1023 | Agents, voix et automatisation : la semaine IA en cinq actes

Claire Martin: Bonjour et bienvenue, ici Claire Martin.

Nicolas Moreau: Et Nicolas Moreau. Aujourd'hui, on a un fil rouge qui relie presque tout ce qu'on va voir : la voix, et les agents. La barrière de la langue devient un produit, les agents travaillent seuls, la publicité se pilote toute seule, et derrière tout ça, des outils qui essaient de structurer notre attention et notre quotidien.

Claire Martin: On a choisi de ne pas survoler. On va prendre quelques lancements, prendre le temps d'expliquer pour qui c'est fait, ce que ça change vraiment, et surtout ce qu'on ne sait pas encore. Commençons par la voix, justement.

Nicolas Moreau: Alors la nouvelle de la journée côté voix : ElevenLabs annonce la traduction vocale en temps réel. Plus de 90 langues, et c'est bidirectionnel, donc dans les deux sens de la conversation.

Claire Martin: Et le détail qui fait tout, c'est la conservation de la voix. Tu parles, l'autre personne t'entend dans sa langue, mais c'est toujours ta voix qu'elle entend. Avec en plus des sous-titres et une transcription.

Nicolas Moreau: C'est énorme comme promesse, parce que jusque-là, la traduction en direct, c'était soit des interprètes, soit des outils textuels où tu perds complètement la dimension humaine de qui parle.

Claire Martin: Mais attention, il faut rester prudent. C'est une annonce. La vraie question, c'est la qualité réelle en conditions adverses, comme on dit : le bruit, les gens qui se coupent la parole, l'argot, les accents. Et le prix, qu'on ne connaît pas encore. Une chose est de faire la démo dans un casque au calme, une autre est de tenir une réunion mouvementée.

Nicolas Moreau: Et ce n'est pas un marché où ElevenLabs est seule. Mistral répond avec Voxtral 3, une gamme audio complète. Il y a de la transcription dans plus de 50 langues, il y a de la synthèse vocale, un TTS, avec contrôle des émotions, et il y a un SDK d'agents vocaux fait avec LiveKit.

Claire Martin: Le contrôle des émotions sur la synthèse vocale, c'est intéressant, parce que ça veut dire qu'on ne génère plus juste des mots, on génère une intention. Et le SDK avec LiveKit, ça montre que Mistral ne vise pas seulement le Transcript, il vise les gens qui construisent des assistants qui parlent.

Nicolas Moreau: Et d'ailleurs, ça fait la transition parfaite, parce que ces voix, elles alimentent justement les agents dont on va parler maintenant. Puisque si l'agent peut te répondre à voix haute, dans ta langue, avec la bonne émotion, tu n'es plus devant un formulaire, tu es devant quelqu'un.

Claire Martin: Donc les agents. Le premier qu'il faut voir, c'est Claude Duet. C'est un agent dit proactif, et la nuance est importante. Un agent classique, tu lui poses une question, il répond. Lui, il travaille dans le cloud, tout seul, et il ne te notifie que quand c'est terminé, ou quand une décision importante doit être prise.

Nicolas Moreau: C'est un vrai changement de posture. Tu ne surveilles plus l'agent, l'agent vient te chercher quand c'est utile. Disponible en avant-première pour les abonnés Pro et Max aux États-Unis, donc pour l'instant ce n'est pas ouvert à tout le monde.

Claire Martin: Et ce qu'on ne sait pas, c'est le point crucial : la fiabilité. Quand un agent travaille seul, sans que tu regardes, la question devient : est-ce qu'il fait juste ? Et combien ça coûte en usage réel ? Un agent qui tourne longtemps dans le cloud, ça consomme.

Nicolas Moreau: Il y a aussi un côté dérangement potentiel. Si l'agent ne te notifie qu'aux moments clés, il faut que ses moments clés soient les bons. Sinon tu reçois des notifications pour rien, ou pire, il prend une décision qu'il aurait dû te demander.

Claire Martin: Autre façon de donner du travail à un agent, complètement différente : Loom. L'idée, c'est que tu enregistres ton écran et ta voix, et ça devient un prompt structuré pour des agents comme Claude, Cursor ou Rovo. Avec une nouvelle application Mac native.

Nicolas Moreau: J'aime beaucoup ce déplacement, parce que c'est plus naturel pour beaucoup de gens d'expliquer en montrant que d'écrire une instruction précise. Tu montres ce que tu veux, et l'enregistrement se transforme en prompt que la machine peut exécuter.

Claire Martin: Et côté modèles qui font tourner tout ça, il y a Mercury 3, un LLM à diffusion, c'est-à-dire une architecture différente des modèles classiques. Celui-là est 40 fois plus grand que son prédécesseur, il dépasse les 1000 tokens par seconde, et en performances, il dépasse GPT-6 Luna selon l'annonce.

