Journal · Logiciels et IA

L’IA commence à utiliser nos logiciels

Les assistants IA ne se contentent plus de répondre : ils ouvrent les applications, travaillent dans les logiciels de bureau et préparent les opérations. Reste à savoir où vivent les règles, les données et les contrôles.

Poste de travail avec un assistant IA, une messagerie, un banc d’essai de modèle local et un terminal, à côté d’un mini-PC GMKtec EVO-X2 doté de 128 Go de mémoire unifiée.
Un assistant qui travaille dans les logiciels, et un modèle local qui tourne à côté (données fictives).
Envoyer par e-mail

En quelques jours, Anthropic a annoncé plusieurs évolutions qui, prises séparément, pourraient passer pour de simples fonctionnalités supplémentaires. Ensemble, elles commencent à modifier notre manière de travailler avec l’informatique.

Le 10 novembre, Claude a gagné la possibilité d’ouvrir et d’utiliser des applications directement dans son environnement. Le 20, l’utilisation des applications de bureau par l’assistant a été étendue, en bêta, aux offres Team et Enterprise.

Ce qui nous intéresse, ce n’est pas tant de pouvoir demander à une IA de cliquer sur un bouton. C’est ce qui se passe lorsqu’on n’a progressivement plus besoin de connaître l’interface de chaque logiciel pour accomplir son travail.

Trois manières d’utiliser un logiciel

Prenons une situation assez banale : un collaborateur doit retrouver une intervention, compléter son compte rendu et préparer la facturation. Aujourd’hui, cela peut l’obliger à passer par la messagerie, une gestion documentaire, un logiciel de suivi des heures et un ERP.

Un assistant peut désormais intervenir de trois manières.

La première consiste à utiliser un connecteur. Avec MCP, le Model Context Protocol, une application expose certaines de ses fonctions à un assistant. Celui-ci n’a pas besoin de savoir où se trouve le bouton « Créer une intervention » : il appelle directement la fonction correspondante. Anthropic va maintenant plus loin avec MCP Apps : les applications peuvent aussi afficher leur propre interface dans Claude. Adobe, Atlassian ou HubSpot, entre autres, s’ouvrent ainsi dans la conversation. On demande une modification, on voit le résultat dans l’application et on reprend la main sans changer de fenêtre. Les modifications sont validées avant d’être exécutées.

La deuxième consiste à utiliser directement l’ordinateur. Lorsqu’il n’existe pas de connecteur, Claude peut travailler dans un logiciel à travers son interface graphique : voir l’écran, cliquer, saisir, naviguer. C’est particulièrement intéressant pour les applications anciennes, les logiciels métiers spécialisés ou les outils internes sans API. Cela ne transforme pas un logiciel de vingt ans en application moderne. L’automatisation par l’écran reste plus lente et plus fragile qu’une intégration directe. Mais elle rend envisageables des opérations qui exigeaient auparavant un développement spécifique, parfois difficile à justifier.

La troisième, c’est de créer l’outil qui manque. Avec Claude Sheets, Whiteboards et Data, Anthropic permet de construire des feuilles de calcul, des espaces de travail et des tableaux de bord dans l’environnement même de l’assistant. Ce ne sont pas des équivalents d’Excel ou des grands logiciels de gestion, et ce n’est pas leur vocation. Mais pour un tableau de suivi, une analyse ponctuelle ou une petite application interne, on peut désormais construire quelque chose directement à partir du besoin exprimé.

On commence donc à réunir trois activités autrefois distinctes : utiliser un logiciel, le connecter à d’autres et lui ajouter des fonctions.

Aux États-Unis, les grands ERP entrent dans la danse

Le 27 octobre, Oracle et OpenAI ont annoncé Oracle AI Workspace, qui réunit les modèles d’OpenAI et les applications Oracle dans une même interface, avec des plugins dans ChatGPT. L’idée est de mener des processus métiers approuvés depuis cette interface commune, en conservant la gouvernance, les validations et les contrôles de l’entreprise. Il s’agit encore d’une orientation produit, sans date de disponibilité annoncée.

Le signal est pourtant intéressant. Pendant des années, les éditeurs d’ERP ont développé leurs propres interfaces, tableaux de bord, portails et applications mobiles. Demain, une partie du travail pourrait passer par une interface qui ne leur appartient plus.

