Contexte technique
J'aime ce genre de nouvelles non pas pour le titre, mais pour une métrique tangible. Ici, ce n'est pas « le modèle est plus intelligent », mais RLI a réexécuté 240 projets freelance réels et a obtenu 16,1% de tâches accomplies par un agent IA à un niveau client. Pour l'implémentation de l'IA, ce n'est plus un jouet, mais un marché du travail précoce mais mesurable pour les logiciels.
Le point de référence date d'octobre 2025 : le plafond était alors de 2,5%. Désormais, selon la mise à jour de juillet 2026, Anthropic Fable 5 domine avec 16,1%, Opus 4.8 atteint 8,3% et GPT-5.5 6,3%. Ce qui me frappe ici, ce n'est pas seulement la croissance, mais le fait que l'ancien « plafond de verre » autour de 2-3% ait été brisé.
Le benchmark lui-même est pertinent. Il ne s'agit pas d'un test de choix de la bonne lettre, mais de tâches multi-étapes et non structurées provenant de plateformes réelles comme Upwork : code, design, rédaction, web, analytique, audio, vidéo, CAO. L'évaluation est simple et sans appel : un client payant l'accepterait-il ou non ?
Et là, je ne m'empresserais pas de crier à la mort du freelancing. 16% signifie que l'agent échoue encore sur la plupart des tâches, surtout là où le goût, la négociation, l'expertise métier ou la gestion de l'ambiguïté sont nécessaires. Mais si, il y a huit mois, c'était un beau prototype, c'est aujourd'hui une couche de travail que l'on peut vraiment confier à l'automatisation par l'IA.
Impact sur l'entreprise et l'automatisation
Pour les entreprises, la leçon est très terre-à-terre : on automatise d'abord des morceaux du pipeline, pas des métiers entiers. Une page d'accueil brouillon, le redimensionnement de créations, l'analytique simple, les corrections de code de base, les premiers jets de texte, la compilation de recherches. Cela peut désormais se compter en heures et en marge.
Les équipes gagnantes seront celles qui sauront assembler une intégration IA autour du contrôle qualité, du routage des tâches et d'un humain sur le dernier kilomètre. Les perdantes seront celles qui achèteront un modèle et attendront la magie sans une architecture IA solide.
Je le vois aussi dans les projets clients : le problème principal n'est plus « le modèle sait-il faire », mais comment intégrer l'agent dans le processus afin qu'il ne crée pas des erreurs plus coûteuses que le temps gagné. Chez Nahornyi AI Lab, nous résolvons justement ces interfaces en pratique : où donner de l'autonomie à l'agent, où placer une validation et où garder un humain.
Si votre équipe se noie dans des tâches numériques répétitives, il est utile de décortiquer calmement votre processus par couches. Parfois, un seul projet précis de développement de solutions IA suffit pour éliminer la routine, accélérer la production et ne pas gonfler les effectifs. Si vous le souhaitez, chez Nahornyi AI Lab, je peux vous aider à voir où l'automatisation IA fonctionnera vraiment et où il vaut mieux ne pas casser ce qui rapporte déjà de l'argent.