- ▸ Une démonstration banale qui devient un cas d'école
- ▸ Thèse : l'agentique se monétise déjà à la précision
- ▸ D'où vient Manus : la généalogie d'un agent autonome
- ▸ Analyse technique : ce que Manus fait réellement, et combien ça coûte
Développé par la startup chinoise Monica, Manus promet d’exécuter des tâches en ligne de bout en bout à partir d’un simple prompt. Le mode Agent, plus précis, coûte environ 20 % de plus que le mode Vitesse. La question n’est plus de savoir si l’agentique fonctionne, mais à quel prix — financier, technique, et en matière de souveraineté des données.
Points clés 1. Manus, signé par la startup chinoise Monica, fonctionne dans un environnement asynchrone basé sur le cloud, à partir d’un simple prompt en langage naturel. 2. Son mode Agent, dédié aux analyses approfondies, coûte environ 20 % de plus que le mode Vitesse, qui privilégie la rapidité au détriment de la précision. 3. L’architecture combine plusieurs LLM — dont Claude 3.5 Sonnet et Qwen — avec des scripts déterministes pour la fiabilité. 4. La grille tarifaire s’étend de l’offre gratuite (300 crédits renouvelables quotidiennement) à 166 euros par mois pour les usages intensifs, en passant par 20, 33 et 39 euros par membre. 5. Le système s’autocorrige à chaque étape, mais refuse certaines requêtes au nom des « exigences de sécurité et de conformité de la communauté », signe d’un filtrage en amont qui interroge.
Une démonstration banale qui devient un cas d’école
Septembre 2025. Un journaliste du Journal du Net ouvre une page, tape une requête complexe, attend. Quelques minutes plus tard, l’agent rend un livrable structuré, sans intervention humaine entre le prompt et le résultat. La scène n’a rien d’extraordinaire — sauf que la machine n’a pas seulement répondu : elle a navigué, comparé, synthétisé, mis en forme. Manus, l’outil testé, ne se contente pas de générer du texte. Il agit. Et il agit à partir d’une instruction unique, sans pilotage intermédiaire. C’est ce déplacement, du « modèle qui répond » au « système qui exécute », qui mérite qu’on prenne le temps d’examiner Manus avec rigueur. Non pas pour proclamer une rupture, mais pour cartographier précisément ce qu’il sait faire, ce qu’il refuse de faire, et ce que son tarif révèle de la chaîne de valeur en train de se redessiner.
Thèse : l’agentique se monétise déjà à la précision
L’hypothèse que cet article défend est simple. Manus n’est pas un démonstrateur de laboratoire mais un produit commercial déjà segmenté par usage. Le différentiel de 20 % entre mode Vitesse et mode Agent, observé lors des tests, n’est pas une coquetterie marketing : c’est la traduction tarifaire d’un arbitrage que tout utilisateur d’agent autonome devra apprendre à faire — vitesse contre précision, autonomie contre contrôle, capacité contre conformité. Comprendre Manus, c’est comprendre comment ce curseur se déplace.
D’où vient Manus : la généalogie d’un agent autonome
Pour situer Manus, il faut remonter brièvement le fil de l’agentique. Pendant les deux premières années du grand public, l’IA générative s’est structurée autour d’un schéma question-réponse. L’utilisateur formulait une requête, le modèle renvoyait un texte, une image, du code. Le travail de mise en œuvre — copier-coller, vérifier, naviguer, exécuter — restait à la charge de l’humain. Cette répartition des tâches a porté l’essentiel des cas d’usage commerciaux du marché.
L’évolution suivante s’est dessinée autour d’une idée différente : confier à un système non seulement la production de la réponse, mais l’enchaînement des actions nécessaires à la résolution complète d’un objectif. C’est cette bascule que représente Manus. L’outil, développé par la startup chinoise Monica, fonctionne dans un environnement asynchrone basé sur le cloud. L’utilisateur formule une intention, l’agent décompose, planifie, exécute, et rend un résultat consolidé.
