Lors de la téléconférence sur les résultats d’hier, nous avons annoncé que Microsoft 365 Copilot avait dépassé les 30 millions de sièges payants, les ajouts nets de sièges ayant plus que doublé d’un trimestre à l’autre.1 Il s’agit d’une étape importante, mais aussi d’un signal qui indique une transformation beaucoup plus vaste : dans tous les secteurs, l’IA passe du rôle d’assistante à celui de participante active, devenant un élément essentiel à la façon nous travaillons, plutôt qu’un simple outil. Les organisations repensent leurs flux de travail autour d’elle. Et les employés confient à des agents des tâches, des projets et des processus, ce qui élargit leur capacité d’agir et accroît leur impact.
La première phase de l’IA en entreprise a été définie par l’adoption — les déploiements, les licences et les heures économisées — et ces gains sont bien réels et continueront de s’amplifier. La prochaine phase sera définie par la transformation. Chez Microsoft, notre mission consiste à donner à chaque personne et à chaque organisation sur la planète les moyens d’en faire plus. Nous sommes enthousiastes à l’idée de remplir cette mission alors que les employés et les agents collaborent pour bâtir ce qui était auparavant impossible.
De nouvelles données issues des signaux de télémétrie de Microsoft 365, ainsi que des exemples provenant de nos clients partout dans le monde et d’équipes au sein de Microsoft, démontrent cette transformation en action. Elle se manifeste de trois façons : par la profondeur et l’ampleur avec lesquelles les personnes utilisent maintenant l’IA. Par ce que l’IA rend possible — du travail plus rapide à des capacités entièrement nouvelles — et par la façon dont les organisations l’adaptent à des rôles précis. Regardons cela de plus près, en commençant par la technologie elle-même.
Un changement de cap dans l’innovation
Au cours des derniers mois, un nouveau type de produit d’IA a émergé : un modèle intégré à un cadre agentique capable de boucler sa propre boucle de rétroaction : planifier, exécuter, tester et corriger son travail afin de livrer un résultat final. Cette approche a permis à l’outil Copilot Cowork de devenir disponible à partir du mois de juin. Cowork peut prendre en charge du travail en plusieurs étapes : vous définissez la tâche, puis il l’exécute de bout en bout et vous retourne le travail complété. Les tests montrent également que Cowork était de 30 à 40 %2 moins coûteux qu’une option reposant sur un seul modèle.
Nous avons aussi lancé notre premier agent en mode autopilote, Microsoft Scout, qui reste actif en arrière-plan, avec sa propre identité et ses propres autorisations, afin de faire avancer le travail même lorsque votre attention est ailleurs. Tous les résultats sont ancrés dans Work IQ pour comprendre le contexte qui façonne le travail au sein de votre organisation. Cela comprend les rôles, les projets, les priorités et les connaissances institutionnelles des personnes — ce qui les rend particulièrement pertinents pour votre entreprise.
Nous avons observé un changement de cap non seulement dans les produits que nous livrons aux clients, mais aussi dans la façon dont nos équipes d’ingénierie les conçoivent. Même si de nombreux employés ont contribué à Cowork, l’équipe principale demeure volontairement petite — passant de trois ingénieurs au départ à seulement neuf aujourd’hui. Et pourtant, la rapidité de mise en marché a été remarquable, Cowork étant passé de sa conception à sa version préliminaire, puis à une utilisation par la moitié des entreprises du Fortune 500, le tout en l’espace de six mois. La percée est venue de la reconstruction du processus de développement logiciel autour d’agents, permettant à une très petite équipe d’atteindre des niveaux de vitesse, d’échelle et d’automatisation qui auraient été impossibles avec des flux de travail d’ingénierie traditionnels.
