Lors de la présentation de nos résultats financiers le 29 juillet, nous avons dévoilé que Microsoft 365 Copilot avait dépassé les 30 millions de licences payantes. Ce nombre ayant plus que doublé depuis le dernier trimestre. Il s’agit d’une étape importante, mais aussi d’un signal révélateur d’une évolution beaucoup plus large : dans tous les secteurs, l’IA passe du statut d’assistant à celui de participant actif. Elle n’est plus un simple outil à la disposition des collaborateurs d’une entreprise, mais devient un élément essentiel de la manière dont le travail est réalisé. Les organisations repensent leur façon d’opérer, leur manière de travailler, autour de l’IA. Les collaborateurs demandent désormais aux agents de prendre en charge des tâches, des projets et des processus, élargissant ainsi leur capacité d’action et renforçant leur impact.
La première phase de l’IA en entreprise a été marquée par son adoption : déploiements, licences et heures économisées. Ces bénéfices réels continueront de s’amplifier. La prochaine phase sera celle de la transformation. Chez Microsoft, notre mission est de permettre à chaque individu et à chaque organisation sur la planète de réaliser ses ambitions. Nous voyons aujourd’hui se dessiner une occasion croissante de concrétiser cette mission, à mesure que les humains et les agents travaillent ensemble pour rendre possible ce qui ne l’était pas auparavant.
De nouvelles données issues des signaux de télémétrie de Microsoft 365, complétées par des exemples provenant de nos clients à travers le monde et de nos équipes internes, montrent concrètement cette transformation à l’œuvre. Celle-ci se manifeste de trois façons : par l’intensification et la diversification des usages de l’IA, par les nouvelles possibilités qu’elle ouvre – de l’accélération du travail à l’émergence de capacités inédites – et par la manière dont les organisations l’adaptent à des métiers et à des rôles spécifiques. Pour en comprendre les ressorts, il convient de s’intéresser de plus près à la technologie en elle-même.
Un changement radical dans l’innovation
Ces derniers mois, un nouveau type de produit d’IA a émergé : un modèle intégré à une architecture agentique capable de gérer sa propre boucle de rétroaction en planifiant, exécutant, testant puis corrigeant son travail jusqu’à produire un résultat finalisé. C’est cette approche qui a permis le développement de Copilot Cowork, disponible à tous depuis juin. Cowork peut prendre en charge des tâches complexes en plusieurs étapes : l’utilisateur définit la tâche puis l’agent exécute l’ensemble du processus de bout en bout et livre un résultat final. Les tests montrent par ailleurs que l’utilisation de Cowork est 30 à 40 % moins coûteuse qu’une option reposant sur un modèle unique. Nous avons également lancé Microsoft Scout, notre premier agent fonctionnant en mode autonome. Actif en arrière-plan, doté de sa propre identité et ses propres autorisations, il permet au travail de continuer à avancer même lorsque l’attention de l’utilisateur est mobilisée ailleurs. Tous les résultats produits s’appuient sur Work IQ, qui leur permet de tenir compte du contexte propre à chaque organisation – rôles, projets, priorités et connaissances internes – afin de fournir des réponses et des actions directement pertinentes pour l’entreprise.
Nous avons observé un changement majeur non seulement dans les produits que nous fournissons aux clients, mais également dans la manière dont nos équipes d’ingénierie les développent. Si de nombreux collaborateurs ont contribué à Cowork, l’équipe principale est restée volontairement très resserrée, passant de trois ingénieurs au lancement du projet à seulement neuf lors de sa mise à disposition générale. La rapidité de développement et de déploiement a pourtant été remarquable : en six mois, Cowork est passé du stade de concept à celui de préversion, avant d’être utilisé par la moitié des entreprises du Fortune 500. Cette accélération a été rendue possible par une refonte du processus de développement logiciel autour d’agents d’IA. Une équipe réduite a ainsi pu atteindre des niveaux de rapidité, d’échelle et d’automatisation qui auraient été hors de portée avec des workflows d’ingénierie traditionnels.
