Cette dernière famille du panorama répond à une question différente des deux précédentes : pas « que sais-je ? », pas « aide-moi à penser », mais :
Que faut-il faire ensuite ?
Le nom « atelier » n’est pas un hasard de vocabulaire. Les deux familles précédentes rangent ou mobilisent de la connaissance ; celle-ci prévoit, en plus, de vrais espaces de travail dans l’arborescence même du système, des dossiers de projets, de tâches, d’artefacts en cours, où l’IA produit directement plutôt que de seulement synthétiser ou dialoguer à côté. C’est aussi, et c’est ce qui saute aux yeux en premier, la seule des 3 familles où une partie du travail avance réellement sans que personne ne soit devant l’écran : des routines programmées, des tâches de fond, des connecteurs vers des applications extérieures au coffre. C’est la promesse la plus proche de ce que le mot « agentic OS » évoque dans l’imaginaire collectif, pour le meilleur et, on le verra, pour le pire.
Garry Tan (GitHub : GBrain) est le système le plus outillé de tout le corpus étudié ici. Sa recherche combine 3 techniques à la fois : une recherche par mots-clés classique, une recherche par sens grâce à des vecteurs et un graphe de connaissances typé qui relie les entités entre elles. Chaque page vit dans 2 zones distinctes, héritées directement du modèle de Karpathy : une synthèse réécrite à mesure que la preuve évolue et un journal qui, lui, ne s’efface jamais. Ce qui le fait basculer côté atelier plutôt que bibliothèque : un cycle de consolidation tourne chaque nuit, un sous-système baptisé Minions gère une file de tâches durables qui survivent même à un redémarrage, et le système agit directement sur des applications extérieures au coffre, calendrier, e-mail, réseaux sociaux, contacts, via des intégrations que l’auteur documente avec numéro de version à l’appui.
Il est aussi le seul système étudié à documenter un contrat opérationnel précis pour cette autonomie. Deux tâches ne peuvent jamais tourner en même temps sur le même objet. Un résultat qui échoue peut être rejoué à l’identique. Et surtout, une tâche n’est considérée terminée que lorsque son résultat a effectivement été vu par l’utilisateur, pas simplement produit quelque part. Les chiffres personnels de l’auteur, plus de 155 000 pages, des dizaines de milliers de personnes et d’entreprises répertoriées, restent à prendre avec une prudence particulière : documentés, mais impossibles à vérifier indépendamment depuis ce corpus.
Jay Enrique (Skool : The RoboNuggets Community) prend un chemin radicalement différent : deux guides au format PDF et des prompts pour présenter le système. Une communauté d’accès payant (97 $/mois) propose, détaille et gère le suivi du système : à l’utilisateur de le faire construire par son propre agent, en suivant une méthode en 4 couches, compétences, mémoire, routines, applications, chacune déclinée en 3 niveaux de maturité croissante. Concrètement, l’agent commence par un fichier de routage central qui liste les zones de travail de l’utilisateur et pointe chacune vers son propre dossier et son propre index, avant d’y ajouter des procédures pour les tâches répétées, des tâches programmées, puis des connecteurs vers des outils externes (e-mail, calendrier, plateforme communautaire). La mémoire n’y est jamais une fin en soi : le corpus la présente explicitement comme un moyen au service des trois autres couches, tournées vers le travail.
Au niveau le plus avancé, ces tâches programmées tournent réellement sans intervention humaine, y compris ordinateur éteint, mais rien dans le corpus disponible ne permet de les voir tourner.
