Pour la plupart des gens, la révolution de l’IA a encore l’aspect d’une boîte de dialogue. On tape une question, l’IA répond. Résumer un document, rédiger un e-mail, analyser un tableur ou générer une image : la demande reste familière. L’interface a pu changer, les modèles sont devenus nettement plus capables, mais la relation de base n’a pas bougé. On demande, l’IA répond. À NVIDIA GTC Berlin 2026, cette relation a cessé de suffire comme récit.
La génération qui vient n’est plus conçue seulement pour répondre. Elle est conçue pour agir. Un agent d’IA peut potentiellement ouvrir un logiciel, récupérer des informations dans les systèmes de l’entreprise, parcourir des interfaces, utiliser des outils, achever des flux de travail et coordonner d’autres agents jusqu’à atteindre un objectif. On lui demande de moins en moins comment faire le travail, et de plus en plus de le faire. Ce passage a été l’un des thèmes de fond les plus importants à NVIDIA GTC Berlin 2026. Et il pose un défi bien plus grand que la construction d’un meilleur chatbot.
Les chatbots n’étaient que le premier acte
L’IA générative a rendu l’intelligence artificielle accessible parce que l’interaction était remarquablement simple. Une question, une réponse. Les agents changent cette relation.
Imaginons que l’on demande à un système de préparer un rapport financier. Aujourd’hui, un assistant peut expliquer comment le structurer, résumer des documents que l’on téléverse ou analyser des chiffres que l’on fournit. Un système agentique pourrait aller plus loin. Il pourrait atteindre les applications d’entreprise concernées, récupérer les données les plus récentes, ouvrir les fichiers nécessaires, exécuter le flux de travail et préparer le rapport fini pour relecture.
La distinction a l’air subtile. Elle ne l’est pas. Dès que l’IA peut évoluer dans le même environnement numérique qu’un salarié, elle cesse d’être d’abord une couche d’information et devient une couche d’exécution. La question qui suit est directe : jusqu’où faut-il l’autoriser à aller ?
Plus l’agent peut agir, plus le contrôle compte
Donner à un système d’IA l’accès à de vrais outils d’entreprise change l’équation du risque. Un chatbot qui produit une mauvaise réponse pose un problème. Un agent qui prend la mauvaise action dans un système financier en pose un autre.
Si les agents doivent consulter les données de l’entreprise, utiliser des logiciels métier et agir au nom des salariés, les organisations ont besoin d’un moyen de définir exactement ce qu’ils peuvent voir et faire. À GTC Berlin, NVIDIA a présenté l’OpenShell Reference Architecture, conçue précisément autour de ce problème. OpenShell réunit des contrôles d’infrastructure et de logiciel pour que les organisations puissent construire des agents d’IA, les contenir, les observer et faire appliquer les règles qui les encadrent. L’idée est de tracer des limites claires autour de ces agents lorsqu’ils interagissent avec les systèmes de l’entreprise.
La prochaine grande question n’est peut-être pas de savoir à quel point l’agent est intelligent. Elle est peut-être de savoir ce que l’agent a le droit de faire. Cette distinction pèsera davantage à mesure que les agents quitteront les démonstrations pour entrer dans de vrais lieux de travail.
L’IA apprend aussi à se servir d’un ordinateur
Un autre développement rend cette transition possible : l’IA devient capable d’interagir avec les logiciels d’une manière plus proche de celle des humains. Toutes les applications métier n’ont pas une API moderne. Beaucoup d’entreprises dépendent encore de logiciels hérités, d’outils internes et d’interfaces conçues pour que des personnes cliquent, saisissent et naviguent à la main.
Les capacités d’usage de l’ordinateur ouvrent une autre voie. Plutôt que de reconstruire chaque système autour de l’IA, un agent peut de plus en plus interagir avec l’interface déjà en place. Cela ouvre à l’automatisation un univers de travail bien plus large. Une tâche récurrente qui consiste aujourd’hui à ouvrir une application, exporter des informations, mettre à jour un autre fichier et préparer un résumé pourrait à terme être menée par un agent d’IA, sur ces mêmes interfaces.
Cela change aussi ce que peut vouloir dire « enseigner » un logiciel. Au lieu de programmer chaque flux étape par étape, les systèmes à venir pourraient apprendre des tâches en observant la façon dont les gens les accomplissent. On fait la tâche une fois. L’IA comprend la séquence. La fois suivante, elle répète le flux. Quand cela devient possible, l’interface entre les humains et le logiciel commence à changer de visage.
Derrière chaque agent, une infrastructure
NVIDIA GTC Berlin 2026.
Derrière l’apparente simplicité de dire à une IA de « simplement le faire » se trouve une masse considérable de technologie. Les agents ont besoin de modèles. Les modèles ont besoin de calcul. Les agents ont besoin d’accéder aux données et aux outils. Il leur faut une identité et des permissions. Leurs actions doivent être surveillées. Et des millions de tâches agentiques qui tournent en continu créent des besoins d’infrastructure importants. C’est pourquoi les usines d’IA, l’autre grand thème de GTC Berlin, comptent dans l’histoire des agents.
NVIDIA développe sa DSX AI Factory Platform autour d’une idée : le calcul, le réseau, le stockage, le logiciel, l’énergie et le refroidissement doivent être conçus et exploités comme un système coordonné. À Berlin, NVIDIA a annoncé de nouvelles capacités DSX visant à rendre ces usines d’IA plus efficaces et plus faciles à exploiter à l’échelle. L’actualité NVIDIA sur les usines d’IA européennes et DSX porte cette annonce. La société dit que la technologie DSX peut réduire jusqu’à 30 % la puissance nécessaire pour produire le même résultat d’IA, tandis que de nouvelles conceptions d’infrastructure visent à réduire le temps nécessaire pour mettre de la capacité d’IA en production. La révolution des agents n’est donc pas seulement une histoire de logiciel. C’est aussi une histoire d’infrastructure.