Microsoft Scout est lui aussi né d’une petite équipe travaillant aux côtés d’agents autonomes, à partir d’un contexte partagé, d’évaluations et de spécifications clairement définies. Là encore, quelques semaines ont suffi pour passer d’un concept initial à un produit opérationnel. « Auparavant, je consacrais beaucoup de temps à aider les équipes à passer à l’échelle : il fallait aligner des groupes importants, coordonner les travaux et veiller à ce que tout avance de manière cohérente », explique Omar Shahine, Corporate Vice President de Microsoft Scout. « Désormais, l’enjeu consiste davantage à créer les conditions permettant à des équipes d’experts d’avancer rapidement, d’expérimenter en toute sécurité et de consigner en continu ce qu’elles apprennent, afin que chaque projet commence avec une longueur d’avance sur le précédent. » Les équipes d’avant-garde comme celles-ci – agiles, concentrées sur des objectifs précis et fondées sur la collaboration entre humains et agents – donnent un aperçu de la manière dont le travail intellectuel se transformera dans les mois et les années à venir.
Des usages plus nombreux et plus approfondis
À mesure que les produits d’IA et l’approche utilisée pour les développer gagnent en maturité, les usages de Copilot au sein des organisations s’approfondit et s’élargit également. Sur la seule année écoulée, le nombre de conversations par utilisateur a presque doublé, tandis que le nombre d’utilisateurs ayant recours à plusieurs fonctionnalités de Copilot a enregistré une croissance à trois chiffres. Le fait que l’engagement hebdomadaire moyen avec Copilot soit désormais comparable à celui d’Outlook et de Teams illustre la vitesse à laquelle l’IA s’installe dans le travail quotidien.
Lorsque nous examinons les demandes des utilisateurs auprès de Copilot Cowork au cours d’une semaine donnée, nous constatons qu’elles portent de plus en plus sur des tâches en plusieurs étapes : analyser un ensemble de données puis rédiger l’e-mail qui l’explique, ou encore étudier un problème avant d’écrire le code permettant de le résoudre. Lorsque nous prenons en compte ces méthodes de travail en plusieurs étapes, les activités d’analyse représentent 49 % de l’ensemble des tâches, contre 29 % lorsque l’analyse est effectuée comme une tâche autonome. Ces données montrent que l’IA ne se limite plus à aider les utilisateurs à accomplir des tâches ponctuelles : elle les accompagne désormais à accomplir des tâches de bout en bout.
En prenant davantage de recul, les secteurs qui ont adopté l’IA de manière précoce, tels que l’industrie manufacturière, la banque et les logiciels/technologies, restent parmi ceux qui comptent le plus grand nombre d’agents actifs dans l’écosystème Microsoft 365. Mais des secteurs comme l’automobile et la santé figurent parmi ceux dont l’adoption des agents connaît la croissance la plus rapide, signe que la valeur des agents s’étend bien au-delà des précurseurs.
La rapidité avec laquelle les organisations généralisent Copilot auprès de leurs collaborateurs constitue sans doute l’un des indicateurs les plus significatifs de cette dynamique. Le nombre de clients disposant de plus de 50 000 licences a été multiplié par plus de sept en un an.
Dans le même temps, le nombre de grandes entreprises ayant déployé Copilot auprès de la majorité des collaborateurs du tertiaire a augmenté de près de 75 % en un trimestre, ce qui témoigne de la place désormais centrale de Copilot dans leurs activités.
Enfin, le délai nécessaire pour atteindre un niveau d’utilisation élevé – défini comme une utilisation mensuelle active supérieure à 80 % de la base d’utilisateurs d’un client – est passé de plusieurs mois à quelques jours seulement au cours de l’année écoulée. Prises dans leur ensemble, ces évolutions montrent que les organisations intègrent de plus en plus étroitement l’IA et les agents à leurs pratiques de travail quotidiennes.
Ce que l’IA rend possible
À son niveau le plus élémentaire, l’IA permet de gagner en rapidité et en efficacité. Mais les organisations qui en tirent le meilleur parti ne s’arrêtent pas à ces seuls gains de productivité. Elles commencent à mesurer la manière dont l’IA transforme le travail lui-même et élargit le champ de ce qu’elles sont capables d’accomplir.
L’équipe Cloud Supply Chain de Microsoft a, par exemple, adopté une approche consistant à simplifier les processus avant d’y intégrer des agents. Elle a d’abord cartographié et simplifié six workflows de bout en bout et construit une base de données partagée. Plus de 70 agents spécialisés ont ensuite été déployés dans les domaines de la planification, des achats, de l’exécution des commandes et de la logistique. Sur certains workflows, cette démarche a permis de réduire les délais de traitement de 75 %. Elle met également en évidence un principe essentiel : avant d’automatiser, il convient de simplifier le travail lui-même, plutôt que d’ajouter des agents à un processus défaillant.
