Comment fonctionnent les chats de groupe AI multijoueurs, et à quoi servent-ils ?

2026-09-30

Qu’est-ce qui différencie fondamentalement les conversations AI partagées du chat AI individuel ?

La différence fondamentale est structurelle : les chats de groupe AI multijoueurs réunissent plusieurs personnes et un Agent AI spécialisé dans une seule conversation persistante, où tous — y compris l’AI — partagent le même contexte, le même historique et la même mémoire de travail. Au lieu que chaque personne conserve un chat privé et transmette manuellement les réponses de l’AI, un chat de groupe permet à tous les participants d’accéder à l’intégralité du fil des échanges, des décisions et des contenus créés.

Les principaux éléments qui distinguent l’AI multijoueur de l’expérience standard à utilisateur unique :

✅ Le contexte partagé élimine les répétitions — l’AI voit les contributions de chaque participant, donc personne n’a besoin de résumer ce que quelqu’un d’autre a déjà expliqué
✅ Plusieurs perspectives dans un même fil — l’AI synthétise les contributions de personnes ayant des expertises, des rôles ou des points de vue différents, au lieu de fonctionner selon le seul cadrage d’une personne
✅ Une mémoire de groupe persistante — la conversation conserve son contexte entre les sessions, de sorte que les projets en cours ne repartent pas de zéro chaque fois qu’une personne rouvre le chat
✅ Des agents spécialisés au service de tout le groupe — au lieu d’un assistant générique, le groupe interagit avec un Agent expert d’un domaine, conçu pour un flux de travail précis
✅ Une identité par participant — l’AI attribue les messages à la bonne personne, suit qui a dit quoi et répond en conséquence

Ce modèle existait déjà de manière informelle : des personnes partageaient leur écran, copiaient-collaient les réponses d’AI dans des applications de messagerie ou se relayaient sur un même compte. La nouveauté, en 2026, est que les plateformes AI intègrent directement la participation multi-utilisateur à leur produit, avec une gestion adéquate de l’identité, des autorisations et du contexte. Pour comprendre quelles plateformes gèrent efficacement ce modèle, il faut d’abord savoir pourquoi cette évolution survient maintenant et quels choix de conception technique elle implique.

Illustration d’un smartphone affichant une interface de chat de groupe avec des avatars d’utilisateurs variés et un bot AI échangeant des messages

Pourquoi les plateformes AI ajoutent-elles des fonctionnalités multijoueurs et de chat de groupe en 2026 ?

Le passage d’assistants AI privés à des sessions partagées et multiparticipants reflète une réalité fondamentale : la plupart des travaux importants et de nombreuses décisions personnelles impliquent plus d’une personne. McKinsey indique que 71 % des organisations utilisent désormais l’AI générative dans au moins une fonction, et 62 % des entreprises ont commencé à expérimenter le déploiement d’agents AI. Pourtant, l’immense majorité de ces usages reste individuelle : une personne, une fenêtre de chat, un contexte isolé.

Le problème de l’utilisation individuelle de l’AI à grande échelle est la fragmentation de l’information. Comme l’a décrit l’équipe d’ingénierie de Jitera, une équipe de 50 personnes utilisant des copilotes AI individuels finit avec « 50 agents privés, dont aucun ne sait ce que font les 49 autres ». Les décisions, le contexte et les connaissances métier restent enfermés dans l’historique de chat de chaque personne. Quelqu’un doit toujours copier la sortie de l’AI, l’expliquer à ses collègues et concilier des brouillons concurrents générés par l’AI.

L’AI multijoueur résout ce problème en faisant de la conversation elle-même l’espace de travail partagé. OpenAI a annoncé les chats de groupe dans ChatGPT en septembre 2026, en décrivant cette fonctionnalité comme permettant aux utilisateurs de « collaborer avec d’autres personnes, et avec ChatGPT, dans la même conversation ». Jenova a lancé sa fonctionnalité multijoueur Group Chat dans toute sa galerie d’agents, permettant à plusieurs utilisateurs d’interagir ensemble avec des agents AI spécialisés. Ce calendrier n’est pas une coïncidence : les deux plateformes répondent au même comportement utilisateur, car les personnes collaborent déjà à travers l’AI, simplement au moyen de solutions de contournement peu pratiques.

