Découvrez la trajectoire visionnaire de Manus, qui développe des agents d’IA autonomes capables de naviguer sur le Web. Découvrez la technologie des navigateurs cloud, la persistance de l’état et l’évolution de la collaboration entre humains et machines pour repousser les limites de nos capacités cognitives.
En bref
Manus redéfinit le concept d’agent d’IA en allant au-delà des simples chatbots pour créer des entités numériques persistantes et autonomes. En exploitant la technologie des navigateurs cloud et en privilégiant une capacité d’action universelle plutôt que des intégrations limitées, l’équipe de Manus construit un avenir où l’IA devient une extension fluide de l’esprit humain, capable d’exécuter des tâches complexes sur l’ensemble du Web.
Tout a commencé par un mémo vocal. Il y a un an, dans une pièce remplie du ronronnement de MacBook haut de gamme et de l’odeur d’un café rassis, quatre ingénieurs se sont réunis pour comprendre pourquoi la technologie la plus avancée de l’histoire humaine ne parvenait toujours pas à réserver un vol ou à organiser une feuille de calcul sans être constamment guidée. Ils ont enregistré leur débat, un échange d’idées sans filtre qui allait finalement devenir le plan directeur de Manus. En relisant ces transcriptions aujourd’hui, on peut voir le moment exact où est née la vision d’un véritable agent d’IA — non pas un chatbot qui parle du travail, mais une entité numérique qui l’accomplit réellement.
L’expression « agent d’IA » est devenue le nouveau mot à la mode préféré de l’industrie technologique, mais la plupart des gens ont encore du mal à définir ce qu’elle signifie réellement. S’agit-il simplement d’une version plus intelligente de Siri ? D’un script qui s’exécute en arrière-plan ? Selon Zhang Tao et son équipe chez Manus, un agent d’IA est quelque chose de bien plus profond : c’est une extension de l’esprit humain. C’est un logiciel capable de naviguer dans l’univers désordonné et imprévisible du Web ouvert avec le même degré d’autonomie et de persévérance qu’un stagiaire humain, sans avoir besoin de dormir ni d’une assurance maladie.
Dans cette analyse approfondie, nous explorons la philosophie interne et les obstacles techniques abordés lors de cette réunion fondatrice. Nous examinons la manière dont l’équipe a géré la tension entre la création d’un système « généraliste » et celle d’un système « spécialisé », pourquoi le « navigateur cloud » est l’arme secrète de la prochaine décennie et comment l’économie de l’intelligence évolue. Il ne s’agit pas seulement de l’histoire d’une start-up ; c’est une feuille de route pour une ère où chaque personne sur Terre disposera d’un agent d’IA dédié, prêt à répondre à ses besoins.
La transition de l’IA générative vers un agent d’IA autonome représente le changement le plus important de l’informatique depuis l’invention de l’interface utilisateur graphique. Nous passons d’un monde où nous indiquons aux ordinateurs *comment* faire les choses (la programmation) à un monde où nous leur indiquons *ce que* nous voulons accomplir (l’intention). Mais comme l’équipe de Manus l’a rapidement compris, faire comprendre une intention à une machine est la partie facile ; lui faire exécuter cette intention dans le paysage fragmenté de l’Internet moderne est le véritable champ de bataille.
L’un des débats les plus animés du lancement de Manus portait sur un choix stratégique : fallait-il créer un outil spécialisé pour des tâches précises ou un moteur universel ? Red Peak, l’un des principaux penseurs du projet, a utilisé une brillante analogie historique pour cadrer le problème. Il a comparé l’état actuel de l’IA aux débuts de l’Internet chinois, notamment à la rivalité entre Hao123 et Baidu.
Hao123 était un annuaire — une collection de liens présélectionnés et organisés par des humains. Il fonctionnait parce que le Web était petit. De même, de nombreux premiers outils d’IA reposent sur des « liens ». Ils se connectent à une API spécifique pour Spotify, à une autre pour Google Calendar et à une autre encore pour Slack. Mais cette approche est intrinsèquement limitée. Vous ne pouvez faire que ce que le développeur a préintégré. Si vous voulez que votre agent d’IA accomplisse une tâche à laquelle le développeur n’a pas pensé, vous n’avez plus qu’à renoncer. Ce modèle d’intelligence fondé sur l’offre est une impasse pour parvenir à une véritable autonomie.
