La messagerie d’équipe Ando défie Slack en donnant une place aux agents IA au travail

Ando a lancé un rival de Slack avec 20 millions de dollars de financement et une idée plus tranchée : les agents IA devraient participer aux conversations au travail, plutôt que d’être de simples applications installées. La plateforme de messagerie d’équipe Ando donne aux agents des identités, des boîtes de réception, des autorisations et un accès aux discussions partagées. Ils peuvent suivre des canaux, contacter des collègues et agir sans attendre qu’une personne copie des informations dans une fenêtre IA distincte.

Cette conception remet en question le modèle de Slack et Microsoft Teams. Les deux acteurs historiques prennent désormais en charge les agents, mais ils ont d’abord été conçus comme des systèmes de communication pour les employés humains. Ando part du principe que les humains et les agents logiciels occupent le même espace de travail. La différence semble subtile jusqu’à ce qu’un agent doive détecter un problème, trouver le bon collègue ou relier des décisions prises dans plusieurs canaux.

L’entreprise reste petite, et ses affirmations proviennent principalement de sa fondatrice, de ses investisseurs et de ses premiers utilisateurs. Slack dispose déjà d’un vaste écosystème, de contrôles pour les entreprises et de sa propre stratégie en matière d’agents. Microsoft peut connecter des agents à Teams, Microsoft 365 et aux données organisationnelles. Ando n’entre pas sur un marché vide. L’entreprise parie qu’il est plus important de repenser l’espace de travail autour des agents que de les ajouter à un environnement établi.

La messagerie d’équipe Ando traite les agents comme des membres

Le choix déterminant d’Ando consiste à donner à un agent IA une place permanente dans l’organisation, plutôt que d’en faire un outil qui attend des prompts.

Ando est sorti du mode furtif le 24 septembre 2026. Sa fondatrice et PDG, Sara Du, a présenté le produit comme un système complet de communication d’équipe destiné aux organisations qui emploient des agents IA. Le lancement a également révélé un financement de 20 millions de dollars de la part d’Accel, Index Ventures et Emergence Capital.

La plateforme comprend des canaux, des messages directs, des conversations de groupe et des appels en direct. Les appels peuvent être transcrits afin que les agents puissent examiner les échanges des participants. Les agents reçoivent également leur propre identité et leur propre boîte de réception, au lieu de communiquer via un compte d’intégration générique.

Cette identité influence la manière dont un agent participe. Il peut parcourir les canaux, décider quelles discussions méritent son attention et intervenir dans une conversation sans être identifié. Il peut aussi envoyer un message à un collègue humain lorsqu’il estime qu’une question nécessite un jugement ou une approbation.

Dans les produits de collaboration existants, un employé invoque souvent un assistant par une mention ou ouvre une session d’agent distincte. Le collaborateur fournit le contexte, examine la réponse et rapporte les informations utiles à l’équipe. Du appelle cette personne un « meat proxy », car l’employé devient une couche de transport entre le logiciel et ses collègues.

Le modèle d’Ando cherche à supprimer ce relais. Un agent qui a suivi la discussion initiale peut conserver le contexte pertinent. Il peut demander à un autre participant les informations manquantes ou poursuivre son travail une fois la conversation humaine terminée.

L’entreprise affirme que ses agents peuvent aussi relier des discussions qui resteraient autrement isolées. Un agent aurait remarqué que deux canaux traitaient le même problème. Il a créé une conversation de groupe, expliqué le chevauchement et proposé une décision sans recevoir de demande directe.

Cet exemple illustre la différence visée par le produit. Un chatbot répond dans le cadre d’une interaction limitée. Un agent participant surveille un environnement partagé et initie une coordination lorsque ses instructions et ses autorisations le permettent.

Ando reste indépendant des agents. Les équipes peuvent utiliser des agents créés avec des systèmes tels que Codex, Claude, Devin ou Grokbot. L’entreprise propose également son propre harnais d’agent hébergé, la couche logicielle qui gère le modèle, les outils, le contexte et l’exécution d’un agent.

Le billet de lancement d’Ando indique que l’entreprise a transféré son travail interne hors de Slack quelques semaines après le début du développement. Cela témoigne d’une forte conviction, mais ne prouve pas encore que de plus grands clients feront le même choix.

