Ouvrir le manuel

mysummit.school - Blog IA pour les Managers

Agents de code en 2026 : deux formats, le terminal et le bureau

32 min de lecture

En septembre 2026, tous les éditeurs de modèles ont sorti leur agent de code : Anthropic, OpenAI, Google, Microsoft, xAI, DeepSeek, Moonshot, Alibaba, Z.ai, Tencent. Dès le milieu de l’année, Claude Code, Cursor, Codex et Antigravity avaient convergé vers le même schéma de programmation agentique : le programme lit les fichiers, les modifie, lance des commandes, vérifie le résultat et rend compte. Les différences tiennent à l’emballage, aux prix et à l’écosystème – c’est pourquoi une liste alphabétique d’une dizaine de noms n’apprend rien au lecteur.

La ligne de partage utile, c’est le format. Dans le terminal vivent les agents pour ingénieurs : Claude Code, Codex CLI, Antigravity CLI, Grok Build, Kimi Code CLI, Qwen Code. Le manager n’y travaille pas, mais c’est lui qui paie – et il doit comprendre ce qu’il paie au juste. Sur le bureau, on trouve les agents pour le travail de bureau : Claude Cowork, Copilot Cowork, Kimi Work, Tencent WorkBuddy. Ceux-là sont faits pour le manager et son équipe : RH, opérations, administration, projets, ventes. Ranger des fichiers, monter un rapport, traiter des notes de frais, remettre de l’ordre dans des tableurs.

Lire la suite
Agents de code en 2026 : deux formats, le terminal et le bureau
Les modèles Microsoft MAI en 2026 : ce qui est vraiment accessible, et à quel prix
20 min

Les modèles Microsoft MAI en 2026 : ce qui est vraiment accessible, et à quel prix

Le 2 juin, à Build 2026, Microsoft a présenté sept modèles maison sous la marque MAI (Microsoft AI) : raisonnement, code, images, voix, transcription. Une entreprise qui a été pendant des années le premier investisseur d’OpenAI parle d’un virage vers « l’autosuffisance à long terme ».

Microsoft AI main page

Pour un manager, deux choses comptent dans cette annonce. D’abord le prix : transcrire une heure de réunion enregistrée coûte 0,10 $, sans contrat Azure. Ensuite Frontier Tuning, c’est-à-dire l’entraînement d’un modèle sur vos propres processus métier, à l’intérieur de votre propre périmètre de conformité. C’est l’idée la plus forte que Microsoft ait sortie cette année, et elle ne se vend qu’avec l’ensemble de la pile entreprise de Microsoft.

Commençons donc par qui peut acheter quoi, avant de passer aux modèles et aux chiffres.

Meta Muse Spark : le premier modèle fermé de Meta depuis 2023
13 min

Meta Muse Spark : le premier modèle fermé de Meta depuis 2023

Jusqu’ici, cette série ne comptait aucun volet consacré à Meta. Tant que Llama 4 faisait l’actualité, ce silence se justifiait : le modèle était sorti dans la controverse, et il n’y avait rien à en dire à un manager en tant qu’outil de travail.

Le 9 juillet 2026, Meta a publié Muse Spark 1.1 et ouvert le même jour l’accès public à la Meta Model API. L’annonce est parue sur le blog de l’entreprise. La famille Muse, qui remplace Llama, avait démarré trois mois plus tôt : la version 1.0 est sortie le 8 avril, et le modèle actuel est construit sur sa base. Dans l’instantané de septembre de LMArena, muse-spark-1.2 en mode xHigh occupe la cinquième place du classement texte, muse-spark-1.1 la dixième, et muse-spark est sixième du classement images. Quiconque compare les outils à coups de classements tombera sur ce nom. La série n’avait encore rien à en dire.

Les scores ne sont ici que la troisième information par ordre d’importance. La première, c’est la licence : en neuf mois, Meta a changé la direction de son pôle IA, reconstruit sa pile technique et est revenue avec des poids fermés. La deuxième, c’est la nature du modèle obtenu : la 1.1 est en tête sur l’appel d’outils et nettement à la traîne sur l’écriture de code.

Managers et IA : les plus assidus – mais pas pour manager
15 min

Managers et IA : les plus assidus – mais pas pour manager

Parmi toutes les professions qui ouvrent Claude le plus souvent, les managers arrivent en tete. Dans l’enquete d’Anthropic, ils representent 23 % des repondants – alors qu’ils ne comptent que pour environ 7 % de l’emploi aux Etats-Unis. Les managers sont donc trois fois surrepresentes parmi les utilisateurs d’IA. Et maintenant, le deuxieme chiffre : les taches de management ne representent qu’environ 4 % de l’ensemble des sessions. Les gens qui dirigent utilisent l’IA pour tout, sauf pour diriger.

Derriere ces deux chiffres se cache la description la plus fidele de la facon dont un manager travaille reellement avec l’IA. Et la raison pour laquelle la peur du « il va prendre mon poste » fonctionne differemment dans cette profession qu’on ne le croit.

Les 5 couches d'un agent IA : ce que tout manager doit savoir
21 min

Les 5 couches d'un agent IA : ce que tout manager doit savoir

« La plupart des gens pensent encore qu’un agent IA, c’est juste ChatGPT avec un bon prompt. » C’est par cette phrase que commence l’article de Sunil Ramlochan « The AI Agent Stack Is Not a Prompt. It’s a Production System », et l’auteur qualifie aussitôt cette croyance de « mythe rassurant ». La vérité utile, selon lui, est ailleurs : un véritable agent ressemble davantage à un petit système d’exploitation pour le travail. Il possède un cerveau, des mains, une mémoire, des règles, des logs, des plans de reprise et quelqu’un qui répond quand l’agent fait n’importe quoi.