Nicolas Moreau: Là encore, traitons ça comme une affirmation du fabricant, pas comme un résultat vérifié. Ce qui est intriguant, c'est la vitesse. Au-delà de 1000 tokens par seconde, ça change l'expérience d'usage, parce que le modèle répond quasi instantanément.

Claire Martin: Et autour de ces agents, il y a tout un écosystème qui se construit. Un exemple : Bits, un agent personnel open source qui tourne en local, en résident sur ta machine. Il a une mémoire en Markdown, il sait se remettre en route après un crash, et tu peux choisir le modèle que tu veux.

Nicolas Moreau: Le fait que ce soit local et open source, c'est l'angle opposé de Claude Duet qui travaille dans le cloud. Certains ne veulent pas que leurs données partent sur les serveurs de quelqu'un d'autre.

Claire Martin: Et les agents ont besoin de contexte et de connexions. Causo, par exemple : tu décris ton client idéal en langage naturel, et il va chercher des leads dans les données publiques, avec des justifications. Et il passe par MCP, donc tu peux l'utiliser depuis ChatGPT ou Claude.

Nicolas Moreau: C'est un bon exemple de la chaîne complète. L'agent a un objectif, il a accès à de l'information publique, et il te rend un résultat avec les raisons. Et Resend, de son côté, propose Inboxes, des boîtes de réception partagées où tu peux connecter un agent ou construire des workflows, avec une approche API d'abord.

Claire Martin: Voilà, tout ça dessine une image : des modèles plus rapides, des agents qui agissent seuls, des mémoires locales, des connecteurs. Le chaînon qu'on garde en tête, c'est qu'on ne connaît pas encore la fiabilité ni les coûts dans des usages réels et prolongés.

Nicolas Moreau: Passons à un domaine où ces agents arrivent aussi, et où ça peut faire mal : la publicité. Il y a deux lancements qui couvrent la chaîne presque entière.

Claire Martin: Fastlane 2.0, d'abord. Tu lui donnes juste l'URL de ton site. À partir de là, il apprend ta marque, il fait une analyse de la concurrence, il génère des vidéos et des images publicitaires par IA, il diffuse sur Meta, et il apprend des résultats pour s'améliorer.

Nicolas Moreau: Tout en un, de l'URL à la campagne. Et Playad, de son côté, prend un angle différent : il orchestre plusieurs agents spécialisés, un pour la recherche, un pour la stratégie, un pour l'analyse, un pour les enchères. Et il démarre à 39 dollars par mois.

Claire Martin: La comparaison est intéressante parce que les deux disent la même chose autrement. Fastlane, c'est une chaîne intégrée de bout en bout. Playad, c'est une équipe d'agents avec chacun son métier, et un prix d'entrée affiché, ce qui est rare dans ce secteur.

Nicolas Moreau: Ce que ça change pour le métier, c'est profond. Le travail d'acheteur média, jusqu'ici c'était exécuter : choisir, régler, lancer, optimiser. Là, ça devient superviser. Tu valides la stratégie, tu regardes les résultats, tu corriges.

Claire Martin: Et ça, ça change le profil des gens qui peuvent faire de la publicité. Une petite équipe qui n'a pas d'acheteur média dédié peut lancer des campagnes. La contrepartie, c'est que la qualité créative devient la vraie variable. Si tout le monde a accès aux mêmes outils de diffusion et de génération, ce qui te différencie, c'est l'idée.

Nicolas Moreau: Et il faut le dire honnêtement : les promesses d'apprentissage à partir des résultats, là comme ailleurs, ce sont des annonces du fabricant. Ce qu'on attend de voir, c'est la mesure des performances réelles, pas la démo.

Claire Martin: Et dans le même mouvement, la création vidéo par IA se généralise au-delà de la pub. CutBay, par exemple : tu discutes en chat, tu donnes un prompt, une URL, un PDF, et il génère une vidéo complète, avec le script, la narration et le montage. Plus besoin de passer par plusieurs outils.

Nicolas Moreau: Et Voxelo 3.0 montre une autre direction de la vidéo : à partir de trois minutes de vidéo smartphone, il génère un jumeau 3D photoréaliste en environ une heure, et les attributs de ce jumeau sont publiés en JSON-LD, donc structurés et exploitables.

Claire Martin: On voit bien le même fil : ce qui demandait une équipe et des semaines devient un flux automatisé. La question qui reste, pour toute cette famille d'outils, c'est la qualité au niveau des vraies exigences professionnelles.

Nicolas Moreau: Changement d'air, mais le même fond, en fait. Parce que derrière tout ces agents qui font des choses, il y a une question : est-ce que ça m'aide, moi, à mieux utiliser mes journées ? Et là, on a des outils de productivité personnelle qui sont très concrets.

Claire Martin: Claire Mail, par exemple. Sur Mac et iPhone, elle intègre Gmail, le calendrier et les rappels Apple dans une seule application. Et l'IA trie la boîte de réception et te fait un résumé de ta matinée.

Nicolas Moreau: Le résumé du matin, c'est le genre de chose simple qui peut changer une routine. Tu ouvres ton Mac, tu sais déjà ce qui compte, sans avoir trié toi-même.