Ando affirme que des clients des secteurs des logiciels, de la finance et de l’immobilier utilisent sa plateforme dans 15 pays. Beaucoup de ces équipes restent petites. Le lancement établit donc une thèse produit et un signal d’adoption précoce, plutôt qu’une validation à l’échelle des entreprises.

Le produit est important parce qu’il modifie l’unité de collaboration. Slack a fait du canal un espace partagé pour les personnes et les applications. Ando veut que le membre de l’espace de travail puisse être à la fois une personne et un travailleur logiciel autonome.

Ce changement soulève la question centrale autour du lancement. Si les agents deviennent des collègues actifs, le lieu de travail a-t-il besoin d’une nouvelle couche de communication, ou les plateformes établies peuvent-elles absorber le même comportement ?

Pourquoi la messagerie native des agents est importante aujourd’hui

L’opportunité pour Ando existe parce que les agents IA passent d’assistants privés à des systèmes qui réalisent un travail en plusieurs étapes au sein des équipes.

Du a commencé à étudier le problème en aidant des entreprises à créer des serveurs Model Context Protocol en 2025. MCP est une norme qui permet aux systèmes IA de se connecter à des outils et à des données via une interface commune. Les clients voulaient utiliser ces agents connectés depuis Slack, mais le transport des messages, la gestion du contexte et la consommation de jetons créaient des frictions.

Chaque difficulté révélait la même incompatibilité architecturale. Les messageries professionnelles supposent que les humains lisent les conversations, déterminent ce qui importe et disent aux logiciels quoi faire. Les agents remettent en cause cette séquence, car ils peuvent surveiller les informations, initier des tâches et communiquer leurs résultats de manière autonome.

Une intégration classique peut envoyer une alerte ou répondre à une commande. Un agent autonome a besoin d’un rôle plus durable. Il doit savoir à quelles conversations il peut accéder, quelles actions il peut entreprendre et à quel moment il doit interrompre une personne.

Le contexte persistant compte également. Une décision réside rarement dans un seul message. Son raisonnement peut s’étendre sur un appel, un échange privé et plusieurs fils de discussion de canaux. Un agent qui ne rejoint une conversation que lorsqu’il est mentionné reçoit le prompt immédiat, mais peut manquer l’historique qui donne son sens à la demande.

Ce problème devient plus visible à mesure que les entreprises déploient plusieurs agents. Un agent de programmation, de recherche, de support et de finance peut chacun accomplir un travail spécialisé. Leur valeur combinée dépend de leur capacité à partager le contexte et à se coordonner sans créer davantage de travail de gestion pour les employés.

La réponse d’Ando consiste à placer la coordination au sein de la messagerie. Un agent peut observer les conversations auxquelles il est autorisé à accéder, puis acheminer les questions et les résultats via la même interface que celle utilisée par les personnes.

Cette approche transforme également les messages en contexte opérationnel. Une conversation enregistre non seulement ce qu’une équipe a décidé, mais aussi pourquoi les participants ont écarté certaines alternatives. Un agent qui voit ce raisonnement peut produire un travail conforme à la décision plutôt que de reconstruire l’intention à partir d’un prompt court.

L’idée ressemble à une base de connaissances IA partagée, mais la messagerie y ajoute une participation en direct. Les connaissances stockées expliquent ce qui s’est passé auparavant. La conversation active révèle ce que l’équipe décide à présent.

Les investisseurs soutiennent cette distinction. Accel estime que la coordination du contexte, de la mémoire et de l’activité devient plus difficile à mesure que les organisations ajoutent des agents. Sa thèse d’investissement présente Ando comme une infrastructure pour cet environnement multijoueur.

Le calendrier reflète aussi l’évolution des capacités des agents. Les modèles peuvent désormais utiliser des outils, gérer des tâches plus longues et revenir vers les humains lorsqu’ils sont bloqués. Ces comportements créent davantage de valeur, mais génèrent aussi plus de mises à jour de statut, d’exceptions, d’approbations et de transferts.

Une messagerie native des agents promet de réduire ce coût de coordination. L’agent peut identifier une discussion pertinente, expliquer son travail et demander une décision à la bonne personne. L’humain n’a pas besoin de suivre chaque étape d’exécution.

Cependant, une autonomie accrue crée un nouveau besoin de responsabilité. Les équipes doivent savoir quel agent s’est exprimé, quelles informations il a utilisées et quelles actions il a effectuées. Donner aux agents des identités stables pourrait faciliter l’examen de ces enregistrements.