À l’inverse, le « modèle Baidu » (ou modèle Google) a commencé avec un robot d’exploration. Il n’a pas demandé la permission ; il a simplement appris à lire et à parcourir l’ensemble du Web. En construisant d’abord un moteur de recherche universel, il pouvait ensuite l’optimiser pour des requêtes spécifiques. L’équipe de Manus a décidé que son agent d’IA devait suivre cette voie. Il ne devait pas être une collection de plug-ins, mais une entité numérique sachant utiliser un navigateur comme vous. S’il peut voir un bouton, il peut cliquer dessus. S’il peut voir un formulaire, il peut le remplir.
Cette décision de privilégier la généralité à l’optimisation verticale est audacieuse. Elle signifie que l’agent d’IA doit gérer le chaos du Web « sauvage » — fenêtres contextuelles, captchas et mises en page changeantes. Mais l’équipe soutenait que si elle résolvait le problème général, les problèmes particuliers se résoudraient d’eux-mêmes. Elle ne construisait pas seulement un outil ; elle construisait une plateforme de travail numérique.
Si la philosophie de Manus repose sur une capacité d’action générale, le cœur technique du projet est le « navigateur cloud ». Lors de la réunion, Zhang Tao et Fan Bin se sont longuement penchés sur la manière dont l’agent d’IA allait réellement interagir avec le monde. On ne peut pas simplement donner un terminal à un LLM et s’attendre à ce qu’il réserve un hôtel. La majeure partie de la valeur du monde est enfermée derrière des interfaces utilisateur graphiques (GUI) conçues pour les yeux et les doigts humains.
La solution consistait à créer une architecture « navigateur dans le navigateur ». Au lieu d’essayer d’extraire des données en arrière-plan, l’agent d’IA utilise réellement une instance complète d’un navigateur exécutée sur un serveur distant. Lorsque vous demandez à l’agent d’IA de trouver une maison sur Zillow, il ne se contente pas d’appeler une API ; il « ouvre » littéralement un navigateur dans le cloud, accède à l’URL et commence à faire défiler la page. L’utilisateur peut ainsi regarder l’agent travailler en temps réel, ce qui crée un lien de confiance que les robots textuels ne peuvent tout simplement pas égaler.
Cependant, cela crée un immense défi technique en matière de latence. Comment diffuser une fenêtre de navigateur haute définition depuis un serveur vers l’ordinateur portable d’un utilisateur sans donner l’impression d’un système poussif ? Zhang Tao a évoqué des technologies comme XPRA, qui utilisent une diffusion intelligente des pixels. En n’envoyant que les parties de l’écran qui changent, l’agent d’IA peut donner l’impression de travailler juste sous les yeux de l’utilisateur, même si le traitement lourd s’effectue à des milliers de kilomètres, dans un centre de données.
| Fonctionnalité | Robot API traditionnel | Agent d’IA Manus |
|---|---|---|
| Interface | Cachée / textuelle uniquement | Navigateur cloud visuel en direct |
| Compatibilité | Nécessite une API officielle | Fonctionne sur tous les sites Web |
| Contrôle utilisateur | Aucun (boîte noire) | Mode de prise de contrôle interactive |
| Persistance | Uniquement basée sur la session | État complet et mémorisation des connexions |
Cette approche visuelle résout également le problème des « hallucinations ». Si un chatbot standard vous dit qu’il a réservé un vol, vous devez le croire sur parole. Si l’agent d’IA Manus vous montre l’écran de confirmation dans une fenêtre de navigateur en direct, vous disposez d’une preuve. Cette visibilité est essentielle pour l’ingénieur qui doit déboguer le processus comme pour le responsable qui veut simplement savoir que la tâche est terminée.
L’une des prises de conscience les plus profondes lors du lancement de Manus fut qu’un agent d’IA sans mémoire n’est qu’une calculatrice sophistiquée. Peak a souligné une faiblesse majeure des leaders actuels du marché comme Devin : ils fonctionnent « une fois, puis c’est fini ». Une fois la session terminée, l’agent souffre effectivement d’amnésie numérique. Il oublie vos mots de passe, les fichiers qu’il a créés et la façon dont vous aimez formater vos feuilles de calcul.
Pour être un véritable représentant d’un humain, un agent d’IA doit disposer d’une « persistance de l’état ». Cela signifie qu’il lui faut sa propre identité numérique. Il a besoin d’un coffre-fort sécurisé pour stocker les cookies et le stockage local, afin de rester connecté à vos comptes Amazon ou GitHub. Il lui faut un système de fichiers persistant où il peut enregistrer une première version d’un rapport le lundi et revenir la terminer le jeudi. Sans cela, la « capacité d’action » de l’agent d’IA n’est qu’une illusion.
