2026, Odyssée de l’OS

Les premiers signes avant-coureurs sont déjà là. Sur Mac, le lanceur d’applications Raycast permet de « prompter » une application : l’utilisateur exprime une intention en langage naturel, qui est traduite en scripts AppleScript ou en appels d’URL profonds (au-delà de la page d’accueil) pour piloter des applications comme Spotify ou Jira, une suite d’outils de gestion de projet, sans ouvrir leurs interfaces graphiques.

Sur mobile, le modèle Gemini Nano a été intégré au service système Android AICore. Contrairement à une application classique, AICore fonctionne comme un service d’arrière-plan qui gère le cycle de vie des modèles et l’accès au processeur spécialisé pour l’IA (NPU). Cela permet à l’OS de fournir des services cognitifs (résumé, réponse intelligente) à l’ensemble de l’écosystème applicatif, transformant Android en une plateforme de distribution d’intelligence locale. 

Une hybridation transparente avec le cloud

Dans l’architecture d’Android – et celle promise pour Apple Intelligence –, les OS géreront dynamiquement l’inférence. Les tâches simples et privées (résumé de mail, tri de fichiers) seront traitées par les puces NPU locales (Neural Processing Unit), tandis que les requêtes complexes basculeront instantanément vers le cloud privé ou public, de manière transparente pour l’utilisateur.

Selon les projections de Canalys, les ordinateurs de la catégorie Copilot+ PC représenteront 52 % des ventes l’an prochain, et les deux tiers en 2027. Cela créera la base installée nécessaire pour que les développeurs d’OS intègrent des fonctionnalités cognitives au cœur même du noyau (Kernel). Le seuil de performance du matériel correspond à la puissance requise pour exécuter des modèles de langage locaux (SLM) en continu, sans saturer le processeur central ni drainer la batterie. 

Trajectoires 2026

Plusieurs mises à jour majeures des systèmes d’exploitation sont prévues l’année prochaine. Outre la maturité attendue d’Apple Intelligence, Microsoft prépare une modularisation de Windows, souvent désignée sous le nom de code CorePC, visant à séparer le cœur de l’OS des couches applicatives, pour sécuriser l’exécution des agents. La prochaine itération majeure, potentiellement Windows 12 attendue pour l’automne 2026 ou 2027, devrait intégrer nativement une recherche sémantique profonde remplaçant l’indexation classique. Pour l’écosystème Linux, la sortie d’Ubuntu 26.04 LTS en avril 2026 marquera l’arrivée de stacks IA pré-configurées pour l’inférence locale sécurisée, essentielle pour les environnements souverains.

Plus généralement, grâce aux LLM,  l’OS peut devenir capable de « Computer Use » natif : il ne demande plus à une API d’effectuer une action, il manipule l’interface si nécessaire, ou utilise des connecteurs profonds pour réaliser des workflows multi-applications. Par exemple, au lieu d’ouvrir Uber pour commander une course, l’OS génère une petite fenêtre (un « widget » JSON/React) juste pour valider le prix et la destination.

Cela implique d’intégrer un « bus sémantique », capable de traduire les données de n’importe quelle application dans un format compréhensible par l’agent système. Le protocole MCP (Model Context Protocol) d’Anthropic semble destiné à en devenir le standard technique, permettant une connexion standardisée entre les LLM et les données locales.

Intelligence Ambiante

L’évolution de l’interface utilisateur elle-même (Generative UI) constitue l’ultime étape de cette transformation. Les travaux d’Arnaud Nouard, chez Google, sur le polymorphisme d’interface suggèrent la fin des interfaces statiques au profit de micro-interfaces générées à la volée. En attendant cette adaptabilité comportementale (l’interface s’adapte à l’utilisateur),  le framework Adaptive Cards de Microsoft permet une interopérabilité structurelle (où le contenu s’adapte au conteneur).

