Tous nos articles

Corinne DUPIN, Directrice associée chez Ourouk

Cet article propose un pas de côté dans le sillage d’Olivier Hamant et de Laurent Bibard dans l’idée de revitaliser avec eux nos pratiques de professionnels de l’information.

Lors des premières rencontres de l’Observatoire de l’Apprenance de SOL France (1) les 27 et 28 novembre derniers, deux intervenants ont particulièrement attiré mon attention, essentiellement pour leurs propos contre-intuitifs : Olivier Hamant, biologiste à l'INRAE (2), auteur d’un « Antidote au culte de la performance » (3) et directeur de l’Institut Michel Serres (4) et Laurent Bibard, philosophe et enseignant à l’ESSEC, qui a dirigé la chaire Edgar Morin de la complexité. À les écouter, il m’est venu l’idée de transposer leur pensée dans les problématiques rencontrées par les professionnels de l’information, dans la perspective de les éclairer sous un jour nouveau.

L’« apprenance » est un néologisme un peu barbare qui désigne une attitude favorable à l’acte d’apprendre de toutes les situations (formelles ou informelles) et circonstances (accidents, erreurs…) et de toutes les façons, tandis que l’apprentissage est un processus de construction et d’appropriation des connaissances . Le lien entre l’apprenance et les professionnels de l’information m’apparaît assez évident : ces derniers, qu’ils soient veilleurs ou knowledge managers, par goût et par opportunisme, saisissent les moindres occasions d’apprendre et ont à cœur de créer les conditions pour que leurs collaborateurs en fassent autant.

En 2026, chacun a désormais conscience que les outils d’intelligence artificielle générative ne sont pas de simples chatbots répondant à des questions, mais qu’ils intègrent toujours plus de fonctionnalités les transformant en véritables outils de production ou de collaboration. Dans les colonnes de NETSOURCES ou de BASES, de précédents articles ont déjà présenté et expliqué ce qu’étaient par exemple le Deep Research, le Context Engineering ou encore les espaces de travail persistants présents chez tous les grands acteurs du domaine.

Mais ces fonctionnalités ou outils supplémentaires sont plus ou moins visibles depuis la page d’accueil ; elles sont parfois tellement intégrées nativement qu’on peine à repérer leur existence. C’est le cas des artefacts de Claude, qui changent sensiblement le rapport au travail sur l’information, et auxquels nous consacrons cet article.

Qu’est-ce qu’un artefact ?

Situé dans l’environnement conversationnel de claude.ai, l’artefact va cependant bien au-delà de la simple réponse textuelle ; il produit dans une fenêtre dédiée sur la droite de l’écran (*), un livrable autonome, résultat du prompt envoyé dans la fenêtre de conversation qui s’affiche alors à gauche : il peut s’agir d’un document complexe et structuré, d’un diagramme, d’un extrait de code, d’un composant web, d’une application…

(*) Cette fenêtre est aussi désignée par canevas (canvas en anglais), que l’on peut rapprocher du canevas de ChatGPT, - panneau latéral qui affiche un rendu interactif séparé de la conversation -, même si les philosophies sont différentes, Claude penchant vers l’applicatif, ChatGPT Canvas vers l’éditorial.

Clear Skies et IEEE viennent d’annoncer le renforcement de leur coopération dans la détection d’articles scientifiques frauduleux. IEEE est un éditeur de premier plan : il publie près d’un tiers de la littérature scientifique mondiale dans les domaines de l’ingénierie électrique, de l’informatique et de l’électronique. Ce nouvel accord vise à intégrer directement le produit Oversight de Clear Skies dans le processus éditorial d’IEEE. D’une durée de trois ans, cet accord porte sur l’évaluation d’un volume pouvant atteindre un million d’articles.

Un phénomène en pleine expansion : les paper mills

Cette démarche de vérification s’avère de plus en plus nécessaire face au développement des paper mills - ces organisations qui maximisent leurs profits en produisant industriellement des articles de recherche de piètre qualité. Vendus à des chercheurs en mal de publications, ces articles permettent à ces chercheurs d’augmenter artificiellement leur notoriété académique. Les avancées récentes de l’IA n’ont fait qu’amplifier ce phénomène en facilitant la production de contenu à grande échelle.

Il convient toutefois de ne pas réduire le problème aux seuls paper mills : les fraudeurs individuels constituent une catégorie non négligeable et tout aussi préoccupante.

