Perplexity Teammates entre dans la course pour s’approprier le travail continu
Perplexity a lancé Perplexity Teammates le 5 novembre, rejoignant OpenAI et Anthropic dans la course visant à faire des assistants IA des agents professionnels persistants. Ces agents, des logiciels qui utilisent des outils pour poursuivre des objectifs assignés, sont conçus pour continuer à gérer des responsabilités au-delà d’une conversation individuelle. L’entreprise affirme qu’ils s’appuient sur le travail déjà effectué dans Perplexity, réduisant la nécessité de réexpliquer les projets à chaque nouvelle tâche.
L’enjeu central concerne celui qui maîtrise la relation continue entre les travailleurs, leurs informations et leurs missions inachevées. Les Dots d’OpenAI et Claude Duet d’Anthropic poursuivent déjà leurs propres versions de cette relation. L’approche de Perplexity consiste à donner aux agents accès au contexte accumulé par les utilisateurs dans ses produits, puis à les laisser collaborer autour d’un travail continu.
Cela modifie la question d’achat. Une réponse utile peut justifier l’ouverture d’une autre fenêtre de discussion, mais une mission permanente exige de la confiance dans les autorisations, le jugement et le suivi. Pour les travailleurs du savoir, l’attrait réside dans la réduction des briefings répétitifs. Pour les employeurs, la question est de savoir si le contexte accumulé permet une exécution fiable sans créer un nouveau flux de travail à superviser.
Perplexity Teammates va au-delà des tâches individuelles
Ce lancement fait évoluer la proposition de Perplexity pour le travail, de l’exécution de demandes vers la gestion de responsabilités au fil du temps.
Le déploiement initial est réservé aux abonnés Max sur le web, selon la couverture des agents de travail persistants. Des applications natives pour ordinateur et mobile sont prévues, selon le directeur général Aravind Srinivas. Ces projets doivent être considérés comme une distribution future, et non comme la preuve que le lancement couvre déjà tous les environnements de travail.
Teammates s’appuie sur Computer, le système de Perplexity qui exécute du travail via des agents et des outils connectés. La distinction mise en avant par Perplexity est la continuité : un coéquipier reçoit un travail récurrent au lieu de disparaître du flux de travail après avoir répondu à une demande. Il s’agit d’une promesse sur la manière dont le travail est géré, plutôt que d’une affirmation selon laquelle chaque capacité sous-jacente serait nouvelle.
L’entreprise indique que les coéquipiers peuvent s’appuyer sur Projects, Memory et Skills déjà présents dans ses produits. Ici, la mémoire désigne le contexte conservé, tandis que les compétences sont des instructions réutilisables pour effectuer un travail précis. Les fichiers connectés et les sessions antérieures font également partie du point de départ proposé.
Pour un client existant, cela offre un avantage compréhensible. Les recherches précédentes, les préférences établies et les éléments familiers d’un projet n’ont pas besoin de devenir un exercice d’intégration distinct pour chaque mission. La capacité du système à sélectionner les bons éléments reste toutefois une question distincte de sa capacité à y accéder.
Un rôle persistant change également la nature d’une instruction. Demander un rapport présente un point d’arrêt relativement évident. Demander à un agent de surveiller un compte introduit des décisions continues sur la pertinence, l’urgence et le moment où une autre action devient nécessaire.
Cette différence explique pourquoi l’appellation de coéquipier importe dans le positionnement de Perplexity. Elle invite les utilisateurs à décrire leurs responsabilités dans le langage du travail : surveiller ceci, maintenir cela et me prévenir lorsqu’un élément nécessite de l’attention. L’interface devient un lieu de supervision d’une activité continue, plutôt qu’une collection de demandes isolées.
Le nom ne garantit ni jugement humain ni responsabilité. Un agent logiciel a toujours besoin d’instructions, de limites et d’un moyen d’exposer ses incertitudes. La question pratique est de savoir si un rôle continu rend ces exigences plus faciles à gérer que le lancement répété de nouvelles conversations.
La disponibilité doit également être interprétée avec prudence. Un produit destiné à l’activité professionnelle ne constitue pas automatiquement la preuve d’une adoption à l’échelle de l’entreprise. Un accès par abonnement individuel en dit peu sur l’approbation d’un employeur, son processus d’achat ou sa disposition à connecter des systèmes sensibles.
Le changement immédiat est donc précis. Perplexity propose désormais un moyen d’assigner des agents persistants dans son environnement de travail existant. Les affirmations concernant le remplacement de services, la transformation de la productivité organisationnelle ou une opération indépendante fiable exigent des preuves allant au-delà du lancement lui-même.