Déjà, le système d’exploitation CosmOS, créé pour l’AI Pin de Humane, se voulait intelligence ambiante fluide plutôt qu’un gestionnaire de fichiers. La start-up avait repensé ex nihilo les fonctions d’un OS. Dans ce paradigme qui se dessine, le système d’exploitation ne lance plus une application complète pour une micro-tâche, mais génère un composant interactif ad hoc (JSON ou code React rendu nativement), répondant strictement au besoin immédiat de l’utilisateur. Cette fluidité, couplée à la puissance des agents autonomes, promet de réduire la friction cognitive et de rendre l’interaction plus naturelle et fluide.

La redéfinition sémantique du système de fichiers

L’évolution la plus profonde concerne la gestion des données. L’organisation hiérarchique traditionnelle en dossiers et fichiers, héritée des métaphores bureautiques physiques, devient obsolète face aux capacités d’indexation vectorielle. L’OS cognitif opère une transition vers un système de fichiers sémantique où l’unité de base n’est plus l’emplacement (path) mais le vecteur (embedding). Cette technologie transforme textes, images et logs d’activité en représentations numériques mathématiques, permettant au système de comprendre la proximité conceptuelle entre deux fichiers distincts. Microsoft, avec son architecture Recall, et Apple, via son index sémantique Core Spotlight, implémentent cette logique : le système capture et vectorise l’état de l’écran ou le contenu des applications pour constituer un graphe de connaissances personnel.

Cette indexation soulève des défis critiques de confidentialité. La centralisation de l’historique utilisateur dans un index consultable par IA constitue un point de vulnérabilité majeur. Les réponses architecturales diffèrent : Microsoft isole le traitement dans une enclave de sécurité basée sur la virtualisation (VBS Enclave), théoriquement inaccessible même aux administrateurs système, tandis qu’Apple étend ce modèle au cloud avec le Private Cloud Compute (PCC), garantissant un traitement sans état (stateless) où les données sont effacées immédiatement après inférence. 

Du côté de l’open-source, des initiatives comme le LLM-based Semantic File System (LSFS) poussent la logique jusqu’à permettre des requêtes en langage naturel de type « semantic_search » directement au niveau du système de fichiers. L’arborescence n’est plus le point d’entrée cognitif : elle existe toujours techniquement, mais elle est masquée derrière une couche de requêtes sémantiques.  Le système se comporte comme une base de connaissances indexée par sens plutôt que comme un ensemble de répertoires imbriqués, ce qui est particulièrement adapté à des agents et à des utilisateurs qui interagissent en langage naturel.

Standardisation du contexte

L’adoption généralisée du protocole MCP par les éditeurs de logiciels permettra aux systèmes d’exploitation de « voir » et  « comprendre » les données contenues dans les applications sans avoir à les ouvrir visuellement. Pour que l’OS dépasse le stade de l’indexation passive et devienne capable d’agir, il doit en effet résoudre le problème de la fragmentation des API. Le modèle actuel, nécessitant une intégration spécifique pour chaque couple application-modèle, n’est pas viable à l’échelle. Le Model Context Protocol (MCP), proposé par Anthropic et adopté par des acteurs comme Block et Replit, émerge comme le standard universel : l’USB-C de l’IA. Ce protocole standardise la manière dont les modèles d’IA découvrent et interagissent avec les données locales et les outils distants.

L’intégration native du MCP dans Windows, via le Windows On-device Agent Registry, illustre cette mutation. Elle permet aux agents locaux de découvrir dynamiquement les capacités des applications installées. Une application tierce, comme GitHub ou Slack, peut enregistrer un serveur MCP exposant ses ressources (logs, messages) et ses outils (créer un ticket, envoyer un message). L’agent système, qu’il s’agisse de Copilot ou d’un autre assistant, peut alors orchestrer ces outils sans que Microsoft ait à développer une intégration spécifique. 

La fin risquée du sandboxing

Cette architecture modulaire est la condition sine qua non pour l’émergence d’agents autonomes capables de réaliser des tâches multi-étapes complexes à travers des silos logiciels hétérogènes. Le modèle de sécurité actuel, qui isole strictement les applications les unes des autres, devra évoluer vers un modèle de « confiance gérée », où l’agent IA dispose d’un passe-partout supervisé. Cela imposera de nouveaux standards de sécurité pour prévenir les injections de prompts malveillants capables de détourner le système entier.