Microsoft Scout a lui aussi commencé avec un petit groupe de personnes travaillant aux côtés d’agents autonomes disposant d’un contexte partagé, d’évaluations et de spécifications claires, et il est passé d’un concept initial à un produit fonctionnel en quelques semaines plutôt qu’en quelques mois. « Avant, je passais beaucoup de temps à aider les équipes à prendre de l’ampleur : aligner de grands groupes, coordonner le travail et m’assurer que tout avançait ensemble », explique Omar Shahine, vice-président corporatif de Microsoft Scout. « Maintenant, il s’agit davantage de créer les conditions qui permettent à des équipes expertes d’avancer rapidement, d’expérimenter en toute sécurité et de consigner continuellement ce qu’elles apprennent afin que chaque projet parte de plus loin que le précédent. » Des équipes pionnières comme celles-ci — agiles, ciblées et définies par la collaboration entre humains et agents — donnent un signal fort de la façon dont le travail du savoir se transformera au cours des mois et des années à venir.
Profondeur et ampleur de l’utilisation
À mesure que les produits d’IA et les approches utilisées pour les concevoir arrivent à maturité, l’utilisation de Copilot au sein des organisations gagne elle aussi en profondeur et en ampleur. Au cours de la dernière année seulement, le nombre de conversations par utilisateur a presque doublé,3 tandis que le nombre d’utilisateurs qui interagissent avec plusieurs fonctionnalités de Copilot a connu une croissance à trois chiffres.4 Et le fait que l’engagement hebdomadaire moyen avec Copilot soit maintenant comparable à celui d’Outlook et de Teams5 témoigne de la vitesse à laquelle l’IA devient partie intégrante du travail quotidien.
Lorsque nous examinons ce que les gens demandent le plus souvent à Copilot Cowork d’accomplir au cours d’une semaine donnée, nous constatons une hausse des demandes qui couvrent plusieurs étapes, comme analyser un ensemble de données puis rédiger le courriel qui l’explique, ou encore faire des recherches sur un problème et écrire le code pour le résoudre. Lorsque nous tenons compte de ces flux de travail en plusieurs étapes, les tâches liées à l’analyse représentent 49 % de l’ensemble des tâches, comparativement à 29 % lorsque l’analyse est effectuée comme tâche autonome.6 Autrement dit, les données suggèrent que l’IA dépasse l’aide à l’exécution de tâches individuelles pour contribuer à l’accomplissement de flux de travail complets.
En prenant du recul, les premiers utilisateurs, comme les secteurs de la fabrication, des services bancaires et des logiciels et technologies, demeurent parmi les industries qui comptent le plus grand nombre d’agents actifs dans l’écosystème Microsoft 365. Mais ce qui surprend, c’est que des secteurs comme l’automobile et la santé figurent maintenant parmi ceux où l’adoption des agents connaît la croissance la plus rapide,7 ce qui indique que la valeur des agents se propage bien au-delà des premiers chefs de file.
Le signe le plus clair de cet élan réside peut-être dans la rapidité avec laquelle les organisations déploient Copilot à grande échelle auprès de leurs effectifs. Le nombre de nos clients comptant plus de 50 000 sièges a augmenté de plus de sept fois d’une année à l’autre. Parallèlement, le nombre de clients d’entreprise qui déploient Copilot auprès de la majorité de leurs travailleurs de l’information a progressé de près de 75 % d’un trimestre à l’autre, ce qui montre à quel point Copilot est devenu central dans leurs activités. Et le temps nécessaire pour atteindre une forte utilisation, c’est-à-dire une utilisation active mensuelle supérieure à 80 % dans l’ensemble de la base d’utilisateurs d’un client, est passé de plusieurs mois à seulement quelques jours au cours de la dernière année.8 Pris ensemble, ces changements indiquent que les organisations intègrent de plus en plus l’IA et les agents dans le flux du travail quotidien.
Ce que l’IA rend possible
À son niveau le plus basique, la vitesse rendue possible par l’IA crée des gains d’efficacité. Mais les organisations qui réussissent bien commencent à voir comment l’IA transforme le travail lui-même — et peut même faire grandir ce qu’une organisation est capable de faire.
