donnée. Il ne lève pas le bouclier avant même d'avoir réfléchi. Il ne répond pas « ce n'est pas mon rôle » ni « on n'a jamais fait comme ça ». Pour des tâches de conception, de rédaction, de synthèse, de mise en forme : c'est précieux.
Son défaut principal
Il dit non trop tard. Il peut s'engager dans une mauvaise direction pendant plusieurs échanges avant de signaler qu'il n'a pas les informations nécessaires — ou pire, il ne le signale jamais et produit quelque chose de plausible mais faux. On appelle ça hallucination. C'est réel, ce n'est pas anecdotique, et la vigilance est non-négociable. Sur tout ce qui est factuel, chiffré, réglementaire : on vérifie. Toujours.
Il ne s'énerve pas. Il ne négocie pas son planning. Il n'a pas peur pour son poste. Il n'arrive pas avec de la fatigue accumulée depuis six semaines. Ces qualités-là, qui paraissent anodines, changent profondément la dynamique d'une mission d'exploration ou de conception : on peut aller loin, vite, sans friction relationnelle. Ce n'est pas un compliment sur l'IA — c'est une observation sur ce que la fatigue et la peur font à la qualité du travail humain.
Et il travaille à 3h du matin. Sans broncher, sans surcoût, sans mail le lendemain matin pour expliquer qu'il a travaillé tard. J'ai rédigé de l'architecture système à 2h30 du matin parce que j'avais eu une idée en regardant un plafond, et mon agent était là. La disponibilité permanente change le rapport au temps de travail — pour le meilleur et pour le pire, si on ne fait pas attention aux limites.
Ce qu'il ne fait pas, c'est décider. Il peut analyser, comparer, synthétiser, formuler des recommandations solides — mais la décision, la responsabilité, le jugement sur ce qui est acceptable pour votre client ou votre équipe : ça reste humain. Et c'est là où la confusion est dangereuse. Un agent IA n'est pas un décideur. C'est un amplificateur de capacité de travail.
Ce que ça donne en pratique — cas ComiPi.
Plutôt que de rester dans l'abstrait, voici quatre situations concrètes où l'intégration d'un agent IA a changé quelque chose de mesurable. Ces cas sont issus de configurations que j'ai testées ou déployées — les indicateurs sont plausibles, pas tous validés à la virgule.
Cas plausible à valider · Qualification d'emails entrants
Situation : une structure qui reçoit 40 à 80 emails par jour sur une boîte générique — devis, demandes d'info, réclamations, candidatures spontanées, newsletters. Quelqu'un passe 45 minutes le matin à trier et aiguiller.
Ce qu'on a mis en place : un module dans ComiPi ERP qui se connecte à la boîte mail en IMAP et appelle un agent Mistral local (Python + Ollama, données internes, confidentialité maximale). L'agent lit chaque email entrant, le classe selon une grille définie avec l'équipe, rédige une synthèse en trois lignes et propose une première réponse-type pour les cas les plus fréquents. La personne valide dans son écran ComiPi ERP, corrige si besoin, envoie.
Ce qui a changé : le tri du matin est passé de 45 minutes à environ 10. La personne fait toujours le travail — elle le fait sur des informations déjà mises en forme. [CAS PLAUSIBLE À VALIDER]
Cas plausible à valider · Synthèse de réunion
Situation : une réunion hebdomadaire de coordination entre trois services. Chacun repart avec sa propre version des décisions prises. Le compte rendu écrit arrive deux jours après, quand il arrive.
Ce qu'on a mis en place : enregistrement audio de la réunion (consentement de tous les participants, données restent en local), transcription automatique, puis résumé par un agent qui extrait : décisions prises, points d'action, responsables, échéances. Le CR structuré est disponible dans Mattermost avant la fin de la réunion suivante — parfois dans l'heure.
Ce qui a changé : les malentendus post-réunion ont diminué. Pas disparu — les décisions ambiguës restent ambiguës. Mais au moins tout le monde part avec le même texte. [CAS PLAUSIBLE À VALIDER]
Cas plausible à valider · Audit documentaire
Situation : EVEIA traite des appels d'offres. Chaque AO public arrive avec un dossier de 40 à 200 pages. Quelqu'un doit lire, comprendre les critères d'éligibilité, évaluer si la structure peut répondre, et décider d'engager le travail de réponse.
