OpenClaw, ou la rupture à canaliser : vers l’ère de l’informatique agentique

Depuis le « moment ChatGPT » il y a plus de trois ans, l’IA générative a surtout été pensée comme une économie du contenu : produire du texte, du code ou des images plus vite. Avec le lancement d’OpenClaw en novembre dernier, le centre de gravité s’est déplacé, l’IA agentique a pris une autre dimension : on ne juge plus l’IA à ce qu’elle sait dire, mais à ce qu’on peut lui faire faire. Le PDG de Jensen Huang déclarait d'ailleurs lors de la grande conférence annuelle GTC de Nvidia que toutes les entreprises doivent avoir une stratégie OpenClaw.

L’IA se branche à des outils, manipule des fichiers, agit via nos canaux du quotidien (messageries, agenda, web) et enchaîne des tâches dans un environnement réel. OpenClaw se présente comme un agent autonome personnel open source, self-hosted, multi-canal, capable d’utiliser mémoire, outils et routage agentique. Les files d’attente pour faire tourner ces modèles sur le nouveau Mac mini ont très vite provoqué des ruptures de stock.

Cette bascule marque l’entrée dans la nouvelle ère de l’informatique agentique : une IA qu’on ne consulte plus seulement… mais qu’on mandate. Et quand on mandate, la question change : ce n’est plus « est-ce que ça bluffe ? », c’est « est-ce que c’est gouvernable ? ». Car il s’agit bien d’une ère où les agents prennent le contrôle sur le hardware pour agir en autonomie, en combinant toutes les différentes technologies (LLM, API, computer vision, automatisation/RPA)

Les usages concrets permettent de comprendre la rupture.

• Pour le grand public, l’agent IA n’est plus le simple chatbot que l’on a connu. C’est un assistant qui peut enchaîner des actions et garder le fil entre plusieurs canaux. Par exemple depuis sa messagerie, un utilisateur demande : « prépare mon week-end à Bayonne ; compare trois trains ; réserve une table vendredi ; mets les confirmations dans mon dossier “Voyage” ; rappelle-moi jeudi ».
  
  La nouveauté n’est pas la qualité de la réponse, mais la continuité de l’exécution : l’assistant passe d’un onglet à l’autre, récupère des infos, réserve, classe, puis revient vers vous avec des confirmations. Et c’est aussi là que commencent les sujets qui fâchent : dès que l’agent a accès à un navigateur, à un agenda… ou à une carte bleue, l’erreur n’est plus une hallucination « amusante », c’est un incident.
  
  
• Pour un entrepreneur (ou une petite équipe), l’intérêt devient immédiatement opérationnel : l’agent peut jouer le rôle de “back-office” en continu. Il peut surveiller les leads entrants (site / formulaires / e-mails), qualifie les demandes, répondre aux questions simples, relancer, préparer un premier devis et pousser les infos dans le CRM. 
  
  Mais la vraie bascule, c’est quand l’entrepreneur commence à « faire travailler » ses agents la nuit. Dans la Silicon Valley, un nouveau stress circule : ne pas brûler assez de tokens — autrement dit, avoir des agents qui ne tournent pas suffisamment pendant que les concurrents automatisent déjà. L’agentique change la compétition, ce n’est plus seulement « aller plus vite », c’est « exécuter plus longtemps ». Des nouvelles start-up proposent même des services pour créer des entreprises grâce à des agents en totale autonomie comme Nanocorp.
  
  
• Pour une grande entreprise, l’enjeu change d’échelle : l’agent peut devenir une couche intermédiaire entre le collaborateur et le système d’information. On peut déjà projeter des agents spécialisés pour préparer un appel d’offres (récupérer les annexes, vérifier les exigences, proposer un plan de réponse), faire une première revue contractuelle (repérer les clauses sensibles, proposer des alternatives, demander validation), orchestrer du support IT/RH (ouvrir des tickets, déclencher des workflows, suivre l’avancement). Jack Dorsey indiquait dans une récente note que cela va même jusqu’à refondre les couches managériales, l’entreprise hiérarchique devient obsolète, et celles horizontales orchestrées par l’IA deviennent une réalité.

