Internet ne sera plus utilisé par nous mais par nos agents — la phrase mise sur scène par Mark Zuckerberg à Connect, et Muse de Meta en est la forme produit. Pensé comme une superintelligence personnelle, Muse n’est pas un outil de développeur dans un terminal mais un assistant cordial qui prend en charge les tâches quotidiennes. Bora Özkent lit le basculement à travers son usage précoce de Grokbot ; Muse et Grokbot sont deux nuances de la même famille, l’un pour la distribution de masse, l’autre pour les bidouilleurs. La distribution devient plus décisive que la technique brute.
Du chat à la délégation
Nous demandions autrefois une réponse à l’IA ; nous lui confions désormais des objectifs et des permissions. Une consigne — « prépare un voyage dans mon budget » — transforme l’agent de boîte de dialogue en opérateur : il interprète, lance des outils, rassemble des options et progresse pas à pas dans les applis autorisées. Le Fil Lisbonne–Porto d’Özkent rend la boucle concrète : l’agent crée son propre ordinateur virtuel, ouvre et ferme appli voyage et hôtel, collecte restaurants et billets et propose la combinaison équilibrée. Au premier essai il n’a pas livré ses coordonnées bancaires et s’est tenu à la planification et au suivi ; au prochain il penche pour déléguer le paiement. Ce petit sursis dit que la confiance précède la technique.
Un journal quotidien accompagne la thèse : spam YouTube et arnaques crypto sont balayés et bloqués en routine ; les e-mails sont triés, le bruit archivé et les opportunités commerciales mises en avant. Pour un chercheur qui suit déjà les marchés et fait tourner les derniers grands modèles dans son terminal, le seuil des agents grand public est différent : friction moindre, installation masquée. C’est pourquoi la portée de Muse via Facebook, WhatsApp et Instagram vers des milliards ressemble à un multiplicateur de distribution, le rang n°1 à l’App Store US en étant un premier signal. Grokbot reste l’outil des curieux technophiles, tandis que Claude et ChatGPT ont des jumeaux agentiques dont la barrière de configuration et d’interface reste haute — un écart qui peut déplacer des parts à court terme.
Le futur imaginé n’est pas un agent mais des agents qui négocient : mon agent veut les meilleures vacances dans le budget pendant que l’agent de l’hôtel ou du marchand réplique en face. L’idée de sauter une grande plateforme hôtelière pour laisser mon agent traiter directement avec celui de l’hôtel capte l’amincissement de la marge d’intermédiaire. Özkent le pose sans emphase : nous sautions entre applis, dans le nouveau régime nous ne connaîtrons peut-être même pas les noms, l’agent choisit seul la source. Vu d’en haut cela accélère découverte et transparence des prix ; vu d’en bas cela comprime les vitrines qui vivent de commissions et de publicité.
Pourquoi Amazon a fermé la porte
Le choc le plus visible est Amazon bloquant Muse sur sa vitrine au motif d’« accès agent non autorisé ». Cadrage sécurité en public, Özkent y lit l’économie : Amazon tire désormais plus de la publicité que du commerce et la découverte impulsive dans le panier dépend du browsing humain. Les agents ne regardent pas les pubs ; ils comparent. Un agent qui parcourt Shopify, commerces locaux ou site producteur choisit le moins cher et le plus vite livré, parfois en négociant. Cela amincit le bassin publicitaire et le pouvoir d’intermédiaire d’Amazon. Investisseur dans Amazon, Özkent juge le geste peu avisé car la direction — les agents gagnant du levier — semble difficile à inverser par décret.
La pression dépasse le shopping et touche l’emballage logiciel. Au lieu de s’abonner à une suite entière, un agent appelle le bon module à l’instant T ; le fouillis d’abonnements oubliés est retrouvé et nettoyé, les factures récurrentes disparaissent. En entreprise même glissement : un modèle à licence par siège pour humains rencontre un monde de moins d’humains et plus d’agents qui manient l’outil efficacement. Cela ne condamne pas toute société logicielle, mais le revenu glissera des sièges vers les résultats, et la tarification au siège devient contestable. Comme la vitrine Booking devient discutable quand l’agent contourne l’agrégateur, le prix logiciel général affronte le même test.
Que coûte physiquement la délégation ? Chaque handoff crée du calcul d’inférence en coulisses. La projection Deloitte pour 2026 place deux tiers du calcul d’inférence entre les mains des agents, avec croissance qui s’accélère. Le rallye marqué d’Intel, AMD et ARM — tous critiques pour l’inférence — les jours où Muse a élargi sa portée n’est donc pas surprenant. Özkent simplifie : l’agent parse la consigne, lance les outils, récupère des options, repasse le grand modèle pour comparer, valide et revient. Couches modèle et outil tournent ensemble. Quand elles mûrissent en agents qui marchandent entre eux, la demande pour puissance, refroidissement et interconnexion des centres de données grimpe d’un cran.
