Un rapport exhaustif publié fin mai 2026 dresse un état des lieux des outils d'intelligence artificielle et d'automatisation, couvrant huit grandes catégories : assistants conversationnels, outils de codage, génération d'images, génération de vidéos, synthèse vocale, automatisation des flux de travail, frameworks d'agents et applications verticales (santé, droit). Trois tendances structurelles dominent cette année : les flux de travail agentiques sont devenus la norme pour la productivité des développeurs, le Model Context Protocol (MCP) s'impose comme un standard émergent, et les modèles open-source rattrapent rapidement les modèles propriétaires.

La guerre des outils de codage

Le marché des assistants de codage est le plus disputé. GitHub Copilot reste l'acteur dominant grâce à son intégration dans l'écosystème Microsoft, mais plusieurs challengers gagnent du terrain. Cursor (Anysphere) s'est imposé comme le principal perturbateur, offrant une expérience d'édition contextuelle avancée. Windsurf (Cognition/Codeium) se positionne comme un outsider capable de gérer des flux de travail complexes. Claude Code d'Anthropic se distingue par une approche centrée sur le terminal, tandis que Codex d'OpenAI propose un tableau de bord de bureau complet. Zed, un éditeur écrit en Rust, attire les développeurs en quête de rapidité.

Assistants conversationnels : le classement du trafic

En février 2026, les classements de trafic mensuel placent en tête les plateformes grand public : ChatGPT d'OpenAI domine très largement, suivi par Claude d'Anthropic et Gemini de Google. Des outils spécialisés comme Perplexity (recherche) et Jasper (marketing) se maintiennent dans le peloton de tête. Le rapport souligne que la bataille se déplace désormais vers l'intégration dans les environnements de travail.

Génération d'images et de vidéos

Dans l'imagerie, Midjourney conserve la première place en termes de qualité perçue, tandis que DALL-E / GPT Image d'OpenAI bénéficie de l'intégration à ChatGPT. Adobe Firefly s'impose comme la solution professionnelle, et Stable Diffusion (via Leonardo AI) reste le choix open-source de référence. En vidéo, Runway Gen-4 / Gen-4.5 est considéré comme le leader, avec Google Veo 3.1 comme concurrent sérieux. Kling AI (Kuaishou) représente le défi chinois. Un tournant marquant a été la fermeture de Sora par OpenAI, qui a rebattu les cartes du marché.

Voix et agents vocaux

ElevenLabs se taille la part du lion dans la synthèse vocale, suivi de PlayHT pour les développeurs et Murf.ai pour les entreprises. Resemble AI mise sur le clonage vocal sécurisé. Les agents vocaux émergent comme une couche d'interaction clé.

Applications verticales : santé et droit

Dans le domaine de la santé, l'IA est utilisée pour l'analyse d'images médicales, la découverte de médicaments et la gestion des dossiers patients. En droit, des outils spécialisés assistent la recherche jurisprudentielle et la rédaction de documents.

Frameworks d'agents et automatisation

Les plateformes d'automatisation des flux de travail se scindent en trois catégories : les solutions low-code/no-code, les environnements pour développeurs et les frameworks d'agents. Ces derniers permettent de créer des agents autonomes capables d'exécuter des tâches complexes. Le rapport compare plusieurs frameworks en termes de maturité et d'adoption.

L'essor des modèles open-source

Les modèles open-source connaissent une révolution. Les trois grands de 2026 sont Llama de Meta, Mistral et Qwen d'Alibaba. Ils atteignent des performances comparables aux modèles propriétaires sur de nombreuses tâches, ce qui modifie profondément l'économie du secteur. La disponibilité de modèles locaux réduit les coûts d'inférence et la dépendance aux API coûteuses.

Le Model Context Protocol (MCP)

Ce protocole, qui standardise la manière dont les modèles accèdent aux données contextuelles, connaît une adoption rapide. Il permet aux agents d'interagir avec des sources de données externes de manière sécurisée. Des préoccupations en matière de sécurité subsistent, notamment concernant l'exposition de données sensibles.

Défis et controverses

Plusieurs débats traversent le secteur. Le « mythe de la productivité » est remis en cause : certains développeurs signalent que l'IA génère du code de qualité médiocre qui nécessite des corrections importantes. La fracture entre open-source et propriétaire s'accentue, avec des implications sur la confidentialité et le contrôle. Le « vibe coding » – la pratique consistant à accepter aveuglément les suggestions de l'IA – suscite des inquiétudes sur la qualité du code produit.

Économie et régulation

Les prix des outils de codage varient considérablement. Les jalons de revenus montrent que le marché est en pleine croissance, mais la question de la durabilité des modèles économiques se pose. Le coût élevé de l'inférence reste un frein. Sur le plan réglementaire, l'Union européenne applique l'AI Act, les États-Unis ont un patchwork de lois étatiques et la Chine impose des réglementations strictes sur l'IA générative.

Contraintes de calcul et goulot d'étranglement GPU

NVIDIA conserve une position dominante dans les puces GPU, mais l'offre reste insuffisante face à la demande. Des concurrents émergent, mais la pénurie de capacité de calcul freine le déploiement à grande échelle de certains modèles.

Perspectives

À court terme (2026-2027), l'accent est mis sur l'amélioration de la fiabilité des agents et la réduction des coûts. À moyen terme (2027-2029), l'intégration de l'IA dans tous les outils de développement devrait s'accélérer, avec des effets de second ordre sur la nature même du travail des développeurs.