Astra pilote un ordinateur, Mistral lève 3 milliards

Pendant deux ans, l'IA en entreprise s'est arrêtée au même endroit : le modèle produisait un texte ou un tableau, et un collaborateur reprenait la main pour aller le poser dans le bon logiciel. Ce dernier kilomètre absorbait l'essentiel du gain annoncé. La semaine du 10 septembre 2026 le fait tomber, avec un modèle qui clique lui-même dans vos applications, des agents capables d'engager un paiement, et une offre européenne qui vend désormais la localisation de vos données autant que la performance. Les trois sujets de la semaine ne relèvent pas de la veille technologique : ils touchent vos processus, votre facture et votre chaîne de responsabilité.

Ce que cette semaine change vraiment pour les équipes IA en entreprise

Quatre signaux chiffrés résument ce qui s'est déplacé, et chacun se traduit en décision concrète.

• Le pilotage d'ordinateur devient exploitable : GPT-6 Astra passe de 65,7 % à 72,6 % sur OSWorld, le test de référence, en divisant presque par deux le temps par tâche.
• Le coût du modèle le plus capable a été multiplié par deux et demi : dix dollars le million de tokens en entrée, cinquante en sortie, et l'accès dans le chat suppose un abonnement à partir de 103 euros par mois en France.
• Le paiement par agent quitte le laboratoire : Visa teste son dispositif avec plus de trente banques européennes depuis le printemps, Mastercard a lancé Agent Connect le 9 septembre, et 46 % des marchands interrogés refusent qu'un agent décide des prix.
• La souveraineté des données devient une offre commerciale : Mistral lève 3 milliards pour une valorisation au-delà de 21 milliards, et s'engage sur le choix de la région où votre requête est traitée.

Un modèle qui clique dans vos logiciels change la nature de vos projets IA

Présenté le 3 septembre à San Francisco, GPT-6 Astra prend des captures de l'écran, les analyse, puis clique, tape et navigue seul. Les cas montrés sont d'une banalité assumée et c'est précisément l'intérêt : remplir un formulaire, mettre à jour une fiche client dans un CRM, installer puis tester un logiciel. L'exécution se fait dans l'application ChatGPT de bureau, en mode Work ou Codex, après activation d'un plugin Computer Use, puis un appel explicite à @Computer ou @Chrome dans le message. Le modèle encaisse 1,05 million de tokens de contexte, ce qui lui permet de tenir une session longue sans perdre les consignes initiales.

Le gain opérationnel concret

Jusqu'ici, automatiser une tâche dans un outil métier supposait une intégration : une interface de programmation disponible, un connecteur à maintenir, un budget de développement. Un modèle qui pilote l'interface graphique contourne cette dépendance, y compris sur les logiciels anciens qui n'exposent aucune interface de programmation. C'est la première fois qu'un chantier d'automatisation devient envisageable sur un progiciel fermé sans passer par son éditeur.

Ce que ça coûte de ne pas agir

Le risque n'est pas de rater un outil, il est de laisser le sujet se traiter sans vous. Un collaborateur qui active un plugin de pilotage d'ordinateur sur son poste donne à un modèle la capacité de cliquer dans vos applications métier, avec les droits de sa propre session. Si aucune règle n'existe, elle sera écrite par l'usage. Le coût de l'inaction se mesure donc en exposition, pas en retard concurrentiel.

Comment l'intégrer dans votre stack

Commencez par une tâche en lecture seule, sur un périmètre où une erreur ne coûte rien, et gardez la validation humaine sur toute action irréversible. Le coût d'entrée reste à surveiller : comptez environ quarante minutes par tâche, et une session longue peut absorber une part importante d'un quota mensuel. Le premier gain utile n'exige d'ailleurs pas le modèle le plus cher. Nous avons mesuré en interne un écart net sur la simple dictée des consignes plutôt que leur saisie au clavier : 40 mots par minute au clavier contre environ 150 à l'oral, avec Open Whisper qui tourne en local, sans qu'aucune donnée ne quitte la machine, et un modèle sous 100 Mo qui passe à peu près partout.

La démonstration tient en trois comparaisons chronométrées, l'écrit contre l'oral, sur la même consigne.

→ Concevoir des agents IA sur des processus déjà documentés

Votre prochain acheteur sera un programme, et il lit vos données produit

Le 8 septembre, Meta a lancé Muse, un assistant qui rédige et envoie des mails, réserve un voyage, remplit un formulaire, négocie une facture, et paie. Palier gratuit avec quota hebdomadaire, puis 20 et 100 dollars par mois, aux États-Unis seulement et sans date annoncée pour l'Europe. Un mois plus tôt, xAI ouvrait Grok Bot sur le même principe. La différence avec les agents existants tient à l'accessibilité : OpenClaw et Hermes Agent supposaient un terminal et la responsabilité entière de la sécurité, ce qui les réservait aux équipes techniques. Muse et Grok Bot arrivent déjà branchés aux comptes de l'utilisateur.

La plomberie bancaire suit, et vite. Le 7 septembre, Revolut et Visa ont fait passer la première transaction payée par une IA en France, chez un revendeur de logiciels, avec une empreinte d'autorisation à la place d'un code. C'est un pilote fermé, la fonction n'existe pas dans l'application grand public.

