Panorama des services d’IA générative 2026

Chatbots, agents, assistants, modèles… à mesure que le marché de l’IA s’étoffe, ses frontières deviennent de plus en plus difficiles à distinguer. Or, cette confusion entre les différents types de service complique la compréhension des capacités et usages possibles. De plus, elle alimente un sentiment de défiance reposant d’une perception encore très abstraite de l’IA générative. Je vous propose donc de clarifier ce fameux « marché de l’IA » avec une nouvelle version de mon panorama de l’IA générative. L’objectif de ce panorama est de mieux structurer ce marché, notamment en associant les services à des usages, afin de vous aider à mieux appréhender les offres des différents éditeurs et à choisir les solutions les plus adaptées à vos usages.

Thème : IA générative.

À quoi ressemble le marché de l’IA générative ? Difficile à expliquer, car la confusion persiste sur les termes employés pour désigner les différents types de services disponibles qui exploitent les modèles génératifs, et car il y a également des subtilités à prendre en compte, comme la distinction entre les comptes gratuits et payants, qui ne proposent pas les mêmes fonctionnalités ou capacités, ainsi que celle entre usages personnels et professionnels, avec des besoins et contraintes qui divergent.

Ainsi, force est de constater que l’IA reste une technologie complexe à appréhender, et forcément abstraite pour bon nombre d’utilisateurs. Cette difficulté à avoir une compréhension de ce qu’est une IA et de ce que les modèles génératifs peuvent ou ne peuvent pas faire est certainement le facteur qui engendre le plus de méfiance.

Je suis intimement persuadé que la bonne approche pédagogique n’est pas de s’intéresser aux briques technologiques sous-jacentes, les modèles en eux-mêmes, mais aux services qui les exploitent : Nous n’avons pas besoin de meilleurs modèles, mais de meilleurs produits. Et je ne suis pas le seul à le penser : Airbnb CEO Brian Chesky says there’s one thing Silicon Valley needs to do to change Americans’ minds on AI.

Aujourd’hui, le principal enjeu pour les éditeurs est d’assurer une adoption naturelle de leurs services (chatbots, agents, assistants…), ce qui n’est pour le moment pas le cas avec les agents intelligents : OpenAI is building AI agents for everything. Will everyone use them?. Le problème n’est pas que les agents intelligents ne fonctionnent pas, mais que tout est « agent » ou « assistant » (il existe même un service qui compare les « assistants IA » : Assistant-Benchmark.com).

Cette confusion entre les différents types de services est parfaitement illustrée par ces trois publications récentes qui racontent des histoires différentes, mais sont toutes assimilées au marché de l’IA, un « marché » que j’aurais bien du mal à quantifier, car on ne sait plus trop où il commence et où il se termine…

Ainsi, on compare la popularité des « assistants IA » : The Most Preferred Generative AI Assistants in the US.

Ici, on nous parle de « parts de trafic de l’IA générative » : GenAI website traffic share update – August 2026.

Et là, on mesure l’évolution des parts de marché des abonnements payants aux « modèles d’IA » : Cracks in the AI Thesis.

Bref, c’est du grand n’importe quoi, mais visiblement ça ne dérange personne…

Dans l’absolu, est-il vraiment important de clarifier les segments du marché de l’IA générative ? Oui, car les montants investis ou les prévisions d’investissement, ainsi que les enjeux n’ont jamais été aussi élevés :

• The $700 Billion AI Infrastructure Boom: How Hyperscaler Spending Is Reshaping Global Markets in 2026
• $3.5 Trillion in Shadow Financing: The Hidden Financial Architecture Behind the AI Boom
• Global investment in AI infrastructure to hit US$31.6 trillion through 2050

J’estime qu’avec de telles sommes, on ne peut pas se permettre d’être approximatif dans la description d’un marché. Ainsi, pour y voir plus clair, je vous propose une nouvelle version de mon panorama des services d’IA générative. Mais avant cela, revenons sur les tendances de l’année écoulée depuis la publication de mon premier panorama.

