La Chine fait pivoter l’IA vers les agents

La phase tutoriel du chatbot touche à sa fin

La course chinoise à l’IA ne se résume plus à produire la meilleure réponse dans une fenêtre de conversation. Le nouveau terrain de compétition est celui des agents: des systèmes capables de découper un objectif en étapes, d’utiliser des fichiers ou des applications, d’appeler des outils externes et de livrer un résultat fini. Le 12 octobre, Caixin a rapporté que Tencent, ByteDance et Alibaba réorganisent leurs produits et leurs équipes autour d’agents d’IA capables d’exécuter des tâches de bureau à travers plusieurs applications, avec l’ambition de faire du logiciel de travail une nouvelle porte d’entrée vers les clients [1].

La différence est fondamentale. Un chatbot répond; un agent agit. Un chatbot peut résumer un tableur que l’utilisateur lui soumet. Un agent peut examiner plusieurs fichiers, choisir les champs pertinents, produire un tableau de bord interactif et préparer un livrable utilisable par une équipe. Les exemples cités par Caixin vont dans ce sens: WorkBuddy de Tencent peut analyser des feuilles de calcul et créer un tableau de bord interactif, tandis que Doubao Work de ByteDance peut parcourir des commentaires produits, identifier les préférences des acheteurs, recommander des produits à promouvoir et générer des images publicitaires ainsi que des textes en plusieurs langues [1].

Ce n’est pas une simple amélioration d’interface. C’est un changement de plateforme. La première vague de l’IA générative portait sur la puissance des modèles et les classements de performance. La suivante porte sur le contrôle des flux de travail: qui possède l’endroit où l’utilisateur confie ses tâches, ses données, ses autorisations et parfois ses paiements.

Pourquoi le pivot arrive maintenant

Cette poussée vers les agents intervient au moment où les modèles chinois de pointe deviennent assez performants et assez bon marché pour être intégrés plus largement. Lors d’un panel organisé par DBS à Singapour le 12 octobre, le directeur général d’Intel, Lip-Bu Tan, a déclaré que les modèles chinois de pointe avaient des coûts de tokens plus bas et que leur adoption avait été « très rapide » [2]. Il a aussi estimé que des modèles comme DeepSeek, Kimi et GLM étaient « suffisamment bons », tout en défendant l’open source comme moteur d’efficacité [2].

L’expression « suffisamment bons » est décisive. Dans les logiciels d’entreprise, le gagnant n’est pas toujours le modèle qui affiche le meilleur score sur un benchmark. C’est souvent celui qui fonctionne de manière fiable, répétable et économique dans un processus réel. Or les agents multiplient les besoins d’inférence, car ils ne se contentent pas d’un seul appel au modèle. Ils planifient, vérifient, corrigent, récupèrent des informations, appellent des outils et peuvent demander à un autre modèle de valider le résultat. Quand le coût des tokens baisse, l’économie de ces boucles devient plus favorable.

C’est pourquoi le virage chinois vers les agents est aussi une histoire de semi-conducteurs et d’infrastructure. Des flux de travail plus agentiques peuvent accroître la demande en puces d’inférence, matériel en périphérie, logiciels d’orchestration, routeurs de modèles, systèmes d’identité et connecteurs de données. L’entraînement des modèles de pointe reste stratégique, mais la valeur quotidienne pourrait venir de plus en plus de l’infrastructure qui permet à des millions d’agents d’agir à bas coût et avec des garde-fous.

Tencent, ByteDance et Alibaba ne visent pas exactement la même cible

La course chinoise aux agents se joue sur au moins deux plans: la productivité professionnelle et l’assistance personnelle. Le premier est aujourd’hui le plus lisible. WorkBuddy, Doubao Work et les outils de bureau d’Alibaba ciblent des tâches répétables: rapports, tableaux de bord, comptes rendus de réunion, analyse de produits, programmation et supports marketing. Ces cas d’usage séduisent les entreprises, car les gains de temps, la qualité des livrables et l’intégration aux systèmes existants peuvent être mesurés.

La couche des agents personnels est plus délicate. Un article republié par Stockstar le 12 octobre indiquait que ByteDance et Tencent avancent vers des agents personnels destinés au grand public: ByteDance via des capacités liées à Doubao et au projet Spell, Tencent via un assistant personnel dans le cloud connecté à WeChat, nommé LightVela [3]. Le même article présente cette concurrence comme une bataille pour le « droit de faire les choses » à la place de l’utilisateur, car l’agent capable d’exécuter réellement des tâches peut devenir le nouveau point d’entrée vers les services internet [3].

ByteDance dispose d’atouts dans les modèles, la distribution grand public et le trafic. Si Doubao passe de la réponse à la question à l’organisation d’un voyage, à l’aide à l’achat ou au traitement d’informations personnelles, la relation avec l’utilisateur s’élargit. Tencent possède un autre avantage: la profondeur de son écosystème. WeChat relie déjà messagerie, paiement, mini-programmes et commerçants; un assistant autorisé dans cet environnement pourrait fluidifier de nombreux services.

Mais les deux trajectoires affrontent le même test: la qualité d’exécution. Une démonstration peut sembler spectaculaire lorsque la tâche est cadrée. Une demande réelle comporte des prix qui changent, des stocks variables, des droits d’accès, des limites de confidentialité, des confirmations tardives et des corrections de dernière minute. Si l’agent réserve le mauvais service, recommande un mauvais produit ou expose des données privées, la confiance peut disparaître très vite.

