Claude Cowork sera-t-il encore l'outil de travail de mon entreprise en 2027 ou en 2028 ?

Rien ne le garantit, et ce n'est pas une question de qualité produit. Trois couches sur lesquelles Cowork repose bougent en continu : le harnais logiciel (builds quotidiens, aucun mécanisme de gel de version), le modèle sous-jacent (à peine plus de quatre mois séparent l'arrivée de Sonnet 4.6 comme modèle par défaut, le 17 février 2026, de celle de Sonnet 5, le 30 juin) et les connecteurs MCP, gérés par des tiers et capables de faire varier leurs outils en cours de session. Un article dédié sur ce site détaille cette instabilité couche par couche. Cowork reste malgré tout un outil de transition légitime : il sert à découvrir ce qu'un agent peut faire, pas à porter un processus critique en production sur la durée.

Le modèle économique du logiciel change-t-il aussi, ou seulement l'interface ?

Les deux bougent ensemble, ce qui confirme qu'on est dans une phase de transition plutôt que dans un régime stabilisé. Le SaaS classique facture un droit d'accès à une interface fixe, au siège utilisateur, quel que soit le travail réellement accompli. Salesforce a lancé dès octobre 2024 une offre Agentforce facturée 2 dollars par conversation résolue par un agent, jamais retirée depuis. Zendesk facture ses résolutions automatisées entre 1,50 dollar en volume engagé et 2 dollars à la consommation, un tarif que l'éditeur confirme contrat par contrat sans le publier sur sa grille officielle. La presse spécialisée désigne ce glissement du paiement au siège vers le paiement au résultat sous le nom de Service-as-Software : un signe de plus que ni l'outil, ni son interface, ni la façon de le facturer ne sont encore figés.

Le coût en tokens des connecteurs MCP est-il vraiment un problème non résolu ?

Oui, et Anthropic le documente elle-même. Dans un billet d'ingénierie de novembre 2025, l'entreprise reconnaît qu'un agent connecté à plusieurs serveurs MCP peut consommer jusqu'à 150 000 tokens de définitions d'outils avant même de traiter une requête, un coût que sa propre parade (l'exécution de code plutôt que l'appel direct des outils) ramène à 2 000 tokens dans son exemple, soit une économie de 98,7 %. Une analyse indépendante recense par ailleurs une multiplication par plus de trois du nombre de serveurs MCP en six mois, entre août 2025 et février 2026, ce qui démultiplie le problème plutôt que de le régler. La littérature académique la plus récente qualifie encore l'allocation de tokens dans les systèmes agentiques de problème ouvert. Fournir à un agent des agrégats de données précis, fiables et économes en tokens reste un chantier de recherche, pas un détail d'implémentation stabilisé.

À quoi sert alors un outil comme Cowork aujourd'hui ?

À faire gagner quelques mois à l'entreprise pendant que son système d'information se modernise. C'est un tampon utile, pas un aboutissement : il permet l'exploration, le cadrage et la montée en compétence des équipes, en attendant que les logiciels métier eux-mêmes intègrent l'IA à l'intérieur d'eux, là où le travail se fait réellement. La programmation, au sens de capturer un processus, le préparer et l'outiller, garde toute son utilité dans cette fenêtre : elle prépare l'architecture durable qui prendra le relais. Une enquête Deloitte d'août 2026 auprès de 501 dirigeants donne une mesure de la durée probable de cette fenêtre : seulement 31 % attendent que la majorité de leurs processus soit repensée autour de l'IA agentique d'ici deux ans, et 5 % seulement se disent aujourd'hui hautement préparés.

Agents IA

Le conversationnel ne saurait devenir une interface de travail

27 août 2026 · 16 min de lecture · Paul-Antoine Tual

agents IA interfaces utilisateur Claude Cowork generative UI AG-UI Model Context Protocol human in the loop Service-as-Software Méthode Junyr

Une question posée en formation, jamais vraiment démentie

Mi-2026, dans une session de formation à l’IA agentique, Paul-Antoine Tual pose une question à un comité de direction qui vient d’équiper ses cadres de Claude Cowork : « Vous pensez vraiment que cet outil sera le vôtre en 2027 ? En 2028 ? » Personne ne répond oui. Ce n’est pourtant pas une question sur la qualité du produit. Cowork fonctionne, et ses utilisateurs le disent. Le problème est ailleurs : le sol sur lequel une entreprise construit ses automatisations bouge encore, et il bouge sur trois couches à la fois.

