ByteDance a annoncé le 18 août que le mode de tâches professionnelles de Doubao intègre désormais un Bureau virtuel dans le client Windows, permettant à l'assistant de voir l'écran et d'utiliser la souris et le clavier à travers des applications arbitraires. Les utilisateurs y accèdent en sélectionnant le mode de tâches professionnelles, puis l'ordinateur local, puis « opérer l'ordinateur » dans la barre de compétences, après autorisation.

Le mécanisme, selon les propres mots de ByteDance

L'entreprise le présente comme reposant sur des capacités GUI génériques : 豆包虚拟桌面基于GUI能力运行，即使没有MCP、API、插件或CLI，也能直接识别软件界面并完成操作 — il reconnaît directement les interfaces logicielles et exécute les opérations, même en l'absence de serveur MCP, d'API, de plugin ou d'interface en ligne de commande. La propriété qui le distingue est formulée tout aussi clairement : 虚拟桌面运行时不会占用用户当前正在使用的鼠标和键盘，也不会打断现有工作 — pendant son exécution, il n'occupe pas la souris et le clavier que l'utilisateur est en train d'utiliser, et n'interrompt pas le travail en cours. Les utilisateurs peuvent suivre les étapes en direct, mettre en pause ou prendre la main directement. L'exemple présenté par l'entreprise consiste à transférer des CV depuis un dossier local vers un système d'enregistrement des candidats.

Ce que le cadrage courant comprend mal

Deux erreurs circulent déjà. La première confond cela avec une autre fonctionnalité de Doubao, lancée un jour plus tôt : la télécommande du PC depuis un téléphone. Il s'agit de deux versions distinctes, publiées deux jours consécutifs. La seconde interprète « bureau virtuel » comme une VM cloud. Il est décrit comme une session isolée sur la propre machine Windows de l'utilisateur, ce qui explique précisément pourquoi la question de la souris et du clavier doit être mentionnée : un bac à sable cloud n'aurait de toute façon jamais été en concurrence avec les périphériques d'entrée locaux.

L'absence d'intégrations relève de la posture de sécurité, pas seulement de la capacité

« Pas de MCP, pas d'API, pas de plugins » est présenté comme une démonstration d'ampleur, et cette couverture est bien réelle : les pixels et les clics s'appliquent à des logiciels n'offrant aucune surface d'intégration. Mais cela signifie aussi que l'agent hérite de toute l'autorité dont dispose l'utilisateur Windows connecté, sous réserve d'une unique autorisation initiale. Aucun modèle d'autorisations granulaire n'est décrit sur les pages annonçant la fonctionnalité, et aucun benchmark, chiffre d'utilisateurs ni tarif n'est non plus indiqué.

Pourquoi cela sort d'abord en Chine

Les agents capables d'agir sur l'ordinateur ont été bien plus souvent démontrés que déployés. En l'intégrant à un assistant grand public de masse, ByteDance fait du contrôle GUI une fonction activée par défaut pour des utilisateurs ordinaires plutôt qu'un aperçu développeur — et contourne toute la course à l'intégration d'outils, où les laboratoires américains rivalisent sur le nombre de systèmes exposant une API au modèle.