L’identité ne résout pas à elle seule les questions de gouvernance. Le produit doit aussi proposer des limites d’autorisation fiables, des pistes d’audit, des contrôles de conservation et des règles d’escalade prévisibles. Ces exigences deviennent plus strictes lorsqu’un agent peut initier des conversations ou agir entre plusieurs services.

Ando s’attaque donc à deux problèmes à la fois. L’entreprise veut que les agents participent plus naturellement, tout en rendant leur participation compréhensible au sein d’un système de communication familier. Son succès dépendra de sa capacité à accroître l’autonomie sans rendre les conversations au travail plus difficiles à appréhender avec confiance.

Slack avance déjà vers la même destination

Ando ne concurrence pas le Slack de 2023 ; il concurrence un acteur historique qui décrit désormais les agents comme des coéquipiers.

Slack permet aux utilisateurs d’envoyer des messages directement aux agents, de les ajouter à des canaux et d’examiner les sessions précédentes. Sa zone Agents and Tools donne aux employés un endroit pour découvrir des assistants et suivre leur travail.

La plateforme prend également en charge les agents Agentforce créés via Salesforce. Les administrateurs contrôlent les accès, tandis que les agents peuvent répondre aux questions et accomplir des tâches configurées. La documentation sur les agents de Slack indique que les agents peuvent participer aux canaux, aux messages directs et aux espaces de programmation dédiés.

Slack dispose d’un avantage évident en matière de distribution. Les entreprises y stockent déjà des années de conversations, de décisions, de flux de travail et d’intégrations. Leur demander d’ajouter un agent est bien plus facile que de leur demander de déplacer leurs employés et leur historique de communication ailleurs.

Son appartenance à Salesforce lui procure un autre avantage. Agentforce peut relier les conversations professionnelles aux dossiers clients, aux cas de service et aux processus métier. Slack peut se positionner comme l’interface conversationnelle d’un système d’entreprise plus large.

Cette force crée aussi l’opportunité d’Ando. Slack doit préserver la compatibilité avec des flux de travail, des applications et des règles de gouvernance établis. Ses agents entrent dans un système dont le modèle d’interaction de base a été conçu avant que des collègues logiciels autonomes ne deviennent plausibles.

Ando ne porte pas ce passé. L’entreprise peut traiter l’identité des agents, le contexte, les autorisations et le comportement proactif comme des primitives fondamentales du produit. Elle peut optimiser son interface autour d’équipes mixtes sans devoir protéger un ancien modèle d’application.

Le contraste ne se résume pas à agents contre absence d’agents. Les deux plateformes prennent en charge les agents. Le véritable affrontement oppose une participation adaptée après coup à une participation native.

Dans Slack, de nombreuses interactions commencent encore lorsqu’un utilisateur trouve un agent, ouvre une session ou le mentionne dans un canal. Ando veut que les agents repèrent un travail utile et interviennent au moment approprié. Cette différence détermine qui supporte la charge de coordination.

Slack réduit également cet écart. En avril 2026, l’entreprise a annoncé des outils supplémentaires pour créer, déployer et gouverner des agents. Elle a présenté Slack comme un espace de travail centré sur les agents, doté d’un contexte conversationnel et d’une gestion centralisée.

En septembre, Slack faisait la promotion de Slackbot comme d’un coéquipier reliant les canaux aux données Salesforce. Son espace de travail agentique comprend la navigation parmi les agents, la programmation collaborative et des actions initiées depuis les conversations.

Microsoft présente un défi similaire. Les utilisateurs de Teams peuvent ajouter des agents Copilot à des conversations de groupe, poser des questions sur les échanges et demander des résumés. Les agents de conversation de groupe de Microsoft héritent eux aussi de l’accès à une vaste suite de productivité.

Cela signifie qu’Ando ne peut pas l’emporter en proposant uniquement un chat avec des agents. L’entreprise doit montrer qu’une appartenance persistante des agents produit une coordination sensiblement meilleure qu’un agent rattaché à un espace de travail existant.

L’entreprise fait également face à de nouveaux concurrents. Buzz de Jack Dorsey réunit des personnes et des agents d’IA dans des conversations partagées, avec une orientation plus marquée vers les développeurs. Glue a lui aussi exploré la coordination au travail autour de l’IA et des connexions MCP.

