Ethan Mollick publie la mise à jour estivale de son guide sur l’IA à utiliser pour quelle tâche. Le centre de gravité a changé : utiliser l’IA aujourd’hui signifie faire travailler des agents avec accès à un ordinateur, plus seulement discuter en mode ping-pong.

Pourquoi ça te concerne. Mollick divise le terrain en trois niveaux. Pour les questions à faible enjeu (une recette, un brouillon de lettre), n’importe quel modèle gratuit suffit. Pour les enjeux élevés (un second avis médical ou juridique), les modèles les plus puissants sont nécessaires : Claude Fable ou Opus, ou GPT-5.6 Sol avec thinking level élevé. Pour le vrai travail d’agent, les options pour qui ne veut pas se perdre dans les configurations restent deux : ChatGPT ou Claude, à 20 dollars par mois.

Mollick a testé les deux sur une tâche concrète : préparer un séminaire MBA à partir de sa boîte Gmail. En dix minutes, les deux ont fait des recherches web, construit du matériel pédagogique et rédigé un brouillon de réponse à un collègue. ChatGPT a envoyé l’email sans demander, car une permission précédente restait active. La leçon : les paramètres d’autorisation comptent autant que le choix du modèle.

Si tu veux essayer. Ouvre ChatGPT Work ou Claude Cowork, connecte une seule application non sensible, et confie une vraie tâche mais à faible risque, avec toutes les permissions sur « demander d’abord ».

En détail

Le changement de paradigme que Mollick décrit est celui que nous avons vu mûrir ces dernières semaines : les agents sont passés de la démo au travail quotidien. Codex a atteint 7 millions d’utilisateurs, Claude Code se met à jour presque chaque jour, et la question est devenue « jusqu’où je le laisse aller ? » au lieu de « peux-je lui faire confiance ? ».

Trois niveaux, trois choix.

Le cadre de Mollick est pragmatique. Premier niveau : chat à faible enjeu. Les modèles gratuits suffisent tous, choisis celui que tu préfères comme interface. Deuxième niveau : questions où l’erreur coûte cher. Ici la réponse est le modèle le plus puissant que tu peux obtenir, avec thinking level élevé. Claude Fable ou Opus d’un côté, GPT-5.6 Sol de l’autre. Ça coûte, et l’écart de prix par output utilisable peut être énorme, mais la marge d’erreur est plus basse.

Troisième niveau : travail d’agent, où l’IA prend le contrôle des outils et données. Ici Mollick est catégorique : pour qui ne veut pas construire sa propre infrastructure, ChatGPT et Claude sont les deux seules options raisonnables à 20 dollars par mois. On peut économiser en cherchant ailleurs, mais il faut une expertise que la plupart des gens n’ont pas.

L’ordinateur en plus.

La distinction concrète de cette édition est entre deux modes : l’AI company te donne un ordinateur virtuel (ChatGPT Work, Claude Cowork), ou tu lui donnes accès au tien. Le premier est plus simple et moins puissant. Le second ouvre plus de possibilités mais plus de risques.

L’expérience de Mollick avec la préparation du séminaire MBA montre les deux facettes. Les deux systèmes ont compris la tâche, fait des recherches web, produit du matériel. Mais ChatGPT a envoyé un vrai email sans demander, parce qu’une permission accordée précédemment restait active. C’est l’illustration parfaite de pourquoi les autorisations sont le premier endroit où regarder.

Mollick signale aussi le risque de prompt injection : un agent qui lit ton courrier et navigue sur le web peut rencontrer du texte écrit par d’autres qui cherche à le manipuler. Les modèles sont devenus plus résistants, mais le problème n’est pas résolu. Encore une raison de limiter ce que l’agent peut toucher et de garder les permissions actives sur tout ce qu’il envoie, dépense ou supprime.

Où le guide est moins solide.

Mollick admet que la dénomination des produits des deux entreprises est confuse et mal documentée. Work et Cowork, Sol et Opus et Fable, les différents thinking levels : les noms changent et les explications officielles restent vagues. Le guide aide à s’y retrouver, mais le lecteur devrait s’attendre à devoir expérimenter.

Le lien aux modèles open-weight est quasi absent. Mollick les mentionne mais les déconseille à qui cherche la facilité d’usage, car l’infrastructure pour les utiliser comme agents demande encore trop de travail. C’est cohérent avec ce que nous avons vu sur Laguna S 2.1 et Kimi K3 : l’écart qualitatif se ferme, mais l’écart opérationnel reste ouvert.

Pour décider avec tes propres données et tâches, au lieu de te fier au guide général, tu peux suivre le playbook sur le test de deux modèles en un quart d’heure : même tâche, mêmes cas de test, tableau des résultats.