Un article publié la semaine précédente sur ce site détaille cette instabilité couche par couche : un harnais logiciel qui change par builds quotidiens, un modèle sous-jacent soumis à une politique de retrait après un préavis minimal de 60 jours, des connecteurs MCP gérés par des tiers et capables de faire varier leurs outils en cours de session [1]. Deux faits, publiés depuis, achèvent de donner corps à cette instabilité plutôt que de la répéter. Le premier concerne le modèle : à peine plus de quatre mois séparent l’arrivée de Sonnet 4.6 comme modèle par défaut sur claude.ai et Cowork, le 17 février 2026, de celle de Sonnet 5, le 30 juin [2][3]. Anthropic présente elle-même Sonnet 5 comme un modèle qui « termine des tâches complexes là où les précédents modèles Sonnet s’arrêtaient » [3], et Opus 5 suit trois semaines plus tard, le 24 juillet [4]. Un prompt calibré pour l’un ne l’est plus vraiment pour l’autre : on ne change pas de version, on change de collaborateur.

Le second fait concerne les connecteurs. Anthropic documente elle-même, dans un billet d’ingénierie de novembre 2025, qu’un agent connecté à plusieurs serveurs MCP peut consommer jusqu’à 150 000 tokens de définitions d’outils avant même de lire la première requête, un coût que sa propre parade (l’exécution de code plutôt que l’appel direct des outils) ramène à 2 000 tokens dans son exemple, soit une économie de 98,7 % [5]. Que le fournisseur du protocole documente lui-même ce problème, et qu’une analyse indépendante du secteur recense une multiplication par plus de trois du nombre de serveurs MCP en six mois entre août 2025 et février 2026 [6], confirme un point simple : la question de savoir comment fournir à un agent des agrégats de données précis, fiables et économes en tokens n’est pas tranchée. C’est un chantier ouvert, que le secteur lui-même qualifie de croissance douloureuse à résoudre [7], documenté jusque dans la littérature académique la plus récente comme un problème non résolu de l’allocation de tokens dans les systèmes agentiques [8]. Ce n’est pas un détail d’implémentation.

Trois couches instables empilées, ça ne fait pas un socle d’automatisation. Ça fait un prototype permanent.

Un outil de transition, pas un outil d’automatisation

Ces outils sont excellents pour la transformation, et Paul-Antoine Tual s’en sert massivement en formation : capacité de synthèse, capacité d’analyse, exploration et cadrage, montée en compétence des équipes. Ce ne sont pas, aujourd’hui, des outils d’automatisation. On ne confie pas un processus stable, ni un budget d’industrialisation, à une pile qui se réécrit tous les six mois.

Le modèle économique qui enveloppe ces outils bouge lui aussi, ce qui confirme qu’on est encore dans une phase de transition plutôt que dans un régime stabilisé. Le SaaS classique facture un droit d’accès à une interface fixe, au siège utilisateur, quel que soit le travail réellement accompli. Deux exemples concrets montrent le glissement vers une facturation au résultat, ce que la presse spécialisée désigne sous le nom de Service-as-Software. Salesforce a lancé dès octobre 2024 une offre Agentforce facturée 2 dollars par conversation résolue par un agent, un modèle depuis complété par d’autres formules mais jamais retiré [9]. Zendesk facture ses résolutions automatisées entre 1,50 dollar en volume engagé et 2 dollars à la consommation, un tarif que l’éditeur ne publie pas sur sa grille officielle mais confirme contrat par contrat [10]. Le paiement au siège suppose un produit stable dont on connaît l’usage à l’avance ; le paiement au résultat suppose au contraire qu’on ne sait pas encore combien de travail l’agent va réellement abattre. C’est un autre symptôme du même diagnostic : ni l’outil, ni son interface, ni la façon de le facturer ne sont figés.