La réduction des délais constitue un premier indicateur de progrès. La qualité des décisions qui le sous-tendent en est une autre. Chez Eaton, entreprise spécialisée dans la gestion intelligente de l’énergie, l’analyse des causes profondes reposait depuis longtemps sur des investigations très chronophages. Pour en alléger la charge, l’entreprise a commencé à utiliser un agent qualité basé sur l’IA, qui aide les experts à examiner les rapports relatifs aux problèmes de qualité de fabrication afin de faire rapidement ressortir les causes profondes potentielles, les tendances et les informations sur les fournisseurs. Appliqué jusqu’à présent à environ 5 000 rapports, il a accéléré l’analyse, renforcé la prise de décision fondée sur les données et permis une identification plus précoce des risques ainsi que des mesures de prévention. Cela tout en maintenant l’équipe d’experts d’Eaton au centre de chaque décision.
D’autres organisations découvrent ce qu’il est possible de réaliser en donnant aux personnes les plus proches des difficultés rencontrées les moyens de concevoir elles-mêmes les solutions. Premera Blue Cross a ainsi souhaité permettre à ses employés de créer leurs propres agents d’IA afin de leur retirer des tâches répétitives et manuelles, et de traiter des volumes croissants de dossiers en attente et de workflows manuels. Ce régime d’assurance santé, présent dans les États de Washington et d’Alaska aux Etats-Unis, a commencé par intégrer Microsoft 365 Copilot et Copilot Studio aux outils que ses collaborateurs utilisaient déjà chaque jour. Cela en étant accompagné d’une formation et d’un cadre précis afin que les employés puissent expérimenter sans mettre en péril la confiance des adhérents.
Depuis, plus de 900 agents ont été créés. Parmi eux figure un agent dédié aux annexes contractuelles, dont les capacités de traitement intelligent des documents ont ramené un workflow manuel de 30 à 45 minutes à environ trois minutes. Les équipes peuvent ainsi consacrer davantage de temps aux adhérents qui ont besoin d’accéder à des soins ou d’obtenir des réponses à des questions essentielles.
A un stade plus avancé, l’IA peut permettre d’accomplir un travail qui ne pouvait auparavant pas être réalisé. Chez Levi Strauss & Co., où l’IA est intégrée dans l’ensemble de l’entreprise, de la connaissance client aux ressources humaines, un agent a analysé 1 100 procédures opérationnelles standard dans le domaine financier et répertorié 18 000 tâches individuelles en une journée, créant une vue détaillée du travail qui n’aurait autrement pas pu être mise en évidence. « L’agent a quantifié une opportunité que je pensais impossible à mesurer », a déclaré Lisa Sterling, Vice President of Finance chez Levi’s.
Chez EY, un agent autonome dédié aux achats, l’Autonomous Sourcing Agent (ASA), automatise les transactions à faible coût et à faible risque tout au long du processus d’approvisionnement, de la demande et de la négociation jusqu’à la création du bon de commande. Il peut négocier simultanément avec un ou plusieurs fournisseurs sur les coûts, les délais de livraison et les conditions de garantie, tout en maintenant les humains dans la boucle pour la validation et l’escalade. Depuis le lancement de son pilote en octobre 2025, l’ASA a pris en charge plus de 200 transactions et devrait en traiter 1 500 au cours de l’année à venir. Il en résulte un processus d’approvisionnement plus rapide et plus efficace, qui aide les équipes à obtenir davantage de valeur auprès des fournisseurs tout en garantissant que les décisions importantes relevant du jugement restent entre les mains des personnes.
La spécialisation à grande échelle
Ce qui distingue les organisations qui observent déjà de tels résultats de celles qui restent encore en retrait n’est pas l’ampleur du déploiement de l’IA, mais la manière dont celle-ci est adaptée aux réalités du travail. Pourtant, le modèle de déploiement le plus courant demeure généraliste : fournir le même outil à tous et laisser chacun en déterminer les usages. Les organisations qui créent le plus de valeur suivent une autre approche. Elles partent des pratiques concrètes propres à chaque métier et conçoivent ensuite des solutions d’IA adaptées à ces usages.