Le choix d’un environnement asynchrone n’est pas anodin. Il signifie que la requête ne mobilise pas l’utilisateur pendant son exécution : Manus travaille en arrière-plan, se reprend si nécessaire, et notifie son commanditaire lorsque la tâche est terminée. Cette architecture rapproche l’usage des agents IA d’une logique de délégation managériale, là où les chatbots imposaient une conversation continue.
Sur le plan des modèles, Manus n’a pas misé sur un cœur propriétaire unique. Il s’appuie sur plusieurs grands modèles de langage — notamment Claude 3.5 Sonnet, signé par Anthropic, et Qwen, développé par Alibaba. Cet assemblage hybride a une portée stratégique : il permet à un produit chinois de se positionner sur le marché mondial en tirant parti des meilleurs modèles disponibles, occidentaux comme asiatiques. Le choix de Claude 3.5 Sonnet, en particulier, témoigne du recours à un modèle réputé pour sa rigueur de raisonnement et la gestion des contextes longs. Qwen, de son côté, apporte une couverture solide sur les usages multilingues, et particulièrement sur le chinois.
À ce socle de LLM s’ajoute une couche moins visible mais déterminante : des scripts déterministes. Ces scripts prennent en charge le traitement des données et les opérations système, là où la souplesse probabiliste des modèles deviendrait un handicap. Une requête qui implique de manipuler un fichier, d’extraire une valeur précise dans une table, ou d’exécuter une commande système réclame une exactitude que les LLM seuls ne garantissent pas. La combinaison hybride — modèle pour la compréhension et la planification, script pour l’exécution sensible — s’impose comme l’architecture standard de l’agentique commerciale.
Cette généalogie éclaire le positionnement de Manus. Il n’est pas un modèle de fondation supplémentaire dans une course aux paramètres. Il est un orchestrateur, un meta-outil qui assemble des briques existantes pour livrer un service intégré. Et c’est dans cet assemblage, et non dans une percée algorithmique, que se loge sa proposition de valeur.
Analyse technique : ce que Manus fait réellement, et combien ça coûte
Le cycle d’exécution
Lorsqu’un utilisateur soumet une requête à Manus, l’agent procède en plusieurs étapes. Il interprète d’abord la demande en langage naturel, en s’appuyant sur les LLM intégrés. Il génère ensuite un plan d’action : décomposition de la tâche en sous-objectifs, identification des outils à mobiliser, séquençage. L’exécution suit, étape par étape. À chaque étape, le système évalue le résultat intermédiaire et, en cas d’échec, s’autocorrige jusqu’à atteindre la cible assignée. Cette boucle d’auto-correction est la caractéristique différenciante de l’agentique : elle évite à l’utilisateur de devoir réamorcer une conversation à chaque blocage.
L’éventail des tâches couvertes est large. Selon les tests publiés par Le Journal du Net en septembre 2025, l’outil peut générer des analyses approfondies, produire des diapositives, créer des images et des vidéos, ou encore prendre en charge des objectifs ambitieux comme la construction de « boutiques en ligne complexes avec traitement des paiements, gestion des stocks et comptes clients ». Cette dernière promesse, en particulier, doit être lue avec précaution : elle décrit une intention de produit plus qu’un résultat de production. Construire une boutique en ligne fonctionnelle suppose bien plus qu’un agent autonome — sécurité, conformité, intégrations bancaires —, autant de zones où la responsabilité revient à l’opérateur humain.
Le tableau tarifaire
C’est ici que Manus devient un objet d’analyse précis. Sa grille s’organise autour de cinq paliers identifiés dans le test publié :
| Offre | Prix | Cible d’usage |
|---|---|---|
| Gratuite | 0 € | 300 crédits renouvelables quotidiennement |
| Plus | 20 €/mois | Accès aux modèles avancés, modes Agent, génération d’images, vidéos, diapositives |
| Pro | 33 €/mois | Usages intensifs individuels |
| Premium | 166 €/mois | Usages très intensifs ou professionnels lourds |
| Équipes | 39 €/membre/mois | Collaboration et gestion par compte |
Au sein de l’offre, deux modes coexistent et déterminent la consommation des crédits. Le mode Vitesse offre des résultats rapides mais moins précis. Le mode Agent, dédié aux analyses approfondies, coûte environ 20 % de plus. Ce différentiel est probablement le chiffre le plus instructif du produit. Il chiffre, dans le tarif final, ce que coûte un cran supplémentaire de qualité et de rigueur.