La question qui se pose à une entreprise n’est donc pas « quel outil j’achète », mais « comment vais-je automatiser, et sur quoi vais-je m’appuyer quand ce sera stable ». La Méthode Junyr™ répond à la première moitié de cette question en distinguant les niveaux de maturité d’une organisation face à l’IA [11]. Elle ne répond pas, à elle seule, à la seconde moitié, qui touche une couche encore plus en amont que le harnais, le modèle ou le MCP : l’interface elle-même.

Le chat n’est pas une interface de travail

Deuxième question, plus dérangeante que la première : rien ne prouve que les collaborateurs d’une entreprise travailleront encore de manière conversationnelle dans un an, deux ans, trois ans.

On ne travaille pas en chattant. On ne travaille pas au café. Le chat est le plus petit dénominateur commun des interfaces : il parle à beaucoup de métiers à la fois, donc il ne parle vraiment à aucun. Arnab Bose, directeur produit d’Asana, le formule sans détour dans une tribune publiée fin juillet 2026 : « Chat is a useful interface, but a poor operating model. » Il documente au passage que 73 % des décideurs informatiques interrogés attribuent l’échec ou le blocage de leurs initiatives d’IA à un manque de contexte organisationnel, précisément ce qu’une boîte de dialogue générique ne capture pas [12].

Aujourd’hui Commercial Production Finance Ressources humaines Support

Chat interface unique et générique

Demain Commercial Voix, en tournée client

Production Image, contrôle qualité Finance Schéma, modélisation Ressources humaines Tableau de bord, pilotage Support Manipulation directe, poste technique Un chat parle à cinq métiers à la fois, donc il ne parle vraiment à aucun. Une interface adaptée au geste métier remplace le texte libre par le mode d'expression naturel de chaque poste.

Figure 1. Le chat comme plus petit dénominateur commun face à des interfaces génératives adaptées au métier. Source : notes [12], [13], [14], [16].

Ce que réclame le travail, ce sont des interfaces plus intuitives, plus rapides, adaptées au geste métier : de la voix pour un commercial en tournée, une image pour un contrôle qualité en production, un schéma pour modéliser un scénario financier, la manipulation directe d’un objet pour un poste technique. Une interface par métier, pas une boîte de dialogue pour tout le monde.

Les plus grands éditeurs le documentent eux-mêmes, sans attendre un consensus académique. Google publie dès novembre 2025 sa vision de la generative UI, une interface générée à la volée pour chaque intention plutôt que choisie dans un catalogue d’applications figées, avec un exemple resté célèbre en interne : expliquer le microbiome à un enfant de cinq ans exige un contenu et une interface différents de ceux nécessaires pour un adulte [13]. Trois mois plus tard, en février 2026, Google formalise ce principe sous le nom de Natively Adaptive Interfaces, une architecture bâtie sur des modèles multimodaux capables de traiter voix, texte et image dans un contexte unique, qui remplace une arborescence de navigation statique par des modules pilotés par un agent [14]. Au Google I/O de mai 2026, cette même logique de generative UI est intégrée nativement au mode IA de la recherche [15]. Anthropic suit une trajectoire différente mais convergente : depuis le 7 mai 2026, Claude pour Excel, Word et PowerPoint est en disponibilité générale, et Claude pour Outlook en bêta publique, non pas comme un chat qu’on colle dans une cellule de tableur, mais comme un module intégré qui porte son contexte d’une application à l’autre [16]. Dans les deux cas, la réponse au problème du chat n’est pas un meilleur chat. C’est sa disparition en tant que surface de travail par défaut.