79 % des organisations rencontrent désormais des difficultés importantes pour adopter efficacement l’AI, et la coordination entre les personnes est au cœur de ce défi. Les copilotes individuels aident les individus à travailler plus vite, mais ils n’aident pas les groupes à réfléchir ensemble. L’AI multijoueur comble cette lacune.

Que faut-il rechercher dans une plateforme de chat AI multijoueur ?

La plateforme AI multijoueur appropriée dépend de la nécessité d’avoir un assistant général partagé ou un expert métier partagé, du fonctionnement de la facturation lorsque plusieurs personnes génèrent de l’usage AI et de la persistance de la conversation entre les sessions. Six critères distinguent une AI multijoueur réellement fonctionnelle de simples fonctionnalités de chat auxquelles on a ajouté un bot :

Historique de conversation partagé — Chaque participant peut-il voir l’intégralité du fil, y compris les messages envoyés avant son arrivée ? Ou chacun commence-t-il sans aucun contexte ?
Spécialisation des agents — La plateforme propose-t-elle des agents spécialisés — conseiller d’entreprise, maître de jeu, tuteur de langue — que les groupes peuvent consulter ensemble ? Ou est-elle limitée à un assistant généraliste ?
Mémoire persistante — La conversation conserve-t-elle son contexte entre les sessions, ou tout est-il réinitialisé lorsque la fenêtre se ferme ? Pour les projets continus, cette persistance détermine si l’AI se souvient des décisions prises la semaine précédente.
Architecture de confidentialité — Comment le chat de groupe est-il isolé des conversations privées et des mémoires personnelles de chaque participant ? Que sait l’AI de chaque personne en dehors du fil partagé ?
Facturation par utilisateur — Une seule personne paie-t-elle l’usage de tout le monde, ou chaque participant utilise-t-il son propre compte ? La facturation partagée crée des frictions lorsque l’usage est inégal.
Orchestration des tâches — L’AI peut-elle gérer des tâches complexes en plusieurs étapes — recherche, génération de documents, intégrations d’outils — dans le contexte partagé ? Ou est-elle limitée aux réponses conversationnelles ?

Ces critères sont importants, car l’AI multijoueur n’est pas simplement un salon de chat avec un bot. Les plateformes qui rendent ce modèle efficace ont dû repenser la manière dont le contexte, l’identité et les coûts de calcul circulent dans une conversation partagée.

Comment les principales plateformes gèrent-elles les conversations AI multi-utilisateurs ?

Jenova, ChatGPT, Jitera et Slack AI adoptent chacun des approches distinctes pour l’AI multi-utilisateurs : de l’orchestration complète d’agents dans des sessions partagées à des fonctionnalités AI sans état ajoutées à des espaces de travail existants.

Jenova Group Chat

La fonctionnalité multijoueur de Jenova permet au propriétaire de la session d’inviter d’autres utilisateurs dans n’importe quelle conversation avec n’importe quel Agent de sa galerie d’agents AI spécialisés. Les participants rejoignent la session et voient immédiatement l’historique complet de la conversation ainsi que les fichiers joints. L’usage AI de chaque participant est décompté de son propre niveau de compte : personne ne subventionne ainsi l’usage intensif de quelqu’un d’autre. Le modèle de chat est un paramètre partagé contrôlé par le propriétaire, et une seule tâche d’Agent est exécutée à la fois ; une file d’attente partagée, visible par tous les membres, permet à chacun de savoir ce qui est en cours de traitement.

Le principal facteur de différenciation est la spécialisation des agents. Un groupe n’interagit pas avec un assistant générique : il interagit avec un Roleplay Game Master qui mène une campagne partagée, un Business Co-Pilot qui facilite des sessions de stratégie, ou un Marketing Strategist qui coordonne la planification d’une équipe. Chaque Agent apporte à la conversation partagée des connaissances métier intégrées, des intégrations d’outils via MCP et une orchestration de flux de travail en plusieurs étapes. Global Memory — le système de mémoire personnelle intersessions de Jenova — est automatiquement désactivée dans les Group Chats, ce qui isole le fil partagé du contexte AI privé de chaque participant.

Points forts : Spécialisation approfondie des agents dans une galerie complète, mémoire de conversation persistante, facturation par utilisateur, accès complet aux fichiers et aux outils dans le contexte partagé, disponibilité sur le web, iOS et Android.

Limites : Une tâche est traitée à la fois (file d’attente séquentielle), le propriétaire contrôle la sélection du modèle et les paramètres de session, fonctionnalité récente qui évolue encore avec l’adoption croissante.

