Mon copilote attend que je lui écrive et démultiplie celui qui l'utilise ; mon système d'agents démarre seul quand arrive un courriel ou une commande. Ce que fait chacun, ce que vous voyez de leur travail, comment chacun se paie et quand choisir l'un ou l'autre
Marc Galera
Cofondateur de Qvasar ·
Avec ChatGPT ou avec Claude, le travail commence parce que vous écrivez. Vous ouvrez la fenêtre, vous demandez quelque chose, vous lisez la réponse et vous demandez la suite. Si vous cessez d'écrire, il ne se passe rien. Avec ce que LangChain (un ensemble d'outils pour construire des agents d'IA) appelle un agent ambiant, c'est l'inverse : le travail commence parce que quelque chose arrive, et l'agent agit sans que personne lui ait écrit.
Le 14 janvier 2025, Harrison Chase faisait sur le blog de LangChain une observation si évidente qu'on serait presque gêné de l'écrire : avec un chatbot, c'est la personne qui doit lancer la conversation. Dans ce même texte, il appelait agents ambiants ceux qui n'attendent pas qu'on leur parle : ils écoutent ce qui se passe, par exemple un courriel qui arrive ou une commande qui entre, et ils agissent en conséquence, y compris sur plusieurs cas à la fois. Un agent, pour nous entendre, est un programme doté d'IA qui enchaîne des tâches sans que vous dirigiez chaque étape.
Dans votre entreprise, en revanche, beaucoup de travail ne démarre pas avec une personne qui écrit : il démarre quand un courriel entre, quand une commande arrive, quand quelqu'un dépose une facture. Ce travail n'attend pas que vous ouvriez une fenêtre, et aujourd'hui, si personne ne le regarde, il reste en plan. Si vous payez déjà un abonnement d'IA pour votre équipe, ou si vous y songez, la question vient toute seule. Ai-je besoin d'un de ces agents qui démarrent seuls, ce que je paie déjà me suffit-il, ou faut-il les deux ?
Voilà pourquoi, avant de définir quoi que ce soit, je vous raconte comment je me suis organisé, puisque j'utilise les deux. D'un côté, j'ai plusieurs copilotes : Madison s'occupe de mon marketing, du contenu jusqu'au montage vidéo. Caesar s'occupe des ventes, avec le CRM (le logiciel où se trouvent les clients), les documents commerciaux et un radar de marché qui me tient informé et ne contacte jamais personne de son propre chef. Socrates fait la recherche. Chacun est Claude Code ou Codex, des programmes d'Anthropic et d'OpenAI nés pour programmer, mais qui lisent des fichiers, les modifient et se connectent aux outils de travail. Chacun est configuré sur mesure, avec ses instructions, ses outils et ses limites, et tous travaillent de la même façon : quand j'ouvre une session et que je leur demande quelque chose. Si je ne leur écris pas, ils ne font rien.
De l'autre côté, il y a le système d'entreprise que nous montons chez Qvasar, et c'est autre chose. Le mien est fait ainsi : un agent persistant construit avec LangChain, de ceux qu'on appelle deep agents, c'est-à-dire des agents conçus pour tenir des tâches longues et complexes. Persistant veut dire qu'il garde ce qu'il a déjà fait et, si quelque chose échoue, qu'il reprend là où il s'était arrêté. Au-dessus, il y a Jev, un modèle qui classe et aiguille : il décide où va chaque chose qui entre. Pour chaque logiciel qu'il utilise, le système dispose de nombreux flux déjà faits ou d'actions prédéfinies : des étapes fixes qui s'exécutent toujours de la même façon, comme une recette. Il garde en plus la capacité de travailler comme un deep agent, avec un modèle puissant (le cerveau qui l'alimente). Et je l'ai très bien tracé, avec Langfuse et avec LangChain : on peut suivre pas à pas ce qu'il fait.