Le contexte de travail existant devient un actif concurrentiel
L’argument stratégique le plus solide de Perplexity est que le travail utile déjà stocké dans ses produits donne aux nouveaux agents un avantage de départ.
Cela met la pression sur les plateformes d’assistants concurrentes pour préserver la continuité entre recherche, planification et exécution. Un utilisateur qui a déjà rassemblé des documents pertinents et corrigé les hypothèses d’un assistant doit fournir un effort supplémentaire lorsqu’il change de service. Les missions persistantes rendent cet effort de transition plus visible.
L’entreprise décrit les coéquipiers comme utilisant le contexte existant et des outils connectés, tout en conservant des moyens permettant aux personnes d’inspecter et de rediriger leur activité. Ses détails publics sur le lancement de Teammates décrivent également des environnements isolés ainsi que le respect des autorisations existantes de Computer pour les outils et les Projects. Il s’agit de descriptions du produit par l’entreprise, et non de conclusions indépendantes sur sa fiabilité.
L’importance stratégique provient de la relation entre mémoire et délégation. Le contexte aide un agent à comprendre pourquoi une tâche existe, quelles décisions antérieures comptent et quel résultat l’utilisateur préfère. Sans cette continuité, chaque mission commence par une nouvelle explication.
Cependant, les informations accumulées n’ont de valeur que si le système peut distinguer les instructions actuelles des anciens éléments. Les archives d’un projet contiennent des options abandonnées à côté de décisions approuvées. Un agent utile doit éviter de considérer chaque phrase stockée comme également autoritative.
Cela exerce une pression sur les travailleurs du savoir comme sur les fournisseurs. Les personnes qui adoptent des agents persistants doivent déterminer quels documents représentent leur contexte de travail réel. Des notes dispersées et des documents contradictoires deviennent des problèmes opérationnels lorsque le logiciel les utilise pour choisir sa prochaine action.
Le même problème apparaît dans une base de connaissances d’équipe. Les informations ont besoin d’un propriétaire, de limites et d’une structure suffisante pour que d’autres puissent les interpréter. Un agent ajoute un lecteur supplémentaire, avec la conséquence additionnelle que son interprétation peut directement conduire à l’utilisation d’outils.
Prenons l’exemple hypothétique d’une équipe produit qui suit un lancement. Ses notes de recherche décrivent les demandes des clients, son document de planification définit les engagements et son canal de discussion contient des idées provisoires. Un agent préparant une mise à jour de statut doit savoir quelle source fait foi pour la sortie.
Il s’agit d’un flux de travail illustratif, et non d’un résultat client rapporté pour Teammates. Il montre pourquoi un accès étendu ne résout pas à lui seul le problème du contexte. Davantage d’informations disponibles peuvent améliorer une mission, mais elles peuvent aussi introduire des signaux contradictoires.
Pour Perplexity, l’opportunité concurrentielle consiste à rendre le travail antérieur réutilisable sans exiger un nettoyage constant de la part de l’utilisateur. Si chaque mission récurrente nécessite une reconstruction manuelle, l’avantage promis s’affaiblit. Si le système prolonge de manière fiable les décisions pertinentes, la continuité devient une raison de rester.
La pression commerciale s’exerce le plus directement sur les plateformes qui demandent aux utilisateurs de reconstruire leur contexte de travail ailleurs. Les listes de fonctionnalités peuvent rapidement converger. Un historique de corrections utiles, de flux de travail approuvés et de connaissances propres à un projet est plus difficile à reproduire lors d’un essai occasionnel.
Cela n’établit pas un avantage durable pour Perplexity. Les systèmes concurrents peuvent également conserver des informations et connecter des outils professionnels. Le lancement fait de la continuité une composante explicite de la compétition, tout en laissant sa qualité pratique ouverte à la comparaison.
La course aux agents porte sur la responsabilité continue
Perplexity entre sur un marché où le travail persistant devient déjà une promesse produit courante.
OpenAI a présenté Dots en septembre, décrivant des agents conçus pour poursuivre des objectifs au fil du temps. Les reportages sur ces agents toujours actifs les ont situés dans une compétition croissante autour de l’assistance proactive. Le lancement de Perplexity suit cette direction plutôt que d’établir seul cette catégorie.
Claude Duet d’Anthropic ajoute un autre point de référence. Il a été présenté comme un assistant proactif destiné aux professionnels et aux propriétaires de petites entreprises. Le chevauchement est important, car les utilisateurs rencontrent de plus en plus des promesses similaires : conserver le contexte, surveiller l’activité et faire avancer le travail sans nouvelle instruction.