Chats de groupe ChatGPT

OpenAI a lancé les chats de groupe pour ChatGPT en septembre 2026, permettant à plusieurs personnes et à ChatGPT de participer à la même conversation. Des contrôles de confidentialité séparent les chats de groupe des conversations privées : les mémoires personnelles ne sont pas transférées, avec des protections supplémentaires pour les mineurs.

ChatGPT présente ses chats de groupe comme une expérience d’assistant généraliste partagée. Les participants interagissent avec le modèle standard de ChatGPT plutôt qu’avec des agents spécifiques à un domaine possédant des bases de connaissances adaptées et des instructions personnalisées.

Points forts : Énorme base d’utilisateurs existante, isolement des chats privés pour la confidentialité, interface familière que des millions de personnes utilisent déjà chaque jour.

Limites : Aucune spécialisation des agents (assistant généraliste uniquement), peu de détails publiés sur le modèle de facturation et les limites de participants au lancement, aucune orchestration d’outils spécifique à un domaine ni sélection d’Agent personnalisé.

Jitera (Team-in-the-Loop)

L’approche de Jitera fait de l’Agent AI un membre à part entière de l’équipe plutôt qu’un copilote individuel. Leur architecture « Team-in-the-Loop » donne à l’Agent une mémoire partagée par toute l’équipe, avec un référentiel de connaissances conçu pour recevoir des connaissances organisationnelles non structurées — fils Slack, tickets de support, documents de conception. L’Agent est accessible via API dans des outils tels que Linear et Claude Code, en transportant le contexte entre les flux de travail de différents membres de l’équipe sans exiger que chacun soit assis dans la même fenêtre de chat.

Points forts : Accumulation approfondie des connaissances d’équipe, continuité du contexte entre outils via API, conçu pour les flux de travail d’ingénierie et de gestion de produit où les transmissions de contexte sont coûteuses.

Limites : Configuration orientée développeur, centrée sur la récupération de connaissances plutôt que sur la conversation multi-utilisateurs interactive, nécessite une configuration d’infrastructure au lieu de proposer une interface prête à l’emploi pour le grand public.

Slack AI

Slack AI fonctionne comme un assistant au niveau de l’espace de travail qui résume les canaux, répond aux questions concernant le contenu de l’espace de travail et facilite la recherche. Toutefois, cette solution est fondamentalement sans état : « chaque conversation recommence à zéro. Il n’y a aucune mémoire des interactions précédentes, ni apprentissage de la manière dont votre équipe communique ».

Points forts : Intégré à l’outil de communication que des millions d’équipes utilisent déjà chaque jour, accès aux contenus de tout l’espace de travail pour la recherche et la synthèse.

Limites : Aucune mémoire persistante entre les conversations, aucun contexte d’Agent partagé qui s’enrichit au fil du temps, fonctionnalités AI ajoutées à une plateforme de messagerie plutôt que conçues autour d’une interaction AI partagée.

Fonctionnalité	Jenova Group Chat	Chats de groupe ChatGPT	Jitera	Slack AI
Historique de conversation partagé	Historique complet visible par tous les membres	Séparé des chats privés	État partagé de l’Agent via API	Accès au contenu à l’échelle des canaux
Spécialisation des agents	Galerie d’agents experts par domaine	Assistant généraliste	Agent de connaissances d’équipe	Assistant d’espace de travail
Mémoire persistante	Mémoire intersessions illimitée	Mémoires personnelles exclues	Référentiel de connaissances d’équipe partagé	Sans état
Isolation de la confidentialité	Global Memory désactivée dans les chats de groupe	Chats privés séparés	Accès API basé sur les rôles	Autorisations de l’espace de travail
Facturation par utilisateur	Chaque membre utilise son propre compte	Pas encore détaillée	Non publiée	Incluse dans les forfaits Slack payants
Orchestration des tâches	Tâches en plusieurs étapes avec outils et MCP	Capacités standard de ChatGPT	Flux de travail basés sur API	Synthèse et recherche
Idéal pour	Groupes nécessitant l’expertise d’agents spécialisés dans différents domaines	Conversations partagées informelles avec un assistant généraliste	Équipes d’ingénierie ayant besoin d’une continuité du contexte entre outils	Équipes déjà sur Slack souhaitant une recherche enrichie par l’AI

Quels types de tâches sont les mieux adaptés à un chat de groupe AI multijoueur ?