Cette bascule ne relève pas seulement d’un discours produit. Un protocole ouvert dédié à ce type d’interface existe déjà et rassemble un soutien industriel large : AG-UI (Agent-User Interaction), qui standardise le canal temps réel entre un agent et une application côté client (messages, appels d’outils, mises à jour d’état), est adopté par Google, LangChain, AWS, Microsoft, Mastra et PydanticAI [17]. Il porte une hiérarchie explicite de niveaux de contrôle, du plus strict au plus libre : une interface entièrement pré-construite où l’agent ne fait que remplir des composants déjà validés (Controlled), un vocabulaire de blocs composables que l’agent assemble (Declarative), l’intégration de surfaces tierces via des applications MCP, jusqu’à une interface que l’agent génère intégralement lui-même (Open-Ended) [18]. Plus le niveau de liberté laissé à l’agent augmente, plus le risque de dérive visuelle et de faille de sécurité augmente avec lui : contrairement au chat, qui offre une liberté totale sans aucune garantie, ces protocoles rendent ce compromis explicite plutôt que subi.

Le chat parle à tous les métiers, donc à aucun.

À quoi ça sert, maintenant : un tampon, pas un aboutissement

Le conversationnel reste un tampon utile, et ce n’est pas rien. Il fait gagner quelques mois à l’entreprise pendant que son système d’information se modernise, en attendant que ses logiciels métier intègrent l’IA à l’intérieur d’eux-mêmes, là où le travail se fait réellement, plutôt qu’à côté, dans une fenêtre de dialogue.

Figure 2. La fenêtre de transition sépare la découverte par le chat de l'intégration durable dans le logiciel métier. Source : note [19].

C’est précisément pour cela que la programmation, au sens de capturer un processus, le préparer et l’outiller, reste très intéressante dans cette fenêtre : elle prépare l’après, pendant que le chat sert de terrain d’essai. L’enquête Deloitte publiée le 12 août 2026 auprès de 501 dirigeants donne une mesure de la durée probable de cette fenêtre : seulement 31 % des répondants attendent que la majorité de leurs processus métier soit repensée autour de l’IA agentique d’ici deux ans, et 5 % seulement se disent aujourd’hui hautement préparés [19]. La transition n’est pas un basculement. C’est une rampe.

Et il faudra le dire jusqu’au bout : le human in the loop reste extrêmement présent

Croire qu’on va automatiser sans lui en quelques mois, c’est de l’utopie. Un article publié sur ce site pose déjà le principe que le garde-fou d’un agent vit dans le code, pas dans le prompt [20]. Les protocoles d’interface générative eux-mêmes commencent à normaliser ce principe au niveau du composant visuel : une carte de prévisualisation avant l’exécution d’une action irréversible, une bascule explicite accepter ou rejeter, une piste d’audit qui permette de revenir à un état antérieur [18]. La même enquête Deloitte le confirme du côté des dirigeants eux-mêmes : 61 % s’attendent à ce que la plupart de leurs agents restent globalement autonomes mais sous supervision humaine, et 75 % jugent que la collaboration entre humains et agents crée plus de valeur que l’automatisation seule [19]. Ce n’est pas une résistance passagère au changement. C’est une condition de fonctionnement.

Le sol continuera de bouger, sur les trois couches du harnais, du modèle et du MCP, sur l’interface elle-même et sur la façon dont on la facture. L’enjeu n’est pas de trouver l’outil qui ne bougera plus. C’est de savoir ce qu’on construit pendant qu’il bouge.

