Le terme « loop engineering » a surgi partout, les grands labs ont sorti des modèles standards moins chers, et l'accès aux modèles les plus puissants est soudain devenu une question géopolitique. Par ailleurs, des créateurs ont posé des gestes concrets pour reprendre le contrôle de leur travail. Une édition sur l'IA qui travaille de façon autonome, les choix réfléchis, et l'humain qui garde la main sur le résultat final.

Toutes les deux semaines sur le blog Xylos, nous vous proposons un aperçu incisif et honnête de ce qui bouge vraiment dans le monde de l'IA générative, avec l'éclairage nécessaire. La base reste l'aperçu bihebdomadaire LinkedIn de Tom Van 't veld, Learning Innovator chez OASE (powered by Xylos). Tom suit de près les développements en IA, et nous traduisons ses observations en ce qu'elles signifient concrètement pour les organisations et les personnes qui y travaillent. Bienvenue dans l'édition sept.

Voici les actualités des deux dernières semaines qui apportent le plus de valeur à votre organisation.

Le « loop engineering » est le terme que vous avez vu surgir un peu partout ces dernières semaines. L'idée est simple : au lieu de taper des prompts isolés, vous laissez un agent IA tourner dans une boucle qui se corrige elle-même. Essayer, vérifier le résultat, réessayer, jusqu'à atteindre un objectif. Boris Cherny, l'homme derrière Claude Code, l'a résumé ainsi : « je ne prompte plus, j'écris des loops ». Quiconque a déjà travaillé avec des outils agentiques le reconnaît immédiatement. Cela revient à donner une consigne précise demandant au modèle de vérifier lui-même son travail.

Mais il y a plus qu'un simple meilleur prompt derrière cela. La différence se situe dans la mémoire et le contrôle. Un prompt tourne une fois, une boucle se souvient de ce qui a mal tourné et essaie de faire mieux la fois suivante. Le vrai travail réside dans deux éléments : définir précisément quand quelque chose est terminé, et intégrer des garde-fous. Sans ces garde-fous, un agent continue de tourner, continue de consommer des tokens et accumule une facture conséquente. Anthropic reconnaît lui-même qu'un tel dispositif multi-étapes peut rapidement engloutir quinze fois plus de tokens qu'une conversation classique. Le choix du bon modèle par tâche devient ici aussi déterminant.

Pour les organisations, ce thème recouvre un principe qui dépasse le simple buzzword. La technique est réelle, le coût l'est tout autant, et le gain réside dans des choix réfléchis. Vous décrivez désormais la ligne d'arrivée plutôt que chaque étape, et vous restez présent en tant qu'humain pour décider quand c'est suffisamment bon. Construisez donc vos workflows agentiques avec un point final clair, une limite de consommation par use case et une étape de contrôle humain. Vous captez ainsi la vitesse sans que la facture de tokens ne devienne une surprise. Nos experts IA vous aident à faire ces choix avant un déploiement à grande échelle.

Les créateurs de modèles se livrent une course aux versions plus rapides et moins chères. Anthropic a lancé Claude Sonnet 5, un modèle qui se rapproche du plus onéreux Opus 4.8 pour un coût inférieur de 40 à 60 pour cent, et qui devient immédiatement le standard pour les utilisateurs gratuits et Pro. OpenAI a fait quelque chose de similaire, en faisant de GPT-5.5 Instant le nouveau standard pour tous les utilisateurs de ChatGPT, avec moins d'hallucinations et des réponses plus concises.

Beau sur le papier, mais la pratique montre des nuances. Lorsque Tom a lui-même essayé de construire une interface complexe, Sonnet 5 s'est bloqué, tandis que le plus onéreux Opus a résolu la tâche du premier coup. Pour des tâches plus standards dans l'application Claude, le modèle moins cher fonctionne en revanche très bien. Google, de son côté, pousse Gemini encore plus loin, du chatbot vers quelque chose qui agit réellement sur votre écran. Gemini 3.5 Flash embarque désormais le computer use, permettant à un agent de regarder lui-même les écrans, de cliquer et de taper, pour environ un tiers du coût en tokens de GPT-5.5.

Gemini a par ailleurs reçu une série de petites fonctionnalités pour le flux de travail quotidien. Il peut désormais prendre des notes pendant vos conversations sur Google Meet, et entre-temps aussi sur Zoom et Teams, et met proprement les décisions et points d'action dans un document. Pratique, même si la question de savoir à qui vous donnez cet accès et où atterrissent les données reste posée ici aussi.