Le mur n’est pas seulement le modèle

Des commentaires récents en Chine soulignent une contrainte centrale: les agents personnels pourraient être freinés moins par la qualité des modèles que par l’accès aux écosystèmes. Un article de Softunis citant TMTPost, publié le 10 octobre, expliquait que les agents personnels chinois se heurtent à des barrières de plateforme, car les applications contrôlent séparément les comptes, les paiements et l’exécution des services; un agent doit donc négocier l’accès, les autorisations et le partage de valeur avec chaque fournisseur [4].

C’est la difficulté cachée derrière l’idée d’une « IA qui fait les choses ». Pour agir au nom d’un utilisateur, un agent a besoin de bien plus qu’une compréhension linguistique. Il lui faut une identité, des autorisations, des règles de paiement, des journaux d’audit, des mécanismes de reprise en cas d’erreur et une responsabilité claire. Si l’utilisateur demande: « Trouve-moi le meilleur restaurant et paie l’acompte », le raisonnement du modèle n’est qu’une partie du problème. L’agent doit pouvoir consulter les disponibilités, comparer les options, utiliser un moyen de paiement, confirmer la réservation et gérer une annulation.

Cela explique pourquoi les écosystèmes fermés peuvent disposer d’un avantage initial. Tencent peut commencer dans les services reliés à WeChat; Alibaba peut bâtir autour du commerce, du paiement et du cloud; ByteDance peut connecter contenu, découverte et base d’utilisateurs de Doubao. Le risque, en revanche, est la fragmentation. Si chaque géant construit son agent à l’intérieur de ses propres murs, la Chine pourrait obtenir des exécutants très puissants dans un écosystème donné, mais moins efficaces sur l’internet ouvert.

L’orchestration devient le nouveau middleware

La couche la plus intéressante n’est peut-être ni le modèle ni l’application, mais l’orchestration située entre les deux. Un résumé chinois de l’actualité IA publié le 11 octobre indiquait que Tencent Cloud avait open-sourcé le 10 octobre un outil interne de collaboration appelé TeamAI, destiné à gérer les compétences, standards et configurations d’outils d’une équipe à travers différents agents; l’outil serait adapté à 16 agents, dont WorkBuddy, Claude Code, Codex et Cursor [5]. Le même résumé rapportait qu’Alibaba avait ajouté un mode Fast à son agent de programmation Qoder le 10 octobre, réduisant le premier temps de réponse à trois secondes et la consommation de crédits de 27 % [5].

Ces éléments montrent la direction de la compétition. Les entreprises n’ont pas seulement besoin d’un chatbot plus intelligent. Elles ont besoin de systèmes capables de choisir quel modèle appeler, quel outil utiliser, comment conserver la mémoire d’une tâche, comment mettre à jour les règles d’équipe, comment auditer les actions et comment maîtriser les coûts. Les agents transforment ainsi l’IA d’une fonctionnalité produit en environnement de production.

Pour les fabricants de matériel, ce changement est important. Les agents génèrent de nombreux travaux d’inférence petits et moyens plutôt qu’une seule grande réponse. Certains seront exécutés dans le cloud; d’autres sur PC, smartphones, lunettes intelligentes, robots ou appareils locaux de bureau, pour des raisons de confidentialité et de latence. Le marché potentiel dépasse donc les grands clusters d’entraînement pour inclure l’inférence distribuée, l’accélération en périphérie et les logiciels d’ordonnancement des charges.

Ce qu’il faut surveiller maintenant

La prochaine étape de la compétition chinoise devra être jugée moins par les vidéos de lancement que par des métriques d’exploitation: taux de réussite des tâches, rétention des utilisateurs, coût par flux de travail réussi, couverture des services tiers, incidents de sécurité et renouvellements d’entreprises. Une société capable d’exécuter 80 % des flux ordinaires de bureau à coût prévisible peut bâtir une activité plus solide qu’un acteur brillant sur les benchmarks mais incapable de s’intégrer aux systèmes clients.

L’enjeu mondial est clair. Les écosystèmes d’agents peuvent créer des avantages durables au-delà des classements de modèles. Dès que les utilisateurs confient à un agent des fichiers, des permissions, des préférences, des identifiants de paiement et des routines répétées, les coûts de changement augmentent. La plateforme qui devient la couche par défaut du « fais-le pour moi » peut influencer la recherche, le commerce, les logiciels d’entreprise et la demande matérielle.

L’industrie chinoise de l’IA semble l’avoir compris. La phase chatbot a prouvé que les modèles nationaux pouvaient générer des réponses compétentes. La phase agent va tester leur capacité à devenir des travailleurs fiables au cœur des processus économiques. Les personnages non-joueurs ont désormais des droits d’action; reste à savoir qui écrira les règles du jeu.

Sources des dernières 72 heures

1. [1]Cover Story: China’s AI Battle Moves From Chatbots to Agents12 oct. 2026, 10:12
2. [2]Intel CEO says Chinese frontier AI model adoption has been ’very fast’12 oct. 2026, 09:44
3. [3]字节、腾讯抢跑智能体：下一代互联网入口，开始争夺用户的“办事权”12 oct. 2026, 10:12
4. [4]2026年10月10日 国内个人AI智能体卡在生态接入环节10 oct. 2026, 04:08
5. [5]每日AI新闻速览|2026年10月10日11 oct. 2026, 00:12

Article généré par IA à partir d’une recherche web récente, puis conservé comme instantané éditorial daté.