Aleria mise sur l’ensemble de la pile
Le stand AI Factory d’Aleria à NVIDIA GTC Berlin 2026.
Ce lien entre infrastructure et agents éclaire la démarche d’Aleria, l’un des NVIDIA Cloud Partners qui participent à l’écosystème européen d’IA. Le blog NVIDIA sur les partenaires cloud, la sûreté souveraine et les agents ouverts situe ce groupe de partenaires. Plutôt que de se concentrer sur une couche isolée, Aleria construit à travers la pile : infrastructure, données, modèles, agents et applications. À GTC Berlin, la société a montré comment ces couches se relient pour transformer la capacité de calcul sous-jacente en systèmes d’IA que les entreprises peuvent vraiment utiliser.
Aleria compte parmi les partenaires cloud qui développent et étendent une infrastructure d’IA propulsée par NVIDIA en Europe et dans les régions voisines. Elle explore aussi des composants NVIDIA DSX OS pour l’exploitation de l’infrastructure d’IA, et elle figure parmi les partenaires de l’écosystème qui soutiennent l’OpenShell Reference Architecture pour des déploiements agentiques sécurisés. L’histoire la plus intéressante se trouve à l’autre bout de cette infrastructure. L’orientation d’Aleria correspond à un monde où l’IA n’est pas confinée à une fenêtre de conversation. Les agents peuvent travailler avec les systèmes de l’entreprise. L’IA peut assister des flux de travail récurrents. Des travailleurs numériques peuvent recevoir des rôles et des permissions définis. Et les organisations peuvent décider où l’approbation humaine reste nécessaire. C’est une proposition très différente du simple ajout d’un chatbot sur le lieu de travail.
Des UAE vers l’Europe
Eric Leandri, directeur général d’Aleria, a aussi apporté à Berlin un autre regard : ce qui se passe lorsque les organisations essaient de faire sortir l’IA des démonstrations. Il s’est exprimé dans le panel « AI at the Point of Use » du Public Sector Executive Forum, en s’appuyant sur l’expérience d’Aleria dans le déploiement de l’IA à grande échelle aux UAE. La leçon dépasse de plus en plus le Golfe. Construire un prototype d’IA impressionnant est relativement facile, comparé à l’intégration de l’IA dans une organisation réelle. Les systèmes de production contiennent déjà des logiciels existants, des données sensibles, des politiques de sécurité, des exigences réglementaires et des salariés dont les niveaux d’accès diffèrent. L’IA doit entrer dans cette réalité.
C’est pourquoi la phase suivante pourrait moins porter sur des démonstrations spectaculaires de modèles que sur les questions moins brillantes de l’infrastructure, de l’intégration, des permissions et de la fiabilité. Ces questions décident si un agent reste une expérience ou devient quelque chose que les gens utilisent vraiment chaque jour.
Le prochain collègue sera peut-être un logiciel
Poussée assez loin, l’idée change le logiciel d’entreprise lui-même. Pendant des décennies, le logiciel a été un outil. Les humains apprennent comment il fonctionne, parcourent ses menus et exécutent le processus eux-mêmes. L’IA agentique inverse une partie de cette relation. Au lieu d’apprendre chaque étape exigée par le logiciel, on décrit de plus en plus le résultat voulu. Le logiciel trouve comment y parvenir. Et si les agents deviennent capables d’accomplir seuls des tâches récurrentes, la ligne entre « logiciel » et « travailleur numérique » devient floue.
Cela ne signifie pas forcément retirer les humains de la boucle. Dans beaucoup d’environnements, l’inverse est plus réaliste. L’IA assure l’exécution, tandis que les humains définissent les objectifs, les permissions et les exceptions. Le salarié est moins pris par chaque clic, et davantage par la décision de ce qui doit se passer, de ce que l’IA a le droit de faire, et du moment où un humain doit intervenir.
Le plus dur commence maintenant
L’ère du chatbot a rendu l’IA facile à comprendre. L’ère des agents sera plus confuse. Une IA capable de répondre à presque tout est impressionnante. Une IA capable de faire vraiment des choses est utile, mais bien plus difficile à déployer sans risque. Le secteur doit désormais résoudre plusieurs problèmes en même temps : donner aux agents assez d’accès pour qu’ils soient utiles, sans leur en donner trop ; bâtir une infrastructure capable de les soutenir à l’échelle ; les intégrer à des décennies de logiciels d’entreprise déjà en place ; et décider où le contrôle humain doit rester obligatoire.
Les annonces de NVIDIA à GTC Berlin, des usines d’IA et de DSX jusqu’à OpenShell, montrent à quelle vitesse l’infrastructure de ce modèle de calcul prend forme. Le bilan LinkedIn de NVIDIA GTC Berlin 2026 tient le récit public de la semaine. Des entreprises comme Aleria travaillent sur la suite : relier cette infrastructure aux données, aux modèles, aux agents et aux applications que les organisations peuvent vraiment déployer. Le premier essor de l’IA a appris à des millions de personnes à parler aux machines. Le suivant pourrait apprendre aux machines à travailler pour nous. C’est là que le sujet devient vraiment intéressant.
Que se passe-t-il quand l’IA cesse d’être quelque chose à qui l’on parle — et devient quelque chose qui travaille pour vous ?