Une conversation d'agent IA peut sembler parfaite tout en étant défaillante, selon des dirigeants de LangChain, Conviva et CoreWeave à VB Transform 2026

AWS et Workato veulent faire passer les agents IA de la conversation à l’action

AWS et Workato viennent de renforcer leur partenariat autour d'Enterprise MCP, une offre conçue pour permettre aux agents IA d'exécuter de véritables actions en entreprise plutôt que de se limiter à générer du texte. Concrètement, les deux sociétés combinent la plateforme d'intégration WorkatoONE, qui centralise plus de 14 000 systèmes d'entreprise, avec les services d'IA d'AWS, notamment Amazon Bedrock, Amazon SageMaker et AWS Lambda. Cette architecture s'appuie sur le Model Context Protocol (MCP), un standard qui simplifie la connexion entre les modèles d'IA et les outils métiers, en évitant les développements sur mesure jusqu'ici nécessaires pour relier un agent à plusieurs applications. Workato a par ailleurs obtenu la spécialisation AWS AI Competency dans la catégorie des outils d'IA agentique, une reconnaissance qui vise les systèmes capables de planifier, raisonner et exécuter de manière autonome des tâches complexes en plusieurs étapes. Les deux partenaires citent déjà des cas d'usage dans la finance, l'informatique, les ventes, les ressources humaines et l'expérience client. L'enjeu dépasse la simple prouesse technique. Jusqu'à présent, les agents conversationnels savaient répondre à des questions ou rédiger du contenu, mais restaient impuissants dès qu'il fallait interagir avec des systèmes fragmentés, bases de données, logiciels métiers, processus internes, sans créer de failles de sécurité ni perdre le contrôle sur ce que l'agent est autorisé à faire. Enterprise MCP cherche justement à donner davantage d'autonomie aux agents tout en maintenant des garde-fous stricts sur les données consultables et les actions déclenchables. Pour les entreprises, cela signifie la possibilité de déléguer des tâches réelles, par exemple à une équipe financière qui a besoin qu'un agent consulte plusieurs systèmes, analyse un contexte métier puis déclenche une opération, sans multiplier les développements d'intégration coûteux et risqués en matière de gouvernance. Cette initiative s'inscrit dans un mouvement plus large où les pilotes d'IA générative, après avoir démontré la capacité des modèles à produire du contenu, peinent encore à prouver un retour sur investissement tangible faute de passage à l'action concrète. En misant sur l'orchestration de Workato et l'infrastructure d'AWS, les deux groupes espèrent transformer les agents IA en véritables exécutants capables d'intervenir dans les opérations quotidiennes des organisations. Reste à voir si cette approche convaincra les entreprises encore prudentes face aux risques opérationnels et de sécurité que soulève l'autonomisation croissante de ces systèmes.

💬 MCP standardisé sur 14 000 connecteurs, ça change la donne : le vrai coût des agents IA en entreprise, ça n'a jamais été le modèle, c'est l'intégration. AWS et Workato attaquent enfin ce chantier-là plutôt que de sortir un énième LLM plus malin. Reste que donner à un agent le droit de déclencher des actions dans des systèmes critiques, c'est un pari sur la gouvernance autant que sur la technique, et ça, MCP ne le résout pas tout seul.

Comment l’IA transforme la gestion de chantier en 2026 ?