L’AI multijoueur fonctionne particulièrement bien lorsqu’une tâche implique plusieurs personnes apportant des perspectives, des informations ou une autorité décisionnelle différentes — et qu’un Agent AI peut aider à coordonner, synthétiser ou faciliter leurs contributions. Trois catégories se sont imposées comme particulièrement adaptées aux conversations AI partagées.

Illustration de deux joueurs à des postes informatiques séparés, avec casques, dans une configuration multijoueur compétitive

🎮 Narration collaborative et jeu de rôle

Les groupes qui utilisent des maîtres de jeu AI pour des campagnes partagées représentent l’un des cas d’usage les plus actifs de l’AI multijoueur. Plusieurs joueurs contrôlent leur propre personnage au sein d’un récit commun, chacun réagissant aux actions des autres tandis que l’AI gère le monde, les PNJ et la continuité de l’histoire au fil de sessions pouvant durer plusieurs jours ou semaines. Ce format fonctionne parce que l’AI suit des intrigues parallèles, gère des systèmes au tour par tour dans lesquels les joueurs soumettent leurs actions avant que l’AI ne résolve le tour, et maintient la cohérence narrative sur des dizaines ou des centaines de tours.

Les pratiques efficaces incluent le fait qu’un joueur agisse en tant que co-maître de jeu pour gérer le lore et les corrections de règles aux côtés de l’AI, ainsi que des systèmes de soumission par tour qui maintiennent la synchronisation des campagnes de longue durée entre les participants. Parmi les points de friction connus figurent les collisions de noms de personnages lorsque l’AI utilise par défaut les noms d’utilisateur des comptes, ainsi que la difficulté à séparer les questions de règles hors personnage des actions en personnage dans un même fil.

👥 Aider quelqu’un à naviguer dans une situation complexe

Un modèle fréquemment observé consiste à ce qu’une personne apporte un flux de travail assisté par AI à quelqu’un ayant besoin de soutien : un ami qui aide un proche à naviguer dans une procédure administrative, un collègue qui accompagne une personne dans la prise en main d’un système inconnu ou un membre de la famille qui aide avec des candidatures et de la correspondance. La personne qui aide construit généralement d’abord le contexte avec l’AI, en établissant la situation et les éléments pertinents, puis invite la personne ayant besoin d’aide à rejoindre la conversation et à contribuer directement.

Cette méthode fonctionne parce que l’AI accumule le contexte des deux participants. La personne qui aide apporte l’orientation stratégique, tandis que l’autre ajoute des détails en temps réel : elle colle les e-mails à leur arrivée, répond aux questions de clarification de l’AI et relit les brouillons dans leur contexte. Des frictions apparaissent lorsque l’AI confond du contenu externe collé avec les messages que le participant est en train de rédiger, ou lorsque les paramètres linguistiques par défaut ne correspondent pas aux préférences du nouveau participant.

💼 Coordination et alignement des équipes

Les équipes utilisent des conversations AI partagées pour instaurer et préserver l’alignement entre différents rôles et domaines. Un Agent AI jouant le rôle de coordinateur de projet peut faire le lien entre les équipes produit et ingénierie, en aidant les deux parties à exprimer leurs exigences dans le vocabulaire de l’autre. Comme l’AI participe à tous les fils, elle conserve une compréhension continue de ce qui a été décidé, des contraintes soulevées par chaque membre de l’équipe et de l’évolution de l’orientation du projet.

La collaboration avec l’AI dans les environnements de groupe répond aux problèmes logistiques qui compliquent la coordination des équipes : alignement des exigences, cohérence rédactionnelle, maintien d’une source unique de vérité et garantie que chacun travaille à partir des mêmes hypothèses. Lorsque l’AI est un participant partagé plutôt qu’un outil privé, la couche de coordination est intégrée à la conversation elle-même, au lieu d’être maintenue dans un document distinct qui finit par se désynchroniser.

Comment fonctionne la confidentialité lorsque plusieurs personnes partagent une conversation AI ?

La confidentialité dans l’AI multijoueur repose sur l’isolation par défaut : l’AI ne transfère pas le contexte personnel des conversations privées de qui que ce soit dans le fil partagé, et chaque chat de groupe existe comme un contexte autonome. Ce choix d’architecture évite l’un des risques les plus graves de l’AI multi-utilisateurs : que des informations provenant d’une session privée apparaissent dans un espace partagé sans consentement.

