Contexte : une nouvelle ère pour l’orchestration multi-agent

Le 25 février 2026, Perplexity a présenté Perplexity Computer, une architecture d’intelligence artificielle modulaire pensée pour la délégation et l’exécution autonomes de tâches complexes. Ce système repose sur un concept de multi-agent orchestration : dix-neuf modèles de langage (LLM) différents, dont Opus 4.6, Gemini, Claude et GPT, travaillent de concert sous la direction d’un méta-routeur. L’objectif : répartir les tâches selon les compétences de chaque modèle et assurer une supervision en temps réel de l’ensemble du flux d’exécution.

Disponible depuis fin février sur l’abonnement premium Perplexity Max (200 $ par mois), cette solution 100 % cloud se positionne comme un cadre évolutif pour la recherche assistée, la génération de code ou l’analyse de données. La conception met en avant une mémoire persistante permettant de reprendre des projets sans perte de contexte, un atout pour les utilisateurs professionnels.

Les premiers essais et démos montrent la capacité du système à exécuter des workflows complexes : rédaction de rapports, traitement de fichiers volumineux, synthèses en temps réel, ou génération d’applications simples sans supervision humaine.

Pourquoi c’est important : l’émergence des IA collaboratives

Au-delà de la nouveauté technique, Perplexity Computer illustre une tendance de fond : le passage du modèle unique vers un écosystème d’IA spécialisées. Selon les experts, cette approche rappelle une équipe humaine où chaque agent LLM jouerait un rôle défini. Gemini traiterait les visuels, Claude se concentrerait sur l’ingénierie logicielle, et GPT assurerait la génération de texte ou de code.

Des analystes de TechCrunch et Computerworld qualifient cette évolution de paradigme multi-modèles, ouvrant la voie à des plateformes capables de gérer automatiquement la coordination de multiples intelligences. En optant pour une exécution entièrement dans le cloud, l’entreprise a également fait le choix de la sécurité et de la scalabilité, au détriment toutefois du contrôle local des données.

Pour les entreprises, cette mutualisation des modèles promet un gain notable en efficacité opérationnelle : moins de manipulations manuelles, une meilleure cohérence entre les modules d’analyse, et des délais réduits pour les livrables complexes. L’automatisation touche déjà des domaines variés – finance, juridique, développement produit, création de contenu – où la cohérence contextuelle devient un avantage décisif.

Ce que cela change : productivité et nouveaux usages

Cette innovation a rapidement trouvé des applications concrètes. Les premiers utilisateurs exploitent Perplexity Computer pour la recherche web autonome, la génération de présentations, l’analyse stratégique et la création de dashboards interactifs. La plateforme offre également des fonctions d’automatisation : génération de code Python ou R pour le nettoyage de données, préparation de rapports de tendances, ou analyse SWOT intégrée.

Selon les données publiées, près de 36 % des requêtes adressées à Perplexity relèvent désormais de la productivité et des workflows, notamment la gestion de comptes, la rédaction d’emails ou la mise à jour de bases de données. Ces chiffres soulignent que l’outil ne s’adresse pas uniquement aux développeurs, mais à tous les métiers exposés à la surcharge informationnelle.

En complément, la mémoire persistante et la coordination entre sous-agents créent un environnement de travail continu, où les documents générés (tableurs, sites web, visualisations, vidéos) peuvent être enrichis de manière itérative. L’outil agit donc moins comme une application ponctuelle que comme une plateforme de co-pilotage intelligent.

À surveiller : accès, performances et enjeux de sécurité

Malgré l’enthousiasme du secteur, plusieurs limites sont déjà relevées. L’accès étant réservé au niveau d’abonnement le plus élevé, le coût reste élevé pour les petites structures. L’exécution exclusivement cloud élimine certains risques liés aux installations locales, mais soulève des préoccupations sur la confidentialité des données et la dépendance à un fournisseur unique.

Autre interrogation mentionnée par les analystes : la gestion des erreurs. Les données disponibles ne précisent pas comment le méta-routeur réagit face à l’échec d’un sous-agent dans un workflow critique. De même, aucune mesure comparative de performance avec les architectures concurrentes (OpenAI, Anthropic) n’a encore été publiée.

Enfin, la question de l’empreinte énergétique et du coût cloud des déploiements d’envergure reste ouverte. Tant que ces indicateurs ne sont pas documentés, il est difficile d’évaluer la viabilité du modèle pour une adoption à large échelle. En attendant, Perplexity Computer s’impose déjà comme un jalon majeur dans l’histoire récente de la collaboration entre intelligences artificielles spécialisées – un pas de plus vers des systèmes véritablement autonomes et coordonnés.