Signaux trending en automatisation via IA/ML — mise à jour automatique
Les agents collaborent en réseaux plutôt qu'isolément. LangGraph, AutoGen, CrewAI dominent. Gartner classe l'Agentic AI comme technologie critique 2026.
Claude Code, Cursor Composer, Windsurf — le développement passe de l'IDE au terminal conversationnel. Tendance dominante en dev 2026.
AutoGluon et autres frameworks 2026 unifient les pipelines ML avec architectures fusionnées. AutoML devient mainstream, accessible aux non-experts.
Dépasse le RPA classique : agents perçoivent, raisonnent, agissent. Intégration profonde avec les processus métier. Phase de proof-of-value avant déploiement.
Quantification GGUF, llama.cpp, Unsloth — inférence locale 2-5x plus rapide avec moins de VRAM. Sélection : efficiency > size, multilingue requis.
LangChain, LlamaIndex, CrewAI, AutoGen, Semantic Kernel, Haystack. MLflow reste la plateforme MLOps open-source dominante.
Nouveau profil de technologie Gartner 2026 : gouvernance, sécurité, FinOps dédiés à l'Agentic AI. Distribution sur le Hype Cycle.
Plateforme de développement agent-first par Google. Sortie 2026, modélise la prochaine vague d'outils de dev IA.
Exécution autonome de tâches (pas juste suggestion). Différent du chatbot classique : agit dans l'écosystème utilisateur.
Orchestration multi-modèles : combine plusieurs LLMs pour des tâches complexes. Approche agnostique au modèle.
DĂ©pendance trop forte Ă une seule stack (Anthropic Claude, OpenAI GPT). Risque de vendor lock-in sur les agents agentic.
Les LLMs proprietary sans weights accessibles créent dépendance API + impossibilité de déploiement local. Privilégier l'open-weights.