Claude | Utilisation de l'ordinateur pour orchestrer des tâches

2 minutesIntermédiaireConcepteurAnthropicAutomatisations
Lire la vidéo

Anthropic. Cette démonstration de deux minutes d’Anthropic montre Claude planifier une petite tâche dans plusieurs applications — effectuer une recherche sur le web, consulter Maps et créer une invitation dans le calendrier — en contrôlant directement l’ordinateur. Elle offre un contraste utile avec le modèle limité au navigateur distant dans la démonstration d’Operator ci-dessous et illustre concrètement l’idée de l’article : les agents capables de contrôler un ordinateur conviennent mieux aux tâches courtes et bien délimitées qu’aux travaux ouverts.

Note d’AI Expert

Il s’agit d’une courte démonstration de capacité, pas d’une recette de déploiement. Ne la transposez pas en production sans environnement isolé, comptes séparés, journalisation et approbation explicite de l’utilisateur pour les actions qui modifient l’état.

Ce que vous en retirerez

Comparer le comportement d’un agent qui contrôle directement l’ordinateur à celui d’un agent limité au navigateur.

À voir ou à connaître au préalable

Lire d'abord la section de sécurité de l'article complémentaire ; la démonstration Operator ci-dessous ajoute le point de vue côté navigateur.

Dernière révision : 18 mai 2026

À regarder ensuite

Continuez dans le même parcours d’apprentissage avec les prochaines vidéos d’accompagnement sélectionnées.

Pour aller plus loin

Des cours externes sélectionnés pour approfondir ce sujet.

Anthropic Academy

Introduction au protocole de contexte des modèles

Anthropic Academy

Le protocole de contexte des modèles (MCP) remplace progressivement les intégrations ponctuelles d'outils dans tout l'écosystème de l'IA. Apprenez-le directement à la source. À la fin, vous aurez construit et déployé votre propre serveur MCP, connecté un client LLM et compris pourquoi cette norme est ce qui se rapproche le plus de l'USB-C dans ce domaine.

IntermédiaireÀ votre rythme (court)Vérifié il y a 8 jours
DeepLearning.AI

Practical Multi AI Agents and Advanced Use Cases with crewAI

João Moura (Founder, CrewAI)

Doubles as our sales and customer-support vertical pick and a genuinely practical agent-building course: you build an agentic sales pipeline (lead scoring, personalized outreach) and a customer-support data-insights pipeline as two of the five hands-on projects, taught by CrewAI's own founder. Requires basic Python, so it sits with our other builder-track courses rather than the no-code picks.

Intermédiaire~2h 49m · self-paced (15 lessons)Vérifié il y a 8 jours
Hugging Face

Cours sur les agents d'IA

Hugging Face

La présentation la plus claire et la plus ouverte des systèmes agentiques. Elle s'appuie sur les trois frameworks que les ingénieurs évaluent réellement — smolagents, LlamaIndex et LangGraph — plutôt que sur la pile d'un seul fournisseur. Le cours se conclut par une évaluation comparative et un classement public, offrant un résultat vérifiable par votre équipe.

Intermédiaire~25 heuresVérifié il y a 8 jours

Voir tous les cours pour Automatisations