Sur Jenova, Global Memory est automatiquement désactivée dans les Group Chats. L’AI n’apporte ni souvenirs personnels, ni préférences, ni historique de sessions privées d’un participant dans la conversation partagée. ChatGPT adopte une approche similaire : les mémoires personnelles ne sont pas transférées dans les chats de groupe, avec des protections supplémentaires pour les mineurs.

Cette isolation est plus importante qu’elle n’y paraît. Les recherches sur l’alignement de la confidentialité dans les agents AI conversationnels montrent qu’une gestion efficace de la confidentialité exige que les systèmes AI respectent proactivement les limites des utilisateurs, plutôt que d’attendre passivement une configuration. Dans un contexte multi-utilisateurs, le risque se multiplie : une information partagée en privé par une personne pourrait apparaître dans un fil de groupe si l’isolation de la mémoire n’est pas appliquée au niveau de la plateforme.

Il existe également une dimension de confidentialité plus subtile, propre au multijoueur : la visibilité de l’historique partagé. Sur Jenova, les nouveaux membres voient la conversation existante lorsqu’ils la rejoignent. C’est précieux pour la continuité — une personne qui rejoint tardivement dispose immédiatement de tout le contexte — mais cela signifie que les messages antérieurs deviennent visibles pour le nouveau participant. La plateforme considère les invitations comme des actions délibérées du propriétaire de la session, et non comme des liens à accès libre. Les liens de partage publics produisent des instantanés en lecture seule, et non des droits de participation active.

Les travaux universitaires sur les architectures de mémoire AI partagée ont souligné la nécessité de « structures de mémoire » capables de maintenir un état conversationnel partagé tout en respectant les limites individuelles — un défi de conception qui se complexifie à mesure que le nombre de participants augmente et que les sujets deviennent plus personnels.

Comment un Agent AI gère-t-il le contexte lorsque plusieurs personnes parlent ?

L’Agent identifie chaque participant par son nom, attribue chaque message à la bonne personne et maintient un modèle cohérent de la conversation à mesure qu’elle se ramifie entre différents sujets et intentions. C’est le problème de coordination que l’AI à utilisateur unique ne rencontre tout simplement jamais : différentes personnes, avec des objectifs, des niveaux d’expertise et des styles de communication variés, contribuent toutes à un même fil.

Sur Jenova, l’Agent suit qui a dit quoi tout au long de l’historique de la conversation. Lorsqu’il termine une tâche — recherche, génération de documents, analyse de données — le résultat apparaît dans une file partagée visible par tous les membres. Le modèle de traitement séquentiel garantit que chaque demande est entièrement terminée avant que la suivante ne commence, en privilégiant la cohérence à la vitesse d’exécution parallèle.

Le défi s’intensifie avec les types d’intentions mixtes. Dans une campagne collaborative, une personne peut envoyer une action en personnage pendant qu’une autre pose une question sur les règles hors personnage. Dans une session d’équipe, une personne peut coller du contenu externe à analyser pendant qu’une autre pose une question de procédure. L’Agent doit adapter chaque réponse à la bonne personne et à la bonne intention, sans les confondre.

Les plateformes qui gèrent mal l’attribution produisent des conversations dans lesquelles l’AI valide systématiquement la dernière personne à avoir parlé, fusionne des fils de discussion distincts dans une seule réponse ou traite la contribution d’un participant comme si elle provenait d’un autre. Les recherches sur l’alignement dans les environnements d’agents multi-utilisateurs identifient ce problème d’attribution du contexte comme central pour rendre les agents AI partagés fiables, notamment lorsque les participants disposent d’informations asymétriques, de niveaux de confiance différents ou d’objectifs concurrents au sein d’une même conversation.

Comment configurer et animer efficacement un chat de groupe AI multijoueur ?

La configuration d’un chat AI multijoueur ne prend que quelques minutes sur les plateformes actuelles. Son efficacité dépend moins de la configuration technique que du choix du bon Agent, de la création du contexte avant d’inviter les autres et de l’établissement de modes d’interaction clairs.

