L’essentiel
- Anthropic a basculé en disponibilité générale le pilotage de l’ordinateur (computer use), l’outil navigateur, l’API Skills et l’API Files sur sa plateforme Claude.
- Le nouveau jeu d’outils computer_toolset_20260801 autorise plusieurs actions dans un même tour : clic, frappe, touche, capture d’écran, au lieu d’une seule par aller-retour.
- Les clients en accès anticipé mesurent 20 à 40 % d’allers-retours en moins par tâche.
Un modèle capable d’avaler un contrat de trente pages en deux secondes peut mettre une éternité à cocher quatre cases dans un vieil applicatif de gestion. Sa compréhension de l’écran n’y est pour rien : le coût est dans la façon dont il dialogue avec l’application.
Chaque clic était une question posée au modèle
Jusqu’ici, un agent qui pilote un écran fonctionnait par tours de parole. Il reçoit une capture d’écran, décide « clique ici », renvoie l’action. Le logiciel exécute, reprend une capture, la renvoie au modèle. Nouveau tour. Nouvelle décision. Un clic.
Rapportez ce fonctionnement à une tâche réelle : ouvrir l’application, saisir un identifiant, valider, filtrer une liste, sélectionner trois lignes, lancer un export. Vous obtenez des dizaines d’allers-retours, chacun réémettant le contexte et une image de l’écran. Facturés. Et lents.
L’analogie éclaire mieux que la spécification : imaginez dicter par téléphone à quelqu’un installé devant votre ordinateur, avec une seule instruction autorisée par appel. Vous raccrochez, vous rappelez, la personne vous décrit l’écran, vous dictez le geste suivant. Elle est parfaitement compétente. C’est le protocole qui ruine tout.
Un tour de parole, plusieurs gestes
Anthropic annonce que Claude enchaîne désormais plusieurs actions dans un même tour : cliquer, taper, presser une touche, prendre une capture. Le nouveau jeu d’outils s’appelle computer_toolset_20260801. Il tient en quelques lignes de spécification et déplace un seuil bien plus intéressant : celui de la rentabilité.
Le gain mesuré chez les clients en accès anticipé : 20 à 40 % d’allers-retours en moins par tâche. Attention à ce que compte cette réduction. Le modèle réfléchit toujours autant, et ses tokens de raisonnement ne bougent pas. L’économie se fait là où la facture est souvent plus lourde : chaque tour supprimé, c’est un contexte qui n’est pas réenvoyé, une capture d’écran qui ne repart pas dans le tuyau, un aller-retour réseau qui disparaît de la latence totale.
Une tâche de soixante tours qui tombe à quarante ne devient pas « un tiers plus agréable ». Elle descend parfois sous le coût et la durée qui la rendaient inacceptable en production.
Skills et Files déchargent le prompt
Deux autres briques passent en disponibilité générale le même jour, et elles ne sont pas décoratives. L’API Skills permet d’empaqueter des procédures réutilisables : apprendre une bonne fois à l’agent comment se navigue votre back-office, au lieu de le lui réexpliquer dans chaque prompt. L’API Files lui donne un espace de fichiers persistant, où déposer un export, le relire, le retravailler.
Prises ensemble, ces trois annonces poussent dans la même direction : faire sortir le savoir-faire et les données du fil de la conversation. Tout ce qui vit dans le prompt est repayé à chaque tour. Tout ce qui vit dans un skill ou un fichier ne l’est pas. L’outil navigateur, passé lui aussi en disponibilité générale, applique la même logique au web : une session qui tient, au lieu d’un enchaînement de captures.
Les logiciels sans API redeviennent calculables
La cible est nommée explicitement par Anthropic : les applications qui n’ont pas d’API. Autrement dit, l’essentiel du parc logiciel réel. Des ERP maison (progiciels de gestion intégrés) vieux de quinze ans, des portails d’administration, des extranets fournisseurs, des outils métier sous licence dont plus personne n’a la documentation. Tout ce qui, dans une entreprise, ne s’appelle pas depuis un endpoint REST.
C’est aussi ce qui sépare Anthropic de ses concurrents directs : le modèle Computer Use de Gemini est optimisé pour le navigateur, et Google reconnaît qu’il n’est pas encore taillé pour le pilotage d’un système d’exploitation ; Operator, chez OpenAI, travaille lui aussi dans un navigateur. Un outil métier installé sur un poste de travail, lui, ne s’ouvre pas dans un onglet.
Ce terrain appartenait au RPA (robotic process automation), ces robots qui rejouent une séquence de clics enregistrée. Leur faiblesse est connue de quiconque en a déployé : ils cassent au premier bouton déplacé, et la maintenance mange le gain. Un agent qui regarde l’écran ne casse pas pour si peu, mais il coûtait trop cher par tour. Ce sont ces deux courbes qui viennent de se rapprocher.
Si vous construisez ce type d’automatisation, la métrique à instrumenter change. Comptez les tours par tâche, pas seulement les tokens : c’est ce compteur-là que le nouveau jeu d’outils fait bouger, et c’est lui qui vous dira si la migration vaut le coup. Les 20 à 40 % annoncés sont une moyenne calculée sur des usages qui ne sont pas les vôtres.
Grouper les gestes, c’est aussi grouper les erreurs
Un agent qui agit trois fois avant de regarder le résultat peut se tromper trois fois avant de s’en apercevoir. Il décide d’une petite séquence sur la foi d’une capture déjà vieille de quelques centaines de millisecondes. Une fenêtre modale qui s’ouvre, un champ qui se recharge, et la frappe part dans le vide.
C’est le prix implicite du groupage, et il grimpe avec l’irréversibilité de l’action : valider un paiement, envoyer un mail, supprimer une ligne. La disponibilité générale change le statut du produit, pas la nature du risque. Les garde-fous restent à votre charge : compte dédié aux droits minimaux, périmètre applicatif restreint, confirmation humaine sur les gestes destructeurs, journal de tout ce qui a été cliqué.
Un agent qui pilote un écran est, techniquement, un utilisateur de plus dans vos applications : il ouvre des sessions, remplit des formulaires, valide. Depuis cette semaine, il le fait en moins de tours et pour moins cher. Ce qui se décide maintenant, c’est le périmètre qu’on lui ouvre : quels écrans, quels droits, et quelles actions il ne valide jamais seul.
Mon avis
Les éditeurs de RPA ont un problème qu’ils n’ont pas encore nommé : leur avantage tenait au coût par action, et ce coût vient de fondre de 40 % dans le camp d’en face. Les premiers gros contrats d’automatisation vont basculer, non pas parce que l’agent est devenu plus intelligent, mais parce qu’il devient moins cher que le robot qu’il remplace. Ce qui me gêne, c’est le silence sur l’audit : on s’apprête à lâcher un utilisateur fantôme dans des systèmes qui manipulent de l’argent, et la traçabilité de ses clics n’intéresse encore personne.