Sources

[1] Paul-Antoine Tual, « Conception agentique : pourquoi Cowork ne construit pas des agents durables », paulantoinetual.fr, 27 août 2026. /blog/cowork-agents-ia-durables [2] Anthropic, « Introducing Claude Sonnet 4.6 », 17 février 2026 : modèle par défaut pour les plans Free et Pro sur claude.ai et Cowork. https://www.anthropic.com/news/claude-sonnet-4-6 [3] Anthropic, « Claude Sonnet 5 », 30 juin 2026. https://www.anthropic.com/news/claude-sonnet-5 [4] Anthropic, « Claude Opus 5 », 24 juillet 2026. https://www.anthropic.com/news/claude-opus-5 [5] Anthropic Engineering, « Code execution with MCP: Building more efficient agents », 4 novembre 2025 : exemple de réduction de 150 000 à 2 000 tokens, soit 98,7 % d’économie. https://www.anthropic.com/engineering/code-execution-with-mcp [6] Bloomberry, « I analyzed 1,400 MCP servers, here’s what I learned », données arrêtées fin février 2026 : 1 412 serveurs recensés contre 425 fin août 2025, soit une hausse de 232 % en six mois. https://bloomberry.com/blog/we-analyzed-1400-mcp-servers-heres-what-we-learned/ [7] The New Stack, « MCP’s biggest growing pains for production use will soon be solved », 2026. https://thenewstack.io/model-context-protocol-roadmap-2026/ [8] Ou Wu (Hangzhou Institute for Advanced Study), Yingjun Deng (Hefei Institutes of Physical Science, CAS), « Computational Challenges in Token Economics: Bridging Economic Theory and AI System Design », arXiv:2605.17410, 17 mai 2026 : l’allocation de tokens dans les systèmes agentiques présentée comme un problème ouvert de répartition de crédit. https://arxiv.org/html/2605.17410v1 [9] SaaStr, « Salesforce Now Has 3 Pricing Models for Agentforce, and Maybe Right Now That’s the Way to Do It », 2026 : lancement en octobre 2024 de la facturation à 2 dollars par conversation résolue, jamais retirée depuis malgré l’ajout d’autres formules. https://www.saastr.com/salesforce-now-has-3-pricing-models-for-agentforce-and-maybe-right-now-thats-the-way-to-do-it [10] eesel AI, « Understanding Zendesk AI pricing: a complete pay-per-resolution guide (2026) » : 1,50 dollar par résolution automatisée en volume engagé, 2 dollars à la consommation ; tarif confirmé contrat par contrat, absent de la grille tarifaire publique officielle. https://www.eesel.ai/blog/understanding-zendesk-ai-pricing-a-complete-pay-per-resolution-guide [11] Paul-Antoine Tual, « L’échelle de la Méthode Junyr™ : cinq niveaux de maturité IA en PME », paulantoinetual.fr. /blog/echelle-methode-junyr-cinq-niveaux-maturite-ia-pme [12] Arnab Bose (Asana), « Why Enterprise AI Needs More Than Chat: The New Business Model Of Agentic Work », Forbes Technology Council, 30 juillet 2026. https://www.forbes.com/councils/forbestechcouncil/2026/07/30/why-enterprise-ai-needs-more-than-chat-the-new-business-model-of-agentic-work/ [13] Google Research, « Generative UI: A rich, custom, visual interactive user experience for any prompt », 18 novembre 2025. https://research.google/blog/generative-ui-a-rich-custom-visual-interactive-user-experience-for-any-prompt/ [14] MarkTechPost, « Google AI Introduces Natively Adaptive Interfaces (NAI): An Agentic Multimodal Accessibility Framework Built on Gemini for Adaptive UI Design », 10 février 2026. https://www.marktechpost.com/2026/02/10/google-ai-introduces-natively-adaptive-interfaces-nai-an-agentic-multimodal-accessibility-framework-built-on-gemini-for-adaptive-ui-design/ [15] Forbes, Janakiram MSV, « Google I/O 2026 Turned Gemini Into An Agent Platform », 21 mai 2026. https://www.forbes.com/sites/janakirammsv/2026/05/21/google-io-2026-turned-gemini-into-an-agent-platform/ [16] The New Stack, « Claude can now follow users across Outlook, Word, Excel, and PowerPoint », mai 2026 : disponibilité générale pour Excel, Word et PowerPoint et bêta publique pour Outlook depuis le 7 mai 2026. https://thenewstack.io/claude-word-excel-powerpoint-outlook-microsoft-office/ [17] AG-UI Protocol, documentation officielle et dépôt ag-ui-protocol/ag-ui : protocole ouvert événementiel standardisant le canal temps réel entre un agent et une application côté client, adopté par Google, LangChain, AWS, Microsoft, Mastra et PydanticAI. https://docs.ag-ui.com/introduction [18] CopilotKit, « The Generative UI Spectrum » : quatre niveaux de contrôle, Controlled Generative UI, Declarative Generative UI, MCP Apps, Open-Ended Generative UI, AG-UI agissant comme protocole de fondation sous ces quatre patrons. https://www.copilotkit.ai/generative-ui-spectrum [19] Deloitte, « AI Agents are Only the Beginning: Deloitte Survey Examines the AI Readiness Gap… », communiqué du 12 août 2026 : 501 répondants de rang senior manager à comité exécutif, terrain avril-juin 2026 ; 31 % attendent la majorité de leurs processus repensée d’ici deux ans, 5 % se disent hautement préparés, 61 % attendent des agents globalement autonomes sous supervision humaine, 75 % jugent la collaboration humain-agent plus créatrice de valeur que l’automatisation seule. https://www.prnewswire.com/news-releases/ai-agents-are-only-the-beginning-deloitte-survey-examines-the-ai-readiness-gap-and-reveals-how-enterprises-can-prepare-for-agentic-success-302848848.html [20] Paul-Antoine Tual, « Ingénierie des systèmes agentiques : règles d’or, architecture et sécurité du Human-in-the-Loop », paulantoinetual.fr, 4 juillet 2026. /blog/ingenierie-systemes-agentiques-human-in-the-loop

