Agents IA : l’étude qui révèle qui les utilise vraiment et pour quoi faire
- Dans les coulisses de l’agentique : une étude à grande échelle, basée sur les usages réels
- Ce que les agents IA font vraiment : productivité, apprentissage et concentration des usages
- Une révolution cognitive… mais socialement asymétrique
Productivité, apprentissage, gestion du travail : derrière la promesse spectaculaire des « agents IA », une étude scientifique coordonnée sur les données Perplexity avec son navigateur Comet apporte un éclairage inédit. Fondée sur des centaines de millions d’interactions anonymisées, elle montre que l’agentique s’installe d’abord chez les travailleurs du savoir et les étudiants, dans des usages très concrets, loin des fantasmes d’automatisation totale.
Dans les coulisses de l’agentique : une étude à grande échelle, basée sur les usages réels
Des données massives plutôt que des intentions déclarées
Dans un univers saturé d’annonces et de démonstrations spectaculaires, rares sont les études capables d’observer ce que les utilisateurs font réellement avec les agents IA. L’analyse scientifique conduite avec Perplexity autour de son navigateur Comet change la donne en s’appuyant sur des données comportementales massives collectées entre début juillet et fin octobre 2025 : The Adoption and Usage of AI Agents: Early Evidence from Perplexity (Jeremy Yang, Noah Yonack, Kate Zyskowski, Denis Yarats, Johnny Ho, Jerry Ma).
La différence s’avère vraiment particulièrement pertinente quantitativement et qualitativement. Ici, il ne s’agit pas de déclarations d’intention ni d’enquêtes auprès d’un panel limité, mais d’une observation à grande échelle d’un nombre conséquent d’utilisateurs et de centaines de millions de requêtes. L’étude distingue précisément les requêtes « agentiques », c’est-à-dire celles où l’IA ne se contente pas de répondre, mais opère : prise de contrôle du navigateur, interaction avec des emails, des calendriers ou des plateformes tierces.
Ce choix méthodologique permet de documenter l’agentique non pas comme une promesse théorique, mais comme une pratique numérique mesurable.
Trois échantillons pour comprendre adoption et usages
L’étude repose sur trois niveaux d’analyse complémentaires. Le premier couvre l’ensemble des utilisateurs actifs de Comet sur la période étudiée, afin de mesurer l’adoption globale et l’intensité d’usage des fonctions agentiques. Le second échantillon, composé de 100 000 utilisateurs tirés aléatoirement, permet d’analyser les différences selon les pays et les catégories professionnelles, en s’appuyant sur la classification des métiers issue du référentiel O NET. Un troisième échantillon de 100 000 usagers ayant effectivement activé l’agent permet d’entrer dans le détail des cas d’usage.
Les données sont strictement anonymisées. Les comptes institutionnels et gouvernementaux sont exclus, tout comme les utilisateurs ayant refusé la conservation de leurs données. Les requêtes sont analysées via une taxonomie hiérarchique distinguant grands thèmes, sous-thèmes et tâches précises. Cette classification automatisée affiche des taux de concordance supérieurs à 80 % lors des validations internes, ce qui confère à l’étude une robustesse méthodologique rare dans le domaine.
Un révélateur des dynamiques d’innovation
Les premiers résultats dessinent une diffusion loin d’être uniforme. L’adoption des agents IA suit un schéma classique d’innovation technologique. Les premiers utilisateurs, souvent abonnés aux formules premium, représentent une minorité du total des usagers, mais concentrent une part disproportionnée des requêtes agentiques. Ils explorent davantage, testent plus intensivement, intègrent plus rapidement l’outil dans leurs routines.
Lorsque l’accès s’élargit à un public plus large, le nombre d’adoptants augmente, mais l’intensité moyenne d’usage tend à se diluer. Le phénomène n’est pas inédit. Il rappelle les cycles d’adoption observés dans d’autres vagues technologiques : une avant-garde motrice, suivie d’une diffusion plus progressive.
Mais l’étude va plus loin en montrant que ces dynamiques ne sont pas seulement temporelles. Elles sont aussi géographiques et socio-économiques.
