assistant

En profondeur

Un assistant fonctionne par tours : vous écrivez, le harnais assemble ce que le modèle doit lire, le modèle produit une réponse, l’échange s’arrête. Entre deux tours, rien ne continue de tourner, aucun processus ne poursuit un objectif en arrière-plan. L’impression de conversation vient du harnais, qui replace l’historique dans le contexte à chaque requête, et non du modèle, qui ne conserve rien. C’est pourquoi une conversation longue finit par perdre son début : ce n’est pas un oubli, c’est un débordement de ce qu’on peut redonner à lire.

Trois voisins méritent d’être distingués. Le chatbot désigne l’interface, la fenêtre de discussion : un assistant peut fort bien s’en passer, par exemple lorsqu’il vit dans un traitement de texte ou dans un éditeur de code. L’agent, lui, reçoit un objectif et enchaîne les étapes sans repasser par vous : la frontière n’est pas la richesse des outils, c’est l’initiative. Entre les deux, beaucoup de produits proposent une autonomie réglable, où l’utilisateur autorise une suite d’étapes avant de reprendre la main, et nommer cette zone intermédiaire évite bien des débats stériles.

Un assistant se juge à la réponse, pas à la tâche : on y mesure l’exactitude, la citation des sources, le refus utile, le délai. Le piège récurrent consiste à attribuer au modèle ce que le produit doit à son harnais, puis à conclure qu’il faut changer de modèle. Le deuxième est de confondre aisance et fiabilité : un assistant écrit toujours quelque chose, y compris lorsqu’il ne dispose d’aucune information pertinente. Le troisième est organisationnel : parce qu’il est facile d’accès, un assistant se répand dans une entreprise sans que personne n’ait décidé quelles données peuvent y entrer.