DouBao Mobile a augmenté sa capacité de production de 30 000 à plusieurs centaines de milliers d'unités, mais a supprimé les fonctionnalités GUI de la génération précédente, ne lisant plus l'écran ni ne simulant les clics sur des applications majeures comme WeChat ; il utilise désormais le protocole MCP pour attendre que les applications ouvrent activement leurs autorisations. Contrairement à ses collaborations avec DouBao et Nubia, Jieyue Xingchen adopte un modèle full-stack pour lancer STEPX Neo et son système d'exploitation, tandis que Honor reste fidèle à son système mobile et intègre des partenaires comme Alibaba. Ces trois approches convergent vers une question centrale : la commercialisation des téléphones Agent nécessite que les super-apps ouvrent des interfaces, et non qu'elles franchissent elles-mêmes les limites des applications. Avec l'émergence de protocoles tels que MCP, App Intents et AHA, l'industrie passe d'une stratégie de « contourner les apps » à une approche de « attendre que les apps ouvrent la porte » ; les super-apps deviendront davantage des systèmes de services sous-jacents aux agents, tandis que les interfaces graphiques continueront de gérer les scénarios de longue traîne.

Auteur et source de l'article : New立场 Pro

Plus on s'approche de la commercialisation, plus les capacités deviennent conservatrices.

Selon des rapports, la nouvelle génération de smartphones DouBao a augmenté ses stocks de 30 000 à plusieurs centaines de milliers d'unités, mais les fonctionnalités GUI les plus remarquées de la génération précédente ont été retirées. Le nouveau produit ne lira plus l'écran ni ne simulerá de clics sur des applications majeures telles que WeChat, Taobao et Alipay ; DouBao ne pourra s'y connecter que si ces applications proposent activement un service MCP et ouvrent les autorisations de données et d'opérations correspondantes.

Avant et après l'ajustement de la trajectoire de Doubao, les téléphones Agent se sont concentrés vers l'avant de la scène.

Le 13 juillet, Jiepao Xingchen a lancé STEPX Neo, le système d'exploitation d'agents Step AOS et l'agent personnel Amoo ; le 15 juillet, l'Administration nationale de l'information a publié les enregistrements de sept services d'intelligence artificielle générative sur appareil mobile ; le 18 juillet, Honor a présenté le Robot Phone lors du WAIC et a poursuivi le développement de MagicOS vers un Agentic OS.

Trois entreprises ont choisi trois chemins différents. DouBao a collaboré avec Nubia pour intégrer les capacités du modèle dans des marques de téléphones existantes ; Jiepao développe son propre modèle, système d'exploitation et matériel ; Honor, quant à lui, se concentre sur son système téléphonique et intègre des modèles et des partenaires de services externes comme Alibaba.

Trois produits à des stades différents poussent simultanément l'industrie face à la même question. Les entreprises de grands modèles comprennent les utilisateurs, les fabricants de téléphones maîtrisent les appareils, mais les services sociaux, de paiement, de commerce et de vie locale que les gens utilisent quotidiennement appartiennent à d'autres entreprises. La première étape vers la commercialisation des téléphones Agent n'est pas d'obtenir davantage de permissions, mais d'admettre que certaines permissions ne leur ont jamais appartenu.

En général, la maturité d'une technologie signifie que ses fonctionnalités deviennent de plus en plus complètes, mais l'Agent phone traverse un processus inverse.

Tout le monde d'abord se précipite sur le téléphone

Dans les années suivant l'apparition des grands modèles, l'IA a été intégrée dans des lunettes, des écouteurs, des pendentifs, des cartes d'enregistrement et d'autres nouveaux appareils. Ils occupent certains segments de marché, mais peinent à réunir simultanément ce que les téléphones portables possèdent déjà : une base d'utilisateurs stable et à grande échelle, des capteurs en ligne permanents, des contextes personnels tels que des albums photos, des agendas, des contacts et des localisations, des capacités de paiement et de communication, ainsi que des canaux et une chaîne d'approvisionnement permettant de livrer les produits aux utilisateurs ordinaires.

Les entreprises de grands modèles choisissent d'abord les téléphones, car actuellement, seul le téléphone permet de relier les utilisateurs, les autorisations, les paiements et les services sur un même appareil. Yin Qi a déclaré directement lors de la conférence du 13 juillet : aucune entreprise de modèles ne peut survivre à long terme sans posséder une application suffisamment rentable pour la soutenir. Cela explique pourquoi Jieyue a lancé en parallèle Step AOS, Amoo et STEPX Neo, en plus de son modèle de base.

