Que contient Genspark ? Une nouvelle approche de travail basée sur l'ambiance qui abandonne les flux de travail rigides pour des agents autonomes.

Le codage Vibe a fait fureur ces derniers mois en tant que moyen simple pour quiconque de créer des applications avec une IA générative.

Et si cette même approche intuitive et basée sur le langage naturel était étendue à d'autres workflows d'entreprise ? C'est la promesse d'une nouvelle catégorie d'applications d'IA agentique. Aujourd'hui, lors du salon VB Transform 2025 , une de ces applications était présentée : Genspark Super Agent, lancé plus tôt cette année.

La promesse et l'approche du Super Agent Genspark pourraient bien étendre le concept de codage vibratoire au fonctionnement vibratoire. Cependant, un principe clé pour permettre ce fonctionnement vibratoire est de suivre le mouvement et d'exercer moins de contrôle sur les agents IA plutôt que davantage.

« Notre vision est simple : nous voulons offrir l'expérience Cursor aux développeurs dans l'espace de travail de tous », a déclaré Kay Zhu, directeur technique de Genspark , lors de VB Transform. « Tout le monde ici devrait pouvoir travailler avec Vibe… le codage Vibe n'est pas réservé aux ingénieurs logiciels. »

>> Voir toute notre couverture de Transform 2025 ici <<

Selon Zhu, l’un des principes fondamentaux pour permettre une ère de travail harmonieuse est d’abandonner certaines règles rigides qui définissent les flux de travail des entreprises depuis des générations.

Zhu a défié de manière provocatrice l'orthodoxie de l'IA d'entreprise, affirmant que la rigidité des flux de travail limite fondamentalement la capacité des agents IA à accomplir des tâches métier complexes. Lors d'une démonstration en direct, il a montré comment le système recherchait des intervenants, créait des présentations, passait des appels téléphoniques et analysait des données marketing de manière autonome.

Plus particulièrement, le système a passé un véritable appel téléphonique à l'organisateur de l'événement, le fondateur de VentureBeat, Matt Marshall, pendant la présentation en direct.

« D'habitude, c'est le genre d'appel que je n'ai pas vraiment envie de faire seul, en personne. J'ai donc laissé l'agent s'en charger », a expliqué Zhu, tandis que l'auditoire écoutait son agent IA tenter de convaincre le modérateur de décaler sa présentation avant celle d'Andrew Ng . L'appel s'est déroulé en temps réel, l'agent élaborant de manière autonome des arguments convaincants pour Zhu.

La fonctionnalité d'appel a révélé des cas d'utilisation inattendus mettant en évidence à la fois les capacités de la plateforme et le confort des utilisateurs avec l'autonomie de l'IA.

« Nous constatons que de nombreuses personnes utilisent Genspark pour appeler… pour faire différentes choses », a noté Zhu. « Certains utilisateurs japonais l'utilisent pour demander leur démission. On sait qu'ils n'aiment pas l'entreprise, mais ils ne veulent plus la rappeler. Et certains utilisent les agents « Appelez pour moi » pour rompre avec leur petit(e) ami(e). »

Ces applications concrètes démontrent comment les utilisateurs poussent les agents d’IA au-delà des flux de travail commerciaux traditionnels vers un territoire profondément personnel.

Le système accomplit tout cela sans workflows prédéfinis. La philosophie fondamentale de la plateforme, « moins de contrôle, plus d'outils », marque une rupture fondamentale avec les approches traditionnelles de l'IA en entreprise.

« Le flux de travail dans notre définition est constitué d'étapes prédéfinies et ces types d'étapes s'interrompent souvent dans les cas limites, lorsque l'utilisateur pose des questions de plus en plus difficiles, le flux de travail ne peut pas tenir », a déclaré Zhu.

Le moteur agentique de Genspark représente un changement significatif par rapport aux systèmes d'IA traditionnels basés sur les flux de travail.

La plateforme combine neuf grands modèles de langage (LLM) différents dans une configuration mixte d'experts (MoE), équipée de plus de 80 outils et de plus de 10 jeux de données premium. Le système fonctionne selon une boucle d'agent classique : planifier, exécuter, observer et revenir en arrière. Zhu a souligné que la véritable puissance réside dans l'étape de retour en arrière.

Cette capacité de retour en arrière permet à l'agent de se remettre intelligemment des échecs et de trouver des solutions alternatives en cas de situations inattendues, plutôt que de se retrouver dans des situations où le flux de travail est limité. Le système utilise des juges LLM pour évaluer chaque session de l'agent et attribue des récompenses à chaque étape, puis alimente ces données par l'apprentissage par renforcement et des guides d'amélioration continue.

L'approche technique diffère sensiblement des frameworks établis comme LangChain ou CrewAI , qui nécessitent généralement une définition de workflow plus structurée. Si ces plateformes excellent dans l'orchestration de processus prévisibles en plusieurs étapes, l'architecture de Genspark privilégie la résolution autonome des problèmes aux chemins d'exécution déterministes.

La mise à l'échelle rapide de Genspark, du lancement à 36 millions de dollars de revenu annuel effectif global (ARR) en 45 jours, démontre que les plateformes d'agents autonomes passent des phases expérimentales à la viabilité commerciale.

La philosophie de l'entreprise « moins de contrôle, plus d'outils » remet en question les hypothèses fondamentales sur l'architecture de l'IA d'entreprise.

Les implications pour les entreprises leaders dans l'adoption de l'IA sont claires : il faut commencer à concevoir des systèmes capables de gérer des flux de travail prévisibles et de résoudre les problèmes de manière autonome. L'essentiel est de concevoir des plateformes capables de passer harmonieusement de processus déterministes à des comportements agents lorsque la complexité l'exige.

Pour les entreprises qui envisagent d'adopter l'IA ultérieurement, le succès de Genspark indique que le travail en mode « vibration » devient un facteur de différenciation concurrentiel. Les organisations qui restent prisonnières d'une conception rigide des flux de travail pourraient être désavantagées par l'adoption par les entreprises natives de l'IA d'approches plus fluides et adaptatives du travail intellectuel.

La question n’est pas de savoir si les agents d’IA autonomes vont remodeler les flux de travail de l’entreprise, mais de savoir si votre organisation sera prête lorsque 20 % des cas complexes représenteront 80 % de votre charge de travail d’IA.