La leçon pour les organisations est que le modèle le moins cher est rarement la meilleure réponse pour chaque tâche. Un résumé léger demande un modèle différent d'un raisonnement complexe ou d'un code sensible. Qui choisit consciemment, par use case, quel modèle exécute la tâche, gagne en qualité et garde les coûts sous contrôle. Fixez cet arbitrage dans des directives claires, afin que les collaborateurs sachent quand recourir à un modèle plus lourd et quand le modèle plus léger suffit.

L'essentiel de ces dernières semaines a porté sur des gouvernements qui contribuent à décider qui peut utiliser les modèles les plus puissants. OpenAI a d'abord dû faire approuver son nouveau GPT-5.6 client par client par le gouvernement américain, ce qui a limité l'accès, dans un premier temps, à une vingtaine d'entreprises validées, pendant que les clients européens devaient patienter. Peu après, la tendance s'est inversée : le gouvernement américain a de nouveau levé les restrictions à l'exportation sur Mythos 5 et Fable 5, après quoi Anthropic a commencé à rétablir l'accès à l'étranger avec des mesures de sécurité supplémentaires.

Dans le même temps, les tensions entre Anthropic et la Chine ont continué de monter. Anthropic accuse des opérateurs du laboratoire Qwen d'Alibaba d'avoir utilisé environ 25 000 faux comptes pour mener près de 29 millions de conversations avec Claude, afin de copier ses capacités les plus avancées. Alibaba, de son côté, a interdit à ses employés d'utiliser Claude Code. Les grands acteurs ont eux aussi repositionné leurs cartes. Microsoft a annoncé Frontier Co., une unité de 6 000 personnes chargée d'aider les clients à adopter l'IA, tandis que Meta et Amazon ont fait savoir vouloir se détacher davantage d'un fournisseur de modèles unique.

Pour les organisations belges, il y a ici un principe qui pèse plus lourd que le modèle en tant que tel. L'accès aux modèles de pointe n'est plus seulement un choix commercial, il est de plus en plus déterminé par la géopolitique. L'expert de la VRT Tim Verheyden tire la même leçon : l'IA et la géopolitique se sont entremêlées, et l'Europe ferait bien de devenir moins dépendante d'un seul fournisseur. Le bon réflexe est d'éviter activement le vendor lock-in. Construisez votre pile IA de façon suffisamment flexible pour basculer vers un autre modèle, et structurez vos processus critiques autour d'un mix réfléchi de fournisseurs, avec un chemin de migration clair si l'un d'eux venait à disparaître.

L'impact sur l'emploi est devenu très concret ces dernières semaines. Oracle a supprimé environ 21 000 postes l'année passée et cite explicitement l'IA comme facteur. Ford a fait l'inverse et a fait revenir des centaines d'ingénieurs expérimentés après que son contrôle qualité assisté par IA se soit révélé insuffisant. L'entreprise a ensuite terminé en tête d'un classement qualité majeur pour la première fois depuis 2010. L'exemple qui marque le plus vient d'IKEA : l'entreprise a reconverti environ 8 500 employés de call center en conseillers en intérieur à distance plutôt que de les licencier, après que son assistant IA « Billie » a repris près de la moitié des questions simples.

Dans le même temps, la question du coût continue de revenir. Gartner avertit que la programmation assistée par IA pourrait devenir, d'ici 2028, plus coûteuse que le salaire moyen d'un développeur, surtout à cause de la hausse de la consommation de tokens. D'une conversation sur la valeur du contact humain en vente ressort une image rassurante : l'IA fonctionne surtout comme un amplificateur du collaborateur, tant qu'un humain garde la main sur le résultat final. Les messages rédigés par l'IA mais relus par un humain obtiennent, selon Linqed, 25 à 40 pour cent de réponses en plus, tandis que les séquences entièrement automatisées sont vite identifiées comme génériques.

Le message pour les employeurs est double. L'IA reprend des tâches, et c'est précisément pour cela que la capacité à piloter et évaluer l'IA devient une compétence de base à tous les niveaux. Investissez dans la reconversion plutôt que dans les seuls outils, et veillez à ce que les collaborateurs apprennent à prompter, évaluer et lire de façon critique. Cela rejoint ce que Tom et ses collègues d'OASE et de Xylos Learning construisent chaque jour : des programmes d'apprentissage qui renforcent les personnes et évoluent avec les outils qui arrivent.

