Après le chat : concevoir l’interface de travail avec l’IA

Un produit utile ne suffit pas à stabiliser un processus

La question à poser à une équipe équipée d’un assistant conversationnel porte moins sur la survie du produit que sur la capacité du processus à supporter les changements de modèle, d’outils et de contexte sans perdre sa qualité [1].

• Modèle : Anthropic a lancé Sonnet 5 quelques mois après Sonnet 4.6, avec des capacités, des réglages et des coûts différents [2][3].
• Connecteurs : un serveur MCP peut modifier les outils et les données qu’il expose, donc une intégration durable doit tester son contrat plutôt que présumer sa stabilité.
• Contexte : dans un exemple publié par Anthropic, charger directement les définitions de nombreux outils consommait 150 000 tokens, contre 2 000 avec une architecture fondée sur l’exécution de code ; ce résultat illustre une optimisation possible, pas un coût universel [5].

La conséquence de conception est concrète : le chat peut rester la porte d’entrée, tandis que les règles métier, les permissions, les tests et les traces doivent vivre dans une couche que l’entreprise contrôle.

• Un changement de modèle déclenche une évaluation sur des cas représentatifs.
• Un changement de connecteur déclenche des tests de schéma, de droits et d’erreur.
• Une action sensible demeure bornée par du code et une validation explicite.

Distinguer l’exploration de l’exploitation

Un assistant généraliste apporte déjà de la valeur pour comprendre un besoin et traiter les exceptions, mais la répétition, la criticité et le volume justifient progressivement une expérience plus structurée.

• Exploration : synthétiser, comparer, préparer un atelier ou tester une instruction.
• Assistance : proposer un brouillon ou une analyse que l’utilisateur vérifie dans son flux de travail.
• Exécution : déclencher une action délimitée, avec entrées contrôlées, autorisations et journal.
• Industrialisation : mesurer qualité, coût, délai et taux de reprise sur une version identifiée.

Les modèles de facturation au siège, à l’usage ou au résultat peuvent coexister ; ils ne prouvent pas à eux seuls une direction du marché, mais obligent à relier le prix à une unité de travail et à une qualité observables.

• Le siège convient à une capacité disponible pour un utilisateur identifié.
• L’usage mesure une consommation technique, par exemple les tokens ou les appels.
• Le résultat exige une définition contractuelle de ce qui compte comme une résolution acceptable.

Le chat est une interface parmi d’autres

Le problème du chat n’est pas la conversation elle-même, mais l’écart entre une zone de texte générique et un travail qui possède déjà ses objets, ses états, ses rôles et ses décisions.

• Un commercial en déplacement peut dicter une note reliée au bon client et à la bonne opportunité.
• Un contrôleur qualité peut annoter l’image d’une pièce et choisir un défaut dans une nomenclature.
• Un analyste financier peut modifier des hypothèses dans un modèle visible plutôt que les redécrire à chaque tour.
• Un technicien peut manipuler un schéma, prévisualiser l’action proposée et confirmer son exécution.

Chat générique Commercial Production Finance Ressources humaines Support

Chat interface unique et générique

Interfaces possibles 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.

Les produits observables montrent déjà plusieurs formes d’interface au-delà de la réponse textuelle, sans démontrer pour autant que le chat disparaîtra ni à quelle échéance.

• Google Research décrit une « generative UI » qui produit des pages, outils et simulations adaptés à la demande, et signale aussi des limites de vitesse et de dépendance au modèle [13].
• Ces expériences sont intégrées à Gemini et au mode IA de Google Search, ce qui constitue un comportement produit documenté plutôt qu’une prévision générale [13].
• Les interfaces intégrées à un logiciel métier suivent une autre voie : elles réutilisent les objets, les droits et l’état déjà présents dans l’application.

AG-UI fournit un protocole événementiel ouvert entre un agent et une application visible, tandis que MCP relie un agent aux outils et aux données ; cette séparation aide à raisonner sur l’interface sans confondre transport, composants et gouvernance [17].

• AG-UI transporte notamment le cycle d’exécution, les messages, les appels d’outils et les mises à jour d’état.
• Les composants prédéfinis offrent davantage de cohérence et de contrôle.
• Les composants assemblés ou générés donnent davantage de latitude, au prix de tests d’accessibilité, de sécurité et de stabilité plus exigeants.

Choisir l’interface selon la tâche

Le portefeuille pertinent combine généralement conversation, composants guidés et automatisations bornées, chaque forme couvrant une catégorie de travail différente.

• Conversation : recherche ouverte, cadrage, apprentissage et cas rares.
• Composants guidés : décisions fréquentes où les entrées et les sorties sont connues.
• Automatisation : étapes répétables dont les conditions, exceptions et contrôles sont explicites.

La programmation conserve ici un rôle précis : transformer une pratique découverte en processus observable avant de choisir la meilleure surface d’interaction.

• Capturer les entrées, décisions, sorties et exceptions réelles.
• Définir les indicateurs de qualité, de délai, de coût et de reprise.
• Tester le processus dans le chat lorsque l’incertitude reste forte.
• Déplacer les étapes stabilisées vers des composants et contrôles dédiés.

Placer le contrôle humain au bon endroit

La supervision utile ne consiste pas à relire mécaniquement chaque sortie : elle concentre l’attention humaine sur les décisions à fort impact, les exceptions et les signaux d’incertitude [20].

• Une action réversible et bien testée peut être exécutée automatiquement dans des limites définies.
• Une action sensible est prévisualisée avec ses données sources et ses effets attendus.
• Une décision engageante exige une personne autorisée, un choix explicite et une trace.
• Une anomalie déclenche l’arrêt, l’escalade ou le retour à un état connu.

L’interface devient ainsi une partie du système de contrôle : elle montre ce que l’agent propose, ce qu’il sait, ce qu’il va modifier et qui peut accepter l’action.

• Réserver un audit gratuit de maturité IA de 30 minutes pour situer l’organisation, identifier le principal blocage et choisir un premier projet raisonnable ; l’échange donne lieu à une synthèse d’une page.

---

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 [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 [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/ [17] AG-UI Protocol, documentation officielle : protocole ouvert événementiel reliant un agent à une application côté utilisateur. https://docs.ag-ui.com/introduction [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