Les API de modèles peuvent générer des revenus d'appel, mais ne créent pas directement de relation avec les utilisateurs. Les applications AI indépendantes peuvent acquérir des utilisateurs, mais ont du mal à obtenir les autorisations complètes sur les appareils et les contextes personnels. Pour accomplir une tâche réelle au nom de l'utilisateur, un Agent doit connaître l'identité, la localisation, l'agenda et les préférences de l'utilisateur, appeler des services tiers et recevoir des retours sur les résultats de la tâche. Les terminaux relient ensemble ces différentes étapes.

Step Function n'a pas non plus fixé d'objectifs de ventes avant de commercialiser STEPX Neo. Yin Qi a déclaré que le produit actuel est environ à 70 % terminé, et les éléments restants — notamment l'autorisation, la confiance, la répartition entre le terminal et le cloud, ainsi que les scénarios concrets — devront être complétés lors de l'utilisation par les utilisateurs.

C'est ainsi que l'entreprise de modèles entre sur le marché des téléphones : en créant d'abord un appareil propre, puis en l'utilisant pour valider les relations entre le système d'exploitation, le modèle et les services.

La méthode de DouBao est plus légère ; ByteDance fournit les modèles et les capacités d'agent, tandis que ZTE et Nubia assurent le matériel, la fabrication, la vente et l'après-vente. Par rapport à la construction d'une chaîne d'approvisionnement depuis zéro, cette approche est plus rapide ; par rapport à la simple vente de modèles aux fabricants de téléphones, elle permet une intégration plus profonde dans l'expérience produit.

Les objectifs des deux parties ne sont pas entièrement identiques : ByteDance a besoin d'utilisateurs réels, de données de tâches et de nouveaux points d'entrée pour ses services. Nubia doit obtenir, dans un marché Android fortement homogénéisé, une différence perceptible par les utilisateurs. Les entreprises de modèles souhaitent établir des services à long terme, tandis que les fabricants de téléphones doivent d'abord vendre leurs appareils. Les premiers se concentrent sur les appels, la mémoire et les abonnements, tandis que les seconds doivent également calculer les stocks, les canaux et la marge brute sur le matériel.

Par rapport aux fabricants de logiciels, la raison pour laquelle les fabricants de téléphones portables entrent dans l'agent est plus proche d'une table de coûts en évolution. Les prix du stockage et d'autres composants essentiels ont augmenté à partir de la fin mars, et la plupart des fabricants Android ont opté pour une hausse des prix, réduisant davantage la volonté des utilisateurs de changer de téléphone. Selon les données préliminaires publiées par IDC le 14 juillet, les livraisons de smartphones en Chine au deuxième trimestre 2026 s'élèvent à environ 66 millions d'unités, en baisse de 4,3 % en glissement annuel, marquant ainsi le cinquième trimestre consécutif de recul ; les livraisons pour le premier semestre s'élèvent à environ 134 millions d'unités, en baisse de 4,2 % en glissement annuel.

Au cours des dernières années, les fabricants de téléphones ont successivement justifié le prix élevé de leurs produits haut de gamme par l’imagerie, la recharge rapide, les écrans pliables et la communication par satellite. Cette fois, c’est au tour des Agent. Un téléphone fonctionnant en continu avec un Agent nécessite une mémoire plus importante pour stocker les modèles et les contextes, une puce plus puissante pour effectuer l’inférence côté appareil, ainsi que la capacité de gérer des tâches complexes entre le côté appareil et le cloud. Ces investissements peuvent servir de justification pour une hausse des prix, tout en continuant d’augmenter les coûts matériels et de service. Toutefois, si l’utilisateur n’obtient finalement qu’un nouvel accès pour résumer, retoucher des photos et répondre à des questions, il sera difficile de justifier un nouveau cycle de remplacement.

L'agent se voit donc attribuer une double mission : aider les fabricants de téléphones à établir une nouvelle prime produit, tout en prouvant que l'expérience qu'il apporte suffit à couvrir les coûts supplémentaires.