Pour les acheteurs, ces descriptions peuvent brouiller des différences significatives. Un rappel, un rapport programmé et un agent qui décide du moment où agir fonctionnent tous en arrière-plan. Ils créent toutefois des attentes différentes en matière de discrétion et nécessitent différentes façons d’évaluer le succès.
Un rapport programmé suit une instruction définie à un moment prévu. Une responsabilité permanente peut exiger de décider si de nouvelles informations modifient la mission. C’est ce jugement qui rend l’utilité d’un agent persistant plus difficile à résumer dans une liste de fonctionnalités.
L’opportunité de Perplexity est de faire de son espace de travail existant le lieu naturel de cette responsabilité. La concurrence pertinente est la plateforme à laquelle un travailleur fait confiance pour maintenir une mission en mouvement. OpenAI et Anthropic servent de contexte direct à cette compétition, plutôt que d’histoires distinctes sur le classement des modèles.
Cela explique aussi pourquoi une comparaison de lancements devrait éviter de déclarer un vainqueur à partir de démonstrations similaires. Différents utilisateurs connectent différentes sources, autorisent différentes actions et tolèrent différents niveaux d’interruption. Un agent adapté à un chercheur peut être mal assorti à un flux de travail financier.
Même l’exécution réussie nécessite une interprétation. Un agent peut produire le document demandé tout en manquant une hypothèse modifiée. Un autre peut s’arrêter pour demander une clarification, semblant plus lent tout en évitant une action inappropriée.
Ces différences font de l’unité de comparaison quelque chose de plus large qu’une seule réponse. Les acheteurs doivent considérer l’ensemble de la mission : configuration, exécution, correction et suivi. Un résultat soigné perd de sa valeur si la vérification du travail qui le soutient consomme le temps que la délégation devait économiser.
La catégorie dispose également d’un précédent professionnel avec Claude Cowork. Anthropic a introduit des capacités d’agent dans le travail sur ordinateur avant cette récente vague d’assistants persistants. Cette progression montre que les fournisseurs passent de la réponse aux questions à la gestion de portions de plus en plus importantes d’un flux de travail.
Cet historique ne prouve pas une demande pour chaque nouvelle interface d’agent. Il montre pourquoi Perplexity subit une pression pour transformer ses outils de recherche et d’exécution en un produit de travail continu. Rester une destination occasionnelle laisserait la relation continue aux concurrents.
La compétition se concentre donc sur l’usage répété dans des conditions réelles. Les utilisateurs doivent trouver suffisamment de valeur à conserver des responsabilités dans la plateforme pour y revenir, la corriger et lui faire à nouveau confiance. Annoncer un nouvel agent établit une participation ; une utilité continue détermine si la relation perdure.
La collaboration fait des transferts une partie du produit
Un agent persistant devient plus important lorsque son résultat devient la prochaine mission d’un autre participant.
Perplexity indique que les coéquipiers peuvent collaborer avec d’autres coéquipiers et communiquer avec leurs collègues via Slack. Les fils de discussion individuels offrent une autre façon de suivre leurs progrès. Ces interfaces relient l’activité des agents aux espaces où les équipes échangent déjà sur leur travail.
L’intérêt est facile à comprendre. Une tâche de recherche achevée engendre souvent une suite : mettre à jour une note de synthèse, avertir un responsable ou demander une décision. Si chaque passation exige de recopier le contexte dans une autre conversation, une part du bénéfice de la délégation disparaît.
La démonstration de lancement de Perplexity en donne une illustration concrète. Un coéquipier chargé de la publicité repère des performances de campagne favorables, prépare une activité élargie et transmet une prolongation de contrat au service juridique pour examen. La démonstration présente une chaîne de responsabilités, plutôt qu’un simple document marketing généré.
Il convient de l’identifier clairement comme une démonstration. Cette séquence n’établit pas des performances de campagne mesurées de façon indépendante et ne prouve pas que le flux de travail fonctionne de manière fiable dans différentes organisations clientes. Sa valeur probante est plus limitée : elle montre le type de travail coordonné que Perplexity souhaite voir déléguer par ses utilisateurs.
Les passations créent leurs propres exigences en matière d’information. Le destinataire doit savoir ce qui s’est passé, quels éléments étayent la recommandation et si l’action est approuvée. À défaut, la collaboration peut propager une hypothèse incertaine tout au long d’une chaîne plus longue.
