Notre vision du logiciel de demain
Aujourd'hui, la plupart des sites et des applications ne sont pas faits pour les agents. Nous avançons par paliers pour changer cela.
Des menus, des boutons, des formulaires. Un agent peut les lire et les utiliser, mais difficilement : il brûle des jetons, met du temps, et cela coûte cher pour peu de résultat.
On expose des outils à l'agent, par exemple avec un serveur MCP. Il agit plus directement, mais le logiciel lui-même n'a pas changé.
On repense le logiciel lui-même. L'interface sert à communiquer avec l'agent : annoter, griffonner, écrire une intention. Il agit, l'humain oriente.
Trois exemples de produits que nous concevons.
Chacun montre, à sa façon, ce que veut dire penser un logiciel « agent-first ».
Avec Framebrief, on pointe un moment, on dessine sur l'image et on écrit une consigne en langage courant. L'agent applique les modifications et rend une nouvelle version. L'humain n'apprend pas un logiciel de montage : il montre du doigt. Framebrief est open source, et peut aussi s'exposer aux agents via MCP.
Voir Framebrief sur GitHub ↗
L'objectif : cadrer les champs d'un formulaire à partir d'un simple prompt, avec la meilleure rapidité et le coût le plus bas. Une couche de décision choisit le bon outil et remplit le formulaire ; on ne le manipule plus, on le vérifie. C'est le principe d'un de nos outils internes, décrit ici sans entrer dans le détail.
Essayez : c'est une démonstration simplifiée. Il n'y a qu'un appel court, sans navigation dans l'interface, donc plus rapide et moins cher qu'un agent qui clique partout.
Sur apprendre.angular.fr, l'agent sait où en est la personne dans la vidéo. Il cherche sur le web et répond à ses questions, au moment où elle bloque.
Voir apprendre.angular.fr ↗Illustration
Créer des jeux avec des prompts : cartes, personnages, textures et cinématiques générés par IA, et un agent externe peut se brancher à l'API. Le moteur est open source.
Annoter une vidéo pour la faire modifier par un agent. Open source, sous licence MIT.
Une formation vidéo avec un agent qui aide l'apprenant pendant qu'il regarde.
Un YouTubeur mène des expériences d'intelligence collective. Je l'accompagne sur ce projet. Ici, les agents ne sont pas dans le produit mais dans la façon de le développer : ils permettent d'expérimenter sur une infrastructure en temps réel.
Il comprendra ce que vous essayez de faire et vous aidera à le faire.
Annoter, griffonner, écrire une phrase : l'interface devient le moyen de se comprendre avec l'agent.
L'agent propose et prépare. Le goût, la responsabilité et le dernier mot restent humains.
Agent de démonstration : il répond à partir de textes préparés et vous renvoie vers Samuel pour tout le reste.