Microsoft apprend à Copilot Researcher à recouper les réponses de GPT et de Claude dans un même processus

Microsoft a commencé à déployer dans Copilot Researcher le mode Critique, dans lequel deux modèles, GPT d'OpenAI et Claude d'Anthropic, travaillent sur une même réponse de recherche. Dans le même temps, l'entreprise a lancé le déploiement d'un nouvel agent d'IA, Copilot Cowork, signe que Copilot passe de plus en plus d'un assistant isolé à un ensemble d'assistants coordonnés.

Comment fonctionne Critique

Le principe de Critique est simple : un modèle prépare d'abord un brouillon de réponse à la requête de l'utilisateur, puis un second en vérifie l'exactitude. Dans un premier temps, GPT répond et Claude joue le rôle de relecteur interne.

Pour un assistant de recherche, c'est plus important qu'il n'y paraît. En recherche, en synthèse et en analyse, le problème n'est généralement pas d'écrire vite, mais de repérer les points faibles, les formulations imprécises et les conclusions discutables avant qu'un humain ne voie le résultat.

Microsoft évoque déjà l'étape suivante : rendre le processus bidirectionnel pour que les modèles puissent échanger leurs rôles. Autrement dit, Claude ne critiquerait pas seulement la réponse de GPT ; GPT pourrait aussi vérifier les brouillons de Claude. En pratique, l'entreprise construit une mini-rédaction au sein d'un même flux de travail, où génération et vérification sont séparées.

C'est un changement notable pour l'IA d'entreprise : le pari ne repose pas seulement sur la puissance d'un modèle isolé, mais sur la façon dont les modèles se contredisent, se vérifient et renforcent la fiabilité de la réponse finale.

Pourquoi Microsoft fait ce choix

Pour Microsoft, c'est aussi un moyen de transformer la présence de modèles de fournisseurs différents en avantage concret, et pas seulement en longue liste de compatibilités. Jusqu'ici, le multimodèle sonnait souvent comme un avantage de façade : le client choisit entre plusieurs moteurs, mais chaque tâche reste exécutée par un seul. Ici, la logique diffère : les modèles travaillent en tandem et compensent mutuellement leurs faiblesses au sein d'un même scénario.

Cette approche convient particulièrement à Microsoft 365, où l'on attend de Copilot non pas une expérimentation, mais un résultat prévisible dans de vrais documents, tableurs et recherches. Concrètement, elle offre plusieurs avantages tangibles.

«

Les clients doivent obtenir non pas un ensemble de modèles, mais le bénéfice de leur travail conjoint », c'est ainsi que Microsoft décrit l'idée du nouveau mode.

• des réponses plus précises aux requêtes de recherche grâce à une étape de vérification distincte
• moins de dépendance aux forces et faiblesses d'un modèle donné
• un flux de travail plus lisible, où génération et critique sont séparées par rôle
• une base pour de futurs scénarios où plusieurs modèles débattent entre eux avant de livrer un résultat

Pour l'instant, Microsoft ne promet pas une disparition magique des erreurs, et c'est la bonne posture. La vérification d'un modèle par un autre ne garantit pas automatiquement la vérité : les deux systèmes peuvent se tromper, accepter une prémisse fausse ou laisser passer des points problématiques. Mais même ce schéma vaut mieux qu'une réponse isolée sans contrôle interne, surtout dans des produits dont le résultat alimente ensuite la correspondance professionnelle, les présentations ou les notes d'analyse dans les flux de travail des entreprises.

Cowork arrive en parallèle

En même temps, Microsoft a commencé à déployer Copilot Cowork, un autre agent d'IA de l'écosystème Copilot. La note d'origine donne peu de détails sur ses fonctions, mais le calendrier compte : l'entreprise montre non pas une fonctionnalité isolée, mais une évolution plus large vers un ensemble d'agents et de modes de travail spécialisés.

Researcher couvre les scénarios de recherche, Cowork élargit la gamme, et l'association de plusieurs modèles dans un même processus laisse entrevoir la direction que prendra Copilot.

Si l'assistant d'entreprise était surtout perçu comme un chatbot unique, son architecture devient désormais modulaire. Un agent peut rassembler la matière, un autre la vérifier, un troisième aider au travail collaboratif de l'équipe. Pour Microsoft, c'est une manière pratique de faire grandir Copilot sans promettre un super-agent universel, aussi bon partout. L'entreprise bâtit plutôt un système plus pragmatique : des rôles distincts, des processus distincts et davantage de contrôle sur la qualité du résultat à chaque étape.

Ce que cela signifie

Microsoft oriente Copilot vers un système d'IA à étapes multiples, où la qualité de la réponse progresse non seulement grâce à un modèle plus puissant, mais aussi grâce à la vérification interne. Pour le marché, c'est un signal important : la prochaine concurrence dans l'IA d'entreprise se jouera non seulement entre GPT, Claude et d'autres modèles, mais entre des flux de travail entiers où ces modèles interagissent.