Ce qu'on a mis en place : un agent qui lit le dossier, extrait les critères d'éligibilité, les exigences techniques, les délais, et produit une fiche de qualification en une page. La personne qui décide a une synthèse actionnelle en 5 minutes au lieu de 2 heures de lecture.
Ce qui a changé : davantage d'AO peuvent être évalués dans le même temps. Le taux de réponse aux AO pertinents a progressé. [CAS PLAUSIBLE À VALIDER — EVEIA]
Cas plausible à valider · Génération de réponses standards
Situation : Blanc sur Noir reçoit régulièrement des demandes de devis avec des questions récurrentes : délais, formats livrables, tarifs selon le volume, disponibilités. Fabienne répondait à la main, chaque fois.
Ce qu'on a mis en place : une base de connaissances (ses propres réponses passées, ses tarifs, ses conditions) + un agent qui génère une réponse personnalisée à chaque nouvelle demande. Fabienne relit, ajuste le ton si besoin, envoie. Le temps de réponse moyen est passé de 24-48h à quelques heures.
Ce qui a changé :« Au début j'avais peur que ça sonne faux. Mais en relisant, c'est vraiment ce que j'aurais écrit — juste plus vite. » — Fabienne, Blanc sur Noir [VERBATIM PLAUSIBLE À VALIDER]
Le vrai sujet en 2026 : pas le modèle — les données.
On parle beaucoup de ChatGPT, de Claude, de Gemini, de Mistral. On compare les performances, les benchmarks, les prix. C'est une conversation utile — mais ce n'est pas la bonne question de départ. La bonne question, c'est : quelles données allez-vous envoyer à ce modèle ?
En 2026, la souveraineté des données n'est plus un sujet de geeks — c'est un sujet de direction générale. Envoyer un email client à un modèle hébergé aux États-Unis, c'est potentiellement envoyer ces données dans une infrastructure soumise au Cloud Act américain. Ce n'est pas une opinion — c'est une réalité juridique. Pour beaucoup de cas d'usage, ce risque est acceptable. Pour d'autres, il ne l'est pas.
La grille de lecture que j'applique chez ComiPi est simple :
Ce n'est pas une règle absolue — c'est un point de départ d'analyse. Chaque cas d'usage mérite son propre arbitrage. Ce que j'observe trop souvent, c'est que des structures déploient ChatGPT pour tout sans avoir fait cette analyse. Pas par négligence — par manque de cadre. C'est exactement là où ComiPi intervient : poser le cadre avant de choisir l'outil.
Sur OpenAI et Anthropic
Ce tableau n'est pas une condamnation des acteurs internationaux. Claude est l'outil avec lequel je travaille quotidiennement pour la rédaction, la conception, la documentation. GPT-4 reste très pertinent sur des tâches de raisonnement complexe. Mais ces outils ont leur place dans un arbitrage réfléchi — pas comme solution par défaut pour tout et tout le monde.
Pas "on déploie ChatGPT chez tout le monde".
La pire chose qu'on puisse faire en 2026, c'est d'aborder l'IA comme un projet de déploiement massif. « On va mettre un assistant IA pour tous les collaborateurs d'ici fin d'année. » J'ai vu cette phrase dans des présentations de direction. Elle donne l'impression d'agir — et elle peut produire des résultats très décevants.
Ce que ComiPi fait à la place : on commence par cartographier les cas d'usage. Quelles tâches sont répétitives, sans valeur ajoutée, chronophages ? Quelles données ces tâches impliquent-elles ? Quelle qualité de sortie est requise ? Qui valide ? La réponse à ces quatre questions détermine le modèle, le niveau de souveraineté requis, et le workflow d'intégration. C'est dans cet ordre, pas dans l'autre.
On intègre ensuite progressivement — un cas d'usage à la fois, avec les équipes concernées, pas à côté d'elles. L'objectif n'est pas que tout le monde "fasse de l'IA". L'objectif est que les personnes qui ont des tâches répétitives aient du temps pour ce qu'elles font mieux : analyser, décider, échanger avec des clients, résoudre des problèmes inédits. L'IA libère ce temps-là. Encore faut-il savoir où on veut qu'il aille.