La thèse de l’article tient en une ligne : un agent, c’est tout un stack. Et c’est l’architecture autour qui lui donne sa fiabilité, alors que le modèle ou un prompt bien tourné n’est qu’un ingrédient parmi d’autres. La perspective est technique, alors examinons-la sous un autre angle – qu’est-ce qui, dans ce stack, concerne réellement le manager qui n’écrit pas de code mais décide de lancer ou non un agent en production.

Pourquoi les pilotes IA en usine meurent entre la démo et l'atelier
12 min

Pourquoi les pilotes IA en usine meurent entre la démo et l'atelier

Le pilote a été présenté au comité de direction, tout le monde a applaudi, le budget de « passage à l’échelle » a été débloqué. Six mois plus tard, le système de vision par ordinateur qui détectait 98 % des défauts en démo en attrape à peine la moitié, les contrôleurs qualité ont cessé de lui faire confiance et le projet a discrètement migré vers la rubrique « initiatives reportées ». Ce n’est pas un incident isolé ni la faute d’un intégrateur en particulier. Selon RAND, c’est ainsi que se terminent plus de 80 % des projets IA en entreprise – et presque toujours pour des raisons visibles avant même le lancement.

40 cas GigaChat de Sber : ce que dit vraiment notre benchmark
27 min

40 cas GigaChat de Sber : ce que dit vraiment notre benchmark

Sber – la plus grande banque russe, qui développe aussi sa propre famille de modèles d’IA, GigaChat – a publié un dossier promotionnel : quarante études de cas d’entreprises ayant adopté GigaChat et qui en détaillent les bénéfices. EdTech, MedTech, HRTech, cybersécurité, PropTech. De jolies fiches, des chiffres précis, de vraies startups.

Le dossier promotionnel de Sber

Sur l’image : le visuel « Un pas en avant » de l’accélérateur Sber500×GigaChat – 40 startups dans 9 secteurs. Effets annoncés : processus jusqu’à x16 plus rapides, coûts réduits jusqu’à 90 %, automatisation des tâches jusqu’à 95 %, chiffre d’affaires en hausse jusqu’à 30 %.

Nous disposons d’un benchmark : 29 modèles, 4 308 évaluations indépendantes sur des tâches managériales. GigaChat y occupe la dernière place, 29e sur 29 à l’issue de la deuxième vague de tests. Cela crée une situation intéressante.

Non pas parce que Sber mentirait. Les cas sont réels, les startups existent, l’automatisation fonctionne. La vraie question est ailleurs : était-ce le modèle optimal pour les tâches que ces entreprises devaient résoudre ?

Comment déployer l'IA dans l'industrie : plan d'action en 5 étapes pour les dirigeants
30 min

Comment déployer l'IA dans l'industrie : plan d'action en 5 étapes pour les dirigeants

Le chef de poste d’une usine métallurgique passe 40 minutes chaque matin à remplir son rapport de quart. Il recopie manuellement les indicateurs des équipements dans un modèle Word, décrit les incidents avec ses propres mots, croise les données avec le registre de sécurité. Ce travail existe depuis les années 1970 et n’a pas changé d’une minute. L’IA peut le réduire à dix minutes. La partie difficile n’est pas la technologie. La partie difficile, c’est par où commencer.

GigaChat au travail : tirer le meilleur de l'IA souveraine russe
24 min

GigaChat au travail : tirer le meilleur de l'IA souveraine russe

GigaChat est le grand modèle de langage de Sber, la première banque russe. Hors de Russie, presque personne ne l’utilise. En Russie, c’est souvent la seule option : banques, administrations, industrie de défense et grands groupes industriels le font tourner sur leurs propres serveurs, parce que les règles russes de localisation des données et les sanctions excluent ChatGPT, Claude et Gemini. Si vous travaillez avec une équipe russe, une filiale en Russie ou un client d’un secteur régulé là-bas, c’est l’outil qu’ils ont sous la main.

Ce guide a été écrit pour ces utilisateurs quotidiens, et cela se voit : les exemples sont des contrats russes, des lois russes, des prix en roubles. Pour les autres lecteurs, c’est une étude de cas sur un problème plus large : comment obtenir un travail correct d’un modèle « souverain » ou déployé en interne, en retard sur l’état de l’art, quand c’est la réglementation et non la qualité qui a imposé ce choix.

280x moins cher en deux ans : l'économie de l'IA a basculé
11 min

280x moins cher en deux ans : l'économie de l'IA a basculé

En 2023, une requête à GPT-4 coûtait suffisamment cher pour qu’il faille compter avec soin. En 2025, une requête équivalente est devenue 280 fois moins chère. Pas de 280 pour cent – 280 fois moins. En deux ans, le coût d’utilisation de l’IA est passé d’une barrière à une erreur d’arrondi.

Le Stanford AI Index – rapport annuel qui agrège des données sur l’industrie de l’IA à partir de centaines de sources – a documenté cet effondrement dans son édition 2025. Et le rapport 2026 a ajouté du contexte : les investissements en IA ont explosé à 285,9 milliards de dollars, les consommateurs reçoivent 172 milliards de dollars de valeur annuelle, et les data centers consomment autant d’électricité que l’État de New York. L’économie a basculé – mais pas comme on l’attendait.