Eliott Meunier (Site : Second Cerveau IA) est, à mon sens, le cas le plus instructif des 3 sur la méthode de cette analyse. Le système s’installe à partir d’un gabarit accessible avec l’achat d’un BootCamp (entre 990 et 1 990 € HT). Il propose une méthode en 5 zones fixes, Inbox, Projets, Casquettes, Ressources, Archive, où un projet, contrairement à une casquette permanente (santé, rôle professionnel), a une fin. Mais c’est surtout son propre système qu’il montre en direct lors de webinaires, qui démontre ce que « atelier » veut dire ici : son dossier racine porte lui-même le nom « WorkSpace » et une zone supplémentaire, Garden, y sert d’incubateur, un (pré)projet ou une idée peut y recevoir des notes et des réflexions pendant des semaines avant de devenir, ou non, un Projet formel. Ce n’est donc pas seulement une zone qui produit à côté de zones qui rangent : c’est le récipient tout entier qui est nommé et organisé pour transformer une idée en projet fini, ce qui range le système dans l’atelier avant même toute question d’automatisation. L’agent y exécute des procédures explicites sur commande, jamais seul : coconstruire par itérations le vault de départ, importer des sources par lots validés un par un, clôturer chaque session par un journal daté, etc.
Une procédure existe aussi pour créer de vraies automatisations programmées connectées à des services externes, mais elle suppose un outil tiers non observé en fonctionnement. La formation du BootCamp associée à ce système documente, dès le premier webinaire de mars 2026, un serveur personnel dédié aux automatisations. La page de témoignages compte également 125 vidéos de mise en œuvre, en bonne partie professionnelles, dont plusieurs avec serveur et outillage avancé.
Interrogé en direct début septembre sur son propre système, l’auteur confirme que celui-ci fait bel et bien tourner de vraies automatisations, dont un import de sources qui tourne sans intervention.
Un centre de gravité se juge sur ce vers quoi un système est construit, pas seulement sur l’instantané qu’on a sous les yeux au moment où on l’observe. Le cœur de ce gabarit reste malgré tout une tenue à jour de notes de connaissance, une fonction secondaire réelle de bibliothèque, au sens développé dans l’article 4, qui coexiste avec l’orientation vers le travail sans la contredire.
Les 3 systèmes ne se ressemblent presque en rien dans leur maturité ou leur mécanique interne, mais ils partagent la même promesse : un objet qui dépasse la simple page de connaissance (des tâches, des projets, des travaux programmés), un déclencheur qui n’est plus seulement humain, et un rayon d’action qui déborde le coffre vers de vraies applications ou de vrais dossiers de travail, au-delà de la seule tenue de notes.
Garry Tan tient cette promesse et la rend vérifiable : une implémentation qu’on peut inspecter, un contrat d’autonomie écrit noir sur blanc.
Jay Enrique (RoboNuggets) fait la même promesse, mais seulement en théorie : sa méthode en 4 couches décrit des tâches qui tournent sans intervention, sans qu’aucune implémentation ici ne permette de les voir fonctionner.
Eliott Meunier promet une automatisation métier bien réelle : confirmée en direct par l’auteur pour son propre système et recoupée par les 125 témoignages vidéo de praticiens qui l’ont mise en œuvre eux-mêmes. Un faisceau de preuves plus large qu’une simple déclaration, mais qui reste fait de récits, jamais d’une inspection directe du code ou de l’infrastructure.
Ce ne sont donc pas trois degrés d’une même échelle de qualité, ce sont trois rapports différents entre ce qu’un système annonce et ce qu’on peut en vérifier soi-même, et confondre les deux serait exactement l’erreur contre laquelle l’article 3 mettait en garde.
J’y vois le point le plus sérieux de toute cette analyse : quand la mémoire d’une IAP devient plastique, capable d’être réécrite, et que son pouvoir d’action grandit en même temps, connecté à de vraies applications extérieures, la question de savoir qui vérifie, qui valide et qui peut annuler devient déterminante. C’est précisément le sujet de l’article 8.
L’article 7, juste avant, revient d’abord sur des questions plus pratiques…
Série de 9 articles pour Comprendre les Infrastructures Agentiques Personnelles :
- Le texte qui a tout déclenché
- Trois familles, pas un classement
- Trois questions avant de croire un vocabulaire
- La bibliothèque qui s’écrit elle-même
- Le partenaire qui vous connaît déjà
- L’atelier qui produit en circuit court
- Le meilleur système n’existe pas
- La mémoire qui se trompe en se corrigeant
- Le terrain sous les 9 systèmes