Je vous le raconte parce que votre décision est la même : quel travail va à un copilote et lequel à un système. Un copilote se paie par personne et a un prix catalogue. Avec paiement mensuel, Claude Pro coûte 20 dollars par mois et, dans la formule Team de Claude (pensée pour les équipes), le poste standard revient à 25. Sur la page de tarifs de Codex, OpenAI affiche ChatGPT Business à 25 dollars par utilisateur et par mois, également avec paiement mensuel. Le doute raisonnable est donc celui-ci : si vous payez déjà un copilote, pourquoi ne vous suffit-il pas ?
Pour y répondre, il faut donc d'abord voir ce qu'est un copilote bien configuré, qui ressemble peu à la fenêtre de chat. Claude Code est l'outil d'Anthropic né pour programmer : il lit le code, modifie des fichiers, exécute des commandes et se connecte aux outils de travail. Il fonctionne dans le terminal (la fenêtre de commandes), dans les éditeurs de code, dans une application de bureau et sur le web, et il est inclus dans toutes les formules payantes de Claude. Codex est l'agent équivalent d'OpenAI. Pour moi, un copilote sur mesure, c'est l'un des deux bien configuré : ce qu'on met autour.
La première chose est un fichier d'instructions. Claude Code en lit un appelé CLAUDE.md au début de chaque session, et on peut y mettre les règles d'un projet, de la façon de travailler d'une personne ou de toute une entreprise. Codex lit les siens, les AGENTS.md, avant de se mettre au travail.
Par-dessus s'ajoutent des pièces. Les skills sont des instructions pour une tâche précise qui ne se chargent que lorsqu'on en a besoin. Les sous-agents sont des assistants qui travaillent dans leur propre conversation, à part, avec leurs outils et leurs permissions. Les hooks sont des commandes qui s'exécutent toujours au même moment, quoi qu'il arrive. Claude traite les instructions du fichier comme du contexte, pas comme une règle obligatoire. Pour ce qui ne doit jamais arriver, Anthropic elle-même renvoie à un hook. Et avec MCP, un standard ouvert pour brancher l'IA sur d'autres logiciels, le copilote lit des documents de Google Drive, extrait des données de Slack ou met à jour les tickets de Jira, le logiciel où beaucoup d'équipes notent leurs tâches. OpenAI décrit la configuration de Codex avec des couches semblables.
Chaque session de Claude Code commence sans se souvenir de la précédente, et ce qui passe de l'une à l'autre, ce sont ces fichiers et une mémoire que Claude écrit au fil de vos corrections et de vos préférences. Je l'explique ainsi : quand je ferme la session, le copilote s'endort, et à son réveil, la première chose qu'il fait est de lire ses notes. Par défaut, en outre, Claude Code demande la permission la première fois qu'il va utiliser chaque outil.
C'est la limite que je vois pour une entreprise : avec mes copilotes, le travail commence quand je commence et s'arrête quand je ferme la session. Qu'advient-il de la commande qui arrive quand personne n'est devant l'écran ?
Mais voici ce qui prête à confusion : à l'intérieur, un copilote et un agent peuvent partager des pièces. Quand LangChain a présenté ses deep agents, le 30 juillet 2025, elle a raconté que l'exploration qui leur a donné naissance s'était surtout inspirée de Claude Code. Et Anthropic présente son Agent SDK comme le moyen de construire des agents de production en utilisant Claude Code comme une pièce à l'intérieur d'autres programmes. Il apporte ce qui fait tourner Claude Code : les mêmes outils et la même boucle de travail, celle où le modèle les appelle encore et encore. Avec l'Agent SDK, le moteur d'un copilote sert aussi à construire des agents.
Certains copilotes peuvent déjà démarrer seuls, sans attendre que quelqu'un leur écrive. Le 14 avril 2026, Anthropic a présenté les routines de Claude Code : une configuration enregistrée, avec sa mission, le code sur lequel elle travaille et ses connexions, qui s'exécute toute seule. Elles se déclenchent selon un horaire, sur un signal d'un autre logiciel ou sur des événements GitHub (la plateforme où l'on stocke et révise le code), et elles tournent dans le cloud, sans que votre ordinateur ait besoin d'être allumé. Chez OpenAI, les tâches programmées de ChatGPT peuvent démarrer sur un événement Gmail, Slack ou GitHub, sur le web et sur mobile, et dans les formules qui le permettent.