Le gain opérationnel concret

Un agent qui compare et achète ignore vos visuels, votre tunnel de commande et vos bandeaux promotionnels. Il lit vos données produit, vos prix et vos délais. L'exemple le plus parlant vient du test de Muse : l'agent a fait abandonner un achat sur Amazon parce qu'il proposait une livraison douze jours plus tard que l'application. Autrement dit, la qualité de votre catalogue structuré devient un critère de sélection commerciale, au même rang que le prix.

Ce que ça coûte de ne pas agir

Une fiche produit incomplète ou un délai de livraison approximatif ne vous fait plus perdre une vente sur la marge : il vous fait sortir de la comparaison avant même d'y entrer. Et la brique qui manque encore à tout le dispositif reste la responsabilité : personne n'a tranché publiquement qui paie quand l'agent se trompe de panier. C'est une clause à anticiper dans vos conditions de vente plutôt qu'à découvrir au premier litige.

Comment l'intégrer dans votre stack

Le chantier est moins un projet IA qu'un chantier de données. Rendez lisibles par une machine vos références, vos prix, vos stocks et vos délais réels, et vérifiez que ce que votre site publie correspond à ce que votre système de gestion contient. Sur la partie transactionnelle, les tests indépendants dessinent une frontière nette : la lecture et le tri fonctionnent, la transaction bloque encore. Traitez donc la lecture automatisée comme imminente et le paiement agentique comme un sujet de veille contractuelle.

→ Cartographier ses dépendances et ses données avec un audit conseil

Mistral vend désormais le coffre-fort autant que le modèle

Mistral a levé 3 milliards avec Samsung en chef de file, pour une valorisation au-delà de 21 milliards, presque le double d'il y a un an. Le changement de métier tient en trois engagements : un gigawatt de calcul en Europe d'ici 2030, le choix de la région où votre requête est traitée, et l'hébergement de modèles ouverts venus d'ailleurs, y compris chinois.

Le gain opérationnel concret

C'est la première offre européenne où vous savez où atterrissent vos données clients. Pour une direction informatique, cela transforme une question jusqu'ici sans réponse satisfaisante en paramètre de configuration. Pour les dossiers où la localisation des données bloquait l'usage de l'IA, notamment en santé, dans le secteur public ou sur des données de ressources humaines, l'obstacle n'est plus technique.

Comment l'intégrer dans votre stack

L'intérêt immédiat n'est pas de changer de fournisseur, mais de réouvrir les cas d'usage que vous avez écartés pour un motif de confidentialité. Reprenez la liste, identifiez ceux dont le seul blocage était la localisation du traitement, et remettez-les à l'arbitrage. L'hébergement de modèles ouverts sur la même infrastructure permet par ailleurs de réduire la dépendance à un éditeur unique, sans multiplier les fournisseurs.

Mouvements tarifaires à inscrire au budget

Trois offres ont bougé cette semaine, et l'écart entre les paliers conditionne l'accès aux capacités les plus utiles.

Signaux secondaires à surveiller

• Astra classé au seuil de cybersécurité critique par OpenAI elle-même : en test, le modèle a écrit des exploits contre des systèmes durcis et trouvé deux failles inconnues. La version grand public refuse désormais les tâches de sécurité avancées. Un éditeur qui reconnaît publiquement une capacité offensive dans son produit crée un précédent utile à verser dans vos analyses de risque.
• Le nouveau Siri ne sera pas déployé dans l'Union européenne : il passe sous modèles Gemini le 14 septembre et parlera français en octobre, mais Apple invoque le DMA pour ne pas l'apporter sur iPhone en Europe, sans calendrier. Le motif vaut pour tous vos assistants : un agent ne devient utile qu'en lisant mails, messages et agenda.
• Un simulateur pour projeter l'emploi à 2030 : Anthropic publie un outil où l'on règle soi-même la vitesse de diffusion de l'IA et qui affiche l'effet sur la croissance, le chômage et l'emploi des cols blancs, avec trois scénarios préréglés. Un support de discussion utile pour une direction des ressources humaines.

3 questions à poser en comité de direction cette semaine

• Quelles tâches acceptons-nous de laisser un modèle exécuter dans nos logiciels métier, avec quels droits, et à partir de quel montant une validation humaine redevient obligatoire ?
• Nos données produit, prix, stocks et délais sont-elles assez fiables pour qu'un acheteur automatisé nous retienne, et qui en est propriétaire chez nous ?
• Quels cas d'usage avions-nous écartés pour un motif de localisation des données, et lesquels redeviennent arbitrables maintenant que le choix de la région de traitement est proposé commercialement ?

Alegria.solutions : de l'analyse à l'exécution IA

Ces trois sujets ont un point commun : ils ne se traitent pas par l'achat d'un outil, mais par une décision sur les processus, les droits d'accès et la qualité des données. C'est exactement là que les projets IA réussissent ou échouent, et rarement sur le choix du modèle.

Alegria.group accompagne plus de 600 projets et a formé plus de 14 300 personnes, avec une approche qui combine conseil, formation et exécution. L'objectif n'est pas d'adopter le dernier modèle annoncé, mais d'identifier les quelques usages à valeur mesurable et de rendre les équipes autonomes dessus.

Cadrer vos priorités IA avant d'engager un budget

Un audit et conseil Alegria.solutions cartographie vos processus, vos dépendances et vos données, puis hiérarchise les chantiers à lancer dans les douze prochains mois.