Une adoption corrélée à richesse et éducation
À l’échelle internationale, l’analyse révèle des corrélations fortes entre adoption des agents IA, niveau de PIB par habitant et niveau moyen d’éducation. Les pays les plus riches et les plus qualifiés adoptent et utilisent davantage ces systèmes.
L’agent IA ne se diffuse donc pas dans un vide social. Il s’inscrit dans des environnements déjà dotés d’un fort capital numérique et cognitif. Autrement dit, il amplifie des capacités existantes plutôt qu’il ne les redistribue spontanément. Ce constat pose déjà une question stratégique : l’agentique sera-t-elle un facteur de réduction ou d’aggravation des écarts de productivité et d’apprentissage entre territoires et catégories sociales ?
Les travailleurs du savoir en première ligne
La segmentation par professions apporte un éclairage complémentaire. Les secteurs de la technologie numérique, de l’enseignement supérieur, de la finance, du marketing et de l’entrepreneuriat concentrent l’essentiel des usages agentiques. Les étudiants figurent également parmi les groupes les plus actifs.
À l’inverse, les métiers fortement ancrés dans des interactions physiques (construction, agriculture, services de terrain) affichent des taux d’adoption plus faibles. Ce constat est structurant. Il montre que les agents IA ne remplacent pas indistinctement tous les métiers. Ils s’installent d’abord là où le travail consiste à traiter, organiser, analyser et produire de l’information. Ils deviennent des instruments d’augmentation cognitive au service du travail intellectuel.
Loin de l’image d’une automatisation généralisée, l’étude révèle une réalité plus précise : la révolution agentique commence par transformer les gestes ordinaires du savoir (rédiger, synthétiser, comparer, planifier) plutôt que par remplacer massivement des fonctions humaines.
C’est dans ces micro-transformations quotidiennes que se joue, silencieusement, la véritable mutation. Et c’est justement ce que cette étude, en observant des millions d’interactions réelles, permet enfin de documenter.
Ce que les agents IA font vraiment : productivité, apprentissage et concentration des usages
Productivité d’abord : l’agent comme copilote du quotidien
Si l’imaginaire collectif associe souvent les agents IA à des scénarios spectaculaires (réservations automatisées, exécution autonome de tâches complexes), les usages observés racontent une autre histoire. La majorité des requêtes agentiques relèvent de besoins concrets, quotidiens, ancrés dans la gestion du travail et de l’information.
Le premier grand domaine d’usage est celui de la productivité et de l’organisation des flux numériques. Gestion et édition de documents, traitement des emails, organisation de comptes, manipulation de feuilles de calcul, suivi de projets : ces tâches constituent la colonne vertébrale de l’usage agentique. À elles seules, elles représentent la part la plus importante des requêtes analysées.
L’agent n’est donc pas, dans les faits, un remplaçant autonome du travail humain. Il agit comme un accélérateur, un copilote capable d’exécuter rapidement des sous-tâches répétitives ou cognitivement coûteuses. Rédiger une réponse, résumer un document, organiser des informations dispersées : l’agent s’insère dans le flux de travail existant plutôt qu’il ne le remplace.
Cette logique d’augmentation plus que d’automatisation éclaire la nature même de la transformation en cours. L’agentique ne bouleverse pas immédiatement les structures organisationnelles ; elle modifie d’abord les gestes ordinaires du traitement de l’information.
Apprentissage et recherche : une seconde polarité structurante
Le deuxième grand pôle d’usage concerne l’apprentissage et la recherche. Aide aux exercices, navigation dans des cours en ligne, synthèse de contenus académiques, exploration et filtrage d’informations spécialisées : ces requêtes représentent une part substantielle de l’activité agentique.
La présence marquée des étudiants parmi les utilisateurs les plus actifs n’est pas anodine. L’agent devient un outil d’assistance pédagogique, capable d’aider à comprendre, structurer, reformuler et approfondir des contenus. Il intervient comme médiateur cognitif entre l’apprenant et l’information.