L’équipe a discuté de la création d’un « domicile » virtualisé pour chaque agent. Cet environnement comprendrait des variables d’environnement, des clés sécurisées et un espace de travail dédié. Imaginez un bureau numérique dans lequel l’agent d’IA « entre » chaque fois que vous l’appelez. Cette persistance permet d’exécuter des tâches longues pouvant durer des heures ou des jours, l’agent revenant périodiquement informer l’utilisateur de l’avancement.
« La véritable autonomie ne consiste pas seulement à résoudre une énigme ; elle consiste à posséder l’espace de travail où l’énigme est résolue. Si l’agent d’IA ne peut pas se souvenir de qui je suis d’une session à l’autre, ce n’est pas un assistant — c’est un étranger. »
Mais construire cette mémoire persistante est coûteux et complexe. Cela nécessite une quantité considérable de puissance de calcul haute performance ainsi qu’un accès fluide aux meilleurs grands modèles de langage au monde. C’est là qu’intervient l’économie sous-jacente au secteur des agents d’IA. Pour exécuter un agent généraliste capable de réfléchir, de voir et de se souvenir, les développeurs ont besoin d’une infrastructure qui ne les ruine pas.
À mesure que la discussion passait du « quoi » au « comment », la réalité des coûts des modèles s’est imposée. L’exécution d’un agent d’IA sophistiqué exige un flux constant d’interactions à grand nombre de tokens. Chaque fois que l’agent « regarde » une page Web ou « raisonne » sur une tâche en plusieurs étapes, il consomme de coûteux crédits d’API. Pour qu’une start-up comme Manus puisse évoluer, elle ne pouvait pas se permettre de dépendre des tarifs grand public des principaux fournisseurs de modèles.
C’est ici que les plateformes à intégration poussée comme GPT Proto changent la donne pour les développeurs qui construisent un agent d’IA. En fournissant une interface unifiée vers les modèles les plus puissants au monde — notamment OpenAI, Claude et Google — avec des tarifs jusqu’à 60 % inférieurs aux prix courants, GPT Proto permet aux développeurs de se concentrer sur la « capacité d’action » plutôt que sur la « facturation ». Lorsqu’un agent d’IA doit effectuer une tâche nécessitant un raisonnement approfondi, il peut passer à un modèle privilégiant les performances ; lorsqu’il ne fait que résumer une page Web, il peut basculer vers un mode plus économique.
L’équipe de Manus a compris que la « planification intelligente » — la capacité à basculer dynamiquement entre les modèles en fonction de la complexité de la tâche — constituait un avantage concurrentiel essentiel. Avec un système comme GPT Proto, un agent d’IA peut se comporter comme une véritable puissance multimodale, en accédant au traitement du texte, des images et même des vidéos via une seule interface standard. Ce niveau de flexibilité transforme un prototype en modèle économique durable.
Pour l’utilisateur, cela signifie que l’agent d’IA devient plus abordable et plus performant. C’est la différence entre un outil de luxe réservé aux élites technologiques et un service universel accessible au grand public. En optimisant la « chaîne d’approvisionnement de l’intelligence », Manus peut garantir que ses assistants numériques sont toujours rapides, intelligents et disponibles.
L’un des aspects les plus centrés sur l’humain de la discussion autour de Manus concernait ce qui se passe lorsque l’agent d’IA échoue. Et ne nous y trompons pas : même le meilleur agent d’IA finira par se heurter à un obstacle. Qu’il s’agisse d’une demande d’authentification à deux facteurs (2FA), d’un captcha complexe ou d’un site Web doté d’une interface non standard, certains moments nécessitent encore l’intuition humaine. La plupart des outils d’IA actuels se contentent d’afficher une erreur ou demandent à l’utilisateur de corriger le code.
Manus a proposé une solution plus élégante : la prise de contrôle interactive. Puisque l’agent d’IA s’exécute dans un navigateur cloud diffusé vers l’utilisateur, le passage du contrôle par l’IA au contrôle humain peut être instantané. Si l’agent reste bloqué sur un écran de connexion, l’utilisateur peut simplement cliquer dans la fenêtre, saisir son mot de passe ou résoudre le captcha, puis appuyer sur un bouton « Reprendre » pour rendre les commandes à l’agent d’IA.
Cela crée une boucle de collaboration. L’agent d’IA prend en charge les 90 % du travail répétitif et ennuyeux, tandis que l’humain joue le rôle de superviseur pour les 10 % qui nécessitent une intervention créative ou des informations sécurisées. Cette approche élimine l’anxiété de la « boîte noire » que ressentent de nombreuses personnes lorsqu’elles utilisent l’IA. Vous ne croisez pas simplement les doigts en espérant que le robot fasse ce qu’il faut ; vous êtes assis à ses côtés, prêt à intervenir si nécessaire.