Passer de la contournement de l'application à attendre que l'application s'ouvre

Le téléphone impose une autre couche de restrictions : les systèmes d'exploitation actuels sont conçus autour de l'idée que « les humains utilisent des applications ». Chaque application possède ses propres données, comptes et autorisations, et le système utilise des sandbox pour empêcher les dépassements entre elles. Les applications de paiement, de réseaux sociaux et bancaires disposent en outre de leurs propres systèmes d'authentification et de gestion des risques.

Le fonctionnement de l'agent est exactement l'inverse : lorsque l'utilisateur dit « Aide-moi à organiser un déplacement », il doit consulter le calendrier, confirmer les accompagnants, rechercher les billets d'avion et les hôtels, puis appeler un outil de paiement. La tâche est unique, mais les données et services nécessaires sont répartis dans plusieurs applications. Le modèle peut décomposer cette tâche, mais il ne peut pas déterminer, uniquement sur la base des autorisations système, comment les applications Ctrip, Fliggy et les banques doivent coopérer.

Le téléphone portable contient tout ce dont un agent a besoin et regroupe les limites entières développées au cours des dix dernières années de l'Internet mobile, ce qui en fait l'entrée la plus réelle, mais aussi la plus difficile à transformer.

L'interface graphique a permis à DouBao de démontrer rapidement que l'IA est désormais capable d'utiliser des applications comme un humain. Cette technologie ne nécessite pas d'interfaces spécifiques fournies par les applications ; le modèle observe les captures d'écran, identifie les boutons, les champs de saisie et les fenêtres contextuelles, puis simule des clics, des glissements et des saisies. Toute action que l'utilisateur peut effectuer, l'IA peut théoriquement la tenter.

Il existe des millions d'applications sur les téléphones, et attendre que chaque développeur modifie ses interfaces prend beaucoup de temps ; permettre à l'IA de comprendre directement les pages existantes permet de couvrir rapidement un grand nombre de scénarios. Les utilisateurs peuvent également voir directement l'IA à l'œuvre — ouvrir une application, basculer vers une autre, puis renvoyer les résultats.

Cependant, pour les développeurs d'applications, l'autorisation de l'utilisateur à l'IA pour lire l'écran ne signifie pas que la plateforme autorise l'IA à contourner ses propres interfaces pour effectuer des opérations. Les applications ne peuvent pas déterminer pourquoi l'IA lit la page, quelles informations elle nécessite réellement, ni distinguer facilement les assistants autorisés par l'utilisateur des outils d'automatisation en masse.

Techniquement, DouBao peut cliquer pour l'utilisateur ; sur le plan commercial, l'application n'accepte pas qu'un agent externe agisse librement à l'intérieur. WeChat, Taobao, Alipay et certains clients bancaires ont successivement restreint ces fonctionnalités. Les informations publiques indiquent que DouBao a ensuite désactivé ses capacités d'interaction avec WeChat ainsi qu'avec les applications bancaires et de paiement en ligne.

MCP ramène cette relation au centre des débats. Dans le nouveau système, les applications doivent déclarer activement les données et actions qu'elles souhaitent ouvrir. Elles peuvent autoriser les agents à consulter les commandes, mais interdire leur modification ; permettre la saisie d'informations d'achat tout en laissant la confirmation de paiement à l'utilisateur ; autoriser l'appel d'un service sans ouvrir l'accès aux données complètes du compte.

La portée d'appel précédemment déterminée automatiquement par l'IA est désormais convenue conjointement par l'entreprise de modèle, le fabricant de téléphone et l'application. L'Agent obtient un chemin d'exécution plus stable, tandis que l'application reprend le contrôle des autorisations, de la gestion des risques et des limites des données.

Le choix de STEPX dès le départ s'orientait davantage vers cette voie. Les premiers partenaires de STEPX Neo incluent Alipay, Baidu, Meituan, JD.com, Didi, Ctrip et Amap ; l'intégration des capacités d'application se fait via des interfaces de protocole, et non par le biais d'une interface graphique.

Lors de la démonstration de WAIC, l'utilisateur dit à Amoo : « Aide-moi à livrer le contrat à l'entreprise, Frank en a un besoin urgent. » Le système trouve l'adresse à partir des contacts et du contexte, commande un coursier via Meituan, et génère une commande pré-remplie avec les détails de l'objet, les frais et l'horaire de livraison. La majeure partie du processus se déroule à l'intérieur de l'interface Amoo ; lorsqu'il s'agit de payer, la tâche est suspendue sur la page Meituan en attente de confirmation de l'utilisateur. L'agent système comprend l'intention et a finalisé l'organisation des informations. Meituan gère l'exécution et le paiement, tandis que l'utilisateur conserve le dernier mot.

