IA agentique à VivaTech : le tournant raconté par OpenAI

Sur la scène de VivaTech, à Paris, deux voix ont fait écho à une transformation que beaucoup pressentaient sans encore pouvoir la nommer. Thibault Sottiaux, ingénieur chez OpenAI, et Peter Steinberger, fondateur d'OpenClaw, ont retracé ensemble ce moment précis où l'intelligence artificielle cesse d'être un simple générateur de contenu pour devenir un agent autonome capable d'agir. Ce tournant de l'IA agentique, qu'ils ont partagé devant des milliers de spectateurs, n'est pas qu'une évolution technique : il redéfinit notre rapport aux machines, aux entreprises et à la décision elle-même.

Pourquoi l'IA agentique marque une rupture avec l'IA générative

L'IA générative a conquis le grand public en produisant du texte, des images, du code. Mais elle reste fondamentalement passive : on lui demande, elle répond. L'IA agentique inverse cette logique. Imaginez un système qui identifie seul un problème, élabore une stratégie, exécute des actions dans d'autres outils et vérifie le résultat — le tout sans intervention humaine entre chaque étape. C'est précisément cette boucle d'autonomie que Thibault Sottiaux a décrite sur scène, insistant sur la différence de paradigme : « On passe du modèle qui répond à la question au modèle qui résout le problème. »

Peter Steinberger, pour sa part, a illustré cette bascule avec des exemples concrets tirés de son expérience chez OpenClaw. Un agent peut aujourd'hui parcourir des bases de données, déclencher des notifications, rédiger des rapports et les envoyer — non pas parce qu'un humain a scripté chaque étape, mais parce que l'agent a compris l'objectif global et s'est organisé pour l'atteindre. Cette capacité à décomposer des tâches complexes en actions instrumentées représente un saut qualitatif majeur pour les outils d'automatisation IA que nous développons chez Studio Dahu.

Pro tip : La différence clé entre automatisation classique et IA agentique réside dans la gestion de l'imprévu. Un script classique échoue face à une exception non prévue ; un agent peut l'analyser, adapter sa stratégie et poursuivre.

Les trois piliers techniques de l'agenticité

Pour qu'un système devienne véritablement agentique, trois conditions doivent être réunies. Premièrement, une capacité de raisonnement étendue — non pas en chaîne de pensée courte, mais sur des horizons temporels longs, avec plusieurs niveaux de planification. Deuxièmement, une interface avec le monde extérieur via des outils : API, navigateurs, bases de données, messageries. Troisièmement, et c'est peut-être le plus délicat, un mécanisme de boucle de rétroaction permettant à l'agent d'évaluer ses propres actions et d'itérer. Sottiaux a souligné que OpenAI travaille précisément sur l'amélioration de ces trois dimensions, notamment via des architectures de type « function calling » affinées et des systèmes de mémoire à long terme.

Ce qu'À VivaTech, Thibault Sottiaux (OpenAI) et Peter Steinberger (OpenClaw) racontent sur l'avenir du travail

Au-delà de la technique, les deux intervenants ont abordé les implications sociétales de ce tournant. Steinberger a été particulièrement incisif sur la question du travail humain : l'IA agentique ne remplace pas l'humain, mais elle redistribue radicalement les rôles. Les tâches de coordination, de vérification finale et de définition des objectifs gagnent en valeur, tandis que les exécutions répétitives et intermédiaires tendent à disparaître. Cette vision s'aligne avec notre approche du consulting digital chez Studio Dahu, où nous accompagnons les entreprises dans cette reconfiguration de leurs processus métiers.

Sottiaux a tempéré cette perspective en rappelant les limites actuelles. Les agents commettent encore des erreurs, parfois subtiles, parfois spectaculaires. La supervision humaine reste indispensable, au moins dans un horizon prévisible. Ce qu'il a appelé « la boucle de confiance » — ce moment où l'utilisateur vérifie et valide — ne disparaît pas, elle se déplace vers des niveaux d'abstraction plus élevés. On ne vérifie plus chaque clic, mais la cohérence globale de la stratégie exécutée par l'agent.

• La planification stratégique humaine reste au centre de la valeur
• L'IA agentique excelle dans l'exécution multi-étapes et l'adaptation contextuelle
• La vérification finale par l'humain évolue vers des formats plus synthétiques
• Les compétences en formulation d'objectifs deviennent critiques
• La traçabilité des décisions agentiques pose de nouveaux défis de gouvernance

Les pronostics risqués des deux ingénieurs sur l'IA agentique

VivaTech est aussi le lieu où les esprits les plus avertis se risquent à des prévisions. Steinberger a avancé que d'ici 2027, la majorité des interactions entreprises avec des systèmes d'information se feront via des agents intermédiaires plutôt que par des interfaces directes. Cette prédiction, audacieuse, repose sur l'observation que les utilisateurs finaux préfèrent déléguer la complexité technique pour se concentrer sur l'intention. Pour les agences web spécialisées, cela signifie que la conception d'interfaces va devoir intégrer cette couche agentique dès la genèse des projets.