Ces produits suggèrent que la catégorie se forme autour d’une conviction commune. La prochaine messagerie d’entreprise devra peut-être coordonner les travailleurs logiciels avec autant de soin que les employés humains.

Pour autant, la dynamique de la catégorie ne garantit pas qu’une startup l’emportera. Les acteurs historiques peuvent copier les fonctionnalités visibles de l’interface. Une barre latérale pour les agents, des profils distincts et l’appartenance à des canaux ne suffisent pas, à eux seuls, à créer un avantage durable.

La capacité de défense d’Ando doit venir de la manière dont l’ensemble du système se comporte. Cela inclut l’acheminement du contexte, la collaboration entre agents, l’application des autorisations, la qualité des notifications et la fiabilité des interventions proactives.

Plus Slack et Teams gagnent en capacités, plus le positionnement d’Ando doit être précis. L’entreprise doit démontrer qu’une fondation native aux agents change les résultats, et pas seulement la terminologie.

Le véritable test est de savoir si les agents proactifs réduisent le travail

Un agent qui rejoint des conversations sans y être invité peut éliminer du travail de coordination, mais il peut aussi générer du bruit, des erreurs et de nouveaux problèmes de sécurité.

Le scénario Ando le plus séduisant est facile à comprendre. Deux équipes discutent sans le savoir du même problème client dans des canaux distincts. Un agent repère le chevauchement, réunit les participants, résume les deux fils de discussion et propose une prochaine étape.

Cette intervention fait gagner du temps, car l’agent observe plus de messages que ne peut en suivre chaque employé individuellement. Il agit également avant que la duplication ne devienne un retard coûteux.

Cette même capacité peut échouer de plusieurs façons. L’agent pourrait relier des conversations sans rapport parce qu’elles utilisent un langage similaire. Il pourrait révéler des informations issues d’un canal restreint. Il pourrait interrompre une discussion sensible avec un résumé inexact.

Les faux positifs comptent, car l’attention au travail est rare. Les employés gèrent déjà des notifications provenant de personnes, d’applications, de calendriers et de flux de travail automatisés. Les agents proactifs pourraient améliorer la coordination tout en rendant la couche de communication plus bruyante.

Ando doit donc résoudre la question de la pertinence, et pas seulement celle de l’accès. Un agent a besoin d’un seuil calibré pour savoir quand intervenir, quand poser une question en privé et quand rester silencieux. Ces décisions dépendent de normes organisationnelles qui apparaissent rarement dans des instructions formelles.

Les autorisations créent un autre défi. Les employés humains comprennent que l’accès n’implique pas toujours l’autorisation de redistribuer une information. Les systèmes logiciels ont besoin de politiques explicites pour respecter la même limite.

Un agent pourrait légalement lire deux canaux tout en créant un risque en fusionnant leurs contenus. Les équipes finance, juridique, ressources humaines et relation client travaillent souvent avec des attentes de confidentialité différentes. L’intelligence inter-canaux peut devenir une fuite inter-canaux.

Des identités persistantes pourraient améliorer la responsabilité dans ce domaine. Une équipe peut distinguer un agent d’un autre et examiner son historique de conversation. Les administrateurs pourraient aussi lier les autorisations au rôle de l’agent au lieu d’accorder un accès étendu à une application générique.

Mais l’identité n’est qu’un début. Les acheteurs auront besoin de réponses claires sur la conservation des données, les fournisseurs de modèles, l’exécution des outils, les journaux d’audit et la réponse aux incidents. Ils auront aussi besoin de contrôles qui résistent aux changements du modèle sous-jacent ou des instructions d’un agent.

La consommation de tokens ajoute une contrainte économique, même sans tenir compte des prix d’abonnement. Surveiller les canaux, traiter les appels et maintenir le contexte peuvent exiger une utilisation substantielle des modèles. Du a déclaré qu’une partie des nouveaux capitaux aiderait l’entreprise à « brûler davantage de tokens ».

Cette remarque souligne une tension au cœur du produit. Les agents deviennent plus utiles lorsqu’ils observent davantage de contexte. Traiter davantage de contexte augmente aussi les coûts de calcul et multiplie les occasions pour des données non pertinentes ou sensibles d’entrer dans le modèle.