Pourquoi 20 % ?
L’écart de 20 % n’est pas anodin. Il reflète plusieurs réalités. D’abord, le mode Agent mobilise des modèles plus lourds ou des chaînes de raisonnement plus longues, et chaque jeton supplémentaire coûte de la puissance de calcul. Ensuite, l’auto-correction multiplie les itérations : ce qui se résolvait en une passe en mode Vitesse peut nécessiter trois ou quatre boucles internes en mode Agent. Enfin, la garantie implicite de précision augmente la part de vérifications croisées, donc le coût.
Pour l’utilisateur, l’arbitrage est clair. Vitesse pour les tâches à faible enjeu, où une approximation est acceptable. Agent pour les livrables qui seront utilisés tels quels, sans réécriture humaine derrière. À l’échelle d’un usage intensif, 20 % d’écart représente plusieurs dizaines d’euros par mois entre un abonnement Plus et un abonnement Premium. Le différentiel devient un poste de coût à arbitrer.
Une auto-correction qui a ses limites
L’auto-correction, plébiscitée comme fonctionnalité majeure, n’est pas une garantie absolue. Elle suppose que l’agent dispose d’un critère vérifiable pour évaluer la réussite de chaque étape. Lorsque la tâche est calibrée (générer un fichier au format attendu, extraire une valeur précise, comparer deux pages), la boucle fonctionne. Lorsque la tâche relève d’un jugement (« cette analyse est-elle pertinente ? »), le système n’a aucun moyen objectif d’arbitrer, et l’auto-correction risque de tourner à vide ou de converger vers un optimum factice.
Les refus, et la boîte noire de la conformité
Le test publié en septembre 2025 a relevé un cas révélateur. Une requête a déclenché la réponse suivante : « Nous ne pouvons pas traiter cette demande en raison des exigences de sécurité et de conformité de la communauté. » Cette formulation, courante dans les systèmes encadrés, mérite d’être lue attentivement. Elle indique l’existence d’une couche de filtrage en amont du moteur agentique. Les utilisateurs voient le refus, pas les règles. Pour un produit d’origine chinoise distribué à l’international, cette opacité crée une zone grise. Les requêtes sont-elles filtrées selon des critères techniques, juridiques, ou politiques ? Le cadre publié ne le précise pas dans le détail. C’est l’un des points où la souveraineté numérique des utilisateurs européens entre en tension avec l’usage d’un agent dont la gouvernance est extra-européenne.
Impact terrain : ce que Manus change pour ses utilisateurs
L’installation, selon le retour du Journal du Net, est « très facile, un peu comme celle de ChatGPT ». Cette comparaison est plus qu’un détail d’UX : elle dit que la barrière à l’adoption tombe à zéro. N’importe quel professionnel, même peu technique, peut activer un agent autonome en quelques minutes. Cette accessibilité accélère l’arrivée de l’agentique dans les usages quotidiens. Mais elle accentue aussi un angle mort : les utilisateurs déploient des agents capables d’exécuter des tâches en autonomie sans nécessairement comprendre les arbitrages techniques, économiques et juridiques qu’ils déclenchent.
Pour un professionnel indépendant, le palier d’entrée à 20 euros par mois ouvre l’accès à la génération d’images, de vidéos, de diapositives et au mode Agent. Ce niveau de fonctionnalités, comparé à l’investissement requis pour assembler manuellement les mêmes briques (un abonnement à un générateur d’images, un autre à un générateur de vidéos, un troisième à un assistant de présentation), représente une compression importante du coût d’outillage. Le palier à 33 euros vise les usages intensifs, et celui à 166 euros les utilisateurs qui consomment des volumes très élevés de crédits. Le palier Équipes à 39 euros par membre par mois cible les organisations qui veulent mutualiser un déploiement.