Moins de 10 % des entreprises du bâtiment utilisent aujourd'hui l'intelligence artificielle dans leur gestion opérationnelle, mais 70 % prévoient de franchir le pas dans les prochains mois, soit 15 points de plus qu'il y a un an selon le baromètre Orisha Construction. Le marché mondial de l'IA appliquée à la construction devrait atteindre 4,5 milliards de dollars en 2026. Concrètement, six applications transforment déjà le quotidien des professionnels : la génération automatique de devis, la prédiction des retards, l'optimisation de planning, l'analyse de photos par vision par ordinateur, les chatbots clients pour artisans, et la détection d'anomalies de sécurité. Sur le seul volet du chiffrage, un artisan qui dictait vocalement ses paramètres peut aujourd'hui obtenir un devis structuré en 45 minutes au lieu de quatre heures, avec des relances automatisées (email J+3, SMS J+7, appel J+14) qui font passer le taux de transformation de 15 à 30 %. Les solutions SaaS concernées démarrent entre 150 et 250 euros par mois pour un indépendant, avec un retour sur investissement atteint en trois à quatre mois. L'impact dépasse la simple productivité administrative. En croisant données météo, disponibilité des ressources et historiques de sinistres, les algorithmes de prédiction permettent d'identifier une rupture d'approvisionnement trois semaines à l'avance, laissant le temps de mobiliser un fournisseur alternatif sans perdre un seul jour de chantier. McKinsey et Orisha estiment que cette approche réduit de 15 à 25 % les coûts liés aux erreurs, reprises et retards. Sur le terrain, des drones et caméras fixes capturent quotidiennement l'avancement réel, que l'IA quantifie sans relevé manuel. Les équipements de protection individuelle non portés sont détectés instantanément sur les images, réduisant les risques d'accidents et les responsabilités juridiques. Pour les artisans, un chatbot répond aux demandes de devis en dehors des heures ouvrées, supprimant les pertes de contrats par manque de réactivité. Le paradoxe du secteur est bien connu : la construction affiche une productivité qui progresse d'à peine 1 % par an depuis des décennies, malgré une pression croissante liée à la volatilité des prix des matériaux, la pénurie de compagnons qualifiés et une réglementation de plus en plus dense. C'est précisément cette accumulation de contraintes qui pousse les acteurs à chercher des gains opérationnels rapides et mesurables, plutôt que des transformations structurelles longues. Des éditeurs comme Trustup Pro intègrent déjà plusieurs de ces briques dans des logiciels de suivi de chantier tout-en-un. La prochaine étape, déjà en cours dans les grandes entreprises, est l'interconnexion de ces outils avec les ERP et les plateformes de sous-traitance, pour que le conducteur de travaux dispose d'un tableau de bord prédictif unifié plutôt que d'une série d'alertes isolées.

💬 Le bâtiment stagne à +1 % de productivité par an depuis trente ans, et d'un coup 70 % des boîtes seraient prêtes à basculer. Ce chiffre vient d'un éditeur qui vend ces solutions, garde ça en tête. Mais les cas d'usage tiennent la route : 45 minutes pour un devis au lieu de 4 heures, ROI à 3 mois pour 150 euros par mois, c'est le genre de gain mesurable qui convainc un artisan, pas un DSI.

ChatGPT peut désormais écouter et parler en même temps, rendant les conversations avec l'IA plus naturelles

Voici le texte traduit et résumé : ChatGPT peut désormais écouter et parler en même temps grâce à GPT-Live, une nouvelle architecture full-duplex développée par OpenAI. Concrètement, l'assistant vocal n'a plus besoin d'attendre la fin de la phrase de l'utilisateur pour commencer à répondre, ce qui rend les échanges beaucoup plus fluides. Pour les questions complexes, le système bascule discrètement en arrière-plan vers GPT-5.5, un modèle plus puissant, avant de restituer la réponse à l'oral. GPT-Live-1, la version complète, est déjà disponible pour les abonnés payants de ChatGPT, tandis qu'une version allégée, GPT-Live-1-mini, équipe les comptes gratuits. L'accès via l'API doit suivre dans les prochaines semaines. Cette avancée technique change concrètement la nature des interactions vocales avec l'IA. Jusqu'ici, les assistants conversationnels fonctionnaient sur un mode séquentiel rigide : l'utilisateur parle, puis attend, puis l'IA répond. Avec le full-duplex, les interruptions, hésitations et reformulations en cours de phrase deviennent possibles, comme dans une vraie conversation humaine. Pour les usages professionnels comme l'assistance client ou la dictée assistée, cela réduit la friction et améliore l'expérience perçue, un facteur clé alors que les entreprises cherchent à déployer des agents vocaux plus naturels. Cette évolution s'inscrit dans la course entre grands acteurs de l'IA générative pour rendre les interfaces vocales indiscernables d'une conversation humaine, un terrain où Google et son assistant Gemini, ainsi que d'autres concurrents, investissent également massivement. Le choix d'OpenAI de combiner un modèle léger pour la fluidité conversationnelle et un modèle lourd, GPT-5.5, pour la profondeur de raisonnement illustre une stratégie d'architecture hybride qui pourrait s'imposer comme standard. Reste à voir comment cette technologie se comportera à grande échelle une fois ouverte aux développeurs via l'API, et si la latence promise tiendra ses promesses en conditions réelles d'usage.