Un nombre remarquable de créateurs ont posé cette semaine un geste concret pour reprendre la main. Cate Blanchett a lancé un registre gratuit au Parlement européen, qui permet aux artistes de définir, via des codes couleur, dans quelle mesure leur visage, leur voix ou leurs mouvements peuvent être utilisés par l'IA, avec le soutien de noms comme Tom Hanks et Emma Thompson. Des éditeurs et auteurs néerlandais construisent, via leur propre pacte du livre, des accords sur la manière dont leur travail peut être utilisé. Et le service de streaming Tidal devient le premier grand acteur à cesser de verser des royalties pour la musique entièrement générée par IA.

Ce que ces trois initiatives ont en commun, c'est que la demande de consentement commence peu à peu à se concrétiser. Là où la conversation restait longtemps au niveau des principes, apparaissent désormais des registres, des accords et des règles de paiement qui déterminent ce qui est permis et ce qui ne l'est pas.

Pour les organisations, cela touche directement votre propre production IA et votre marque. La même question de provenance et de consentement se posera bientôt pour votre propre contenu. Établissez dès aujourd'hui des accords sur l'étiquetage du matériel généré par IA et sur les sources que vos modèles sont autorisés à utiliser. Vous construisez ainsi la confiance auprès de vos clients et collaborateurs, et évitez les mauvaises surprises à mesure que les règles sur le droit d'auteur se durcissent.

Les entreprises qui s'appuient lourdement sur l'IA en ressentent désormais le revers. Le désormais familier « workslop », un output de faible qualité qui érode la confiance et fait perdre du temps aux collègues pour corriger les erreurs, apparaît plus souvent. Des chercheurs pointent aussi un « AI brain fry » chez une partie des utilisateurs intensifs, causé par la vérification constante des réponses de l'IA.

Les signaux se sont aussi accumulés autour des données et de la vie privée. Chez Meta, des frappes clavier internes, des enregistrements d'écran et même des évaluations du personnel, collectés par l'entreprise pour entraîner ses modèles, ont fuité, après quoi le programme a été arrêté. À partir du 8 juillet, Anthropic va demander aux utilisateurs de vérifier leur identité via un selfie en direct et une pièce d'identité, pour s'assurer qu'aucun mineur ne discute avec l'IA, et affirme ne pas utiliser ces images pour l'entraînement. Enfin, le coût physique est devenu tangible : pendant la récente vague de chaleur, il s'est avéré que les grands datacenters réchauffaient aussi leur environnement, le refroidissement engloutissant déjà environ 40 pour cent de leur énergie. Des chercheurs de Cambridge estiment que cet effet pourrait toucher plus de 340 millions de personnes.

La leçon est que plus d'IA ne signifie pas automatiquement plus de valeur. Sans gouvernance ni relecture humaine, l'output érode justement la confiance et les connaissances, et le risque grandit que des données d'entreprise quittent l'organisation via des outils grand public. Une réponse efficace combine technologie et sensibilisation : des directives IA claires, une plateforme officiellement soutenue afin que le besoin d'outils shadow disparaisse, et un parcours de formation continu qui surveille la limite de ce que l'on confie à un assistant IA. Nos équipes cybersécurité et learning collaborent souvent sur ce terrain.

Rendez-vous dans deux semaines pour la prochaine édition.

À propos de Tom Van 't veld

Tom travaille depuis des années chez Xylos, où il a débuté comme formateur Microsoft Office avant de devenir la force motrice derrière des concepts d'apprentissage innovants. Il est à la base d'OASE, la plateforme d'apprentissage en ligne de Xylos, et de PlayForward, la nouvelle marque de gamified learning de Xylos. Il a également développé, entre autres, le concept Digital Coach, une application Microsoft Teams Escape Room et le jeu mAindset, qui permet aux employés d'apprendre à prompter l'IA de façon ludique. En tant que Learning Innovator, il s'intéresse de plus en plus, ces dernières années, à ce que l'IA signifie pour notre façon d'apprendre et de travailler. Envie de réagir ou d'en discuter ? Retrouvez-le sur LinkedIn.