Côté équipe, l’agentique modifie la chaîne de production. Une analyse qui mobilisait deux journées de travail humain (collecte de sources, recoupement, mise en forme, relecture) peut, dans certains cas, être ramenée à quelques heures de supervision. Le poste de coût se déplace : moins de temps de production, plus de temps de validation. Pour les organisations qui basculent dans ce modèle, la compétence critique devient l’ingénierie de prompt, la définition claire des objectifs et la relecture qualitative.
Le tarif Premium à 166 euros par mois s’adresse à un profil bien spécifique : un consultant indépendant ou une petite structure qui industrialise la production de livrables sur une cadence soutenue. Pour cette cible, la rentabilité est rapide. Pour une organisation plus large, l’option Équipes à 39 euros par membre par mois reste plus pertinente, car elle facilite la gestion centralisée des accès et des historiques.
Le crédit gratuit (300 unités renouvelables quotidiennement) joue, lui, le rôle d’un sas d’évaluation. C’est suffisant pour tester l’outil sur des requêtes courtes ou moyennes, pas pour bâtir un usage productif sur la durée. Cette stratégie de freemium calibré est désormais standard dans l’industrie ; elle garantit une exposition large sans cannibaliser l’offre payante.
Une dimension souvent sous-estimée reste la traçabilité. Lorsque l’agent exécute une chaîne de tâches en autonomie, il produit une mémoire d’exécution : suite d’actions, données consultées, intermédiaires générés. Pour les usages professionnels, l’accès à cet historique est aussi important que le résultat final. Sans piste d’audit, impossible de remonter à la cause d’une erreur ou de prouver la conformité d’un livrable. C’est l’un des chantiers où l’agentique grand public devra progresser pour pénétrer les environnements régulés.
Perspectives contradictoires : les arguments à entendre
L’enthousiasme suscité par Manus ne doit pas occulter trois critiques sérieuses qu’il convient d’examiner.
La dépendance à des LLM tiers
Manus s’appuie sur Claude 3.5 Sonnet et Qwen. Ce choix lui permet d’offrir une qualité immédiate, mais le rend dépendant des décisions tarifaires et des conditions d’usage d’Anthropic et d’Alibaba. Toute hausse de prix de l’API en amont se répercute sur la marge de Manus. Tout changement de politique d’accès — restriction géographique, conditions de redistribution — peut affecter la disponibilité du produit. Les détracteurs y voient une faiblesse structurelle : ce n’est pas une infrastructure propre, mais un assemblage exposé aux décisions d’acteurs tiers, dont au moins un, Anthropic, est nord-américain.
La gestion des données
Les requêtes envoyées à Manus transitent par une infrastructure cloud, et l’utilisateur partage généralement avec l’agent des contenus qui peuvent être confidentiels. La startup Monica étant chinoise, la question du régime juridique applicable aux données traitées se pose. Pour un utilisateur européen soumis au RGPD, la conformité du traitement n’est pas évidente sans engagement contractuel explicite. Les conditions générales d’utilisation publiées par les éditeurs d’agents autonomes ne couvrent pas toujours toutes les sensibilités sectorielles : santé, droit, finance. Pour ces métiers, l’usage en environnement de production exige une analyse préalable rigoureuse.
Le risque d’usage non maîtrisé
L’auto-correction, présentée comme une garantie, peut aussi se retourner contre l’utilisateur. Un agent qui itère jusqu’à un résultat plausible n’est pas un agent qui converge vers un résultat juste. Sur une tâche mal calibrée, l’auto-correction peut conduire à un livrable cohérent en surface mais erroné sur le fond. Le test conduit par le Journal du Net sur des requêtes complexes a montré que la machine n’hésite pas à produire un résultat exploitable, mais l’évaluation humaine reste indispensable. L’illusion de l’autonomie totale est précisément ce contre quoi les utilisateurs avertis doivent rester en garde.