Des ambitions toujours plus élevées pour des technologies toujours plus pointues

Si vous habitez sur Terre, vous devez forcément être au courant de la compétition extrêmement médiatisée et commentée entre les grands laboratoires de recherche américains, notamment OpenAI et Anthropic, ainsi qu’avec les géants numériques (en premier lieu Google, Microsoft et Amazon). Dans la mesure où ChatGPT et Claude occupent quasiment tout l’espace médiatique réservé aux nouvelles technologies, je pense ne pas avoir besoin de rappeler la folle course à l’innovation dans laquelle ils se sont lancés pour sécuriser leur avancée sur les modèles des éditeurs chinois. De plus, l’essentiel de l’actualité pour ces éditeurs concerne les évolutions des modèles, pas des services.

En revanche, il me semble opportun de mettre en lumière deux acteurs largement sous-côtés : xAI et Meta.

Il y a en premier lieu xAI, la filiale dédiée à l’IA de SpaceX. Elon Musk n’a jamais caché ses ambitions dans ce domaine et dépense sans compter pour bâtir les plus gros centres de données afin de disposer de la plus grosse capacité de calcul pour entrainer ses propres modèles. Le dernier en date est la version 4.5 de Grok, un modèle qui porte le même nom que le chatbot intégré à Twitter/X, ce qui encore une fois ne facilite pas le décryptage du marché : Musk’s xAI releases new model: Grok 4.5.

Mais ce n’est pas tout, car en fin observateur des usages, Elon Musk a aussi procédé récemment au rachat de Cursor, une startup précurseuse sur le créneau des environnements de développement agentiques : Cursor is now a part of SpaceX.

Le rachat de Cursor n’est pas anodin, car il permet à xAI de prendre position sur un créneau très convoité, car potentiellement très rentable si l’on optimise l’utilisation des ressources. C’est d’ailleurs la première chose qu’ils ont faite avec la sortie d’une nouvelle version de leur modèle de référence (Introducing Grok 4.6), ainsi que de Grok Bot, leur service d’orchestration : Grok Bot is an all-new iPhone and Mac app from xAI.

Dans la même lancée, il vous faut également impérativement prendre conscience de la volonté de Mark Zuckerberg, le patron de Meta, qui refuse lui aussi que sa société se fasse distancer, et a déboursé des dizaines de milliards de $ pour revenir dans la course : Introducing Muse Code and Muse Spark 1.3.

Ainsi, oubliez tout ce qui a été proposé précédemment, le lancement le plus important de cette rentrée est incontestablement Muse, le nouvel assistant numérique de Meta, proposé sous forme d’application mobile, mais qui va être progressivement intégré à WhatsApp, Instagram, Facebook… donc accessible à des milliards d’utilisateurs : Meta debuts its Muse AI agent.

Ce qui me fait dire que c’est le lancement le plus important de cette année est que Muse n’est pas un chatbot comme les autres, mais un assistant numérique capable de réaliser un certain nombre de tâches de façon simple et efficace grâce à des choix techniques audacieux : How We Designed Muse.

Si Claude est le chouchou des développeurs et ChatGPT celui des mathématiciens, Muse se positionne clairement comme l’assistant de Mr et Mme tout-le-monde, un créneau déjà préempté par Gemini et Siri, mais avec une portée potentiellement supérieure.

Des modèles aux capacités spectaculaires qui peuvent s’auto-améliorer

Oui je sais, j’ai écrit plus haut qu’il ne fallait pas s’intéresser aux modèles en eux-mêmes… mais il serait dommage de ne pas aborder brièvement les progrès spectaculaires qui ont été réalisés ces derniers mois. Des progrès tellement fulgurants que les éditeurs eux-mêmes avouent avoir du mal à suivre la cadence et à pouvoir livrer des modèles sécurisés : Anthropic CEO outlines plan to slow AI development.

Si les modèles dits de « frontière » affichent des niveaux de performance très élevés dans les tests comparatifs, la démonstration de leur puissance réelle se fait à travers les problèmes mathématiques récemment résolus par les uns et les autres : Claude Just Solved a 350-Year-Old Math Problem By Writing the Longest Proof Ever et OpenAI says it cracked 90-year-old maths problem in 88 hours.