Et il y a des produits conçus pour ne jamais s'éteindre. Le 11 août 2026, SpaceXAI a présenté Grok Bot, une équipe d'agents toujours allumés et dotés de leur propre ordinateur, dont les routines se lancent selon un horaire ou, là où c'est possible, après un événement, et ne s'arrêtent pas quand on ferme l'application. Le 8 septembre, Meta a présenté Muse, un agent personnel qui continue de travailler même si vous fermez l'app et qui revient quand quelque chose change ou quand il a besoin de votre approbation. OpenAI appelle les siens dots, toujours allumés, avec leur propre ordinateur et leur propre navigateur dans le cloud, et qui décident seuls quand se mettre en pause et quand se réveiller ; Bloomberg a rapporté leur présentation le 29 septembre.
Je le lis ainsi : de plus en plus, Claude et le reste de ces agents avancent vers un écosystème intégré, où le même outil répond à une conversation et se déclenche seul quand il se passe quelque chose. Permettez-moi, cher lecteur, une parenthèse : le va-et-vient des gens m'amuse pas mal. À mon sens, il y a quelques mois tout le monde quittait OpenAI pour Claude, et maintenant on fait le chemin inverse. Et je crois que Claude et Codex se ressemblent de plus en plus. Pour votre boîte de réception, la question est celle-ci : si Claude Code peut se trouver à l'intérieur d'un agent et que les routines démarrent déjà seules, qu'est-ce qui change vraiment entre un copilote et un système ?
Ma lecture, par conséquent, est que ce qui change n'est pas le moteur, mais ce qu'on met autour pour qu'il travaille sans personne devant. La première chose est une mémoire qui ne se perd pas. Les deep agents de LangChain tournent sur LangGraph. LangChain elle-même le présente comme un moteur pour des agents de longue durée qui conservent leur état, c'est-à-dire ce qu'ils ont déjà fait et ce qu'ils savent à chaque instant.
LangGraph garde une mémoire courte pour chaque conversation et une autre, longue, qui dure d'une interaction à la suivante. La documentation explique à quoi elles servent : à ce que l'agent puisse suivre une conversation, la reprendre après une interruption, se remettre d'une panne ou se souvenir de ce qui précède. Si une étape échoue, le processus peut redémarrer à partir de la dernière qui a réussi. Et si l'état n'est gardé que dans la mémoire de l'ordinateur, un redémarrage efface tout, comme un document que vous n'avez pas eu le temps d'enregistrer.
C'est arrivé même à Anthropic, de son propre aveu : dans la première conception de son service d'agents hébergés, elle avait mis la session, l'agent et son environnement de travail dans un seul conteneur, une sorte de boîte isolée où tourne le programme, et si le conteneur tombait, la session était perdue.
La deuxième chose est de savoir attendre. Quand un agent LangGraph arrive à un point où il a besoin d'une personne, il enregistre son état et attend, sans limite de temps, que quelqu'un le relance. Le copilote vous pose la question pendant que vous êtes devant. Le système pose la question et reste en attente, même si vous mettez une journée à répondre.
La troisième est de répartir le travail avec discernement. LangChain décrit un schéma, celui du routeur, où une première étape classe ce qui entre et l'envoie à l'agent spécialisé qui convient. Et elle recommande des étapes fixes là où il faut de la fiabilité et des étapes décidées par l'agent là où il faut de la souplesse, car ainsi une partie de la logique est entièrement prévisible et peut être vérifiée de bout en bout. Dans mon système, la répartition est celle-ci : Jev en haut, qui aiguille ; en dessous, les flux déjà faits et les actions prédéfinies pour chaque logiciel, et le deep agent avec son modèle puissant.
