JetBrains intègre GPT-5 dans ses outils de codage, facilitant ainsi la création, la conception et le développement de logiciels plus rapidement pour des millions de développeurs.
Dans nos dossiers
Vu une erreur factuelle dans cet article ? Signalez-la. Toutes les corrections valides sont publiées sur /corrections.
JetBrains a annoncé JetBrains Central, une plateforme de pilotage centralisé destinée aux équipes de développement logiciel en entreprise qui adoptent l'IA agentique. Concrètement, la solution connecte les IDE, les consoles d'administration et les pipelines CI/CD dans un système unifié capable de coordonner plusieurs agents IA simultanément : Claude d'Anthropic, Gemini de Google, Codex d'OpenAI ou encore l'Assistant JetBrains natif. La plateforme intègre une console d'administration avec gestion des identités et des accès (IAM), un suivi en temps réel de chaque décision prise par les agents, ainsi qu'un système de facturation centralisé permettant de fixer des quotas de tokens par département et d'alerter ou bloquer l'exécution en cas de dépassement budgétaire. L'enjeu est majeur pour les directions techniques qui peinent aujourd'hui à gouverner une IA de plus en plus autonome. Sans cadre structuré, les risques de fuite de données et de dépenses incontrôlées sont réels : les entreprises jonglent entre de multiples abonnements, sans visibilité sur ce que font réellement les agents dans leur base de code. JetBrains Central répond à ce problème en segmentant les permissions par projet ou par équipe, en traçant chaque commit et chaque modèle utilisé, et en transformant la conformité réglementaire en processus automatisé plutôt qu'en obstacle. Pour les secteurs régulés comme la finance ou la santé, cette traçabilité fine constitue un prérequis non négociable. L'objectif affiché est de rendre la productivité liée à l'IA mesurable en valeur métier, et non plus un coût opaque dilué dans les budgets IT. Cette annonce s'inscrit dans un contexte de fragmentation critique des outils IA en entreprise : chaque fournisseur propose son propre agent, ses propres interfaces, ses propres modèles de tarification, rendant l'orchestration de workflows complexes particulièrement difficile. JetBrains, éditeur des IDE IntelliJ, PyCharm et WebStorm utilisés par des millions de développeurs, capitalise sur sa position centrale dans le SDLC (Software Development Life Cycle) pour imposer une couche d'orchestration neutre. La plateforme s'intègre également avec GitHub, GitLab et des IDE tiers, permettant aux agents d'intervenir directement dans les pipelines CI/CD pour corriger des bugs de build ou améliorer des scripts de déploiement. En misant sur l'ouverture multi-fournisseurs plutôt que sur un écosystème fermé, JetBrains parie que la gouvernance et l'observabilité deviendront les critères d'adoption déterminants à mesure que l'autonomie des agents IA s'accroît dans les environnements de production.
UELes entreprises européennes utilisant les IDE JetBrains (très répandus en Europe) peuvent adopter cette couche de gouvernance pour répondre aux exigences de traçabilité de l'AI Act et aux contraintes des secteurs régulés comme la finance et la santé.
Nvidia vient de franchir un cap majeur dans la prévision météorologique avec le lancement de sa plateforme Earth-2, un jumeau numérique de la Terre capable de simuler le climat en temps réel. Présentée en janvier 2026, cette famille de modèles d'IA open source promet de diviser par 1 000 le temps de calcul par rapport aux approches traditionnelles, passant de plusieurs heures à quelques secondes pour générer des prévisions exploitables. L'enjeu dépasse largement la météo du lendemain. Anticiper des catastrophes naturelles, adapter des politiques publiques, modéliser des risques financiers liés au climat : autant de domaines où la vitesse et la précision des prévisions sont critiques. En rendant ces capacités accessibles à des acteurs bien plus modestes qu'un État doté de supercalculateurs, Nvidia redistribue les cartes, notamment au profit des pays en développement, jusqu'ici exclus des outils de pointe. Sur le plan technique, les modèles Earth-2 agrègent en continu des données de satellites, radars, ballons-sondes et stations météo pour reconstituer l'atmosphère en temps réel. Développés en collaboration avec la NOAA et MITRE, ils couvrent un double niveau d'analyse : prévisions mondiales jusqu'à 14 jours, et zoom régional à 6 heures sur des événements précis (tempêtes, vents, précipitations). L'infrastructure requise se réduit à deux GPU Nvidia RTX Pro 6000, l'un dédié aux calculs, l'autre aux visualisations. Le concept de "climat en bouteille" illustre peut-être le mieux l'ambition du projet : compresser 50 ans de données météorologiques dans quelques gigaoctets afin de rejouer n'importe quelle journée passée ou de simuler des scénarios futurs en modifiant des paramètres clés comme la température des océans ou la pression atmosphérique. Une capacité qui pourrait transformer la planification énergétique, agricole et assurantielle à l'échelle mondiale.
