Nous n’avons pas conçu Remio pour les agents IA. Mais plus nous regardons ce dont les agents ont besoin — des yeux sur un vrai écran, des mains sur un vrai clavier, un tunnel sécurisé entre les deux — plus il semble que le bureau à distance soit l’interface qui manquait depuis le début.
L’ère de l’IA qui utilise l’ordinateur
Quelque chose de fondamental a changé dans le monde de l’IA au cours de l’année écoulée. Les modèles de langage ont cessé d’être de simples générateurs de texte. Ils ont commencé à utiliser des ordinateurs.
Anthropic a lancé Claude Computer Use. Les agents d’OpenAI peuvent naviguer dans les navigateurs. Gemini de Google interagit avec Android. La tendance est sans équivoque : les agents IA ont de plus en plus besoin de voir des écrans, de cliquer sur des boutons et de saisir du texte dans de vraies applications.
Mais voici le problème dont personne ne parle : comment un agent IA accède-t-il concrètement à un ordinateur ?
Là où les agents ont besoin d’écrans
Avant de parler d’infrastructure, regardez le travail lui-même. L’essentiel de ce que l’on demande aux agents n’est pas un simple appel d’API. C’est un écran plein d’états, un formulaire à champs conditionnels, une application qui n’expose pas en HTTP ce dont vous avez besoin. L’agent a besoin d’yeux. Aujourd’hui, dans la plupart des architectures, il tâtonne dans le noir.
01Remplir une déclaration d’impôts
L’agent doit voir la ligne 12 d’un formulaire de plusieurs pages, choisir la bonne liste déroulante pour la situation familiale et vérifier que les totaux se sont mis à jour avant de valider. Le logiciel fiscal sous-jacent n’a pas d’API publique — l’interface graphique est l’interface.
Le bureau à distance montre le formulaire en direct. L’agent lit les champs, les remplit et regarde le total courant se mettre à jour avant de cliquer sur Valider.
02Réserver un voyage complexe
Plusieurs sites, des mises en page différentes, des dates qui dépendent des disponibilités, un numéro de fidélité qui se remplit automatiquement sur un site mais pas sur un autre. Les API couvrent une partie de tout cela — jamais l’ensemble.
Le bureau à distance donne à l’agent le même navigateur que celui d’un humain. Il compare les résultats d’un onglet à l’autre et confirme le prix final à l’écran avant de payer.
03Relire un contrat
Le PDF vit dans une application de bureau avec suivi des modifications, annotations et commentaires. L’agent doit lire les marges, suivre les notes en ligne et proposer des modifications qu’un juriste peut accepter ou refuser.
Le bureau à distance diffuse le document tel que le juriste le voit. L’agent annote et le juriste valide, le tout dans une seule vue.
04Déboguer un éditeur dans le navigateur
Un bug n’apparaît que lorsque le canevas est à un certain niveau de zoom dans Figma, après l’exécution d’un plugin particulier. Aucun outil sans interface ne le reproduit. L’agent doit voir ce que voit l’ingénieur.
Le bureau à distance donne à l’agent l’éditeur en direct. Il reproduit les étapes, capture l’image défectueuse et remonte à l’équipe un cas de reproduction propre.
Les approches actuelles et pourquoi elles sont insuffisantes
Aujourd’hui, les agents IA qui doivent interagir avec des interfaces graphiques ont peu d’options :
- L’automatisation de navigateur — Des outils comme Playwright et Selenium savent piloter des applications web. Mais ils ne peuvent pas utiliser Photoshop, Xcode ni aucune application native. Le web n’est qu’une fraction de ce que l’on fait réellement sur un ordinateur.
- Les machines virtuelles — On lance une VM sans interface et on y dirige l’agent. Ça marche, mais c’est lent, coûteux, et la VM est un bac à sable isolé — pas votre véritable ordinateur avec vos fichiers, vos applications, votre contexte.
- Les SDK locaux — On exécute l’agent directement sur la machine. Cela exige d’installer un logiciel d’agent en local et accorde un accès profond au système avec un isolement minimal.
Chaque approche a la même limite fondamentale : elles ne sont pas conçues pour cela. L’automatisation de navigateur ne fonctionne que dans les navigateurs. Les VM sont des bacs à sable coûteux. Les SDK locaux soulèvent des questions de sécurité.
Et s’il existait une infrastructure déjà conçue pour permettre à une entité de voir et de contrôler un autre ordinateur — de façon sécurisée, en temps réel, sur n’importe quel réseau ?
Le bureau à distance, caché à la vue de tous
Pensez à ce que fait réellement un bureau à distance :
- Il capture des images de l’écran de l’ordinateur hôte
- Il les diffuse en temps réel vers un client distant
- Il accepte des commandes de saisie (clics de souris, clavier, défilement)
- Il injecte ces saisies nativement dans le système de l’hôte
- Il chiffre tout de bout en bout
Pensez maintenant à ce dont un agent IA a besoin pour utiliser un ordinateur :
- Voir ce qui est à l’écran (capture d’écran)
- Décider quoi faire (le travail de l’agent)
- Cliquer, saisir, faire défiler (injection de saisie)
- Voir le résultat (la capture suivante)
- Tout garder sécurisé
C’est la même boucle. Un bureau à distance est, au fond, exactement la couche d’interface dont un agent IA a besoin.
L’agent a besoin d’yeux. Aujourd’hui, dans la plupart des architectures, il tâtonne dans le noir — et le bureau à distance est la couche qui lui permet enfin de voir.
Pourquoi l’architecture de Remio s’y prête si bien
Tous les bureaux à distance ne sont pas également prêts pour cela. La plupart ont été conçus pour des humains qui fixent un écran, pas pour des agents pilotés par API qui envoient des commandes à intervalles de quelques millisecondes. Remio se trouve avoir déjà les bonnes pièces en place.