Un système mature a besoin d’une attention sélective. Il ne peut pas envoyer chaque message à chaque agent. La plateforme doit décider quel contexte importe, combien de temps le conserver et quand actualiser la compréhension d’un agent.

La qualité de ces décisions façonnera l’expérience utilisateur. Si le système manque un contexte important, les agents resteront des assistants superficiels. S’il absorbe trop d’informations, les organisations font face à des coûts plus élevés, des réponses plus lentes et une exposition accrue de la vie privée.

L’adoption présente un risque distinct. Ando affirme que les premiers observateurs ont d’abord vu une plateforme de messagerie moins aboutie et ont négligé le comportement des agents. Cette réaction est compréhensible, car les employés interagissent avec la messagerie toute la journée.

Une startup ne peut pas traiter les fonctionnalités conventionnelles de messagerie comme secondaires. La recherche, les notifications, les appels, la fiabilité sur mobile, la gestion des fichiers et l’administration doivent bien fonctionner avant que les clients n’apprécient un nouveau modèle d’agent.

Les coûts de changement amplifient chaque faiblesse. Quitter Slack ou Teams implique de modifier les habitudes, les intégrations, les archives et les processus de gouvernance. Une expérience d’agent innovante peut ne pas compenser les perturbations dans le reste de l’organisation.

Les premiers clients d’Ando sont concentrés parmi les petites équipes. Ces équipes peuvent évoluer rapidement et tolérer des lacunes produit. Leur expérience ne prédit pas nécessairement l’adoption au sein d’une entreprise réglementée comptant des milliers d’utilisateurs.

Le marché initial le plus solide pourrait donc être celui des entreprises natives de l’IA, dotées de nombreux agents et de relativement peu d’infrastructures héritées. Ces organisations ressentent le problème de coordination avec le plus d’acuité et font face à des coûts de migration plus faibles.

Si Ando réussit dans ce segment, l’entreprise pourra produire des preuves que l’appartenance des agents améliore la productivité. Elle devra présenter des résultats concrets, tels que moins de transmissions manuelles, des décisions plus rapides ou une réduction des doublons. Les anecdotes des fondateurs ne suffiront pas à trancher le débat.

La promesse du produit n’est pas que les agents puissent envoyer des messages. Les outils existants le permettent déjà. Sa promesse est que les agents puissent assumer une partie de la coordination sociale et opérationnelle auparavant effectuée par des personnes.

C’est une barre bien plus élevée. Elle exige fiabilité technique, jugement organisationnel et confiance. Un système qui satisfait à ces exigences pourrait justifier une nouvelle couche de travail. Un système qui échoue devient une source supplémentaire de messages à gérer.

L’identité des agents transforme la nature du travail d’équipe

Le pari plus profond d’Ando est que les entreprises s’organiseront autour d’équipes mixtes, dans lesquelles les agents logiciels occupent des rôles plutôt que de simplement fournir des réponses.

La plupart des flux de travail actuels avec l’IA restent individuels. Une personne demande à un assistant de rédiger un document, d’analyser des données ou de modifier du code. Le résultat revient à cette personne, qui décide de la manière dont il entre dans l’organisation.

Ando remplace cet échange privé par un modèle multijoueur. L’agent participe là où le travail est attribué, débattu et examiné. Cela rend sa production visible aux collègues qui ont façonné la décision sous-jacente.

Cette visibilité partagée peut améliorer la responsabilité. Un coéquipier peut remettre en question le raisonnement d’un agent dans le même fil. Un autre agent peut ajouter des éléments, tandis que l’humain responsable tranche le désaccord.

Ce modèle transforme également le management. Un responsable de projet peut coordonner des personnes et des agents via les mêmes canaux, mais ces participants se comportent différemment. Les agents peuvent traiter davantage de messages et fonctionner en continu, tandis que les humains apportent jugement, relations et responsabilité.

Du soutient que de petites équipes utiliseront des agents pour atteindre une échelle opérationnelle qui exigeait autrefois bien plus d’employés. Cette affirmation reste non vérifiée, mais elle identifie l’ambition organisationnelle qui sous-tend le produit.

Le résultat à court terme sera probablement moins spectaculaire. Les agents sont plus susceptibles d’absorber des tâches de coordination ciblées avant de gérer des opérations plus larges. Ils peuvent préparer le contexte, suivre les discussions liées, orienter les questions et maintenir des synthèses d’état.