Un collaborateur ne navigue plus dans dix applications : il délègue une séquence de travail à un agent qui interroge, consolide, reformate, demande validation, puis exécute. À ce stade, l’agent commence à ressembler non plus à un simple assistant, mais à un logiciel mandaté.

Vers une nouvelle économie de la tech

Si OpenClaw n’est pas encore un standard d’entreprise (la sécurité en est un grand frein – bien que les géants s’en emparent avec Nvidia qui a déjà sorti Nemoclaw, qui intègre des contrôles de confidentialité et de sécurité à OpenClaw), il n’en demeure pas moins un signal avancé — et le fait que son créateur ait été recruté par OpenAI dit quelque chose de la trajectoire du sujet. Quand bien même il ne faut pas confondre un moment interface avec un moment maturité. La technologie n’est en effet pas assez mature même si l’ergonomie, le design va vite, la gouvernance elle, reste encore au demeurant absente.

L’informatique agentique créera de la valeur, mais elle redistribuera aussi des marchés entiers (infrastructure, modèles, logiciels, API). La question stratégique n’est plus seulement « quelle IA adopter ? ». Elle devient : dans quelle économie de l’exécution voulons-nous opérer — et avec quel niveau de contrôle ?

1) Une économie du compute : avec des agents, la machine ne “répond” plus ponctuellement : elle tourne plus souvent, plus longtemps, parfois en continu. Le compute devient l’équivalent d’une capacité industrielle : une chaîne de production logicielle qui tourne jour et nuit.

2) Une économie du token : un agent planifie, tente une action, observe, corrige, recommence. Résultat : à tâche complexe, un agent peut consommer beaucoup plus de tokens qu’un chatbot (dans certains cas, 10 à 30 fois plus). On voit émerger une discipline très concrète : piloter l’IA comme un budget — en euros, mais aussi en unités de consommation (les “budgets tokens”). Mais les entreprises rejettent déjà la « tokenmaxxing » (maximiser volontairement sa consommation de tokens pour montrer qu’on utilise les outils d’IA) qui peut en résulter pour aller vers des mécanismes orientés vers le résultat réel. C’est le cas de Axon où les équipes qui dépassent leurs objectifs de roadmap d’au moins 15 % obtiennent des bonus ou encore de Box, qui, au lieu d’encourager la surconsommation, veut réhausser l’enjeu des roadmaps en anticipant les gains de productivité, et la rémunération dépend de l’atteinte de ces objectifs.

3) Une économie de l’API (et la fin tranquille de la “licence”). L’agent ne crée de valeur que s’il agit sur des systèmes (ERP/CRM/RH/banque/e-commerce) via des API. Or l’économie du logiciel a longtemps été “par licence” (je paie pour accéder). L’agentique pousse vers “par usage” (je paie chaque appel). Sur un cas finance/reporting, un agent peut coûter peu en tokens… mais très cher en appels API s’il doit extraire des données morceau par morceau (ERP type SAP, EPM, data cloud, etc.). Le problème, aujourd’hui on est capable de maitriser la consommation de tokens…mais pas des API.

Finalement, OpenClaw est aussi un marqueur de cycle. Comme souvent dans la tech, l’innovation démarre décentralisée (open source, hébergement, …), avant d’être recentralisée (plateformes, intégrations, standards, conformité) par les acteurs capables d’industrialiser et de “packager” la valeur. Il devient la nouvelle référence pour piloter la valeur et le roi du token investi.

Le sujet n’est donc pas seulement de savoir si les agents vont se diffuser — ils vont le faire. La vraie question est où la valeur va se capturer : dans les modèles, dans l’infrastructure, dans les API… ou dans la couche de gouvernance qui rend l’exécution mandatée enfin acceptable à l’échelle. Autrement dit : la prochaine bataille ne se jouera pas sur la démo, mais sur l’industrialisation du mandat.

A propos des auteurs :