Vous pourriez me dire que la résolution de problèmes mathématiques n’est qu’une simple démonstration de force, mais dans la mesure où les mathématiques servent à décrire les fondements de l’univers, ses propriétés et son fonctionnement, chaque percée mathématique est une potentielle avancée scientifique offrant de nouveaux débouchés en physique, chimie, biologie…

Plus nous augmentons notre capacité à résoudre des problèmes mathématiques complexes, et plus nous aurons de chances de trouver des innovations nous permettant d’assurer les nombreuses transitions à venir (énergétique, alimentaire…). Vous noterez d’ailleurs que les progrès des modèles de dernière génération ne reposent pas que sur les ingénieurs des éditeurs, puisque les modèles participent maintenant à l’amélioration de la génération suivante de façon active : When AI builds itself et An alien Mind. C’est le principe du Recursive Self Improvement qui a été mis en oeuvre pour GPT-6 et Claude 5.1 (Mythos / Fable). Il ne restera plus qu’à doter les modèles de capacité d’apprentissage en autonomie et nous aurons atteint le palier de maturité des super-intelligences.

Si nous pouvons en théorie atteindre ce palier rapidement, il reste à régler les aspects économiques et énergétiques de la super-intelligence, et là il reste un très gros travail d’optimisation à réaliser. Mais sur ce point précis, nous pouvons compter sur les éditeurs chinois qui ont développé un authentique savoir-faire pour concevoir des modèles open source bien moins gourmands, mais tout aussi puissants :

• Tencent Unveils Larger AI Model in Bid to Close Gap With Rivals
• Z.ai says new model nears Anthropic’s Mythos 5 in cyber-defence tests
• Zhipu AI releases GLM-5.3, claims it’s the strongest open-weights coding model
• DeepSeek-V4.1-Flash debuts with benchmarks eclipsing GPT-5.6 Sol, Claude Opus 5

Des alternatives qui font relativiser l’intérêt des modèles de pointe : Paying for frontier AI models buys 4-month head start at 5x the cost.

OK très bien, mais là nous ne parlons que des modèles, pas des services. De plus, les prochains gains de performance, ou de sécurité, seront réalisés au niveau des harnais sémantiques et non des modèles en eux-mêmes : Nvidia just showed that the harness, not the AI model, is now the real hero. D’ailleurs, la bataille commence à se déporter, notamment du côté de Salesforce qui a été pionnier dans l’IA agentique et compte maintenant se différencier avec ses propres harnais : Salesforce Introduces the Trusted Enterprise AI Harness.

Ceci fera l’objet d’un prochain article, car il est grand temps de s’intéresser aux services reposant sur l’IA générative.

Des services couvrant une dizaine d’usages pour les particuliers et les professionnels

Après ce long préambule, je vous propose de découvrir la nouvelle version de mon panorama, et vous constaterez d’emblée qu’il n’y a pas beaucoup de changements par rapport à la précédente édition : Panorama des services d’IA générative 2025.

J’ai conservé le choix d’un panorama relativement « léger », avec moins d’une quarantaine de services, pour ne pas surcharger la représentation visuelle. Les changements les plus notables sont :

• Le remplacement de Meta AI par Muse ;
• L’intégration de Siri et Alexa, car Apple et Amazon sont officiellement de retour (mais en phase de rodage) ;
• Le rajout de Superhuman, qui propose maintenant un ensemble de services après le rachat de différentes startups (Grammarly, Coda, Rows, Fathom…) ;
• La création de deux nouveaux usages professionnels.

Nous retrouvons donc un panorama des services reposant sur l’IA générative qui sont répartis dans 6 catégories d’usages pour les particuliers et 4 catégories pour les professionnels :

• des meta-services qui couvrent l’ensemble des usages comme ChatGPT, Claude, Gemini et Copilot, ainsi que d’autres services tout aussi polyvalents mais moins visibles (ex : Mistral, Grok), d’autres qui sont destinés aux professionnels (ex : Cohere et Quick d’Amazon), ainsi que deux assistants qui viennent de faire peau neuve (Siri et Alexa) ;
• des services de questions / réponses (des chatbots comme Poe, de même que DeepSeek ou Kimi qui proposent des fonctionnalités supplémentaires) ;
• des services de recherche générative comme Perplexity qui en a fait sa spécialité ;
• des services pour créer des éléments graphiques (ex : Firefly d’Adobe) ;
• des services pour améliorer votre productivité personnelle (ex : Superhuman) ;
• des services de recherche et collaboration (ex : Gemini Notebook, Slack AI) ;
• des services agentiques pour réaliser des tâches (ex : Manus, Zoom, Z) et plus spécifiquement dans un environnement bureautique (ex : Delos, Genspark) ;
• des services d’assistance (ex : Muse de Meta) ;
• des services professionnels de recherche / gestion des connaissances (ex : Coveo) et de collaboration (ex : Notion), et même un peu des deux (ex : Sinequa, Glean) ;
• des services de production professionnelle pour générer des contenus spécifiques (Midjourney pour les images, Runaway pour la vidéo, Suno pour la musique, Gamma pour les diaporamas, Napkin pour les schémas, Synthesia pour les avatars) ;
• des services dédiés aux développeurs comme  Cursor, Replit, Devin ou Lovable.