Philippe MASSERON, Directeur Général du gf2i et ancien directeur du Centre Français d’exploitation du droit de Copie (CFC)

La Commission européenne révise actuellement de la directive 2019/790 sur le droit d’auteur et les droits voisins dans le marché unique numérique, dite « directive DAMUN » (1). Prévu par la directive elle-même (2), ce travail intervient dans le contexte de tensions entre titulaires de droits et acteurs de l’IA.

Instaurée pour adapter le droit d’auteur à l’économie numérique, la directive avait notamment introduit des exceptions de fouille de textes et de données, aujourd’hui au cœur des enjeux liés à l’IA.

Après consultation des États membres en mars dernier, la Commission européenne a ouvert deux initiatives à dix jours d’intervalle : une enquête (3) visant à recueillir des informations sur l’application et les impacts de la directive, et un appel à contribution (4) portant sur une éventuelle modification ciblée du cadre européen du droit d’auteur. Ces travaux doivent permettre à la Commission d’évaluer l’efficacité de la directive de 2019.

Quoi de plus frustrant, et de plus improductif ! que de se retrouver bloqué par un message « limite atteinte », y compris sur un abonnement payant. Ce n’est pas un dysfonctionnement : c’est le signe que la mécanique sous-jacente reste opaque – et c’est précisément ce que cet article se propose de déchiffrer.

Tokens, GPU, énergie : ce que cache la facturation

Derrière chaque requête se cache un coût physique réel (GPU, énergie, mémoire) - c’est ce coût qui explique les plafonds. L’unité de mesure en est le token : environ les trois quarts d’un mot anglais, unité dans laquelle le modèle découpe tout ce qu’il reçoit et génère. Un résumé court en mobilise quelques centaines ; l’analyse d’un corpus, plusieurs dizaines de milliers.

Les abonnements payants n’achètent pas des messages illimités, mais une enveloppe de ressources gérée par fenêtres glissantes (*) – des périodes mobiles de quelques heures durant lesquelles la consommation est mesurée en continu, sans remise à zéro à heure fixe.

(*) De l’ordre de 3 à 5 heures selon les plateformes.

Parler anglais couramment, apprendre le coréen avant un voyage ou enfin réussir à tenir une conversation en espagnol… Pendant longtemps, apprendre une langue demandait des heures de cours, des cahiers d’exercices et surtout beaucoup de patience. Mais depuis l’arrivée de l’intelligence artificielle, les méthodes d’apprentissage ont complètement changé.

Aujourd’hui, certaines applications sont capables de corriger votre accent, créer des conversations réalistes ou adapter les leçons à votre niveau en temps réel. L’objectif ? Rendre l’apprentissage plus naturel, plus interactif… et surtout moins ennuyeux. Mais entre les applis vraiment utiles et celles qui surfent simplement sur la tendance IA, il y a une vraie différence.

Les applications IA pour apprendre une langue

La plus connue reste sûrement Duolingo. Avec son célèbre hibou vert, l’application a réussi à rendre les langues presque addictives grâce à un système de récompenses, de séries quotidiennes et de mini-jeux. Depuis peu, sa version premium utilise aussi l’intelligence artificielle pour proposer des conversations interactives et expliquer les erreurs de manière plus détaillée.

Le gros point fort de Duolingo, c’est la motivation : l’application pousse les utilisateurs à pratiquer chaque jour, même seulement cinq minutes.

2026 consacre le passage d’une « IA qui assiste » à une « IA qui travaille ». Ce basculement, largement commenté, redéfinit concrètement la place de l’humain dans l’activité professionnelle. Nos auteurs en décryptent les mécanismes dans ce nouveau numéro.

Véronique Mesguich cartographie un paysage en pleine recomposition : derrière le foisonnement des termes (GPTs, Gems, Artefacts…), elle structure quatre niveaux fonctionnels (espaces persistants, assistants, agents, connecteurs) pour mieux distinguer ce qui relève de l'évolution d'interface de ce qui constitue une rupture fonctionnelle véritable.

Ulysse Rajim retrace la mutation fulgurante des derniers mois : du copilote supervisé à l’« employé virtuel ». Il analyse l’essor d’OpenClaw, la course des plateformes (Claude Cowork, Frontier, Copilot Cowork), les trois piliers techniques (raisonnement, outils, mémoire) et les vulnérabilités qui les accompagnent.

