Calipia : le blog

Il y a des semaines où l’actualité de l’IA ressemble à un bazar de rentrée scolaire : tout le monde sort quelque chose, tout le monde affirme avoir la meilleure trousse, et personne n’est vraiment sûr de ce que l’autre vend. La semaine dernière, c’était au tour d’Amazon Web Services et d’IBM de monter sur scène, avec deux annonces qui méritent qu’on s’y attarde, non pas pour leur fracas médiatique, mais pour ce qu’elles révèlent sur l’état réel du marché des agents IA en entreprise.

Amazon Quick : le retour du superagent de bureau

AWS a annoncé le lancement d’Amazon Quick, une application desktop conçue pour orchestrer des agents IA capables d’automatiser des tâches de bureau courantes : création de présentations, rédaction de documents, génération d’images, pilotage d’applications tierces. L’application tourne en arrière-plan, ce qui permet à l’utilisateur de continuer à travailler en parallèle. Elle est disponible à partir de 20 dollars par mois et, fait notable, ne nécessite pas de compte AWS existant. Ce dernier point est clairement une tentative de court-circuiter la barrière à l’entrée habituelle du monde cloud.

Sur le plan des intégrations, Quick peut se connecter à Google Workspace, Microsoft 365, Zoom et Salesforce, via des connecteurs natifs, des API standard et des serveurs MCP (Model Context Protocol). La liste fait bonne impression sur le papier. En pratique, Quick s’inscrit dans la catégorie des « superagents » ou agents de travail numérique, ces outils qui ambitionnent de piloter des applications d’entreprise comme un collaborateur humain le ferait. Amazon n’est pas seul dans cette course : on retrouve dans le même registre Claude Cowork d’Anthropic, ou encore les agents d’automatisation de Microsoft et Google.

Nous reviendrons sur tout cela lors du prochain Briefing Calipia, il est encore temps de vous y inscrire et de découvrir cette formation si vous ne la connaissez pas.

Ce qui est moins clair, en revanche, c’est la proposition de valeur différenciante d’Amazon Quick par rapport à ces concurrents déjà bien installés. AWS a cité des clients comme BMW, 3M, Southwest Airlines ou encore la NFL, mais des noms dans un communiqué de presse ne constituent pas une démonstration de traction marché. On se souvient qu’Amazon avait fait des promesses similaires avec Amazon Q, son assistant IA orienté développement et productivité, qui n’a pas vraiment percé dans les usages enterprise malgré un positionnement technique solide.

Côté moteur, AWS reste discret : Quick s’appuie sur « un ensemble de modèles », sans préciser lesquels. Il était connu depuis janvier qu’une combinaison des modèles Nova d’Amazon et des modèles Claude d’Anthropic était utilisée dans les versions précédentes. Cette opacité est en décalage avec les pratiques d’un marché où la transparence sur les modèles utilisés devient un critère d’évaluation à part entière pour les DSI.

La vraie question pour les décideurs IT reste la suivante : pourquoi choisir Quick plutôt que Copilot, Gemini for Workspace ou même une orchestration Claude via API ? AWS est incontestablement le leader de l’infrastructure cloud, mais son historique dans les applications enterprise grand public est nettement moins glorieux. Microsoft et Google bénéficient d’un avantage structurel considérable : leurs applications sont déjà dans les postes de travail des utilisateurs finaux. AWS, lui, arrive en tiers dans un écosystème qu’il ne contrôle pas.

IBM Bob : la modernisation de l’existant comme terrain de jeu

De son côté, IBM a annoncé la disponibilité générale de Bob, un outil de développement assisté par IA initialement conçu pour ses propres ingénieurs en 2025. Le nom est volontairement accessible, presque décalé par rapport à la tradition IBM des dénominations ésotériques (Watson, watsonx…), et la stratégie produit qui va avec est tout aussi pragmatique.

Bob se distingue de la plupart des agents de code généralistes par son positionnement spécifique : il est principalement destiné à la modernisation de bases de code, c’est-à-dire à la conversion de langages vieillissants vers des technologies contemporaines. Des clients comme Ernst & Young ou Blue Pearl l’utilisent pour migrer leurs bases de données et mettre à jour des applications web. Ce cas d’usage est moins spectaculaire que les demos de génération de code à partir de rien, mais il répond à un besoin réel et massif dans les grandes organisations, qui trainent souvent des décennies de dette technique.

Sur le plan technique, Bob embarque une logique de sélection dynamique de modèles : il arbitre automatiquement entre des modèles frontière coûteux (comme Claude) et des modèles open source moins onéreux selon la complexité et le contexte de la tâche. L’objectif est d’optimiser le rapport coût/performance à chaque inférence. Rob Thomas, Chief Commercial Officer d’IBM, le dit sans détour : « le principal frein au progrès devient la consommation et le coût des tokens ». Cette approche rappelle celle de Devin, l’agent de code de Cognition, qui pratique également une sélection de modèles à la volée. Bob peut également s’appuyer sur les modèles Granite, les petits modèles maison d’IBM, pour les tâches les plus simples.

Pour les architectes SI, l’argument économique mérite d’être pris au sérieux. Le routing intelligent entre modèles est une approche que l’on retrouve dans des frameworks comme LangGraph ou chez des fournisseurs comme Martian, et elle constitue une réponse concrète à la pression budgétaire que génèrent les usages intensifs de l’IA générative.

Ce que ces deux annonces nous disent vraiment

Ces lancements illustrent une tendance de fond : l’IA générative en entreprise entre dans une phase de maturité où les annonces doivent s’accompagner de preuves d’adoption réelle, de cas d’usage mesurables et d’une proposition économique crédible. Les grandes démos ne suffisent plus.

AWS et IBM ne partent pas de zéro, mais ils avancent dans des périmètres où leurs concurrents ont déjà établi des positions solides. Pour Amazon, l’enjeu est de franchir le mur entre infrastructure cloud et applications métier. Pour IBM, il s’agit de rester dans la conversation d’un marché du développement assisté par IA dominé par GitHub Copilot, Cursor et les agents des labs frontier.

Pour les DSI, ces outils méritent une évaluation sérieuse dans le contexte de leur propre parc applicatif, en particulier si l’organisation est déjà cliente AWS ou IBM. Mais adopter l’un ou l’autre uniquement sur la base d’annonces presse serait prématuré. Les pilotes sur cas d’usage réels, avec des métriques de productivité et de coût, restent la seule boussole fiable.