Ces tâches restent importantes. Les travailleurs du savoir consacrent beaucoup de temps à trouver des informations et à reconstituer des décisions prises à différents endroits. Une plateforme qui réduit cette fragmentation peut créer de la valeur avant que les agents ne deviennent des collègues pleinement autonomes.

Le modèle favorise aussi la spécialisation des agents. Un agent de recherche pourrait suivre les discussions de marché, tandis qu’un agent d’ingénierie surveille les canaux d’implémentation. Un agent de support pourrait identifier des problèmes produit et demander à l’agent d’ingénierie si un correctif est en cours.

La communication entre agents rend ces flux de travail possibles, mais elle complique aussi la supervision. Une conversation entre agents logiciels peut évoluer plus vite qu’un humain ne peut l’examiner. Les équipes ont besoin de points clairs où le jugement, l’autorisation ou la responsabilité reviennent à une personne.

C’est pourquoi la messagerie peut devenir plus qu’une interface utilisateur. Elle peut servir de registre visible de délégation et d’escalade. La conversation montre ce qu’un agent savait, qui il a contacté et quand un humain est intervenu.

Toutefois, l’historique de chat ne constitue pas automatiquement un système d’audit suffisant. Les messages peuvent omettre les appels d’outils, le raisonnement intermédiaire ou les données récupérées depuis d’autres systèmes. Les clients d’entreprise attendront des traces d’exécution plus approfondies en parallèle de la chronologie conversationnelle.

L’accent mis par Ando sur l’identité fournit un principe d’organisation utile. Chaque agent peut avoir un rôle, des autorisations et un historique reconnaissables. Cette structure ressemble à la manière dont les entreprises gèrent les comptes de service, mais elle présente l’agent comme un collègue dans le travail quotidien.

Le risque est l’anthropomorphisme. Un profil à apparence humaine peut rendre un agent plus accessible, tout en encourageant les employés à lui accorder plus de confiance que ne le justifie sa précision. La conception du produit doit rendre visibles les capacités et les limites.

La plateforme doit aussi distinguer l’autorité de l’aisance d’expression. Un agent peut écrire avec assurance sans avoir l’autorisation d’entériner une décision. Ses messages devraient indiquer s’il propose, rapporte, demande une approbation ou agit sous une autorité déléguée.

Ces signaux deviendront plus importants à mesure que les équipes mixtes se développeront. La différence entre une idée et une action approuvée doit rester évidente, qu’elle ait été produite par une personne ou un agent.

La collaboration entre humains et IA exige donc davantage que de placer les deux parties dans une conversation de groupe. Elle nécessite des règles de contexte, d’identité, d’autorité et d’escalade. Ando a construit son produit autour de cette prémisse.

Cette stratégie pourrait donner à l’entreprise une orientation que les suites plus larges n’ont pas. Elle pourrait aussi laisser Ando en concurrence avec des fonctionnalités que les acteurs historiques absorbent progressivement. Le résultat dépend de la capacité de la coordination d’équipes mixtes à devenir une catégorie de produit à part entière.

Ce qui montrera si Ando peut défier Slack

Trois signaux révéleront si Ando a trouvé un changement durable de plateforme ou une fonctionnalité intéressante que les acteurs historiques peuvent reproduire.

Le premier signal est l’adoption au-delà des petites équipes natives de l’IA. Ando affirme servir des clients dans 15 pays, mais n’a pas communiqué le nombre d’utilisateurs, les chiffres de rétention ou la taille des déploiements typiques.

Des déploiements chez de plus grands clients renforceraient l’argument de l’entreprise. Ils montreraient que les organisations accepteront les coûts de migration afin d’obtenir une coordination native aux agents. Une concentration persistante parmi les petites équipes indiquerait un marché plus étroit.

La rétention compte davantage que les essais initiaux. Une plateforme de messagerie gagne de la valeur par son usage quotidien et le contexte accumulé. Les équipes qui restent actives pendant des mois apportent des preuves plus solides que les entreprises qui expérimentent une nouvelle interface.

Le deuxième signal concerne la manière dont Slack et Microsoft réagissent. Tous deux permettent déjà aux agents d’entrer dans des conversations partagées, et tous deux contrôlent des écosystèmes d’entreprise matures. Leurs prochaines évolutions produit permettront de mesurer dans quelle mesure ils peuvent reproduire la différenciation d’Ando.