Jev est le premier modèle public de TypeSafe AI, présenté le 15 septembre 2026. Il ne rédige ni n'explique rien : celui qui l'utilise fixe à l'avance les réponses possibles, qui peuvent être une option dans une liste, une note ou un vrai ou faux. Sa documentation le propose justement pour cela : envoyer chaque demande vers du code fixe, vers un modèle spécialisé ou vers une personne.
Son fabricant affirme qu'il est entre 40 et 200 fois plus rapide que les grands modèles qui écrivent du texte libre sur ces tâches. OpenChamber, un projet qui a rassemblé ce que disaient les utilisateurs au lancement, avance un gain de vitesse médian de 7 fois : c'est un décompte de rapports publics, pas un test qui aurait refait les expériences. Et TypeSafe elle-même prévient qu'elle ne garantit pas qu'une réponse donnée soit correcte. S'il travaille seul, comment savoir ce qu'il a fait ?
Mais cette question a un nom, la télémétrie, et Anthropic la résume sans détour : sans télémétrie, on ne peut pas voir quels outils un agent a utilisés, combien de temps ils ont pris ni où une session s'est bloquée. La télémétrie, ce sont les données qu'un programme laisse derrière lui sur ce qu'il fait.
Dans Langfuse, une trace, le journal pas à pas de ce qu'a fait l'agent, recueille le message exact envoyé au modèle, ce qu'il a répondu, les tokens qu'il a consommés (les morceaux de texte que le modèle facture), le temps qu'il a mis et les outils qu'il a utilisés en chemin. Langfuse note le coût de chaque appel et peut vous prévenir quand la dépense dépasse une limite que vous fixez. LangSmith, la plateforme de traces de LangChain, fait la même chose avec des tableaux de bord et des alertes, et les deux peuvent s'installer sur des serveurs propres, les vôtres et non ceux du fournisseur, pour que les données ne sortent pas de chez vous. Mon système est tracé à ce point.
Avec un copilote, par défaut, on en voit beaucoup moins. Claude Code peut envoyer ses données d'usage à un autre logiciel avec OpenTelemetry (une spécification pour exporter ces données), mais c'est désactivé tant que personne ne le configure. Une fois activé, il fournit des métriques comme le coût approximatif de chaque session ou le nombre de lignes de code modifiées. Ce qu'il ne fournit pas par défaut, c'est le contenu. De ce que vous lui demandez, il ne note que la longueur, pas le texte, et il fait de même avec ses réponses. Le détail des outils doit être activé à part, et par défaut le contenu des fichiers ne figure ni dans les métriques ni dans les événements. Cette télémétrie va uniquement à la destination que vous configurez, jamais à Anthropic, et un administrateur peut la laisser activée pour toute l'entreprise. Codex fonctionne de façon semblable : il peut exporter ses journaux, c'est désactivé par défaut et il masque le texte de vos demandes sauf si vous l'activez.
Cela ne veut pas dire que le copilote soit une boîte noire. Grafana, un logiciel pour monter des tableaux de bord et des alertes, propose des connexions toutes prêtes pour Claude Code et pour Codex. Celles de Claude Code apportent des tableaux de bord tout faits sur l'usage et la productivité. Langfuse trace Claude Code et Codex avec des hooks (les commandes automatiques de tout à l'heure) qui lui envoient chaque session, et dans le cas de Claude Code, il recueille les conversations complètes.
Tous mes copilotes peuvent se connecter à Langfuse et à Grafana. Avec ce qu'Anthropic fournit d'origine, on voit moins que dans un système conçu pour tout tracer, mais on peut les garder sous contrôle. Et tout cela, combien ça coûte ?