Par exemple, la propre équipe de chaîne d’approvisionnement infonuagique de Microsoft a adopté une approche axée sur la simplification avant les agents. Elle a d’abord cartographié et simplifié six flux de travail de bout en bout et bâti une base de données commune, puis déployé plus de 70 agents conçus sur mesure dans la planification, l’approvisionnement, l’exécution et la logistique. Le résultat : une réduction de 75 % du temps de cycle dans certains flux de travail, avec une leçon intégrée au processus : simplifier le travail lui-même avant de l’automatiser, plutôt que d’ajouter des agents à un processus défaillant.
Le temps de cycle est une mesure du progrès. La qualité des décisions en est une autre. Chez Eaton, une entreprise spécialisée dans la gestion intelligente de l’énergie, l’analyse des causes profondes reposait depuis longtemps sur des enquêtes exigeantes en temps. Pour alléger cette charge, l’entreprise a commencé à utiliser un agent qualité propulsé par l’IA qui aide les experts à examiner les rapports sur les problèmes de qualité de fabrication afin de faire ressortir rapidement les causes profondes potentielles, les tendances et les renseignements liés aux fournisseurs. Appliqué jusqu’à maintenant à environ 5 000 rapports, il a accéléré l’analyse, renforcé la prise de décision fondée sur les données et permis de cerner plus tôt les risques et les mesures de prévention, tout en gardant l’équipe d’experts d’Eaton au centre de chaque décision.
D’autres organisations découvrent ce qui devient possible lorsqu’elles donnent aux personnes les plus proches du problème les moyens de créer les solutions. Premera Blue Cross a voulu permettre à ses employés de créer leurs propres agents d’IA afin de retirer de leurs tâches le travail répétitif et manuel, et de s’attaquer aux arriérés croissants ainsi qu’aux flux de travail manuels. Le régime d’assurance maladie, qui sert des membres dans l’État de Washington et en Alaska, a commencé par intégrer Microsoft 365 Copilot et Copilot Studio aux outils que ses équipes utilisaient déjà au quotidien, avec de la formation et des balises claires pour permettre aux employés d’expérimenter sans mettre en péril la confiance des membres. Depuis, l’équipe a créé plus de 900 agents, et ce nombre continue de croître, dont un agent d’annexes contractuelles. Le traitement intelligent de documents a réduit un flux de travail manuel de 30 à 45 minutes à environ trois minutes — libérant ainsi les employés afin qu’ils puissent se concentrer sur les membres qui ont besoin d’un accès aux soins ou de réponses à des questions essentielles.
Pour aller encore plus loin, l’IA peut rendre possible un travail qui ne pouvait pas être fait auparavant. Chez Levi Strauss & Co., où l’IA est intégrée à l’ensemble de l’entreprise, des connaissances consommateurs aux RH, un agent a analysé 1 100 procédures opérationnelles normalisées en finances et catalogué 18 000 tâches individuelles en une journée, créant une vue détaillée du travail qui n’aurait pas émergé autrement. « L’agent a dimensionné une occasion que je croyais impossible à quantifier », a déclaré Lisa Sterling, vice-présidente des finances chez Levi’s.
Et chez EY, organisation mondiale de services-conseils, un agent d’approvisionnement autonome automatise les transactions à faible coût et à faible risque tout au long du processus d’approvisionnement, de la demande d’achat à la négociation, jusqu’à la création du bon de commande. Il peut négocier avec un ou plusieurs fournisseurs à la fois sur les coûts, les délais de livraison et les modalités de garantie, tout en gardant les humains dans la boucle pour la validation et l’escalade. Depuis son projet pilote d’octobre 2025, l’agent a soutenu plus de 200 transactions et devrait en traiter 1 500 au cours de la prochaine année. Il en résulte un processus d’approvisionnement plus rapide et plus efficace, qui aide les équipes à tirer davantage de valeur des fournisseurs tout en veillant à ce que les décisions importantes relevant du jugement demeurent entre les mains des personnes.
La spécialisation à grande échelle
La différence entre les organisations qui observent de tels changements et celles qui attendent encore ne tient pas à l’ampleur du déploiement de l’IA, mais à la façon dont elles l’ont adaptée au travail. Pourtant, le modèle de déploiement le plus courant demeure généraliste : donner à tout le monde le même outil et laisser chacun s’organiser. Les organisations qui créent la valeur la plus distincte font autrement. Elles commencent par comprendre comment des rôles précis fonctionnent réellement, puis bâtissent l’IA autour de ces modèles.