Si Slack permet aux agents de suivre de manière autonome les canaux pertinents, de coordonner les échanges entre discussions et d’initier des conversations sous des contrôles clairs, l’écart produit d’Ando se réduira. Microsoft peut viser un comportement similaire via Teams, Copilot et Microsoft Graph.

L’exécution des acteurs établis pourrait également valider la thèse d’Ando. Si Slack et Teams redessinent leurs interactions centrales autour d’agents persistants, ils confirmeront que la communication au travail est en train de changer. Ando rivaliserait alors sur l’implémentation, la neutralité et la rapidité.

Le troisième signal sera la capacité d’Ando à démontrer une autonomie sûre et utile. L’entreprise doit prouver que des agents proactifs réduisent les transferts de responsabilité sans submerger les équipes d’interruptions ni exposer des informations.

Les études de cas clients devraient présenter des résultats opérationnels, et pas seulement de l’enthousiasme. Parmi les indicateurs utiles figurent le temps gagné lors de la coordination, la réduction des tâches dupliquées, l’accélération des escalades et le taux d’interventions incorrectes.

La documentation de sécurité comptera tout autant. Les acheteurs devraient surveiller la présence d’autorisations granulaires, de journaux d’audit exportables, de contrôles des données et d’une séparation claire entre l’observation par l’agent et son action.

Ando doit également montrer que sa promesse d’indépendance vis-à-vis des agents fonctionne en pratique. Prendre en charge de nombreux systèmes d’agents n’a d’intérêt que si les identités, les autorisations et le contexte se comportent de manière cohérente entre eux.

Le positionnement le plus solide du produit est celui d’une infrastructure de coordination neutre. Slack est étroitement lié à Salesforce, tandis que Teams s’inscrit dans l’écosystème Microsoft. Ando peut inviter des agents de fournisseurs concurrents de modèles et de logiciels dans un même espace de travail partagé.

La neutralité implique un travail d’intégration. Chaque environnement d’exécution d’agent expose des capacités, des règles d’outils et des comportements contextuels différents. Ando doit normaliser ces différences sans masquer les informations dont les administrateurs ont besoin.

Les 20 millions de dollars d’Ando lui donnent les ressources nécessaires pour recruter et développer la plateforme. Cela n’efface pas l’avantage de distribution détenu par Slack et Microsoft. Ando doit transformer sa concentration architecturale en un produit que les employés préfèrent utiliser chaque jour.

Pour les acheteurs d’entreprise, la question immédiate n’est pas de savoir s’il faut remplacer Slack. Il s’agit de déterminer si la coordination entre agents est devenue suffisamment pénible pour justifier l’essai d’un environnement dédié.

Les équipes qui évaluent l’alternative à Slack proposée par Ando devraient commencer par un flux de travail impliquant des relais humains répétés. Elles pourront observer si une participation persistante des agents élimine ces transmissions ou ajoute simplement davantage de conversations.

Les développeurs devraient surveiller la qualité des interfaces d’agents et des contrôles de gouvernance d’Ando. Les travailleurs du savoir devraient vérifier si les agents font émerger des connexions utiles sans devenir intrusifs. Les acheteurs devraient exiger la preuve que l’autonomie reste responsable.

La messagerie d’équipe d’Ando propose une vision claire : les agents devraient travailler dans la pièce où les décisions sont prises. Les prochains mois montreront si les clients ont besoin d’une nouvelle pièce, ou si Slack et Teams peuvent rénover celles qu’ils possèdent déjà.

Le test pratique est simple. Choisissez un processus transversal, définissez ce qu’un agent peut observer et faire, puis mesurez si la coordination s’améliore. Si les agents relient systématiquement le contexte, font remonter les décisions nécessitant un jugement et réduisent les relais manuels, la prémisse d’Ando se renforce. Si les employés passent davantage de temps à corriger les interruptions et à gérer les autorisations, la conception native aux agents n’a pas résolu le problème le plus difficile. Surveillez la fidélisation des clients, les déploiements en entreprise et les évolutions produit des acteurs établis avant de considérer ce changement de plateforme comme acquis. L’avenir de la messagerie au travail ne sera pas déterminé par la capacité des agents à parler. Il le sera par la capacité des équipes à leur faire confiance pour participer.