Apple intègre également ces limites dans le système : selon la documentation développeur mise à jour par Apple en 2026, les applications doivent déclarer activement, via App Intents, les actions et données pouvant être appelées par Apple Intelligence et Siri ; les contenus privés de l’interface utilisateur ne seront pas automatiquement ouverts au système, et les opérations sensibles ou destructrices peuvent exiger une confirmation supplémentaire de l’utilisateur.

Alipay appelle cette interface de coordination interplateforme AHA. Le 15 juillet, « Abao » s'est connecté à « Xiao Bu Assistant » d'OPPO ; Xiao Bu gère la compréhension des besoins, tandis qu'Abao appelle les près de 200 services de la vie interne d'Alipay, les autorisations et paiements clés restant confirmés par l'utilisateur.

MCP, App Intents, AHA et d'autres interfaces structurées deviennent les réponses proposées par différentes entreprises. Ce ne sont pas le même protocole, mais elles résolvent le même problème : permettre aux applications de déterminer activement quelles fonctionnalités peuvent être appelées par un Agent, plutôt que de laisser un agent système entrer dans l'application, lire les pages et effectuer des opérations.

Les alarmes, albums, calendriers et fichiers du système peuvent être décomposés en capacités atomiques par les fabricants de téléphones ; les paiements, les réseaux sociaux, le commerce électronique et les services de vie locale sont ouverts par les applications via des interfaces officielles ; les applications longue traîne non encore adaptées peuvent toujours dépendre d'une complémentarité GUI.

Ainsi, l’interface graphique ne disparaîtra pas immédiatement. Elle reste un raccourci pour les anciennes applications et les tâches à faible risque. Mais plus on s’approche des paiements, des réseaux sociaux et des transactions, plus l’agent a besoin d’un chemin reconnu par l’application, pouvant être audité et traçable.

L'échantillon de ingénierie se concentre sur le fait que l'IA a une main ; pour le produit de masse, il faut d'abord déterminer jusqu'où cette main peut s'étendre.

L'application souhaite exécuter, ne souhaite pas être assignée

L'application super ne rejette pas les agents.

Alipay travaille sur Aobao, Alibaba intègre Qwen dans Taobao, WeChat commence un test limité de « Xiao Wei », et les fabricants de téléphones mobiles mettent également à niveau leurs assistants vocaux en tant qu'agents intelligents système. Chaque entreprise se bat pour être la première à répondre à une demande formulée par l'utilisateur, et pour déterminer quel service appeler.

Le 11 mai, Alibaba a intégré l'application Qwen avec plus de 4 milliards de produits sur Taobao et Tmall. Les utilisateurs peuvent effectuer des recherches de produits, des comparaisons, la gestion des commandes, le suivi des livraisons et le service après-vente directement dans Qwen ; un assistant d'achat Qwen a également été intégré dans l'application Taobao. Alibaba est prêt à permettre à un Agent de choisir des produits pour les utilisateurs, mais cet Agent appartient d'abord à Alibaba, les produits proviennent de Taobao et Tmall, et les paiements ainsi que le service après-vente restent au sein du système Alibaba.

La chaîne commerciale de l'Internet mobile passée commençait par l'ouverture d'une application. La plateforme influençait le choix via la page d'accueil, la recherche, les recommandations et la publicité, avant de finaliser la transaction et le marketing ultérieur. Les agents système tentent de déplacer le moment du choix en amont : l'utilisateur n'ouvre plus美团, Taobao ou Ctrip, il suffit de dire « Commande-moi un café » ou « Réserve-moi un hôtel près d'ici » ; l'agent comprend la demande, compare les services et renvoie les résultats, tandis que l'application passe en arrière-plan pour finaliser la commande.

Pour l’utilisateur, il s’agit simplement de quelques étapes en moins. Mais pour la plateforme, cela pourrait signifier une réduction de la visibilité sur la page d’accueil, des publicités de recherche, du classement en recommandation et des données comportementales. L’application continue de finaliser les transactions, mais ne maîtrise plus nécessairement l’origine de ces transactions. Une tasse de café pour l’utilisateur peut provenir de Taobao Flash Sales, de Meituan, ou d’un mini-programme propre à la marque ; une chambre d’hôtel peut être réservée via Ctrip, Fliggy, Meituan ou un canal direct. Le fait que l’agent système place l’une ou l’autre entité en tête détermine où vont les commandes, les commissions et les données utilisateurs.