Ils se paient différemment, et donc se budgètent différemment. Le copilote se paie par personne, avec l'usage que permet chaque formule : Claude Code est inclus dans toutes les formules payantes de Claude et partage les limites d'usage de la formule, et Claude Max commence à 100 dollars par mois, avec 5 ou 20 fois l'usage de Pro. Sur la page de tarifs de Codex, ChatGPT Plus figure à 20 dollars par mois avec Codex inclus. Le système, en revanche, se paie selon ce qu'il consomme. Un programme se connecte par l'API, l'accès payé à l'usage. Sur celle de Claude, Opus 5.5 coûte 4 dollars par million de tokens d'entrée (ce que vous lui envoyez) et 20 par million de sortie (ce qu'il répond) ; sur celle d'OpenAI, gpt-6.1-sol coûte 2 et 10 au tarif standard de contexte court. OpenAI précise que ces prix s'ajoutent à tout abonnement.
Anthropic donne un ordre de grandeur. Pour un agent que vous hébergez vous-même, ce qui se dépense en tokens dépasse généralement de dix fois ou plus ce que coûte l'infrastructure où il tourne. Un conteneur minimal, cette boîte isolée, revient à environ 0,05 dollar de l'heure, et une seule longue session d'agent peut consommer plusieurs dollars en tokens. Elle prévient aussi que l'autonomie des agents entraîne des coûts plus élevés et des erreurs qui peuvent s'additionner. Avec le copilote, vous payez par poste, pour démultiplier une personne ; avec le système, vous payez ce que consomme un travail qui se fait sans elle, et mieux vaut savoir lequel des deux vous achetez avant de regarder la facture.
Reste une autre question : combien coûte sa mise en place. Voici ce que Qvasar a publié, en tarifs pour entreprises et hors IGI, l'impôt général indirect d'Andorre. Un système d'IA sur mesure, à partir de 1 260 €. Un copilote sur mesure, à partir de 1 440 € par personne. La maintenance mensuelle, à partir de 270 € par mois, avec le serveur en plus et à prix coûtant. Ce sont des prix de départ : le montant de chaque travail figure dans une proposition écrite. Par où commencer, alors ?
Mon critère est donc de séparer le travail selon qui le déclenche. Ce qui commence parce que quelqu'un réfléchit, décide ou rédige relève, pour moi, du copilote : donnez à la personne de votre équipe qui répète le plus de tâches un Claude Code ou un Codex avec un fichier d'instructions de votre entreprise, et laissez-la l'ajuster à sa façon de travailler. Ce qui commence parce que quelque chose arrive est candidat au système, et j'essaierais avec un seul processus de ce type.
Dans les deux cas, posez les limites avant de le lâcher. Dans Claude Code, les règles de permissions sont appliquées par le programme et non par l'IA, et une entreprise peut interdire dans les réglages que quelqu'un travaille en contournant les approbations. Dans un système fait avec LangChain, chaque usage d'un outil peut passer par une personne qui l'approuve, le modifie ou le rejette, et on peut fixer un plafond d'usages pour couper les boucles, quand l'agent répète la même chose sans s'arrêter, et les dépenses. OpenAI demande une supervision humaine pour les actions sensibles ou irréversibles jusqu'à ce qu'on ait confiance dans l'agent. Pour moi, celui qui décide doit toujours être une personne. Et je demanderais les traces dès le premier jour, pas après la première frayeur.
Quelles tâches de votre équipe commencent toujours parce que quelque chose arrive : un courriel, une commande, une facture ? Combien de temps tout cela attend-il que quelqu'un ouvre l'ordinateur ?
L'AI Act n'impose presque rien à une PME et son haut risque est reporté à 2027. Pourquoi faire ce qu'il demande : un agent avec des permissions peut vous nuire.
Automatisation, chatbot et agent ne sont pas la même chose et n'échouent pas pareil. Ce qu'est chacun, ce qu'il coûte et lequel votre problème demande.
Quelque 10 000 agents d'OpenAI ont trouvé une solution de Navier-Stokes en 88 heures. Le débat des mathématiciens et pourquoi l'IA ne se borne plus à répéter.
Ou contactez-nous directement