Questions fréquentes

Claude Cowork sera-t-il encore l'outil de travail de mon entreprise en 2027 ou en 2028 ?: Rien ne le garantit, et ce n'est pas une question de qualité produit. Trois couches sur lesquelles Cowork repose bougent en continu : le harnais logiciel (builds quotidiens, aucun mécanisme de gel de version), le modèle sous-jacent (à peine plus de quatre mois séparent l'arrivée de Sonnet 4.6 comme modèle par défaut, le 17 février 2026, de celle de Sonnet 5, le 30 juin) et les connecteurs MCP, gérés par des tiers et capables de faire varier leurs outils en cours de session. Un article dédié sur ce site détaille cette instabilité couche par couche. Cowork reste malgré tout un outil de transition légitime : il sert à découvrir ce qu'un agent peut faire, pas à porter un processus critique en production sur la durée.
Le modèle économique du logiciel change-t-il aussi, ou seulement l'interface ?: Les deux bougent ensemble, ce qui confirme qu'on est dans une phase de transition plutôt que dans un régime stabilisé. Le SaaS classique facture un droit d'accès à une interface fixe, au siège utilisateur, quel que soit le travail réellement accompli. Salesforce a lancé dès octobre 2024 une offre Agentforce facturée 2 dollars par conversation résolue par un agent, jamais retirée depuis. Zendesk facture ses résolutions automatisées entre 1,50 dollar en volume engagé et 2 dollars à la consommation, un tarif que l'éditeur confirme contrat par contrat sans le publier sur sa grille officielle. La presse spécialisée désigne ce glissement du paiement au siège vers le paiement au résultat sous le nom de Service-as-Software : un signe de plus que ni l'outil, ni son interface, ni la façon de le facturer ne sont encore figés.
Pourquoi le chat n'est-il pas une bonne interface de travail au quotidien ?: Parce qu'une boîte de dialogue générique doit parler à tous les métiers à la fois, et ne parle donc vraiment à aucun. Arnab Bose, directeur produit d'Asana, résume le problème dans une tribune de juillet 2026 : « Chat is a useful interface, but a poor operating model. » Sa donnée d'appui : 73 % des décideurs informatiques interrogés attribuent l'échec ou le blocage de leurs initiatives d'IA à un manque de contexte organisationnel, exactement ce qu'une fenêtre de texte libre ne capture pas. Le travail réel se fait avec des gestes différents selon le métier (parler en tournée commerciale, regarder une pièce en production, tracer un schéma pour modéliser un scénario financier), et une interface unique nivelle ces gestes par le bas.
Qu'est-ce que la « generative UI », et en quoi remplace-t-elle le chat ?: Une interface générée à la volée pour une intention précise, plutôt que choisie dans un catalogue d'applications figées ou tapée dans une boîte de dialogue. Google formule cette vision dès novembre 2025 sur son blog de recherche, avec un exemple resté célèbre en interne : expliquer le microbiome à un enfant de cinq ans exige un contenu et une interface différents de ceux nécessaires pour un adulte. En février 2026, Google formalise le principe sous le nom de Natively Adaptive Interfaces, une architecture multimodale (voix, texte, image dans un contexte unique) qui remplace une arborescence de navigation statique par des modules pilotés par un agent ; au Google I/O de mai 2026, cette même logique est intégrée nativement au mode IA de la recherche.