Dans ComiPi ERP, j'intègre les agents IA en code — Python pour les pipelines de qualification, classification, synthèse ; Node/TypeScript pour les écrans qui les exposent à l'utilisateur. Pas d'orchestrateur tiers no-code entre les briques. La raison est simple : la logique métier d'une entreprise mérite d'être codée proprement, versionnée, testable, transmissible. Cela dit, pour un usage personnel — toi qui veux automatiser ton propre taf sur ton PC, sans passer par la DSI — il existe d'excellents outils comme N8N, qu'on peut installer chez soi en quelques minutes. Voici comment.
Ce que ça change pour les équipes — et ce qui ne change pas.
Ce qui change : le rapport aux tâches répétitives. Les gens qui passaient deux heures par jour sur du tri, de la saisie, de la mise en forme, de la recherche documentaire peuvent maintenant faire autre chose. Ce n'est pas automatique — ça demande de réorganiser le travail, et ça demande que la direction ait une idée de où elle veut que ce temps libéré aille. Sans ça, le temps ne disparaît pas : il se perd autrement.
Ce qui change aussi : la qualité des échanges internes. Quand tout le monde arrive en réunion avec les mêmes faits, préparés, résumés, vérifiés — les réunions sont différentes. On passe moins de temps à se mettre d'accord sur ce qui s'est passé, et plus de temps à décider de ce qu'on fait ensuite. C'est une transformation que j'ai vue se produire concrètement, et qui demande du temps — souvent plusieurs mois d'adoption progressive.
Ce qui ne change pas
Le jugement final reste humain. La responsabilité de la décision reste humaine. La relation client reste humaine — ou elle ne vaut rien. L'IA peut préparer, synthétiser, formuler, proposer. Mais l'arbitrage sur ce qui est acceptable, sur ce qui est juste pour votre client ou votre équipe : ça ne se délègue pas à un modèle de langage. Et quand quelqu'un prétend le contraire, méfiez-vous.
La résistance que j'observe dans les équipes est presque toujours légitime. « Si l'IA fait mon travail, qu'est-ce qu'il me reste ? » C'est la vraie question — et la réponse honnête, c'est : ce qui vous reste, c'est le travail qui n'aurait jamais dû être noyé sous les tâches répétitives en premier lieu. Le jugement, le contact, la décision éclairée, l'expertise métier que personne d'autre ne peut apporter. Ce travail-là, aucun modèle ne le fait — et il n'a jamais eu autant de valeur qu'aujourd'hui.
L'IA, c'est comme le web il y a 25 ans. Quand quelqu'un se connectait chez John Deere, tout le bureau se retournait. Vingt-cinq ans plus tard, ceux qui ont fait du web leur allié ont construit des choses remarquables. Ceux qui ont attendu que la vague passe ont subi. La vague de l'IA ne passe pas non plus — elle monte. La question n'est pas de savoir si on s'y met : c'est de savoir comment, avec qui, et avec quelles données.
Pour aller plus loin
- 1999 → 2026 : ce que j'ai mis 25 ans à mettre en musiqueLe manifeste fondateur — la conviction que l'entreprise c'est de l'information qui circule, et comment l'IA a rendu cette vision industrialisable.
- N8N en 5 minutes sur ton PC : automatiser ton taf en localL'outil qui orchestre les workflows IA chez ComiPi — et pourquoi si peu de PME l'utilisent encore en 2026.
- Open source en 2026 : c'est plus pour les barbus AS400Dolibarr, Mattermost, Nextcloud — pourquoi la stack open source est la base de l'indépendance technique, et comment ça fonctionne concrètement.
Vous voulez faire cet arbitrage ?
On cartographie ensemble.
Quels cas d'usage, quelles données, quel modèle. Un premier échange pour poser le cadre — sans engagement, sans jargon.
La méthode ComiPi
Écouter avant de déployer.
Écouter, concevoir, mettre en production progressivement, transmettre. Quatre étapes qui s'appliquent aussi bien à l'IA qu'à n'importe quel changement structurant.