Où va l’argent et où pointe la carte
Deux voies monétaires traversent l’histoire. La première est l’abonnement : Muse est gratuit aujourd’hui mais peu le rester, Grok est déjà premium. Deloitte esquisse 35 à 45 apps grand public à succès générant un bassin de 35–45 milliards de dollars, niches peu connues incluses. La seconde, plus large, est le commerce lui-même : McKinsey estime un shopping agentique de 3 à 5 trillions d’ici 2030, échelle rendue intuitive en la comparant à cinq fois la Turquie à ~1 trillion. Dans cette ombre, les vitrines font face à un pool à risque d’environ 234 milliards. Les trajectoires lente, moyenne et rapide courberont différemment les revenus selon les prix, mais la direction tient : shopping intermédié et logiciel au siège faiblissent, orchestration et infrastructure se renforcent.
Chez les grandes capitalisations le tableau est mixte. Pour Meta, Muse offre abonnement et take-rate par transaction sur une base de plus d’un milliard ; faire tourner les modèles coûte cher et la délégation d’identité et de paiement reste incertaine. Chez Microsoft, Azure peut se nourrir des charges agents tandis que le côté licence subit la contraction des sièges. Chez Google, la publicité search est la couture la plus fragile car l’agent saute la pub pour choisir le produit. Nvidia couvre entraînement et inférence, sans domination seule en inférence ; la hausse de demande ne garantit pas la traduction en profit, prix et marge décident. « La demande de puces monte » n’est pas une thèse tant qu’elle ne finit pas par « et elle se convertit en cash ».
Des noms plus petits et proches de l’infrastructure parient plus nettement. Okta (OKTA) comme plan de contrôle de l’identité agent — quel agent est réel, usurpé, qui a quelle permission. JFrog (FROG) ancre la chaîne d’approvisionnement logiciel, stockant, scannant et livrant les artefacts que les agents multiplient en générant du code. Rambus (RMBS) élargit la voie processeur-mémoire avec puces et licences d’interface, levier quand la rétention de contexte tire la bande passante ; les fabricants mémoire en profitent largement. Vertiv (VRT), cité comme Envent, détient distribution électrique et refroidissement des baies haute densité — jeu direct sur la chaleur. DigitalOcean (DOCN) offre aux petites équipes une base cloud pour faire tourner des agents sans monter de serveurs. Akamai (AKAM) arrive avec son tie-up cloud-edge à l’échelle 11 milliards évoqué avec Anthropic, occupant la couche qui porte et protège le trafic agent. Risque commun : architectures serveurs et transitions plateformes encore indécises.
La liste des vents contraires est plus nette. Le SaaS au siège comme Salesforce peut voir son bassin licences se réduire avec moins d’humains et plus d’agents. Les vitrines voyage comme Booking Holdings voient découverte prix et fidélité s’éroder quand l’agent contourne l’agrégateur vers l’établissement. Tout modèle centré pub subit la même compression quand l’agent ignore la pub. Özkent cadre trois voies d’adoption — lente avec seuil 50 millions payants, moyenne et rapide — pliant différemment abonnement et commerce, mais le passage de « l’utilisateur courant d’écran en écran » à « l’utilisateur commandant un seul assistant » reste fixe. Son rappel, en tant qu’investisseur Meta, que l’action a couru vite pendant que la dépense infra reste lourde, appelle à la discipline : l’enthousiasme sans conversion en cash-flow libre ne soutient pas le prix. La vidéo s’achève donc non sur une clôture mais sur une invitation à poursuivre en communauté School et un renvoi vers boraozkent.net, comme focus recherche plutôt que conseil.
Moments clés
- Zuckerberg : les agents utiliseront internet
- Qu’est-ce que Muse : superintelligence perso
- Preuve Grokbot : plan Lisbonne
- Ordinateur virtuel : boucle ouvrir-fermer
- Multiplicateur distribution : milliards et App Store #1
- Porte Amazon : rideau sécurité, réalité pub
- Facture compute : boucles et envol Intel/AMD/ARM
- Maths revenu : abonnement et 3-5T
- Carte portefeuille : Okta, JFrog, Rambus, Vertiv, DOCN, Akamai
- Perdants : licences au siège et vitrines
Commentaire de l’IA
"Ce que je retiens, c’est que la vidéo ne laisse pas « agent = nouveau navigateur » en abstraction ; elle l’ancre dans un flux concret comme le voyage à Lisbonne. Laisser une commande créer un ordinateur virtuel qui compare hôtels, vols et restaurants au lieu d’ouvrir dix applis est une promesse forte. Le cas Amazon montre que l’autre bout de la chaîne a aussi besoin d’un agent, et pourquoi les modèles publicitaires résistent. Entendre les perdants autant que les gagnants transforme le récit d’une hausse générale en histoire d’infrastructure sélective."