Mais ces usages ne se limitent pas au monde académique. Les professionnels des secteurs technologiques, financiers ou entrepreneuriaux mobilisent également l’agent pour analyser des données, résumer des rapports, comparer des informations stratégiques. L’apprentissage, ici, ne se réduit pas à la formation initiale ; il s’étend à la mise à jour permanente des compétences.
Productivité et apprentissage réunis représentent près de 60 % des requêtes agentiques observées. Cette concentration révèle un point essentiel : la révolution agentique est d’abord cognitive.
Une poignée de tâches concentre l’essentiel des interactions
Autre enseignement marquant : la forte densité des usages. Bien que la taxonomie élaborée dans l’étude identifie près de 90 types de tâches distinctes, une dizaine d’entre elles concentre plus de la moitié des requêtes. Parmi ces tâches dominantes figurent l’assistance aux exercices, la synthèse d’informations, la création et l’édition de documents, la recherche et le filtrage de produits ou de contenus, ainsi que la gestion de paramètres et de comptes numériques.
Cette concentration est révélatrice. Elle montre que l’adoption ne se disperse pas dans une multitude de micro-usages anecdotiques. Les utilisateurs identifient rapidement les zones de valeur : là où l’agent permet de gagner du temps, de réduire la charge cognitive ou d’améliorer la qualité d’un résultat. Autrement dit, l’agentique ne prospère pas dans l’exceptionnel, mais dans le récurrent.
Des usages récurrents et évolutifs
L’étude met également en évidence un phénomène de « stickiness ». Les utilisateurs qui commencent à mobiliser l’agent pour un type de tâche ont tendance à revenir vers ce même domaine d’usage. Les requêtes successives s’inscrivent fréquemment dans le même thème, notamment en matière de productivité et d’apprentissage.
Mais cette stabilité ne signifie pas immobilisme. Au fil du temps, une évolution se dessine. Les premiers usages peuvent être exploratoires ou orientés vers des besoins ponctuels, mais, progressivement, la part des requêtes liées à des tâches plus structurantes (carrière, organisation avancée, recherche approfondie) tend à augmenter.
Cette montée en complexité suggère une intégration progressive dans les routines professionnelles et éducatives. L’agent n’est plus seulement un outil d’essai ; il devient un composant du flux de travail (workflow).
Trois contextes d’usage : personnel, professionnel, éducatif
Enfin, l’analyse distingue 3 grands contextes d’utilisation. Une majorité des requêtes relève de la sphère personnelle, mais une part significative s’inscrit dans des cadres professionnels et éducatifs.
Dans une situation professionnelle, les requêtes sont massivement liées à la productivité et à la carrière. Dans le contexte éducatif, l’apprentissage domine très largement. Dans le cadre personnel, les usages se diversifient davantage, incluant organisation, consommation et médias. Cette segmentation confirme que l’agentique ne constitue pas un pratique marginale ou ludique. Elle pénètre les sphères structurantes de la vie numérique.
Aussi, la deuxième grande leçon de l’étude se pose ainsi : les agents IA ne se diffusent pas par le spectaculaire, mais par l’utilité. Ils s’imposent là où la charge cognitive est forte et les gains immédiats. Et c’est précisément cette insertion progressive dans les routines qui pourrait, à terme, produire les transformations les plus profondes.
Une révolution cognitive… mais socialement asymétrique
L’agent IA comme amplificateur de capital cognitif
À mesure que l’on agrège les résultats de l’étude, il apparait que l’agent IA ne se diffuse pas de manière uniforme dans la société numérique. Il s’installe prioritairement là où le capital cognitif et numérique est déjà élevé.
Les corrélations observées entre adoption, niveau de revenus et niveau d’éducation ne relèvent pas de l’anecdote. Elles marquent un risque structurel : celui d’une technologie qui renforce les écarts existants plutôt qu’elle ne les réduit spontanément.
Dans les environnements professionnels très numérisés, l’agent agit comme un multiplicateur de productivité. Dans les contextes éducatifs avancés, il devient un accélérateur d’apprentissage. Mais dans les secteurs moins connectés ou moins qualifiés, son adoption reste marginale.