Ces deux premières contributions nous inspirent trois constats.

Pendant longtemps, utiliser une intelligence artificielle générative se résumait à ouvrir une fenêtre de chat, poser une question et lire la réponse. Au cours des derniers mois, les grandes plates-formes ont fait évoluer leurs interfaces et proposent désormais des environnements de travail diversifiés : des assistants spécialisés, des connexions à des services tiers et des espaces de travail persistants qui conservent le contexte d’un projet dans la durée.

De plus, au-delà de ces évolutions d’interface, une mutation plus fondamentale est en cours avec l’émergence des agents autonomes, capables de planifier, d’enchaîner des actions, d’utiliser des outils et de mener des tâches complexes de bout en bout, sans qu’un humain ait besoin de valider chaque étape.

Pour les professionnels de l’information, cette stratification représente à la fois une opportunité et un défi. Une opportunité, car ces nouvelles fonctionnalités permettent d’automatiser des tâches répétitives, de personnaliser les assistants selon des contextes métier précis, et de connecter l’IA aux systèmes d’information existants. Un défi, car le vocabulaire employé par chaque plate-forme est hétérogène, parfois trompeur, et rarement expliqué avec la rigueur qu’exige un usage professionnel.

Cet article se propose de clarifier quatre fonctionnalités introduites par OpenAI : le mode agent, les applications, les assistants personnalisés et les projets ; en les mettant en regard, avec les concepts équivalents chez les autres grandes plates-formes : les Gems de Gemini, les Artefacts de Claude, les Espaces de Perplexity… L’objectif n’est pas de dresser un comparatif technique exhaustif, mais de donner des repères conceptuels nécessaires pour choisir les bons outils, et les déployer avec précision.

Durant l’année 2025, le terme d’agent IA envahit la presse. Les outils disponibles restent cependant limités à des capacités d’assistants ou de copilotes. Au premier trimestre 2026, une nouvelle catégorie d’outils fait son apparition : des agents IA autonomes, parfois même comparés à des « employés virtuels ». Cet article examine ce qui a rendu cette évolution possible, les défis qui accompagnent ces outils, et ce que la prochaine génération de plateformes IA laisse entrevoir.

Le 10 avril dernier, la capsule Artemis II ramenait sur Terre quatre astronautes d’un vol autour de la Lune, pendant que SpaceX préparait le prochain essai de sa fusée Starship. Il semblerait que la course à l’espace soit bel et bien relancée… Mais depuis la fin d’année dernière, c’est une autre compétition, moins visible, qui a été lancée au sein de l’écosystème IA : une course à « l’employé virtuel ».

Le terme n’est pas nouveau. Des éditeurs de robotisation des processus (RPA) tels que Blue Prism parlaient déjà de travailleurs digitaux en 2023 (1) pour désigner des « travailleurs virtuels conçus pour imiter les actions humaines, afin de prendre en charge le travail que les employés ne devraient pas avoir à faire ». Plus récemment, Microsoft, Anthropic et OpenAI adoptent un champ lexical proche pour parler d’agents IA capables de raisonner, d’utiliser des logiciels variés et de prendre en charge des tâches longues sans supervision continue.

Christian Vigne est consultant en stratégie IA et fondateur de Narra, un atelier qui utilise la fiction narrative pour aider les organisations à questionner leurs angles morts stratégiques. Fort de 13 ans chez Google EMEA, il accompagne aujourd'hui dirigeants et équipes à l'intersection de l'intelligence artificielle et de l'imaginaire organisationnel.

« Avec l’expansion continue de la puissance de calcul utilisée par l’IA, il revient aux chefs d’entreprise de s’exercer à bousculer leurs modèles mentaux pour créer la surprise. Dans un monde où les seules limites du possible deviennent celles de l’imagination, cette faculté pourrait rapidement devenir la condition première de la réussite. » 

S’il fallait paraphraser cette idée, portée par François Candelon (Les Echos), on pourrait dire que puisque tout est possible avec l’intelligence artificielle, le plus difficile sera de définir ce qui est enviable, la question n’étant plus de savoir si un projet est réalisable, mais ce qui mérite d’être réalisé et qui serait suffisamment différenciant par rapport à une concurrence dans le monde de l’entreprise.

Or cette perspective se confronte à trois enjeux : l’angoisse, l’influence et la capacité à solliciter notre imagination.