Un exemple : l’équipe des ventes de Microsoft a associé des personas de vendeurs distincts à des agents d’IA dédiés — agent chercheur, agent d’analyse, agent commercial, agent de négociation, et MSXi Copilot (un agent de renseignements et de production de rapports sur les ventes) — chacun conçu pour s’intégrer à des moments précis de la façon dont les vendeurs consacrent leur temps. En confiant davantage de tâches administratives et de coordination aux agents, le temps que les vendeurs consacrent aux activités en contact avec les clients a doublé, passant de 25 % à 50 %. Le groupe pilote a enregistré 9,4 % de revenus de plus par personne et des cycles de conclusion de ventes 20 % plus rapides; les répondants au sondage ont aussi signalé une hausse de 3x de l’adoption des cas d’utilisation prioritaires.
L’équipe des ventes de Microsoft a associé des personas de vendeurs distincts à des agents d’IA dédiés — agent chercheur, agent d’analyse, agent commercial, agent de négociation et MSXi Copilot (un agent de renseignements et de production de rapports sur les ventes) — chacun conçu pour s’intégrer à des moments précis de la façon dont les vendeurs consacrent leur temps. En confiant davantage de tâches administratives et de coordination aux agents, le temps que les vendeurs consacrent aux activités en contact avec les clients a doublé, passant de 25 % à 50 %. Le groupe pilote a enregistré 9,4 % de revenus de plus par personne et des cycles de conclusion de ventes 20 % plus rapides; les répondants au sondage ont aussi signalé une hausse de 3x de l’adoption des cas d’utilisation prioritaires.9
Kantar a adopté une approche ascendante. Dans cette entreprise de données et d’analytique marketing, un « agent pour les personnes » destiné aux demandes RH (en réalité un système d’environ 10 agents travaillant ensemble sur 60 sujets et flux connexes) est bâti et élargi grâce à la collaboration des personnes qui traitent et soutiennent réellement ces demandes au sein de son équipe Talent. Il résout déjà une part croissante des demandes sans intervention humaine : une lettre de vérification d’emploi qui prenait auparavant trois jours est maintenant produite en 120 secondes. Kantar indique que la part des demandes RH traitées de cette façon est passée de zéro en février à environ 40 %, par rapport à une cible de fin d’année de 95 %.
L’équipe des opérations de Talent de Microsoft gère plus d’un million d’interactions avec les employés par année, dans plus de 100 systèmes, en accomplissant un travail qui a un véritable impact pour les personnes. Elle utilise Frontier Tuning pour mettre à l’échelle l’expertise RH dans l’ensemble de ses processus et des moments clés du parcours employé, plutôt que d’améliorer une tâche à la fois, en capturant l’expertise des praticiens sous forme de tâches, de compétences et de grilles d’évaluation qui définissent les normes de qualité. Il en résulte un système propulsé par l’IA capable de prendre en charge le travail opérationnel avec le contexte, les normes et les connaissances institutionnelles nécessaires à la réussite, transformant le savoir-faire des praticiens en capacité organisationnelle. L’équipe peut voir comment l’agent exécute le travail réel et ajuster les leviers — outils, contexte, compétences et modèle lui-même — afin d’assurer une performance constante. L’agent développé avec Frontier Tuning est maintenant en service au sein des opérations de Talent, offrant une amélioration de 5x du taux de réussite des tâches par rapport à un modèle généraliste de référence.10 À mesure que les activités routinières sont de plus en plus prises en charge par l’IA, les experts des opérations de Talent des RH de Microsoft peuvent se concentrer sur les interactions complexes avec les employés, les décisions nuancées et le travail stratégique où le discernement humain compte le plus.
Et maintenant?