Sur Jenova :

Ouvrez n’importe quel Agent de la galerie — un Business Co-Pilot pour une session stratégique, un Agent Learn English Through Roleplay pour s’exercer avec un partenaire de conversation, ou tout Agent adapté à l’objectif du groupe
Établissez le contexte initial avant d’inviter qui que ce soit :

« Je dirige une équipe marketing de trois personnes. Nous devons planifier les campagnes du premier trimestre avec un budget de 50 000 $ réparti entre les réseaux sociaux payants et l’e-mailing. J’inviterai bientôt mes deux collègues : veuillez nous considérer tous les trois comme des contributeurs à égalité. »
Invitez les participants depuis les paramètres de session — chaque personne reçoit une invitation et rejoint la session avec son propre compte Jenova
Chacun contribue directement, et l’Agent répond en ayant pleinement connaissance de l’intégralité du fil de conversation et de tous les fichiers joints

Sur ChatGPT :

Créez un chat de groupe depuis l’interface ChatGPT
Ajoutez les participants par invitation
Tous les participants et ChatGPT interagissent dans la même conversation partagée

Bonnes pratiques pour toute plateforme AI multijoueur :

Établissez le contexte avant d’inviter. Le premier participant doit définir l’objectif, fournir le contexte et délimiter le rôle de l’AI avant que les autres n’arrivent. Les nouveaux membres héritent immédiatement de ce contexte, ce qui évite des échanges initiaux sans direction.
Étiquetez explicitement le contenu externe. Lorsque vous collez des e-mails, des documents ou du code dans le chat, indiquez à l’AI de quoi il s’agit. Sans étiquettes, l’AI peut interpréter le texte collé comme les propres mots du participant ou le confondre avec la conversation en cours.
Clarifiez les rôles lorsque le groupe est structuré. Si une personne dirige et que les autres apportent des informations de soutien, l’indiquer à l’AI dès le départ l’aide à orienter les réponses et à hiérarchiser les demandes de manière appropriée.
Utilisez l’AI comme générateur de livrables partagés. Au lieu que chaque personne pose des questions séparément et compare les résultats, demandez à l’AI de synthétiser les contributions de tous dans un document, un plan ou une analyse unique qui devient le point de référence commun du groupe.

Que disent les équipes des plateformes AI sur l’avenir de l’AI multijoueur ?

La transition des assistants AI individuels vers des sessions partagées et multiparticipants représente un changement structurel dans la manière dont les personnes interagissent avec l’AI : la technologie passe d’un outil de productivité personnelle à une couche de collaboration qui façonne la manière dont les groupes réfléchissent ensemble.

« Le schéma le plus frappant que nous avons observé est qu’un même Agent devient un outil fondamentalement différent selon les personnes présentes dans la conversation. Un Business Co-Pilot qui accompagne un fondateur seul produit des documents stratégiques. Le même Agent, au service d’un fondateur et de son CTO, produit des décisions alignées, car les deux parties entendent le raisonnement de l’AI, le remettent en question et l’affinent en temps réel. À ce stade, l’AI ne se contente plus de répondre à des questions. Elle crée un cadre de référence commun qui n’existerait pas sans la conversation.

Ce que nous n’avions pas pleinement anticipé, c’était l’étendue des cas d’usage. Nous avons créé Group Chat en nous attendant à des besoins de coordination d’équipe et de travail collaboratif. Ces usages sont rapidement apparus, mais aussi des cas que nous n’avions pas conçus : des campagnes de narration collaborative qui se poursuivent pendant des semaines, une personne aidant une autre à naviguer dans un système qu’elle ne comprend pas, et des personnes examinant ensemble des décisions personnelles avec un conseiller AI qui facilite la conversation. Le point commun n’est pas la catégorie de tâche. C’est que le problème concerne plus d’une personne et que l’AI devient plus efficace lorsque tout le monde se trouve dans le même fil, plutôt que de transmettre l’information par l’intermédiaire d’une personne.

Le défi d’ingénierie le plus important pour la suite est la gestion du contexte à grande échelle. Lorsque deux personnes partagent une conversation, il est simple de suivre les deux voix. Lorsque cinq ou dix personnes contribuent avec des intentions et des niveaux d’expertise différents, l’Agent a besoin d’une attribution bien plus sophistiquée : comprendre non seulement qui a dit quoi, mais aussi quel est le rôle de chaque personne, de quel type de réponse elle a besoin et comment synthétiser les contributions sans réduire des perspectives distinctes à une réponse moyenne unique. C’est vers cela que se dirige l’AI multijoueur. »

— Équipe produit Jenova, plateforme d’agents AI au service de plus de 30 000 utilisateurs dans plus de 70 pays