L’interface elle-même suit une philosophie de « divulgation progressive ». L’équipe a critiqué l’approche du « mur de texte » présente dans de nombreux outils techniques. Pour un responsable, l’agent d’IA Manus doit ressembler à un tableau de bord simple et épuré. Mais pour l’ingénieur qui souhaite voir les rouages fonctionner, l’environnement « semblable à un système d’exploitation » lui permet d’afficher le terminal, les journaux du navigateur et le système de fichiers sous forme de fenêtres indépendantes et flottantes. C’est un système d’exploitation pour l’ère de l’IA.
Dans un tournant surprenant de la réunion, l’équipe a commencé à discuter d’*EVE Online*, un jeu massivement multijoueur connu pour ses systèmes économiques et politiques extrêmement complexes. Pourquoi ? Parce qu’*EVE* représente la limite supérieure de la gestion cognitive humaine. Les joueurs d’*EVE* doivent souvent gérer simultanément des dizaines de feuilles de calcul, des itinéraires commerciaux et des alliances diplomatiques. C’est un jeu souvent décrit comme « des feuilles de calcul dans l’espace ».
PanPan et Zhang Tao y ont vu le terrain d’essai idéal pour un agent d’IA. Si un agent peut aider un joueur à naviguer dans les complexités d’une économie galactique simulée, il peut certainement aider le propriétaire d’une petite entreprise à gérer les complexités du transport maritime international, de la conformité fiscale et du marketing numérique. L’agent d’IA n’est pas seulement un « assistant » ; c’est un « amortisseur de complexité ». Il absorbe les données désordonnées et à forte entropie du monde, puis présente à l’utilisateur des options claires et des actions exécutées.
Les humains sont notoirement mauvais lorsqu’il s’agit de maintenir une concentration intense sur de longues périodes. Nous nous fatiguons, nous manquons des détails et nous sommes sujets au « biais de l’expérience » — nous faisons les choses comme nous l’avons toujours fait, même lorsqu’une meilleure méthode existe. Un agent d’IA, en revanche, peut travailler à partir des « premiers principes ». Il peut analyser toutes les options disponibles sur le Web, comparer les prix de 500 fournisseurs et trouver le « chemin le plus court » vers un objectif sans s’ennuyer ni se déconcentrer. De cette manière, il devient véritablement une extension de notre propre volonté.
Fan Bin a soulevé une question majeure : un agent d’IA généraliste pourra-t-il un jour rivaliser avec un spécialiste humain utilisant des logiciels professionnels ? Par exemple, un agent peut-il réellement utiliser Final Cut Pro pour monter une vidéo ? Ou restera-t-il toujours une version « maladroite » d’un monteur humain ? La réponse de l’équipe était à la fois humble et ambitieuse. Elle reconnaissait que, pour l’« utilisation d’un ordinateur » — la capacité de l’IA à voir et à cliquer dans des applications autres que le Web — il restait encore beaucoup de chemin à parcourir.
Cependant, l’équipe soutenait que la plupart des activités professionnelles s’orientaient vers le Web. De Figma pour le design à Google Workspace pour les documents et Salesforce pour le CRM, le « navigateur » devient le système d’exploitation universel. En maîtrisant le navigateur, l’agent d’IA maîtrise 80 % du travail de bureau moderne. Le « déficit d’expertise » ne consiste pas à connaître chaque bouton d’un logiciel ; il réside dans la capacité de l’agent à apprendre une nouvelle interface à la volée.
Cette réflexion a conduit à l’idée de « formation de l’agent ». Tout comme un humain apprend à utiliser un nouvel outil en lisant le manuel et en expérimentant, l’agent d’IA Manus est conçu pour « s’auto-corriger ». S’il clique sur un bouton et que le résultat n’est pas celui attendu, il ne renonce pas immédiatement. Il analyse le nouvel état de l’écran, cherche des indices et tente une autre approche. Cette « boucle de raisonnement » distingue un script statique d’un véritable agent d’IA.
| Tâche cognitive | Limitation humaine | Force de l’agent d’IA |
|---|---|---|
| Recherche d’informations | Lente, sujette aux biais | Analyse exhaustive en temps réel |
| Capacité d’attention | Diminue au fil des heures | Infini, fonctionnement 24 h/24 et 7 j/7 |
| Exécution des processus | Manuelle, sujette aux erreurs | Précision scriptée avec raisonnement |
| Prise de décision | Émotionnelle / heuristique | Fondée sur les données et les premiers principes |
L’objectif est de faire progresser l’humain dans la chaîne de valeur. Au lieu d’être le « conducteur » du logiciel, l’humain devient l’« architecte » du résultat. Vous n’indiquez pas à l’agent d’IA comment déplacer la souris ; vous lui dites à quoi le produit final doit ressembler et vous lui apportez votre « sens » et votre « jugement » pour déterminer si le résultat est satisfaisant.
