De ChatGPT aux agents : l’IA change de rôle dans l’entreprise

Du chatbot à l’agent

Les premiers usages de l’IA générative en entreprise étaient relativement simples : poser une question, résumer un document, retrouver une information ou produire du texte.

Pour Stanislas Polu, ce cadre est déjà en train de vieillir. En quelques années, les modèles ont gagné une capacité déterminante : utiliser des outils. Ils peuvent rechercher une information, interroger une base de données, manipuler des fichiers ou enchaîner plusieurs actions pour accomplir une tâche.

C’est ce passage du chatbot à l’agent qui change la donne. Un assistant répond. Un agent agit.

Connecté aux données, aux outils et au contexte d’une organisation, il peut commencer à prendre en charge une partie d’un processus de travail.

L’enjeu n’est plus seulement le modèle

Pendant les premières années de l’IA générative, une grande partie de l’attention s’est portée sur les modèles : GPT, Claude, Gemini, Mistral et leurs performances respectives.

Dust fait un pari différent. Les modèles continueront à progresser et à se succéder. L’entreprise, elle, doit construire quelque chose de plus durable autour d’eux : ses agents, ses données, ses outils et les interfaces qui permettent aux humains et aux machines de travailler ensemble.

Le meilleur modèle pour une tâche peut être américain aujourd’hui, européen demain ou open source après-demain. Construire toute son infrastructure autour d’un seul acteur reviendrait à transformer un choix technologique en dépendance structurelle.

Le multi-modèle comme forme de souveraineté d’entreprise

Garder la capacité de changer

Le choix du multi-modèle était présent dès les premières versions de Dust. Avec le temps, il a pris une dimension plus stratégique.

Stanislas Polu parle d’une forme de « souveraineté d’entreprise » : construire ses agents, connecter ses données et organiser ses usages sans lier toute cette infrastructure à un seul fournisseur.

Cette souplesse compte dans un marché où les positions changent très vite. Un modèle peut prendre l’avantage sur le code, un autre sur certaines tâches de raisonnement, avant qu’une nouvelle génération ne modifie à nouveau l’équilibre.

Si un autre modèle devient meilleur, moins cher ou plus adapté à ses contraintes, l’entreprise doit pouvoir changer. Le sujet n’est donc pas nécessairement de savoir quel modèle finira par s’imposer, mais d’éviter d’avoir à faire ce pari.

Pourquoi l’adoption de l’IA reste inégale

Une technologie peut aller plus vite qu’une organisation

D’un côté, les investissements dans l’IA atteignent des niveaux considérables. De l’autre, de nombreuses entreprises cherchent encore comment en tirer des gains concrets. Stanislas Polu n’y voit pas une contradiction.

Les modèles peuvent progresser extrêmement vite ; une organisation de plusieurs milliers de personnes, beaucoup moins. Changer les outils, les habitudes, les processus et parfois la répartition même du travail prend du temps.

Dust observe ainsi des rythmes d’adoption très différents. Les scale-ups et les organisations déjà très technologiques disposent d’un avantage : elles ont davantage l’habitude de modifier rapidement leurs méthodes de travail.

La croissance facilite aussi l’équation. Si l’IA permet à une équipe d’absorber quatre ou cinq fois plus d’activité, une entreprise en hypercroissance peut utiliser ce gain pour grandir sans augmenter ses effectifs au même rythme. Dans une organisation stable, les implications sociales et organisationnelles sont différentes.

Le futur du travail ne ressemblera peut-être pas à une suite de logiciels

Quand le logiciel devient malléable

Depuis des décennies, le travail numérique repose sur des applications spécialisées : tableur, CRM, outil de présentation, logiciel de gestion de projet, messagerie.

Les agents commencent à bousculer ce découpage. Si un agent peut interroger directement une base de données, produire une analyse, générer un graphique puis construire une présentation, l’utilisateur a moins besoin de passer manuellement d’un logiciel à l’autre.

Pour Stanislas Polu, nos outils actuels ont aussi une limite : ils ont été conçus pour des humains. Or un nouveau type d’utilisateur arrive dans le système informatique de l’entreprise, l’agent.

Dust cherche donc à construire un environnement dans lequel humains et agents peuvent accéder au même contexte et travailler autour des mêmes objets. L’idée va plus loin qu’un chatbot ajouté aux logiciels existants : certaines tâches seront réalisées par des humains, d’autres par des agents, et beaucoup par les deux.

Dans l’entretien, Stanislas Polu évoque même l’idée d’un nouveau « système d’exploitation » du travail.

L’Europe ne gagnera pas uniquement avec de la régulation

Faire le meilleur produit

Sur la souveraineté européenne, Stanislas Polu distingue la protection de données ou d’infrastructures sensibles, qui peut justifier des contraintes spécifiques, d’un protectionnisme destiné principalement à favoriser un produit européen.

Son raisonnement est simple : une entreprise européenne doit chercher à gagner parce que son produit est meilleur, pas uniquement parce qu’une réglementation oblige ses clients à l’utiliser.

Cela ne signifie pas qu’il faille reproduire Microsoft ou Google produit par produit. Ces suites bénéficient de décennies de développement et d’intégrations.

L’opportunité est plutôt de changer la manière de travailler. Une nouvelle génération d’outils peut progressivement remplacer certains usages historiques sans avoir à reproduire trente ans de logiciel américain.

Pour la tech européenne, l’IA ouvre ainsi une fenêtre rare : participer à la définition de ce qui vient après.

Financer en Europe des ambitions mondiales

Le défi apparaît au moment de changer d’échelle

Dust est une entreprise française et Stanislas Polu insiste sur la distinction entre l’origine des capitaux et le contrôle de l’entreprise. Lever auprès d’un fonds américain n’implique pas nécessairement de devenir une entreprise américaine.

Le problème européen apparaît davantage lorsque les montants augmentent.

Aux premiers stades, il estime qu’il existe de nombreuses possibilités de financement en France et en Europe. Mais lorsqu’une entreprise doit lever plusieurs dizaines de millions d’euros, voire davantage, le nombre d’investisseurs européens capables de suivre diminue fortement.

C’est l’un des paradoxes de l’écosystème : l’Europe sait former des ingénieurs, créer des startups et financer leurs débuts. Accompagner les entreprises les plus prometteuses jusqu’à une échelle mondiale nécessite une autre profondeur de capital.

L’enjeu est de pouvoir financer cette croissance sans contraindre les futurs champions européens à déplacer leur centre de gravité.

La tech européenne doit aussi retrouver de la confiance

Construire plutôt que rattraper

En fin d’entretien, Stanislas Polu revient sur un frein moins financier et plus culturel.

La France possède, selon lui, les talents, les formations et les capacités techniques nécessaires pour créer des entreprises technologiques de premier plan. Ce qui lui semble parfois manquer est la conviction de pouvoir le faire.

Il décrit un « complexe d’infériorité » vis-à-vis de la tech américaine qu’il juge infondé. Son parcours lui donne un point de vue particulier : après avoir travaillé au cœur de plusieurs entreprises technologiques américaines, il a choisi de revenir entreprendre en France.

L’IA offre justement une occasion de rebattre les cartes. Le changement des interfaces, des logiciels et des méthodes de travail remet en jeu des positions installées depuis plusieurs décennies.

Pour Stanislas Polu, les champions européens ne naîtront pas en copiant les acteurs américains. Ils émergeront en construisant des produits originaux, avec l’ambition de rivaliser avec les meilleurs.