Un assistant qui regarde votre écran et prend la parole. Pas de capture, pas d'interface forcée en mots : il lit, puis il montre où va le clic suivant.

Confier le contenu d'un écran à une machine demandait jusqu'ici une étape incontournable : capturer l'image, puis trouver comment la transcrire. Le chemin de fichier dans un message d'erreur, la tendance dans un graphique, le seul bouton d'une capture qu'il faut presser : c'est précisément ce que le texte transmet le plus mal. Chaque reformulation perd une couche, et une réponse à côté oblige à reprendre du début.

La vision vise à supprimer cette étape. La présentation officielle parle d'une seconde paire d'yeux : avec votre autorisation, elle regarde en direct l'écran que vous partagez, analyse ce que vous voyez, suggère et répond. Elle n'agit pas à votre place, mais elle reste là jusqu'à ce que la chose soit faite.

Partagez une fenêtre et il comprend

L'usage est plus simple qu'on ne croit. Ouvrez une session vocale, cliquez l'icône de lunettes à côté du champ de saisie, puis choisissez ce qui est partagé : le bureau entier ou une fenêtre d'application précise. Pendant le partage, un contour apparaît autour de la zone concernée, rappel de l'endroit regardé. Il salue de la voix, puis vous demandez simplement. Pour le faire taire un instant, une pression sur l'icône du microphone arrête l'écoute.

Deux détails valent d'être retenus. Deux applications ou fenêtres au maximum peuvent être partagées en même temps, ce qui permet de les regarder ensemble : votre agenda d'un côté, une liste de séances de l'autre, avec pour consigne de trouver le créneau commun. Et chaque session visuelle est autonome : il ne repasse pas par ce qu'il a vu auparavant, et une session interrompue ne se reprend pas.

Là où ça bloque, il montre

La forme utile n'est pas de résumer mais de faire traverser. Le nom officiel est repère visuel : demandez comment faire, et il surligne l'endroit à presser et les étapes à suivre, dans l'application elle-même, au lieu de remettre une page de notice. La couverture est large : un bouton introuvable dans un logiciel de montage, une formule obscure dans un tableur, un passage de jeu qui ne veut pas tomber.

La limite est énoncée aussi nettement : il ne clique pas, ne saisit pas, ne fait pas défiler à votre place, il répond et il guide. Un contenu sous protection ou un sujet inadapté ne peut pas être analysé, et sur le web une page non prise en charge grise l'icône de lunettes, sans réponse sur son contenu.

Dans le navigateur, il suit vos changements de page

Dans Edge, le panneau latéral se comporte autrement. Vision activée, il vous suit d'une page à l'autre jusqu'à ce que vous mettiez fin à la session. Pages, images, vidéos et PDF sont tous concernés, si bien qu'après avoir demandé l'essentiel d'un long article, vous enchaînez sur ce que l'auteur dit de l'autonomie sans redécrire la page. Encore faut-il poser la question : trois formules d'abonnement côte à côte, demandez laquelle contient telle fonction, et la réponse vient de ce qui est réellement visible.

Deux façons de l'appeler sans chercher une icône

Il se tient au niveau du système. Sous Windows, la combinaison Win+C ou la touche Copilot du clavier fait monter le champ de saisie. Activez le mot d'éveil dans les réglages et, la machine déverrouillée et l'application lancée, une phrase suffit à ouvrir la conversation sans toucher la souris. La voix sert plus que le clavier au quotidien — l'observation officielle donne deux fois plus d'échanges en mode vocal qu'en saisie —, et le mot d'éveil ne reconnaît pour l'instant que l'anglais, la conversation pouvant ensuite continuer dans toute langue prise en charge. La voix couvre plus de quarante langues, sur le web, sous Windows, dans Edge, sur iOS et Android.

Il a aussi repris la recherche de fichiers

Sur le bureau, l'autre moitié tient aux contenus locaux. Nul besoin de retenir des noms : décrivez le document et demandez qu'on sorte ce genre de pièce, le contenu est lu avant que la réponse n'arrive. Traitement de texte, tableurs, présentations, PDF, texte brut et JSON entrent tous dans le champ. Cette voie a son propre interrupteur, dans les réglages du compte, de la recherche et de la lecture de fichiers, de sorte qu'un dossier délicat peut attendre qu'il soit coupé.

La nouvelle application de bureau : nouveau moteur, nouveau nom

L'application elle-même bouge. À partir de la mi-août 2026, l'assistant personnel et la version d'abonnement orientée travail ont fusionné en une seule application nommée Microsoft Copilot, avec une nouvelle icône et une nouvelle adresse web. Le client de bureau passe à Chromium, les comptes personnels et professionnels se basculent dans une même application, distingués par la couleur de fond et un onglet travail dans la navigation, et les données des deux côtés ne se mélangent pas. Les contrôles de conformité et de sécurité des entreprises restent inchangés, l'identifiant d'application aussi, et les politiques existantes continuent de s'appliquer.

Sur le calendrier : dès le 18 août, les organisations pouvaient placer des appareils Windows et Mac choisis en test anticipé ; le déploiement mondial pour Windows et Mac a commencé à la mi-septembre, tandis que le mobile et le web étaient servis dès la mi-août. Dans le même mouvement, trois fonctions grand public — le chat de groupe, le podcast et la recherche approfondie — ont pris fin le 18 août ; ce qui devait être conservé devait être exporté avant.

Il ne regarde que la fenêtre que vous lui donnez

Regarder un écran est par nature délicat, d'où l'intérêt d'expliciter la conception. La vision est désactivée par défaut et n'est active que pendant une session que vous lancez ; rien ne surveille en arrière-plan, et l'arrêt y met fin à tout moment.

Les conditions de données : celles d'une session visuelle ne servent pas à entraîner des modèles, les images et l'audio ne sont ni transcrits ni conservés, et les données de session sont gardées au plus quarante-sept heures pour traiter les retours que vous envoyez, puis supprimées si vous n'en envoyez aucun. Ce qui est enregistré, c'est la réponse du modèle, pour repérer les interactions dangereuses ; le texte de la conversation entre dans votre historique, n'est pas utilisé pour l'entraînement ni la personnalisation, et peut être supprimé.

La formule gratuite marche, et la suffisance dépend du travail

La formule gratuite s'utilise tout de suite : connexion avec un compte Microsoft sur le web, sous Windows et dans Edge, puis questions, recherches, rédaction, images. La différence tient au quota et à la profondeur — limites plus hautes, priorité aux heures chargées et IA dans les applications bureautiques sont les options. L'abonnement personnel coûte vingt dollars par mois au tarif publié, et l'appeler depuis un traitement de texte, un tableur, une présentation ou un client de messagerie demande en plus un abonnement bureautique en dessous. La documentation place aussi le quota complet de la vision sous les formules personnelle, familiale et supérieure de cet abonnement.

Une chose à vérifier d'abord : le service ouvre marché par marché. La vision sous Windows couvre plus de cent soixante-dix marchés, et la Chine continentale n'en fait pas encore partie.

Il ne finira pas le travail à votre place, mais il retire le seuil consistant à expliquer sur quoi vous butez. L'écran est déjà là ; le faire regarder coûte moins que le raconter.