Évaluation de l’IA
La thèse la plus forte est que les agents ne sont pas une astuce de chat mais une architecture de permission : donner un objectif, accorder l’accès, observer. L’ancrer dans un itinéraire concret Lisbonne et des frictions quotidiennes comme e-mail et spam transforme l’optimisme abstrait en test opérationnel. En steelman, la distribution compte — portée à l’échelle du milliard chez Meta, rang n°1 à l’App Store et couche edge comme Akamai suggèrent que l’échelle ne s’expliquera pas par la seule qualité modèle. Le rallye CPU autour de l’inférence est le miroir physique de la même logique.
Ce qui manque, ce sont la mesure et les freins. Les deux tiers d’inférence de Deloitte et les 3–5 trillions de McKinsey sont des prévisions ; jeux d’hypothèses et marges d’erreur ne sont pas discutés, et les voies lente/moyenne/rapide sont lues comme précision plutôt que direction. Sécurité et confidentialité restent minces : confier mots de passe, carte et identité côtoie Muse gratuit aujourd’hui et son coût incertain demain, l’adoption peut caler à la fois sur prix et confiance. Amazon fermant la porte rappelle que la résistance d’une plateforme n’est pas un bug ponctuel mais une friction d’écosystème ; la négociation agent-à-agent exige encore protocole et accord d’identité.
Il faut donc tenir deux jugements ensemble. Oui, les agents érodent le shopping intermédié et la licence au siège et bâtissent une nouvelle chaîne de l’infrastructure à l’identité — mais la conversion en profit dépend du capex, du prix et de la marge. Les niches comme Rambus et mémoire, Vertiv refroidissement, Okta identité, JFrog artefacts et DigitalOcean petit cloud sont des thèses fortes, mais architectures serveurs et transitions plateformes encore indécises les gardent conditionnelles. La distance entre « la demande monte » et « le cash libre monte » est l’angle le plus négligé de la vague.
Que faire en pratique ? Côté utilisateur, essayez une commande mais accordez la permission graduellement — planification d’abord, paiement ensuite — et mesurez l’adoption avec vos données. Côté investisseur, divisez la carte — infrastructure/orchestration à vent arrière contre intermédiaire/pub à vent contraire — et demandez l’économie unitaire sur chaque ligne, en suivant renouvellement et marge plus que comptes d’abonnés. Et inversez l’hypothèse : si les agents comparent sans pubs, quelle ligne de revenu est vraiment défendable ? Cette question fait passer l’enthousiasme à la discipline dans un portefeuille.
Sources
13 liens ; 2 d’entre eux sont aussi cités par 12 autres articles. Stories sharing a link do not confirm each other; a source's origin is not inferred from how often it is cited.
- @youtube YouTube — Bora Özkent : agents IA personnels
- @meta.com https://www.meta.com/blog/meta-connect-2026-everything-we-announced/
Également cité par : Micron's bubble confession: can the HBM wave carry the September 30 earnings? · The AI Price War: Opus 5.5, GPT-6 Sol and the Quiet Bottleneck of the Agent Era · Microsoft's Copilot Push, the Bloom Energy Rally and Meta's Gaming Attack: Market Briefing
- @about.fb.com https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/
Également cité par : Meta Muse in 26 real uses: running digital life through one assistant · Zuckerberg's Big Wager: Muse, Glasses, and Superintelligence for Everyone · The Week Claude Ran a Quarter of Anthropic's Own Research: Inside the Labs · Meta Muse Connectors: The Next App Store Moment for AI? · How Far Can Nasdaq Euphoria Run? Narrow Rally, Meta's Muse and Cheap Chips · Zuckerberg's Muse Bet: A Personal Superintelligence That Works 7/24 for Everyone · From GPT-6 Astra to the Fruit Fly Brain: A Week of AI Showing Its Range · A Week of Stark Warnings, New Models and a Foldable iPhone · Meta Muse: What the Personal AI Agent Actually Does
- @businessinsider.com https://www.businessinsider.com/amazon-blocks-meta-muse-ai-agent-shopping-site-2026-9
- @adweek.com https://www.adweek.com/commerce/amazon-locks-out-metas-muse-in-agentic-shopping-standoff/
- @deloitte.com https://www.deloitte.com/us/en/insights/industry/technology/technology-media-and-telecom-predictions/2026/compute-power-ai.html
- @digitalcommerce360.com https://www.digitalcommerce360.com/2025/10/20/mckinsey-forecast-5-trillion-agentic-commerce-sales-2030/
- @finance.yahoo.com https://finance.yahoo.com/markets/stocks/articles/arm-intel-amd-surge-meta-015051328.html
- @okta.com https://www.okta.com/products/govern-ai-agent-identity/
- @jfrog.com https://jfrog.com/platform/
- @rambus.com https://www.rambus.com/interface-ip/hbm/
- @vertiv.com https://www.vertiv.com/en-us/insights/articles/educational-articles/navigating-the-ai-cooling-challenge-why-hybrid-data-centers-need-a-smarter-approach
- @digitalocean.com https://www.digitalocean.com/products/managed-agents
agent ia · muse · grokbot · meta · inference · commerce agentique