S&P Global Commodity Insights souligne ainsi comment l’IA peut rendre une expertise pointue accessible à un plus grand nombre, en intégrant directement des informations fiables dans le flux de travail. Face à la demande croissante de données exploitables par l’IA, l’entreprise a utilisé Microsoft Copilot Agent Builder et les connecteurs Microsoft Graph pour créer un agent Copilot dans Microsoft Teams. Celui-ci offre aux clients un moyen plus simple d’accéder aux études sur les matières premières et aux analyses de marché de S&P Global Commodity Insights, et d’interagir avec elles. En accélérant de 95 % l’extraction des données et de 98 % les analyses comparatives, cette solution permet aux clients de transformer plus rapidement d’importants volumes d’informations en données directement exploitables. Elle aide ainsi les acteurs des marchés mondiaux de l’énergie et des matières premières à prendre des décisions plus rapides et mieux éclairées.
L’équipe commerciale de Microsoft a, de son côté, associé différents profils de vendeurs à des agents d’IA dédiés : Recherche, Analyste, Sales, Deal Agent et MSXi Copilot, un agent spécialisé dans la veille commerciale et le reporting. Chacun a été conçu pour répondre à des besoins précis selon les différentes étapes de l’activité commerciale. En prenant en charge davantage de tâches administratives et de coordination, ces agents ont permis de doubler le temps consacré aux interactions avec les clients, qui est passé de 25 % à 50 %. Le groupe pilote a enregistré une hausse de 9,4 % du chiffre d’affaires par collaborateur et une réduction de 20 % du délai de conclusion des contrats. Les participants ont également fait état d’une adoption trois fois plus importante des cas d’usage prioritaires.
Kantar a choisi une approche fondée sur les besoins du terrain. Au sein de cette entreprise spécialisée dans les données et les analyses marketing, un « People Agent » destiné aux demandes RH est développé directement avec les équipes qui traitent ces sollicitations au quotidien. Il s’agit en réalité d’un ensemble d’une dizaine d’agents couvrant 60 thématiques et les flux de travail associés. Ce dispositif traite déjà une part croissante des demandes sans intervention humaine. Une attestation d’emploi, qui nécessitait auparavant trois jours, peut désormais être produite en 120 secondes. Selon Kantar, la part des demandes RH ainsi prises en charge est passée de zéro en février à environ 40 %, avec un objectif fixé à 95 % d’ici la fin de l’année.
L’équipe People Operations de Microsoft gère chaque année plus d’un million d’interactions avec les collaborateurs, à travers plus de 100 systèmes. Ces activités ont des conséquences concrètes sur leur quotidien. Grâce au Frontier Tuning de Microsoft, l’équipe cherche à diffuser l’expertise RH à l’échelle de l’ensemble de ses processus et des différents moments du parcours collaborateur, plutôt qu’à améliorer les tâches une par une. Le savoir-faire des professionnels est ainsi formalisé sous la forme de tâches, de compétences et de grilles d’évaluation qui définissent les standards de qualité attendus. Cette démarche aboutit à un système fondé sur l’IA capable de prendre en charge des activités opérationnelles en tenant compte du contexte, des exigences de qualité et des connaissances internes nécessaires à leur bonne exécution. Elle permet ainsi de transformer l’expertise individuelle des professionnels en une capacité mobilisable à l’échelle de l’organisation. L’équipe peut évaluer les performances de l’agent sur des cas réels et ajuster les différents paramètres – outils, contexte, compétences et modèle – afin de garantir des résultats constants. L’agent développé avec Frontier Tuning est désormais utilisé par l’équipe People Operations. Il améliore par cinq le taux de réussite des tâches par rapport à un modèle généraliste de référence. À mesure que l’IA prend en charge davantage d’activités courantes, les experts de l’équipe People Operations peuvent se concentrer sur les situations complexes, les décisions qui exigent du discernement et les missions stratégiques pour lesquelles l’expertise humaine reste essentielle.
Les prochaines étapes
À mesure que les technologies d’IA progressent et que les organisations commencent à en mesurer concrètement la valeur, les indicateurs de référence évoluent eux aussi. L’attention portera de plus en plus sur l’intensité des usages, les transformations mesurables du travail, le développement et la gouvernance des agents, la redéfinition des rôles et des processus, ainsi que sur l’apparition de capacités jusqu’ici inexistantes.
Les organisations qui construiront un avantage durable seront celles qui feront évoluer conjointement leurs technologies, leurs modes de fonctionnement et la capacité d’action de leurs collaborateurs. C’est ainsi que prend forme l’entreprise d’avant-garde, la Frontier Firm.