On ne peut pas parler d’un agent d’IA qui possède vos identifiants de connexion et les informations de votre carte bancaire sans parler de sécurité. C’était peut-être la partie la plus grave de la réunion. Si l’agent est compromis, toute la vie numérique de l’utilisateur est en danger. L’équipe de Manus a consacré beaucoup de temps à la réflexion sur la mise en bac à sable de ces agents, afin que, même si une instance est piratée, le reste du système demeure sécurisé.
La confiance se construit par la transparence. La décision de rendre visibles les actions de l’agent d’IA dans un navigateur cloud n’était pas seulement un choix d’UX ; c’était aussi un choix de sécurité. En permettant à l’utilisateur de voir exactement ce que fait l’agent, Manus crée une piste d’audit. Si l’agent commence à accéder à un site suspect, l’utilisateur peut le voir et interrompre la session. Ce modèle « ce que vous voyez est ce qu’il fait » (WYSIWID) est essentiel à l’adoption massive des agents autonomes.
L’équipe a également discuté de l’« encapsulation des identifiants ». L’idée est que l’agent d’IA ne « voit » jamais réellement votre mot de passe brut. Il utilise plutôt un jeton de session sécurisé ou un coffre-fort géré. Cela limite l’ampleur de tout incident de sécurité potentiel. Alors que nous entrons dans une ère où notre agent d’IA manipulera notre argent et nos données, ces détails d’infrastructure « ennuyeux » sont en réalité les fonctionnalités les plus importantes de toutes.
La réunion s’est achevée dans une atmosphère d’enthousiasme discret. Les enregistrements témoignent d’une équipe qui savait se trouver au début d’un marathon, et non d’un sprint. Elle était passée de l’idée abstraite de l’« IA » à la réalité concrète d’un agent d’IA fonctionnel — un employé numérique persistant, visuel et compétent. Elle avait compris que le succès de Manus ne se mesurerait pas au nombre de personnes qui lui parlent, mais au nombre d’heures de travail manuel qu’il leur ferait économiser.
Nous entrons dans une période de l’histoire où la barrière entre « penser » et « faire » s’efface. Autrefois, si vous aviez une excellente idée de mémoire de recherche ou de plan d’affaires, vous deviez tout de même consacrer des centaines d’heures au « travail fastidieux » — recherches, mise en forme, e-mails et saisie de données. L’agent d’IA est conçu pour éliminer cette corvée. Il permet à l’esprit humain de rester dans le « flux créatif » tandis que la machine gère la logistique de l’exécution.
À mesure que Manus passe d’un ensemble de comptes rendus de réunion à un produit vivant, il conserve la philosophie de cette première discussion : la technologie ne doit pas être seulement un outil que nous utilisons, mais un partenaire qui nous comprend. Qu’il s’agisse de gérer un projet complexe, de réserver des vacances de rêve ou de naviguer dans l’univers sophistiqué de la finance numérique, l’agent d’IA est là, prêt à transformer votre intention en réalité.
Le parcours qui mène d’un enregistrement vocal dans un bureau exigu à un agent d’IA de classe mondiale témoigne de la puissance d’une philosophie produit lucide. En rejetant le modèle « Hao123 » des intégrations limitées et en adoptant le modèle « Baidu » fondé sur une capacité générale, Manus s’est engagé sur la voie d’une redéfinition de notre relation avec les ordinateurs. Grâce aux navigateurs cloud, à la mémoire persistante et à un modèle d’interaction « humain dans la boucle », l’équipe s’attaque aux problèmes de confiance et d’exécution qui freinent l’IA depuis des années.
À mesure que les modèles sous-jacents deviennent plus puissants et que l’infrastructure devient plus abordable grâce à des plateformes comme GPT Proto, le rêve d’un agent d’IA véritablement autonome devient accessible à tous. Nous ne faisons plus que discuter avec les machines ; nous collaborons avec elles. L’ère de l’extension numérique de l’esprit a officiellement commencé.
Article original par GPT Proto
« Nous nous concentrons sur les problèmes réels avec les entrepreneurs technologiques, afin de permettre à certains d’entre eux d’entrer les premiers dans l’ère de la GenAI. »