À mesure que la technologie d’IA progresse et que les organisations partout dans le monde commencent à voir émerger une réelle valeur, les mesures qui comptent évoluent elles aussi. Nous verrons une attention accrue portée à la profondeur de l’utilisation, au changement mesurable du travail lui-même, à la croissance et à la gouvernance des agents, à la refonte des rôles et des flux de travail, ainsi qu’à l’émergence de capacités qui n’existaient pas auparavant. Les organisations qui bâtissent un avantage durable sont celles où la technologie, les modèles opérationnels et la capacité d’agir des humains évoluent ensemble. C’est ainsi que prend forme l’entreprise pionnière.
__________
1Résultats de Microsoft du 4ème trimestre.
2Cette analyse a été réalisée par des équipes internes de Microsoft. Elle a comparé 125 exécutions de tests portant sur un total de 12 prompts de données de travail légers, moyens et lourds dans Copilot Cowork et Claude Cowork avec leur connecteur Microsoft 365, les deux utilisant le modèle Opus 4.8. Pour Copilot Cowork, les coûts ont été calculés à partir de tarifs variables fondés sur les modèles, le contexte, les outils et le temps d’exécution pertinents tirés de nos journaux internes. Pour Claude Cowork, les coûts ont été calculés à partir des tarifs d’API accessibles au public, en fonction de l’utilisation des jetons et du connecteur Microsoft 365. Nous avons utilisé ces coûts pour obtenir un prix total par exécution et comparer les prix entre les ensembles de prompts légers, moyens et lourds de Copilot Cowork et de Claude Cowork avec leur connecteur Microsoft 365. Les résultats relatifs aux économies de coûts reposent sur des tests menés en juin 2026. Les coûts réels et les économies potentielles peuvent varier selon l’utilisation, la configuration, le moment et d’autres facteurs.
3Résultats de Microsoft du 4ème trimestre.
4Selon des signaux de productivité anonymisés et agrégés de Microsoft 365 Copilot, il s’agit du nombre d’utilisateurs actifs mensuels de M365 Copilot qui utilisent deux fonctionnalités uniques ou plus fondées sur Copilot sur une période de 28 jours. Comprend tous les pays et les clients d’entreprise en juin 2025 et en juin 2026.
5Résultats de Microsoft du 4ème trimestre.
6Selon des signaux de productivité anonymisés et agrégés de Microsoft 365 Copilot, ainsi que la télémétrie de Cowork du 19 juillet 2026 au 26 juillet 2026, cette analyse porte sur les tâches les plus courantes que les clients ont déléguées à Copilot Cowork au cours de la période de référence.
7Selon des signaux de productivité anonymisés et agrégés de Microsoft 365 Copilot, les agents actifs mensuels mesurent le nombre d’agents actifs uniques observés au moyen de la télémétrie dans les agents déclaratifs, les agents à moteur personnalisé et les agents SharePoint. Cette mesure est calculée sur une fenêtre mobile de 28 jours. Un agent est considéré comme « actif » si, au cours de cette période de 28 jours, il répond à au moins l’un des deux critères suivants : 1) il compte au moins une journée d’utilisation initiée par un utilisateur, ou 2) il effectue au moins une exécution autonome. Chaque agent admissible est comptabilisé une seule fois, peu importe le nombre de fois où il a été utilisé, afin d’assurer une mesure dédupliquée de la base d’agents actifs. La croissance est évaluée sur une période de 12 mois, de juin 2025 à juin 2026, en comparant le nombre d’agents actifs au début et à la fin de cette période.
8Résultats de Microsoft du 4ème trimestre.
9Données internes de l’équipe des ventes de Microsoft, fondées sur 687 vendeurs de Microsoft 365 Copilot de janvier à juin 2024, comparativement aux vendeurs dont l’utilisation de Copilot était faible.
10Le succès a été défini comme une « exécution parfaite » : la tâche a obtenu une note de 100/100 selon des critères d’évaluation définis par des humains. Les tâches ont été évaluées sur plusieurs exécutions afin de tenir compte de la variabilité des parcours de réalisation, de l’enchaînement des tâches et du choix des outils; seuls les résultats systématiquement parfaits ont été comptabilisés comme des réussites.