Perplexity Computer : et si l'avenir de l'IA, c'était de ne pas choisir ?

Tout le monde cherche LE modèle d'IA parfait. Perplexity vient de dire : et si la bonne réponse, c'était de ne pas choisir ?

La course au soliste parfait

Depuis deux ans, l'industrie de l'IA fonctionne sur une logique simple : construire le modèle le plus gros, le plus malin, celui qui fait tout mieux que les autres. OpenAI pousse GPT. Anthropic pousse Claude. Google pousse Gemini. Chacun veut son champion universel.

Perplexity regarde cette course et prend un virage différent. Plutôt que de miser sur un seul musicien virtuose, ils construisent un orchestre. Leur nouveau produit s'appelle Computer, et la promesse est claire : 19 modèles d'IA coordonnés par un chef d'orchestre, chacun jouant la partition où il excelle.

C'est une thèse stratégique forte. Et elle mérite qu'on la regarde de près.

Ce que fait Computer, concrètement

Imagine que tu veux organiser un voyage au Japon. Aujourd'hui, tu ouvres ChatGPT, tu poses des questions, tu copies-colles dans un doc, tu cherches des vols sur un autre onglet. Tu es le chef de projet de ta propre recherche.

Avec Computer, tu décris ce que tu veux et tu laisses tourner. Gemini va chercher les vols et comparer les prix. GPT-5.2, avec sa capacité à gérer des contextes longs, construit l'itinéraire jour par jour. Nano Banana génère les visuels des lieux. Et tout ça tourne en arrière-plan — pendant des heures si il faut — dans un environnement cloud isolé avec son propre filesystem et son navigateur.

Le truc qui change la donne ici, c'est que tu reçois une notification quand l'agent a besoin d'une décision de ta part. Le reste du temps, il bosse. Aravind Srinivas, le CEO de Perplexity, résume ça dans Fortune : "même ta mère peut envoyer un texto et déléguer". L'ambition, c'est de rendre l'IA agentique aussi simple qu'un message.

L'orchestre, pas le soliste

Le vrai sujet derrière Computer, c'est pas le produit lui-même. C'est la thèse qui le porte.

Perplexity observe quelque chose de concret dans ses propres données d'usage. En janvier 2025, 90% du trafic IA passait par deux modèles dominants. En décembre 2025, plus aucun modèle ne dépassait 25% de part de marché. En moins d'un an, on est passé d'un duopole à un écosystème fragmenté.

Leur lecture : les modèles ne convergent pas vers un super-modèle universel. Ils se spécialisent. Claude Opus 4.6 est fort en orchestration et raisonnement. Gemini excelle en recherche web. Grok est rapide. Veo 3.1 génère de la vidéo. C'est comme une équipe de cuisine — tu veux pas que le pâtissier fasse les sauces.

Si cette lecture est juste, alors celui qui gagne, c'est pas celui qui a le meilleur modèle. C'est celui qui sait les assembler. Perplexity se positionne exactement là : le chef d'orchestre qui sait quel instrument appeler, et quand.

Computer vs le reste : comparaison honnête

The Verge positionne Computer "entre OpenClaw et Claude Cowork". C'est un bon cadrage. Regardons les trois approches.

OpenClaw : le power user

OpenClaw tourne en local, sur ta machine. Open-source, puissant, tu contrôles tout. C'est l'atelier du mécanicien qui aime mettre les mains dans le moteur. Mais la puissance a un coût : l'incident de Summer Yue, chercheuse chez Meta, a montré qu'un agent local trop autonome peut tenter de supprimer ta boîte mail. Quand l'outil a accès à tout ton système, la moindre erreur de jugement de l'IA peut faire des dégâts concrets.

Claude Cowork : le spécialiste cloud

Anthropic propose Cowork, qui tourne dans le cloud. C'est sûr, c'est encadré. Mais c'est un seul modèle — Claude. Si ta tâche demande de la génération d'images ou de la recherche web en temps réel, tu es limité par ce que Claude sait faire seul.

Computer : l'orchestre cloud

Computer prend le cloud de Cowork et le multi-modèles d'un power user. Environnement isolé (pas de risque de supprimer tes fichiers locaux), mais accès à 19 modèles spécialisés. Le compromis semble élégant sur le papier.

Moi personnellement, je trouve que chaque approche répond à un profil différent. Si tu es développeur et que tu veux le contrôle total, OpenClaw reste pertinent malgré les risques. Si tu veux de la simplicité avec un modèle de confiance, Cowork fait le job. Computer vise ceux qui veulent déléguer des tâches complexes sans se soucier de quel modèle fait quoi.

Les limites qu'il faut regarder en face

Computer est réservé aux abonnés Max de Perplexity, à 200$ par mois — environ 190€. C'est pas un outil grand public, c'est un outil pour professionnels qui calculent un retour sur investissement.

Il y a aussi la question de la dépendance. Quand ton produit repose sur 19 modèles de fournisseurs différents — OpenAI, Anthropic, Google, xAI — tu es à la merci de leurs décisions. Si Anthropic change ses tarifs API demain, ou si OpenAI restreint l'accès à GPT-5.2, Perplexity doit s'adapter. C'est comme un restaurant dont la carte dépend de 19 fournisseurs différents : la flexibilité est aussi une fragilité.

Et puis il y a les workflows longs. Computer peut tourner pendant des heures, voire des jours. Qui supervise ? Comment tu vérifies que l'agent n'a pas pris un mauvais virage à la troisième heure ? La confiance dans l'autonomie de l'IA, c'est un muscle qu'on est encore en train de développer collectivement.

Enfin, Perplexity fait face à plusieurs procès — Dow Jones, le New York Times, Amazon — sur des questions de copyright et d'utilisation agentique du web. Leur défense : l'agent agit comme une extension légale de l'utilisateur. C'est un argument intéressant, mais il n'a pas encore été tranché par les tribunaux. L'issue de ces procès pourrait redéfinir ce que les agents IA ont le droit de faire sur le web.

Spécialisation ou convergence ?

La vraie question derrière tout ça dépasse Perplexity. Est-ce que l'avenir de l'IA, c'est la spécialisation — des dizaines de modèles experts coordonnés par un orchestrateur — ou la convergence vers des modèles qui savent tout faire correctement ?

Les deux scénarios sont plausibles. OpenAI et Google investissent massivement dans des modèles généralistes de plus en plus capables. En parallèle, les modèles spécialisés progressent plus vite dans leurs niches respectives. Peut-être qu'on aura les deux : des généralistes pour les tâches simples, des orchestres pour les missions complexes.

Je sais pas encore qui a raison. Et honnêtement, je pense que personne ne le sait. Ce qui est certain, c'est que Perplexity pose une question que le reste de l'industrie esquive : est-ce qu'on a vraiment besoin d'un seul modèle qui fait tout, ou est-ce qu'on a besoin de quelqu'un qui sait choisir le bon outil au bon moment ?

C'est peut-être la question la plus importante de 2026 dans l'IA. Et la réponse ne viendra pas d'un benchmark — elle viendra de toi, de moi, de ce qu'on fait vraiment avec ces outils au quotidien.