Claire Martin: Et dans le même écosystème Apple, il y a Notif, qui enrichit les rappels Apple avec des informations de contexte et un bouton pour l'action suivante. Gratuit dans sa version de base, et une version Pro à 4,99 dollars par mois.

Nicolas Moreau: Ce que j'aime dans ces deux-là, c'est qu'ils ne demandent pas de changer d'habitudes. Ils s'accrochent à ce que tu utilises déjà, Gmail et les rappels Apple, et ils ajoutent de l'intelligence dessus.

Claire Martin: Mais il y a un deuxième volet, plus intéressant peut-être, parce qu'il s'attaque à un vrai problème : la vie de développeur solo. Travailler seul, c'est difficile de tenir dans la durée. Doneas propose un rituel : un plan hebdomadaire le lundi, et en semaine, un appel d'accountability, de responsabilité, à cinq personnes, de quinze minutes, tous les jours ouvrés. Plus une page de progression publique.

Nicolas Moreau: Et là, il faut être honnête : ça ne semble pas être de l'IA du tout, c'est du social. L'appel de quinze minutes à cinq personnes, c'est une contrainte externe que tu ne peux pas repousser, et la page publique, c'est un engagement envers les autres.

Claire Martin: Et c'est le lien entre tous ces outils, je trouve. Claire Mail trie pour toi, Notif te donne le contexte, Doneas te met une structure sociale. Ce ne sont pas des outils qui ajoutent des tâches, ce sont des outils qui structurent l'attention. Ce qui manque, dans tous les cas, c'est le recul : est-ce que ça tient dans le temps, est-ce que le rituel survit à la première semaine difficile.

Nicolas Moreau: Passons aux choses plus techniques, pour finir. Le debug, d'abord. heal.dev exécute ton application dans un bac à sable proche de la production, et quand il trouve quelque chose, il remonte des bugs et des vulnérabilités reproductibles, avec un test en échec.

Claire Martin: Le détail du test en échec, c'est ce qui rend l'outil sérieux. Tu ne reçois pas juste un rapport qui dit il y a un problème, tu reçois un test que tu peux lancer, corriger, et relancer. Reproductible, c'est le mot clé.

Nicolas Moreau: Et pour les développeurs qui travaillent avec des agents, il y a Whiteboard, un canevas partagé open source, où tu peux dessiner des schémas, voir les traces des agents, et sauter directement du schéma au code.

Claire Martin: Le saut direct du dessin au code, c'est l'idée forte. Tu ne perds pas le fil entre la pensée et l'implémentation.

Nicolas Moreau: Et autour, il y a des outils de données et de support. DeepCell introduit un format, .deepcell, qui relie le tableur, le rapport et les slides : quand tu édites à un endroit, tout se met à jour, avec export en xlsx, docx et pptx.

Claire Martin: Ça attaque un vrai calvaire de bureau : les chiffres qui ne sont plus d'accord entre le tableur et la présentation. Si une édition met tout à jour, tu supprimes tout un travail de recopie. La vraie question, c'est l'adoption du format, parce qu'un format ne vaut que si les gens l'utilisent.

Nicolas Moreau: Côté support client, Concierge de Juniors AI propose du support omnicanal avec une IA qui tourne sur l'infrastructure du client lui-même, donc sa base Postgres, son Redis, ses clés de modèles, et sans majoration sur l'infrastructure.

Claire Martin: C'est un modèle qu'on voit peu : au lieu de tout héberger chez eux et de te refacturer l'usage, ils font tourner sur tes ressources. Pour les entreprises sensibles à la souveraineté des données, c'est un argument fort. Le contrepoint, c'est que gérer ta propre infrastructure, ça reste ton travail.

Nicolas Moreau: Et dans le même registre de contenus, Danan rassemble l'enregistrement, le montage, les réunions et les guides dans un seul espace vidéo IA, avec de l'interactivité, des votes et des appels à l'action dans les vidéos.

Claire Martin: Alors récapitulons ce qu'on retient. La voix en temps réel devient un produit, avec ElevenLabs en traduction directe et Mistral qui équipe les constructeurs. Les agents passent du rôle de répondeur à celui de travailleur autonome, avec en suspens la fiabilité et les coûts.

Nicolas Moreau: La publicité devient supervisable plutôt qu'exécutée. La productivité personnelle se réinvente moins dans les fonctionnalités que dans la structure de l'attention. Et côté technique, les garanties de reproductibilité, comme le test en échec, sont peut-être la chose la plus utile de la journée.

Claire Martin: Et pour tout ce qu'on a couvert, souvenez-vous : ce sont des lancements, donc des promesses du fabricant. Ce qu'il faut surveiller dans les semaines qui viennent, c'est l'usage réel, les prix réels, et ce que disent les utilisateurs quand ils ne sont plus en démo.

Nicolas Moreau: Merci de nous avoir écoutés. On se retrouve très bientôt.

Claire Martin: À bientôt !