Ainsi, l'application super ne remettra pas ce pouvoir de manière inconditionnelle au système d'exploitation du téléphone.

La structure la plus probable à l'avenir sera une répartition des rôles entre l'agent système et l'agent application : l'agent système, proche de l'appareil, connaît la position de l'utilisateur, son emploi du temps, ses contacts et ses intentions immédiates ; l'agent application, proche du métier, maîtrise les produits, les comptes, les relations sociales, les paiements et l'exécution. Les entreprises de modèles assurent la compréhension et la planification, les fabricants de téléphones gèrent les autorisations système et l'ordonnancement entre le terminal et le cloud, tandis que l'utilisateur valide les actions aux points clés tels que le paiement, la suppression ou l'envoi de messages.

Honor résume cela comme « un agent principal, plusieurs agents spécialisés » : dans le cadre Agentic OS annoncé le 18 juillet, un agent principal portable comprend l'utilisateur et collabore avec des agents verticaux, ainsi que des modèles locaux et cloud. Honor a également annoncé un partenariat avec Alibaba Qwen pour développer des solutions de modèles adaptées aux scénarios mobiles.

Cette structure semble plus facilement acceptable par toutes les parties, car aucune entreprise n’a besoin de céder intégralement ses capacités. Les fabricants de téléphones conservent l’accès au système ; les entreprises de modèles intègrent les tâches des utilisateurs ; les plateformes internet conservent le contrôle des services et des transactions ; les utilisateurs obtiennent une interface d’interaction unifiée.

Mais l'interface n'est qu'un protocole technique, pas un protocole commercial. Il n'existe pas de réponse établie concernant laquelle service l'Agent système recommande en priorité, quelles nouvelles règles de classement doivent être appliquées, si l'application paie des frais de distribution système, si les fabricants de téléphones peuvent participer à la répartition des revenus, ou qui supporte les coûts d'appel au modèle.

La mémoire à long terme ajoute une nouvelle couche de concurrence : le fait que les contacts, les préférences de consommation et les tâches historiques soient stockés sur le téléphone, dans le compte du modèle ou à l’intérieur de l’application déterminera quelles relations l’utilisateur pourra conserver après un changement d’appareil ou de service. L’interface détermine ce que l’agent peut appeler, tandis que la mémoire détermine à qui il sera plus difficile pour l’utilisateur de dire adieu.

L'internet mobile n'a pas fait disparaître les infrastructures de la génération précédente, mais il a modifié la manière dont les utilisateurs accèdent aux services. Le changement apporté par les agents ne consiste pas nécessairement à éliminer les applications, mais à déplacer la première étape de l'initiation d'une tâche vers le niveau système.

Pour une super-app, ce qui doit véritablement être préservé, c'est le classement, les transactions et les relations avec les utilisateurs.

En conclusion

Les téléphones intelligents des agents ne convergeront pas rapidement vers une seule voie. Les entreprises de modèles collaboreront avec des marques de téléphones, les entreprises de modèles développeront entièrement les terminaux, et les fabricants traditionnels de téléphones maintiendront leurs systèmes : les trois voies coexisteront à court terme, mais elles devront toutes négocier avec les mêmes super-applications.

L'icône et les pages de l'application peuvent réduire le nombre d'ouvertures directes par les utilisateurs, mais les données de la plateforme — produits, relations sociales, paiements, transactions et gestion des risques — ne disparaîtront pas. Elles passeront probablement d'une application en premier plan sur le téléphone à un système de services derrière un Agent ; l'interface graphique ne disparaîtra pas non plus immédiatement. Elle continuera à gérer les applications à longue traîne dont la transition d'interface n'est pas encore terminée ; les tâches à haut risque telles que les paiements, les réseaux sociaux et les transactions seront progressivement transférées vers des interfaces de protocole, des niveaux de permissions et des confirmations utilisateur.

La nouvelle position considère qu'il convient d'observer combien de fois une tâche inter-applications peut être accomplie, combien de fois l'utilisateur doit intervenir en cours de route ; quelles fonctionnalités WeChat, Taobao, Meituan et Alipay ouvrent ; quelle quantité de puissance de calcul cloud un utilisateur actif consomme, et s'il est disposé à payer pour ces services.

La main que DouBao a récupérée est le véritable point de départ de cette activité.