Injection de saisie native
Remio ne simule pas la saisie par des bidouilles d’accessibilité ou des claviers virtuels. Il utilise la chaîne de saisie du système d’exploitation lui-même pour une injection précise, de niveau natif, de la souris et du clavier. Le système ne peut pas distinguer un humain de Remio. Un agent IA hérite de cette même capacité.
Capture d’écran
L’hôte Remio capture déjà l’écran, jusqu’à 6K à 120 FPS, et peut fournir des images individuelles à la demande. Un agent IA n’a pas besoin de la cadence complète — il lui faut une capture nette par action, livrée vite. C’est trivial quand la chaîne de capture tourne déjà.
Un protocole conçu pour la vitesse
Chaque commande entre le client et l’hôte voyage dans un format binaire sans copie, analysé en moins d’une milliseconde. Quand un agent IA envoie « clic en (500, 300) », cette commande est analysée et exécutée avec une surcharge négligeable. Pas d’analyse JSON, pas de XML.
Connexion directe et chiffrée
Tout est chiffré de bout en bout entre les deux appareils — en pair à pair direct par défaut, avec un relais chiffré seulement quand votre réseau l’exige. Les commandes de l’agent et les données d’écran ne touchent jamais nos serveurs sous une forme lisible ; même le relais ne voit que du texte chiffré. Cela compte énormément quand un agent interagit avec votre véritable ordinateur de travail, vos fichiers, vos applications.
Lancement d’applications
Remio sait déjà lancer des applications sur la machine hôte pour un client connecté. Dès qu’une API destinée aux agents existera, un agent pourrait dire « ouvre Terminal » et Remio le ferait — sans réinventer la mécanique de lancement d’applications, déjà construite.
À quoi cela pourrait ressembler
Imaginez ce scénario :
Vous dites à Claude : « Va sur mon Mac, ouvre le rapport financier dans Excel, mets à jour les chiffres du T4 avec ces données, exporte-le en PDF et envoie-le par e-mail à l’équipe. »
Claude se connecte à votre Mac via l’API de Remio. Il voit votre bureau. Il ouvre Excel. Il navigue jusqu’au bon fichier. Il met à jour les cellules. Il exporte. Il ouvre Mail. Il envoie l’e-mail. Chaque étape est visible, auditable et chiffrée de bout en bout.
Pas de machine virtuelle. Pas de limitation au seul navigateur. Votre véritable ordinateur, vos véritables applications, vos véritables fichiers — contrôlés par l’IA à travers un tunnel sécurisé qui existe déjà.
Le plus difficile est déjà fait
Construire un bureau à distance fiable représente des années de travail. La chaîne de capture d’écran. L’encodage vidéo. L’injection de saisie qui fonctionne malgré les particularités de chaque système. Les connexions directes de pair à pair à travers les routeurs et pare-feu domestiques. Le chiffrement. L’optimisation de la latence.
Tout cela existe déjà dans Remio. Une plateforme destinée aux agents n’aurait pas à être un nouveau produit construit de zéro — ce serait une nouvelle interface vers une infrastructure existante. Au lieu d’un humain qui regarde l’écran, un agent IA traiterait les images. Au lieu d’un humain qui déplace la souris, un appel d’API enverrait des coordonnées.
Il reste à construire la couche d’API elle-même : une interface propre et authentifiée qui permet aux agents IA de se connecter, de demander des captures, d’envoyer des commandes et de recevoir des résultats. Elle n’existe pas encore. C’est un vrai travail d’ingénierie, mais une fraction de la complexité de l’infrastructure sous-jacente.
Un bilan honnête
Nous en sommes aux premières recherches. Il y a de vrais défis :
- Le modèle de sécurité — Comment accorder en toute sécurité à un agent IA l’accès à votre ordinateur ? Quelles permissions reçoit-il ? Comment révoquer l’accès ? Cela demande une conception soignée.
- La cadence des captures — Les modèles d’IA traitent les images plus lentement que les humains ne traitent la vidéo. Le schéma d’interaction est différent : envoyer une capture, attendre la décision de l’agent, exécuter, recommencer. Optimiser cette boucle compte.
- La récupération sur erreur — Quand un agent IA clique sur le mauvais bouton, comment se rattrape-t-il ? C’est davantage un problème d’IA qu’un problème de Remio, mais la plateforme doit le gérer proprement.
Nous ne prétendons pas que ces questions soient résolues. Mais les fondations de l’infrastructure — la partie difficile — sont déjà là.
La plateforme accidentelle
Nous n’avons pas conçu Remio pour les agents IA. Mais en regardant ce que nous avons construit — injection de saisie native, capture d’écran en temps réel, connexion directe chiffrée de bout en bout, protocole binaire réglé pour la vitesse — il est difficile d’imaginer une meilleure base pour l’utilisation de l’ordinateur par l’IA.
Parfois, les meilleurs produits naissent d’intersections inattendues. La technologie du bureau à distance et les agents IA ne vont pas évidemment ensemble. Mais plus on regarde ce dont chaque camp a besoin, plus leur combinaison paraît inévitable.
Les agents IA ont besoin d’écrans. Remio fournit des écrans — de façon sécurisée, native, en temps réel, sur n’importe quel réseau. La pièce manquante a toujours été là. Nous ne savions simplement pas à quoi elle manquait.
Nous explorons activement ce terrain. Si vous construisez des agents IA qui doivent interagir avec de vrais ordinateurs, nous serions ravis d’avoir de vos nouvelles. L’avenir pourrait arriver plus vite que quiconque ne l’imagine.