Imaginons un agent de support hypothétique qui remarque des plaintes répétées à propos d’une fonctionnalité. Il rédige un résumé pour un agent produit, qui propose ensuite une modification. Si le regroupement initial était erroné, le second agent peut développer une erreur au lieu de la corriger.
Cette possibilité constitue un risque analytique, et non une défaillance documentée de Teammates. Elle explique pourquoi plusieurs agents ne devraient pas être automatiquement considérés comme une vérification indépendante. Leur travail peut dépendre des mêmes éléments incomplets ou de la même interprétation erronée.
Une passation significative exige donc davantage qu’un message conversationnel. Elle doit fournir suffisamment de contexte à l’intervenant suivant pour lui permettre de contester la conclusion. Le système devrait aider les utilisateurs à distinguer un fait consigné, une inférence et une prochaine étape proposée.
La participation dans Slack ajoute une couche supplémentaire. Les collègues doivent comprendre s’ils donnent une instruction, discutent d’une possibilité ou approuvent une action. Ces catégories se chevauchent souvent dans les conversations ordinaires, mais un agent a besoin de frontières exploitables entre elles.
La promesse de coordination est la plus forte lorsque les responsabilités sont claires. Un coéquipier peut assurer une mission définie tout en transmettant des questions précises à un responsable humain. Cette promesse s’affaiblit lorsque les utilisateurs doivent reconstituer qui a demandé une action et pourquoi un autre agent l’a poursuivie.
Cela fait de la collaboration une dimension centrale de l’évaluation du produit. Les acheteurs devraient examiner la qualité des passations au même titre que celle des résultats individuels. Le résultat important est de savoir si le travail progresse grâce à une chaîne de décisions compréhensible.
Les autorisations ne résolvent pas toutes les questions de jugement
Un agent peut rester dans le cadre de ses autorisations techniques tout en prenant une décision que son responsable n’avait pas envisagée.
Les contrôles annoncés par Perplexity incluent des environnements isolés, les autorisations existantes, la révision, la redirection et la prise de contrôle du bureau. Chacun traite un aspect réel de la supervision d’un logiciel qui agit. Aucun ne permet, à lui seul, d’établir que le système comprend la limite voulue pour chaque mission.
L’isolation sépare les environnements d’exécution. Les autorisations déterminent les ressources ou outils qu’un agent peut utiliser. Ni l’une ni les autres ne permettent de savoir si une action autorisée est appropriée à un moment donné.
Un agent peut avoir l’autorisation de modifier un document tout en comprenant mal quelle version est approuvée. Il peut être autorisé à publier dans un canal tout en présentant une conclusion provisoire avec trop d’assurance. Il s’agit d’exemples hypothétiques de risque de jugement, et non d’affirmations sur un comportement observé du produit.
Cette distinction compte, car le fonctionnement persistant accroît l’importance de l’interprétation. Un utilisateur ne peut pas supposer que chaque nouvelle situation correspond aux conditions présentes au début d’une mission. Les politiques changent, les projets sont suspendus et une instruction autrefois utile devient obsolète.
Des reportages plus larges sur les risques liés à l’accès des agents soulignent l’importance de limiter délibérément les outils et les données auxquels les entreprises donnent accès. Ce conseil s’applique à la catégorie dans son ensemble. Il ne constitue pas une évaluation de sécurité spécifique au produit pour l’implémentation de Perplexity.
Il existe aussi une différence entre mémoriser un retour et l’appliquer correctement. Une correction peut concerner un seul client, un document ou une exception inhabituelle. L’étendre aux travaux futurs peut aider ou nuire, selon que les conditions d’origine restent applicables.
Pour cette raison, l’apprentissage à partir des retours devrait être considéré comme une capacité à évaluer. Les éléments pertinents incluent la possibilité pour les utilisateurs d’examiner les préférences conservées, d’identifier les hypothèses erronées et de les corriger à nouveau. La seule affirmation de lancement ne peut établir ces résultats.
La révision introduit une contrainte pratique distincte. Montrer l’activité est utile, mais les utilisateurs doivent encore repérer les décisions qui méritent leur attention. Un long historique d’actions d’outils peut laisser au réviseur une autre tâche d’interprétation.
Une supervision efficace mettrait en évidence les choix conséquents, les incertitudes non résolues et les écarts par rapport à la mission initiale. Il s’agit d’un standard d’évaluation, et non d’une affirmation selon laquelle Teammates fournit déjà tous ces éléments. Il donne aux acheteurs une question plus claire que celle de savoir si l’interface semble très active.