Ces trois critiques ne disqualifient pas Manus. Elles fixent un cadre d’usage raisonné : agent utile pour des tâches calibrées, sous supervision, avec une attention particulière portée à la nature des données partagées.
Prospective : et après ?
Le marché des agents autonomes s’oriente vers une segmentation par verticalité. Manus, en tant qu’agent généraliste, occupe un positionnement intermédiaire entre les assistants conversationnels (ChatGPT, Claude.ai) et les agents spécialisés métier (juridique, médical, comptable). Cette zone intermédiaire est aussi la plus exposée à la concurrence. Les éditeurs des grands LLM intègrent progressivement des capacités agentiques dans leurs propres interfaces, ce qui pourrait diluer le différentiel de produits comme Manus.
Trois trajectoires sont possibles. Soit Manus consolide sa position en s’industrialisant et en ouvrant des intégrations métier (CRM, ERP, suites bureautiques). Soit il se fait absorber par la généralisation des agents intégrés aux grands LLM. Soit il opère une bascule vers une cible plus définie — créateurs de contenu, petites structures, ou marchés géographiques spécifiques — pour défendre sa marge. Le tarif à 166 euros par mois suggère que Monica vise déjà une clientèle professionnelle prête à payer pour la précision. Reste à voir si cette base suffira à financer une croissance autonome face à des concurrents adossés à des géants du modèle.
La question ouverte, à six ou douze mois, est celle de la confiance. Un agent autonome ne s’impose pas seulement par ses fonctionnalités ; il s’impose par la crédibilité de ses résultats. Et la crédibilité se construit, lentement, dans la répétition d’exécutions justes, et dans la transparence sur les exécutions ratées. C’est sur ce terrain — moins spectaculaire que les démonstrations de produit, mais plus durable — que Manus, comme ses concurrents, sera évalué.
FAQ
Qu’est-ce que Manus et comment fonctionne-t-il ?
Manus est un agent IA autonome développé par la startup chinoise Monica. Il interprète des requêtes en langage naturel, génère un plan d’action, puis exécute les étapes en arrière-plan dans un environnement asynchrone basé sur le cloud. Il s’appuie sur des LLM comme Claude 3.5 Sonnet et Qwen, complétés par des scripts déterministes pour les opérations système.
Combien coûte Manus et que vaut le différentiel entre mode Vitesse et mode Agent ?
L’offre démarre à 0 euro avec 300 crédits gratuits renouvelables quotidiennement. Les paliers payants s’échelonnent à 20, 33 et 166 euros par mois en usage individuel, et à 39 euros par membre et par mois pour les équipes. Le mode Agent, plus précis, coûte environ 20 % de plus que le mode Vitesse.
Manus peut-il vraiment construire une boutique en ligne complète ?
Il propose ce type de tâche dans ses cas d’usage, jusqu’au traitement des paiements et à la gestion des stocks. Mais une boutique de production exige sécurité, conformité fiscale et intégrations bancaires : un agent autonome accélère la production mais ne décharge pas l’opérateur de ses responsabilités juridiques et techniques.
Faut-il s’inquiéter de la gestion des données par un agent d’origine chinoise ?
La question mérite une analyse au cas par cas. Pour un usage professionnel impliquant des données sensibles (santé, juridique, financier), il est prudent d’éviter le partage de contenus confidentiels avant d’avoir vérifié les conditions contractuelles, la localisation des traitements et la conformité au RGPD applicable à l’utilisateur européen.
Encadré sources
- Que vaut Manus, l’agent IA chinois pour tout automatiser (ou presque), Journal du Net, 3 septembre 2025 — journaldunet.com.
- Pour aller plus loin : Anthropic et la course aux 1M de tokens, Qwen 3 : que vaut le modèle d’Alibaba face à GPT-5, Agents IA : la grille de lecture pour les directions techniques.
