Contexte Technique
Je ne ferai pas semblant d'avoir vu le texte confirmé de ce fameux tweet. Sans publication vérifiée, je me penche sur la trajectoire officielle des versions de Perplexity, qui est déjà assez transparente.
J'ai fouillé dans leurs dernières mises à jour, et le constat est clair : Perplexity n'est plus seulement un moteur de recherche. Ils construisent une couche pour la AI automation, où la recherche, Deep Research, Computer, Workflows, MCP et l'API commencent à fonctionner comme un système unifié.
Ce qui a vraiment attiré mon attention : le support MCP permet de connecter outils et données externes, Computer oriente le produit vers une exécution gérée par des agents, et Workflows ainsi que Skills laissent présager des scénarios reproductibles au lieu de requêtes uniques. En bref, ce n'est plus « poser une question, obtenir une réponse », mais les prémices d'un environnement où le modèle peut chercher, décider et agir.
Il est également intéressant de voir comment Perplexity y intègre la multimodalité, le mode vocal, les intégrations d'entreprise et l'accès à des modèles récents comme la gamme GPT. Pour moi, c'est le signe d'une véritable AI integration au niveau de l'infrastructure : données, orchestration, outils, et implication humaine.
C'est ici que je m'arrête généralement pour me poser une question simple : est-ce un gadget ou une couche fonctionnelle ? À en juger par l'accent mis sur Teams, Snowflake, Databricks et les flux de travail réutilisables, ils visent clairement la seconde option.
Impact sur les Entreprises et l'Automatisation
Pour les entreprises, je vois trois changements pratiques. Premièrement : la recherche n'est plus un onglet séparé, elle fait partie de la boucle opérationnelle. Cela signifie qu'il est possible de créer bien plus rapidement des AI solutions for business autour de l'analytique, de la recherche, de la conformité et des assistants internes.
Deuxièmement : la valeur de l'architecture augmente considérablement. Si vos données sont dispersées entre des CRM, des outils de BI, des feuilles de calcul et des bases internes, une nouvelle interface ne suffira pas. Vous avez besoin d'une configuration correcte des droits d'accès, des outils, de la journalisation et de barrières de sécurité compréhensibles par l'homme.
Troisièmement : les équipes qui savent construire rapidement des scénarios d'agents sur des processus réels l'emporteront. Celles qui se laisseront à nouveau séduire par une belle démo sans véritable déploiement perdront. C'est précisément ce que je construis manuellement, donc je vois bien la différence entre un effet « waouh » sur les réseaux sociaux et un système qui fait gagner des heures chaque semaine.
Si vous avez le besoin urgent de transformer la recherche ou vos opérations internes en une AI automation fonctionnelle, examinons votre processus sans magie ni marketing. Chez Nahornyi AI Lab, mon équipe et moi construisons ces solutions pour des charges de travail réelles, afin que Vadym Nahornyi n'ait pas à expliquer plus tard pourquoi la démo était superbe, mais n'a rien donné en entreprise.