L’usage compte aussi pour le travail continu. Les acheteurs devraient vérifier comment leurs missions réelles consomment les ressources disponibles avant de considérer le fonctionnement persistant comme une capacité fiable. Un rôle qui surveille fréquemment peut se comporter différemment d’une demande occasionnelle de document.
Les éléments publics de lancement ne tranchent pas la fiabilité comparative, l’effort de supervision ou la productivité durable des clients. Ces lacunes limitent les conclusions sur la préparation organisationnelle. Elles n’effacent pas le changement de produit, mais rendent prématurées les affirmations générales de remplacement.
Une lecture raisonnable est que Perplexity a introduit une interface de travail plus ambitieuse, avec un modèle explicite de supervision. Sa valeur dépendra de la manière dont ce modèle gère l’ambiguïté ordinaire. Le travail réel contient suffisamment d’exceptions pour que cette distinction reste déterminante.
Ce que la prochaine phase doit démontrer
Les prochains éléments utiles concerneront les missions durables, une supervision exploitable et l’effort nécessaire pour faire circuler le travail entre les plateformes.
Le premier signal sera l’utilisation répétée par des clients sur des responsabilités définies. Un compte rendu crédible devrait décrire la mission initiale, les actions autorisées de l’agent et les corrections apportées par les personnes. Cela donne aux lecteurs suffisamment de contexte pour juger si le résultat est transposable à leur propre travail.
Des rapports faisant état d’une supervision réduite renforceraient l’argument de Perplexity en faveur de la persistance. Des rapports évoquant des briefings répétés, des limites oubliées ou un important travail de reprise l’affaibliraient. Aucun de ces résultats ne devrait être déduit du nombre d’agents créés ou de l’activité visible dans un espace de travail.
La qualité de la mesure compte autant que son orientation. Les tâches achevées peuvent varier considérablement en difficulté et en conséquences. Les comparaisons deviennent plus utiles lorsqu’elles précisent ce qu’une personne faisait auparavant et ce que l’agent prend désormais en charge.
Le deuxième signal est la manière dont la supervision se comporte durant des missions continues. Les acheteurs devraient rechercher des explications plus claires sur les autorisations, les corrections de mémoire et les limites d’approbation. L’évolution importante est de savoir si les personnes peuvent comprendre et modifier le comportement de l’agent sans devoir reconstruire la mission.
Des éléments montrant que les corrections conservent un périmètre approprié soutiendraient l’affirmation de continuité du produit. Des éléments montrant que les utilisateurs doivent annuler à plusieurs reprises d’anciennes hypothèses l’affaibliraient. Un assistant persistant ne tire de valeur de son historique que si cet historique reste gérable.
Ce signal inclut également la qualité de l’intervention. Prendre le contrôle de l’environnement d’un agent peut résoudre un problème immédiat. Un résultat plus durable exige que le système préserve l’intention corrigée lorsque le travail reprend.
Le troisième signal est de savoir si les plateformes concurrentes facilitent le transfert du travail existant. L’avantage contextuel de Perplexity dépend en partie de l’effort nécessaire pour démarrer ailleurs. Un meilleur transfert des instructions, des fichiers et de l’historique du projet réduirait cet avantage.
À l’inverse, une dépendance plus profonde au contexte propre à la plateforme rendrait l’espace de travail initial plus important. Les acheteurs devraient alors examiner la manière dont les missions survivent aux changements de personnel, aux outils déconnectés ou à une décision de changer de service. L’utilité continue et la flexibilité future relèvent de la même évaluation.
Les comparaisons indépendantes devraient donc suivre des flux de travail complets plutôt que des requêtes isolées. La couverture des forces des agents souligne déjà l’importance d’adapter les outils au travail. Pour les systèmes persistants, ce processus d’adéquation doit aussi tenir compte de la supervision et de la qualité des décisions continues.
Pour les lecteurs, l’étape pratique suivante consiste à choisir une responsabilité délimitée et à documenter ce qu’une délégation réussie devrait produire. Consignez les sources concernées, les décisions nécessitant une approbation et les corrections qu’une personne apporte pendant la mission. Comparez l’effort qui en résulte avec le flux de travail précédent avant d’élargir l’accès. Perplexity Teammates mérite l’attention parce qu’il associe un contexte conservé à une responsabilité continue, une combinaison qui influe directement sur le travail quotidien lié à l’information. La question utile est de savoir si ce lien réduit l’effort nécessaire pour maintenir une mission exacte et en mouvement. Suivez les éléments issus d’un usage durable et jugez le produit selon la responsabilité qu’il traite de façon fiable, plutôt que selon le nombre de rôles qui peuvent lui être attribués.