Et ce n’est pas uniquement Oracle. Le 12 novembre, Anthropic a présenté Claude for Manufacturing : 17 compétences et quatre connecteurs destinés à l’industrie. L’un des exemples consiste à lire une demande client, à comparer les coûts d’opérations similaires et à préparer le devis. Le devis reste un brouillon, qu’une personne valide avant de l’envoyer.

C’est beaucoup plus concret qu’une démonstration où une IA rédige un texte. On touche aux opérations réelles de l’entreprise.

En Chine, l’assistant fait déjà les achats

L’approche chinoise est intéressante à comparer. Le 15 janvier 2026, Alibaba a ouvert au test public, en Chine, une évolution de son assistant Qwen qui permet de commander un repas, d’organiser un voyage ou de réserver un service sans quitter la conversation. Elle s’appuie sur son écosystème : Taobao pour les commandes, Fliggy pour les voyages, Alipay pour le paiement.

L’utilisateur exprime ce qu’il veut obtenir, l’assistant utilise les services nécessaires et demande une confirmation explicite avant de payer.

La différence avec les annonces américaines est révélatrice. Chez Oracle, on fait travailler l’assistant avec les applications de gestion de l’entreprise. Chez Alibaba, on l’installe entre le consommateur et les services du quotidien. Deux marchés très différents, une même évolution : l’assistant devient l’intermédiaire entre l’utilisateur et les applications.

Exécuter une opération, ou bien l’exécuter

C’est ici que notre expérience du développement logiciel nous rend plus attentifs.

Reprenons notre intervention à facturer. Un assistant peut retrouver le client, identifier le travail effectué, proposer une durée et préparer la saisie. C’est déjà un gain appréciable. Mais il faut encore savoir si le tarif est correct, si les heures sont facturables, quel régime de TVA s’applique et si l’intervention peut être clôturée.

Ces règles ne sont pas des détails d’interface : elles font partie du métier de l’entreprise. On peut demander à l’assistant de les appliquer. On peut aussi les laisser dans l’ERP et lui permettre d’appeler des fonctions qui les respectent. Les deux approches n’offrent pas les mêmes garanties.

Il y a aussi un point moins spectaculaire dans les démonstrations : la vérification. Si l’assistant prépare cinquante écritures qu’il faut contrôler ligne par ligne, a-t-on réellement gagné du temps ? Pas forcément. En revanche, s’il rassemble les documents, prépare les écritures et signale les trois cas qui sortent des règles habituelles, le travail change de nature.

C’est d’ailleurs un aspect intéressant de Claude Data : les équipes de données peuvent certifier certaines requêtes et définitions utilisées dans les tableaux de bord. On évite ainsi que deux analyses donnent des résultats différents parce que l’IA n’a pas utilisé la même définition du chiffre d’affaires ou de la marge.

L’enjeu n’est donc pas seulement de faire exécuter plus d’opérations, mais de rendre leurs résultats assez fiables pour qu’on puisse s’en servir.

Une nouvelle couche dans l’informatique de l’entreprise

Anthropic propose aussi, sur demande, d’héberger ses agents dans sa propre infrastructure, sur site ou dans son cloud. Le service tourne alors chez l’entreprise, avec la base qui conserve les agents, les sessions et leur historique. Les commandes et les fichiers manipulés par l’agent s’exécutent dans des environnements isolés qu’elle contrôle.

Attention à la distinction : héberger l’agent ne veut pas dire faire tourner le modèle localement. Le serveur envoie toujours la conversation à un fournisseur d’inférence : Anthropic par défaut, mais aussi Amazon, Google, Microsoft ou une passerelle propre à l’entreprise.

On commence cependant à séparer des composants jusqu’ici regroupés dans un même service. L’entreprise conserve ses logiciels, ses données et l’historique de ce que font ses agents. Le modèle fournit la compréhension et le raisonnement, et devient un fournisseur parmi d’autres.

La documentation est d’ailleurs claire sur la contrepartie : le shell d’un agent est un vrai shell, avec les droits et l’accès réseau de l’environnement où il tourne, et l’isolation est à la charge de celui qui héberge. Un agent autorisé à consulter une facture doit-il pouvoir la modifier, la transmettre ou l’annuler ? On retrouve des questions classiques de sécurité informatique, dans un nouvel environnement.