Existe-t-il déjà des protocoles ouverts pour construire ces interfaces génératives ?: Oui, et l'adoption dépasse un seul éditeur. AG-UI (Agent-User Interaction) standardise le canal temps réel entre un agent et une application côté client (messages, appels d'outils, mises à jour d'état) ; il est adopté par Google, LangChain, AWS, Microsoft, Mastra et PydanticAI. Le cadre associé, la Generative UI Spectrum publiée par CopilotKit, distingue quatre niveaux de contrôle : une interface entièrement pré-construite où l'agent ne fait que remplir des composants déjà validés (Controlled), un vocabulaire de blocs composables que l'agent assemble (Declarative), l'intégration de surfaces tierces via des applications MCP, et une interface que l'agent génère intégralement lui-même (Open-Ended). Plus la liberté laissée à l'agent augmente, plus le risque de dérive visuelle et de faille de sécurité augmente avec elle.
Le coût en tokens des connecteurs MCP est-il vraiment un problème non résolu ?: Oui, et Anthropic le documente elle-même. Dans un billet d'ingénierie de novembre 2025, l'entreprise reconnaît qu'un agent connecté à plusieurs serveurs MCP peut consommer jusqu'à 150 000 tokens de définitions d'outils avant même de traiter une requête, un coût que sa propre parade (l'exécution de code plutôt que l'appel direct des outils) ramène à 2 000 tokens dans son exemple, soit une économie de 98,7 %. Une analyse indépendante recense par ailleurs une multiplication par plus de trois du nombre de serveurs MCP en six mois, entre août 2025 et février 2026, ce qui démultiplie le problème plutôt que de le régler. La littérature académique la plus récente qualifie encore l'allocation de tokens dans les systèmes agentiques de problème ouvert. Fournir à un agent des agrégats de données précis, fiables et économes en tokens reste un chantier de recherche, pas un détail d'implémentation stabilisé.
À quoi sert alors un outil comme Cowork aujourd'hui ?: À faire gagner quelques mois à l'entreprise pendant que son système d'information se modernise. C'est un tampon utile, pas un aboutissement : il permet l'exploration, le cadrage et la montée en compétence des équipes, en attendant que les logiciels métier eux-mêmes intègrent l'IA à l'intérieur d'eux, là où le travail se fait réellement. La programmation, au sens de capturer un processus, le préparer et l'outiller, garde toute son utilité dans cette fenêtre : elle prépare l'architecture durable qui prendra le relais. Une enquête Deloitte d'août 2026 auprès de 501 dirigeants donne une mesure de la durée probable de cette fenêtre : seulement 31 % attendent que la majorité de leurs processus soit repensée autour de l'IA agentique d'ici deux ans, et 5 % seulement se disent aujourd'hui hautement préparés.
Le human in the loop va-t-il disparaître avec l'automatisation agentique ?: Non, et rien dans les données disponibles ne va dans ce sens. La même enquête Deloitte d'août 2026 montre que 61 % des dirigeants interrogés s'attendent à ce que la plupart de leurs agents restent globalement autonomes mais sous supervision humaine, et 75 % jugent que la collaboration entre humains et agents crée plus de valeur que l'automatisation seule. Les protocoles d'interface générative eux-mêmes commencent à normaliser ce principe au niveau du composant visuel : carte de prévisualisation avant une action irréversible, bascule explicite accepter ou rejeter, piste d'audit pour revenir à un état antérieur. Un article dédié sur ce site pose déjà le principe que le garde-fou d'un agent vit dans le code, pas dans le prompt : c'est la même logique qui s'applique ici. Croire qu'on peut automatiser sans supervision humaine en quelques mois relève de l'utopie, pas de la feuille de route réaliste.

Paul-Antoine Tual

AI Transformation Leader · Méthode Junyr™ · Manager de transition IA pour PME et ETI françaises. Ingénieur des Mines de Nantes, juriste, développeur depuis 1993.

Audit de maturité IA gratuit →

← Tous les articles