Le patron de l'IA générale chez Amazon estime que la fiabilité des agents IA, plus que leurs capacités, freine leur adoption en entreprise (VB Transform 2026)

Voici l'article traduit et résumé : Lors de la conférence VB Transform 2026, mardi, Bryan Silverthorn, directeur de l'autonomie AGI chez Amazon, a expliqué pourquoi l'industrie de l'IA en entreprise reste bloquée entre le pilote et la production. Selon des données de Cisco, 85% des entreprises testent des agents IA, mais seulement 5% les ont réellement déployés en production. Silverthorn, arrivé chez Amazon via le rachat d'Adept AI et qui dirige aujourd'hui l'entraînement d'agents multimodaux au sein du laboratoire AGI du groupe, a présenté un cadre en quatre dimensions pour mesurer la fiabilité des agents : la cohérence, la robustesse, la prédictibilité et la sécurité, un modèle qu'il attribue à des recherches menées à Princeton. Il a illustré son propos avec l'exemple d'un client ayant déployé un agent de contrôle qualité logicielle chargé d'extraire des numéros de série affichés à l'écran. L'outil a fonctionné sans faille pendant deux mois avant de commencer à lire des chiffres erronés par intermittence. La cause : l'encodeur visuel sous-jacent réagissait différemment selon l'emplacement du numéro de série à l'écran, et une modification logicielle imperceptible pour un humain avait déclenché la panne. Ce cas illustre un problème plus large que confirme une étude propriétaire de VentureBeat présentée en amont de la session : la moitié des entreprises interrogées ont déployé des agents qui réussissaient leurs évaluations internes mais échouaient face aux vrais clients. Beaucoup d'entreprises surveillent la disponibilité de leurs agents sans jamais vérifier la justesse de leurs réponses, une approche que Silverthorn compare à prendre le pouls sans poser de diagnostic. Il souligne aussi que la plupart des entreprises se contentent des évaluations fournies par les éditeurs de modèles, sans développer leurs propres tests, ce qui revient à un pari entre confiance aveugle envers le fournisseur et absence totale de vérification. Pour lui, la priorité n'est donc pas d'attendre de meilleurs modèles mais d'adapter la rigueur de mesure aux enjeux réels de chaque application. Sur le plan organisationnel, le laboratoire AGI d'Amazon a adopté une approche pour le moins inhabituelle : ses chercheurs y surnomment leurs agents des "stagiaires", capables de prouesses remarquables comme de dérapages spectaculaires, et qu'il faut donc encadrer avec des réflexes de management plutôt que d'ingénierie pure, en anticipant les erreurs possibles et en prévoyant des filets de sécurité. Amazon accepte ainsi qu'un agent lance parfois la mauvaise expérience en échange d'une vitesse de recherche accrue, certains fonctionnant même en continu sur leurs propres plans de recherche. Silverthorn reste prudent sur l'auto-amélioration des IA, qu'il juge encore lointaine, tout en citant l'exemple d'un client du transport routier utilisant déjà l'automatisation de navigateur pour traiter des réclamations de garantie dispersées sur plusieurs systèmes, une brique appelée à coexister avec des protocoles comme MCP et des API plutôt qu'à les remplacer.

💬 Selon Le Fil IA, le vrai goulot d'étranglement de l'IA en entreprise n'est plus la capacité des modèles mais l'absence de mesure fiable de leur fiabilité. L'histoire du numéro de série mal lu au bout de deux mois, à cause d'un pixel de décalage, elle résume tout : ça marche jusqu'au jour où ça ne marche plus, et personne n'a l'alerte. 85% des boîtes testent, 5% déploient vraiment, l'écart tient moins à la techno qu'à ce vide entre "l'agent tourne" et "l'agent répond juste".