Au final, ça fait un panorama plutôt dense, mais qui reflète la densité du marché avec des services qui se chevauchent. Et c’est là tout le problème…

Une distinction nécessaire entre chatbots, agents, assistants…

Comme expliqué en début d’article, le « marché de l’IA » désigne un ensemble de technologies reposant sur les modèles génératifs. Des services disparates avec des fonctionnements et contexte d’usages différents, ce qui ne facilite pas leur compréhension par le grand public ou les professionnels.

Et comme si ça n’était pas suffisamment compliqué, le rythme très élevé des innovations participe à une densification de l’offre des éditeurs qui complique encore plus la lisibilité du marché (ex : Meta memo reveals what its new ‘Hatch’ AI agent can do, from booking a restaurant to finding a dog sitter).

Et pour couronner le tout, les grands acteurs du marché de l’IA s’attaquent maintenant à des domaines spécifiques (analyse de donnée, CRM, santé, droit, finance…) avec des offres verticalisées à mi-chemin entre chatbots experts et agents pré-configurés :

• Now everyone can put data to work
• Introducing ChatGPT for Financial Services
• Now introducing Gemini Enterprise for Legal
• SalesForce’s Koa: A new CRM reasoning model to power your digital workforce

De cette profusion d’offres et d’annonces, il résulte un gigantesque gloubi-boulga où tout est « agent » ou « assistant ». Voilà pourquoi je milite depuis plusieurs années pour une distinction précise de ces offres avec une hiérarchie explicite des types de services reposant sur l’IA générative :

• les chatbots qui sont capable de répondre à n’importe quelle question (ex : ChatGPT) ;
• les chatbots personnalisés qui répondent à vos questions, mais qui suivent des instructions (ex : Customs GPTs, Projects chez Claude, Gems chez Google, Copilots chez Microsoft…) ;
• les agents qui agissent en suivant des instructions, et s’appuient sur des outils et sources (ex : ChatGPT Actions, Sparks chez Google, Copilot Agents chez Microsoft…) ;
• les orchestrateurs qui traduisent une demande en objectif, puis élaborent un plan pour piloter des agents (ex : ChatGPT Work, Claude Cowork, Copilot Cowork…) ;
• les assistants qui peuvent faire tout ça, et sont même capables d’anticiper vos besoins car ils bénéficient d’un accès natif aux ressources (ex : Gemini dans Android, Copilot dans MS 365, Siri dans iOS…).

Le plus simple pour bien appréhender cette hiérarchie est d’utiliser l’analogie des poupées russes, mais comme je ne suis pas très doué en dessin, je vous propose une représentation visuelle très basique :

Chatbots, chatbots personnalisés, agents, orchestrateurs et assistants sont donc les grands types de services reposant sur l’IA générative, ils sont accessibles à travers trois moyens d’accès :

• en ligne (sur un site web comme chatgpt.com ou claude.ai) ;
• avec un logiciel dédié (ex : ChatGPT Desktop qui remplace Codex, Claude Desktop, Gemini for desktop…) ;
• auto-hebergé sur un mini-serveur (ex : OpenClaw, OpenWork ou Hermes qui peuvent être installés sur un Mac Mini).

---

Ceci devrait vous donner une vision plus précise de comment le marché de l’IA générative est segmenté, ainsi que des différentes familles de produits et services qui sont proposés.

Je vous donne rendez-vous dans 6 mois pour la mise à jour de mon panorama, car je me doute qu’il va y avoir beaucoup de changements dans les prochains mois.

(!) L’illustration, ainsi que la synthèse et les Q / R de cet article ont été générées à l’aide de l’IA.