À une époque où la transformation numérique modifie rapidement la manière dont les organisations fonctionnent, la récente mise à jour de l’agent IA d’Anthropic, Claude Tag, constitue un moment charnière. Le 3 octobre, l’entreprise a renforcé les capacités de Claude Tag au sein de Slack, lui permettant de lire des conversations entières et d’agir de manière proactive. Il ne s’agit pas d’un simple ajustement. C’est une redéfinition de la façon dont l’intelligence artificielle s’insère dans le quotidien de la vie organisationnelle. Le passage vers la « multiplayer AI » traduit une évolution, du simple accomplissement de tâches individuelles vers l’atteinte d’objectifs plus larges et collaboratifs.
Repenser l’IA : de l’assistant personnel au membre de l’équipe
L’idée d’une IA comme outil solitaire, aidant les individus à accomplir des tâches précises, évolue. Scott White, responsable produit d’Anthropic pour l’entreprise, a partagé sa vision de cette transformation lors d’un entretien exclusif. Au départ, l’IA se limitait à traiter des morceaux de tâches, comme répondre à une question ou générer une ligne de code. À mesure que les modèles progressaient, ils ont commencé à gérer des tâches entières de façon autonome. Aujourd’hui, l’objectif est d’offrir à l’IA la capacité de poursuivre des projets complexes et des objectifs organisationnels.
Le point de vue de White est clair : l’avenir de l’IA réside dans sa capacité à agir au sein des équipes et à travers différents systèmes. Le changement apporté aux capacités de Claude Tag illustre cette évolution. En lisant le contexte complet des conversations, Claude peut décider du moment où il doit intervenir. Cet engagement proactif renforce son efficacité, Anthropic estimant une amélioration de 30 % pour les décisions non sollicitées à partir d’évaluations internes. Ce n’est donc pas seulement une mise à niveau technique. Il s’agit d’un changement de perspective sur la manière dont l’IA peut soutenir les projets humains.
Les défis du travail de connaissance
À mesure que l’IA endosse ce nouveau rôle, elle se heurte aux défis inhérents au travail de connaissance. Contrairement au développement logiciel, qui s’appuie sur des cadres de collaboration établis comme Git, le travail de connaissance est multiple et manque souvent d’indicateurs de réussite clairement définis. C’est un domaine où le jugement humain est indispensable, et où l’IA doit apprendre à gérer ces subtilités.
White a souligné que le travail de connaissance implique plusieurs personnes, différentes fonctions et des systèmes connectés, avec des niveaux d’autorisations variables. Cette complexité exige que l’IA soit plus qu’un outil passif. Elle doit devenir un participant dynamique, capable de comprendre et de contribuer aux objectifs organisationnels dans leur ensemble. L’objectif n’est pas uniquement d’automatiser des tâches, mais de renforcer les capacités humaines afin d’atteindre des objectifs partagés.