UELes agences météorologiques européennes comme Météo-France ou l'ECMWF pourraient adopter cette plateforme open source pour améliorer leurs prévisions climatiques à moindre coût infrastructurel.
GitAgent s'impose comme une proposition architecturale ambitieuse dans l'écosystème des agents IA : un format universel et open-source capable de réconcilier des frameworks jusqu'ici incompatibles. Concrètement, cet outil CLI traite un agent comme un répertoire Git structuré, découplant ainsi la définition de l'agent de son environnement d'exécution, exactement comme Docker a découplé les applications de leur infrastructure sous-jacente. L'enjeu est considérable pour les équipes de développement. Aujourd'hui, migrer un agent de LangChain vers AutoGen ou Claude Code implique une réécriture quasi-totale du code métier. Cette fragmentation génère une dette technique lourde et verrouille les équipes dans des écosystèmes propriétaires. GitAgent propose une couche d'abstraction intermédiaire : définir l'agent une seule fois, l'exporter partout, vers OpenAI Assistants, CrewAI, LangChain ou l'environnement terminal d'Anthropic. L'architecture repose sur des fichiers aux rôles bien définis : agent.yaml pour les métadonnées et dépendances, SOUL.md pour l'identité et la personnalité de l'agent (en remplacement des system prompts éparpillés), DUTIES.md pour la ségrégation des responsabilités, et des répertoires skills/, tools/ et rules/ pour les capacités fonctionnelles et les garde-fous. Le point le plus original reste la couche de supervision : chaque modification d'état interne de l'agent, mise à jour mémoire, évolution de personnalité, génère une Pull Request Git, rendant le comportement de l'agent auditable, réversible via git revert, et intégrable dans des pipelines CI/CD classiques. Cette approche répond à un angle mort majeur du déploiement en production : la boîte noire de la mémoire agentique. En rendant l'état interne lisible et versionné, GitAgent ouvre la voie à une gouvernance sérieuse des agents autonomes, un prérequis que les équipes enterprise commencent à exiger avant tout passage à l'échelle.
HubSpot a intégré en 2024 et 2025 un écosystème d'agents IA autonomes, baptisé Breeze, directement dans sa plateforme CRM utilisée par plus de 288 000 clients. Lancé officiellement lors de l'INBOUND 2024 puis enrichi jusqu'en 2026, Breeze se décompose en trois couches : un assistant conversationnel généraliste (Breeze Assistant), des agents spécialisés par fonction (Breeze Agents), et plus de 80 fonctionnalités IA intégrées comme l'AI Blog Writer, le Content Remix ou le scoring prédictif de leads. Parmi ces agents, le Prospecting Agent surveille les comptes cibles, détecte les signaux d'intention d'achat et rédige des emails personnalisés en autonomie, déjà adopté par plus de 10 000 clients. Un Customer Agent prend en charge le support client de bout en bout. Ces agents se configurent en quelques heures et restent traçables et contrôlables par les équipes. L'impact est mesurable : selon une enquête interne HubSpot, 72 % des startups utilisant ces outils constatent une amélioration de l'up-sell et du cross-sell, et 37 % observent une baisse significative de leur coût d'acquisition client. Le Prospecting Agent permettrait de presque doubler le volume de rendez-vous qualifiés. Au-delà des chiffres, le changement de paradigme est structurel : les équipes marketing et commerciales passent de l'exécution manuelle de tâches répétitives à une supervision stratégique, pendant que les agents gèrent la prospection, la création de contenu et le support. Pour les PME et startups B2B, l'enjeu est direct, automatiser des workflows complets sans recruter, avec une cohérence de données garantie par le CRM natif. Ce virage s'inscrit dans un contexte où le comportement des acheteurs a profondément changé : plus de six recherches sur dix ne génèrent désormais aucun clic, les réponses étant fournies directement par des assistants IA ou des extraits enrichis dans les moteurs de recherche. Les tunnels de conversion classiques, fondés sur des scénarios "si X alors Y", montrent leurs limites face à des parcours d'achat de plus en plus fragmentés et imprévisibles. HubSpot répond à cette rupture en positionnant Breeze comme une couche d'intelligence unifiée, appuyée sur les données CRM de chaque entreprise, ce qui la différencie des solutions IA génériques. La concurrence avec Salesforce Einstein, Microsoft Dynamics ou des outils comme Clay s'intensifie, et la capacité à proposer des agents prêts à l'emploi, sans développement sur mesure, devient un avantage décisif pour capter les équipes RevOps des entreprises de taille intermédiaire.
UELes PME et startups B2B françaises utilisant HubSpot peuvent automatiser leur prospection et support client via Breeze sans développement sur mesure.
Recevez l'essentiel de l'IA chaque jour
Une sélection éditoriale quotidienne, sans bruit. Directement dans votre boîte mail.
Gratuit · 1 email le matin, l'essentiel de l'IA · désinscription en un clic