La fracture numérique change ainsi de nature. Elle ne se joue plus seulement dans l’accès à l’infrastructure, mais dans la capacité à exploiter des outils d’augmentation cognitive.
De l’automatisation à l’augmentation : un basculement stratégique
L’étude invite également à reconsidérer la manière dont on pense l’agentique. Le débat public oppose souvent deux visions : l’IA comme menace d’automatisation massive ou comme simple assistant conversationnel.
Les usages observés révèlent une troisième voie. L’agent IA s’inscrit d’abord dans une logique d’augmentation. Il ne supprime pas la décision humaine ; il restructure la façon dont l’information est traitée, synthétisée, hiérarchisée.
Ce déplacement est stratégique. Dans les entreprises, cela signifie que l’enjeu n’est pas seulement l’intégration technique des agents, mais leur articulation avec les workflows existants. Quels processus déléguer ? À quel niveau de supervision ? Avec quels garde-fous ?
Dans l’éducation, la question devient pédagogique. Comment former à l’usage critique et stratégique de ces outils ? Comment éviter qu’ils ne deviennent de simples raccourcis cognitifs ? L’étude ne tranche pas ces débats normatifs, mais elle en fournit une matière première empirique.
Les environnements numériques face à l’agentique
Un autre enseignement majeur concerne les plateformes elles-mêmes. Les agents interagissent avec des environnements existants : messageries, outils collaboratifs, plateformes de cours, réseaux professionnels, sites de commerce.
Certains de ces environnements concentrent très fortement l’usage agentique. D’autres présentent une dispersion plus marquée. Cette hétérogénéité révèle un point stratégique pour les acteurs du numérique : l’interface humaine n’est plus la seule porte d’entrée. L’interface agentique devient un nouveau canal.
À terme, les plateformes devront adapter leurs architectures pour dialoguer efficacement avec des agents autonomes. La question ne sera plus seulement d’optimiser l’expérience utilisateur humaine, mais aussi l’expérience « agent-utilisateur ». Ce basculement pourrait redéfinir des positions concurrentielles entières.
Une transformation silencieuse, mais profonde
La portée de cette étude dépasse le cas de Comet. Elle documente un moment charnière : celui où l’agentique cesse d’être une démonstration technologique pour devenir un usage quotidien, intégré, répétitif. La transformation ne se manifeste pas par des ruptures spectaculaires. Elle s’opère dans la répétition de gestes numériques légèrement accélérés, légèrement simplifiés et légèrement reconfigurés.
Rédiger plus vite. Comparer plus précisément. Résumer plus efficacement. Planifier plus clairement. C’est dans cette accumulation de micro-gains cognitifs que pourrait se loger l’impact macro-économique souvent annoncé.
Une question ouverte : diffusion ou polarisation ?
La trajectoire future dépendra de la capacité à élargir l’accès et la maîtrise de ces outils. Si l’agentique reste concentrée dans les milieux déjà favorisés, elle renforcera les asymétries. Si elle devient un levier de formation et d’appropriation élargie, elle pourrait transformer plus profondément les structures de productivité. Pour les entreprises, l’enjeu importe. Pour les institutions éducatives, il est pédagogique. Pour les décideurs publics, il est social.
L’étude Perplexity ne délivre pas de verdict définitif. Elle offre un instantané précis d’un phénomène en émergence. Mais cet instantané suffit à comprendre une chose : la révolution agentique ne se joue pas dans les annonces, mais dans les usages.
Et ces usages sont déjà là, massifs, structurés, concentrés autour du travail intellectuel et de l’apprentissage.
La question n’est plus de savoir si les agents IA vont transformer nos pratiques numériques. Elle est d’identifier à quelle vitesse, pour qui, et avec quelles conséquences individuelles et collectives.
En savoir plus sur Jean-Luc Raymond 🚀
Abonnez-vous pour recevoir les derniers articles par e-mail.
Commentaires fermés