Cette architecture pourrait permettre de changer de modèle sans reconstruire toutes les intégrations, même si l’ouverture de MCP ne garantit pas à elle seule l’indépendance vis-à-vis d’un fournisseur. Il faut aussi prévoir la portabilité des données, des outils et des règles.

Ce que nous en faisons concrètement

Nous développons un ERP pour PME, et nous avons dû trancher ces questions très tôt.

L’application a deux portes d’entrée pour l’IA. La première est un assistant intégré, relié à l’API du modèle que l’entreprise choisit, qui agit dans le contexte de l’utilisateur connecté et n’a jamais plus de droits que lui. La seconde est un serveur MCP, qui permet à un assistant extérieur comme Claude de piloter l’application. Les deux passent par le même filtre de droits : il n’y a qu’une porte d’autorisation dans le code. C’est d’ailleurs devenu notre règle : chacun de nos logiciels, de la gestion documentaire au tri des courriels en passant par l’éditeur de pages, est développé dès le départ avec son propre serveur MCP.

Une action demandée par l’IA suit la même route qu’un clic sur le bouton correspondant, avec les mêmes validations, et ne touche jamais directement la base de données. Les règles métier s’appliquent donc sans exception : un devis sans client ne peut pas passer au statut « envoyé », même si l’assistant le demande. Nos premiers essais ont montré que ce refus devait lui être renvoyé explicitement ; sinon, il pense avoir réussi. Une suppression part à la corbeille, et rien ne disparaît sans trace. Pour les opérations sensibles, comme passer un lot de factures, nous ajoutons une étape où l’assistant présente d’abord ce qu’il va faire et attend une confirmation explicite.

Le développement lui-même suit la même logique. L’ERP est construit par une équipe d’agents IA répartis sur plusieurs machines, qui travaillent par petits lots, chacun dans son périmètre. Chaque lot passe des contrôles automatiques, dont l’analyse statique du code, puis un juge indépendant avant d’être intégré. Des juges jouent aussi le rôle d’un employeur, d’un chef de secteur et d’un employé pour vérifier que les écrans conviennent à chacun.

Une partie de ce travail peut tourner en local. Nous testons un mini-PC doté de 128 Go de mémoire unifiée, sous Fedora avec llama.cpp et Qwen3 Coder Next, pour les juges et les petites tâches. L’objectif n’est pas de tout faire en local, mais de savoir ce qui peut l’être, et de pouvoir traiter des données sensibles sans qu’elles quittent l’entreprise.

C’est aussi ce qui rend la question de l’architecture si concrète pour nous : le modèle peut changer, les règles et les données restent dans l’application.

Et maintenant ?

Pendant longtemps, développer une fonctionnalité voulait aussi dire développer son interface : écrans, formulaires, menus, contrôles, navigation. Une partie de ces éléments restera indispensable. Mais pourquoi imposer une succession de formulaires à quelqu’un qui pourrait simplement expliquer ce qu’il veut faire ?

L’ERP conserverait les données, les transactions, les règles métier et les contrôles. L’assistant comprendrait la demande, réunirait les informations et préparerait les opérations.

Cela ne supprime pas le besoin de logiciels bien conçus. Cela rend même leur architecture plus importante : des fonctions clairement définies, des données accessibles de manière contrôlée, des opérations vérifiables.

Nous n’en sommes pas encore là. Certaines fonctions sont en bêta, les connecteurs ne couvrent pas toutes les applications et le pilotage par écran reste perfectible. Mais le changement est déjà assez concret pour qu’on s’y intéresse.

Nous avons passé des décennies à apprendre aux utilisateurs comment fonctionnent les logiciels. Nous commençons à pouvoir expliquer aux logiciels ce que les utilisateurs veulent faire.

Sources

Pour votre projet

Logiciel de gestion, documents, IA locale ou hébergée en Suisse : nous partons de vos données et de leur sensibilité, puis nous choisissons les outils.

Échanger sur votre projet

Brancher l’IA sur vos logiciels

Quelles opérations confier à un assistant, et avec quels contrôles ?

Écrivez-nousNotre ERP