Sottiaux a été plus mesuré sur les échéances, mais tout aussi déterminé sur la direction. Il anticipe une prolifération des « agents spécialisés » — des systèmes affinés pour des domaines précis comme la finance, la santé, ou la logistique — plutôt qu'un agent généraliste universel. Cette spécialisation, selon lui, est la condition de la fiabilité. Un agent médical doit intégrer des connaissances de domaine, des protocoles réglementaires et des contraintes éthiques spécifiques qu'un modèle généraliste ne peut pas maîtriser suffisamment.

Insight clé : La spécialisation des agents n'est pas un recul du généralisme, mais une maturation. C'est l'équivalent de la distinction entre médecin généraliste et chirurgien spécialiste dans l'écosystème médical.

Les obstacles que les optimistes tendent à minimiser

Ni l'un ni l'autre n'ont éludé les défis. La latence reste un frein majeur : un agent qui réfléchit en boucle sur plusieurs minutes peut frustrer un utilisateur pressé. Le coût computationnel, lui aussi, explose avec la complexité des raisonnements. Mais au-delà des aspects techniques, c'est la gouvernance qui préoccupe le plus les deux ingénieurs. Qui est responsable quand un agent autonome prend une décision dommageable ? Comment auditer une chaîne de raisonnement qui s'est déroulée sur des milliers d'étapes ? Ces questions, souvent occultées par l'enthousiasme médiatique, ont été posées avec une franchise salutaire sur la scène parisienne.

Comment les entreprises suisses peuvent préparer ce tournant

Pour les organisations suisses, et particulièrement genevoises, ce que révèle VivaTech n'est pas une actualité lointaine mais un signal d'action. La transition vers l'IA agentique ne s'improvise pas : elle demande une fondation de données propre, des API bien documentées, et une culture interne de la délégation algorithmique. Chez Studio Dahu, nous observons que les entreprises les mieux positionnées sont celles qui ont déjà investi dans l'automatisation de leurs workflows via des outils comme n8n ou des architectures modernes.

La préparation passe aussi par l'expérimentation contrôlée. Plutôt que d'ambitionner un agent autonome dès le premier jour, les organisations gagnent à identifier un processus clairement délimité — la qualification de leads, le traitement d'un type de demande client, la vérification de conformité documentaire — et à y déployer un agent supervisé. Cette approche itérative permet d'accumuler de la confiance, d'identifier les points de friction et de former les équipes à ce nouveau mode de collaboration homme-machine.

• Auditer la qualité et l'accessibilité de vos données existantes
• Identifier les processus à faible risque et à forte répétitivité pour premiers tests
• Former les équipes à la supervision d'agents plutôt qu'à l'exécution manuelle
• Mettre en place des mécanismes de logging et d'audit dès la conception
• Anticiper l'évolution des rôles dans les descriptions de poste

L'après-VivaTech : ce que ce tournant change pour les développeurs

Pour les équipes techniques, l'IA agentique redéfinit les compétences attendues. La maîtrise des frameworks classiques de développement web reste nécessaire, mais elle s'accompagne désormais d'une familiarité avec les patterns d'orchestration d'agents, les protocoles de function calling, et les architectures de mémoire vectorielle. Les développeurs deviennent des concepteurs de systèmes capables d'apprendre et d'adapter leur comportement, pas seulement des implémenteurs de règles fixes.

Cette évolution s'inscrit dans une tendance plus large que nous suivons attentivement chez Studio Dahu : le passage d'une logique de développement sur mesure centrée sur l'interface vers une logique centrée sur l'intention et l'orchestration. Le défi n'est plus tant de construire des écrans que de concevoir des systèmes qui comprennent ce que l'utilisateur veut accomplir et s'organisent pour y parvenir. Cette transformation exige des développeurs une curiosité renouvelée pour les sciences cognitives, la théorie de la décision et l'éthique algorithmique.

Note de terrain : Les projets agentiques les plus réussis que nous observons partagent un trait commun — une phase de co-design intensive avec les utilisateurs finaux, non pas pour définir des écrans, mais pour modéliser les intentions, les exceptions et les critères de succès.

Conclusion : au-delà du buzz, une transformation structurelle

Ce qu'À VivaTech, Thibault Sottiaux (OpenAI) et Peter Steinberger (OpenClaw) racontent du tournant de l'IA agentique dépasse largement le cadre d'une conférence tech hype. Il s'agit d'un changement de régime dans notre relation aux systèmes intelligents, avec des implications techniques, organisationnelles et éthiques que les entreprises auront intérêt à anticiper plutôt que subir. Pour les décideurs suisses, l'invitation est claire : commencer à expérimenter maintenant, avec méthode et humilité, pour être en position de maîtrise quand ces technologies atteindront leur maturité opérationnelle.

L'IA agentique n'est pas une destination mais une trajectoire. Ceux qui en comprennent aujourd'hui la logique profonde — cette capacité des machines à passer de la réponse à l'action — construiront les organisations de demain. Les autres se retrouveront à gérer des systèmes conçus par d'autres, avec une compréhension insuffisante de leurs biais et de leurs limites. Le choix, comme toujours en matière de transformation digitale, reste entre nos mains.