Lorsque l'efficacité devient une arme : l'IA récompense la cognition, et non le nombre de personnes

Auteur : Naman Bhansali

Traduction : Deep潮 TechFlow

Titre original : L’IA ne réalisera pas l’égalité technologique, elle récompensera seulement les personnes appropriées

Lecture de Deep潮 : Au début de la diffusion d’une nouvelle technologie, il y a toujours une illusion de « égalité technologique » : lorsque la photographie, la création musicale ou le développement logiciel deviennent faciles, la supériorité concurrentielle disparaît-elle ? Naman Bhansali, fondateur de Warp, partage son expérience personnelle, passant d’une petite ville en Inde au MIT, ainsi que sa pratique entrepreneuriale dans le domaine de l’IA en pilotage de la paie, révélant une vérité contre-intuitive : plus la technologie abaisse le seuil d’entrée (Floor), plus le plafond (Ceiling) de l’industrie s’élève rapidement.

Dans cette ère où l’exécution devient bon marché, voire peut être « vibrée » par l’IA (vibecoded), l’auteur pense que la véritable barrière concurrentielle n’est plus simplement la distribution de trafic, mais une « esthétique » (Taste) difficile à falsifier, une compréhension profonde des logiques sous-jacentes des systèmes complexes, et la patience de faire fructifier sur une décennie. Cet article n’est pas seulement une réflexion froide sur l’entrepreneuriat en IA, mais aussi une démonstration puissante de la loi de puissance : « la technologie populaire mène toujours à des résultats aristocratiques ».

Voici le texte intégral :

Chaque fois qu’une nouvelle technologie réduit le seuil d’accès, la même prédiction revient : puisque tout le monde peut le faire maintenant, personne n’a plus d’avantage. Les smartphones photo font de chacun un photographe ; Spotify transforme tout le monde en musicien ; l’IA permet à chacun de devenir développeur.

Ces prédictions sont toujours à moitié vraies : le seuil (Floor) a effectivement augmenté. Plus de personnes participent à la création, publient des produits, entrent en compétition. Mais elles ignorent souvent le plafond (Ceiling). La vitesse à laquelle le plafond monte est encore plus rapide. Et l’écart entre le seuil et le plafond — c’est-à-dire entre la moyenne et le sommet — ne se réduit pas, il s’élargit.

C’est la caractéristique des lois de puissance : elles ne tiennent pas compte de votre intention. La technologie d’égalité aboutit toujours à une aristocratie. À chaque fois.

L’IA ne fait pas exception, elle peut même amplifier cette tendance.

Évolution du marché

Lorsque Spotify a lancé, il a fait quelque chose de vraiment radical : il a permis à n’importe quel musicien sur Terre d’accéder à un canal de distribution autrefois réservé aux maisons de disques, avec leurs budgets marketing et leur chance. Résultat : explosion de l’industrie musicale — des millions de nouveaux artistes, des dizaines de milliards de chansons. Le seuil a effectivement augmenté comme promis.

Mais ce qui s’est passé ensuite, c’est que la part d’écoute des 1 % des artistes les plus populaires dépasse encore celle de l’époque du CD. Elle ne diminue pas, elle augmente. Plus de musique, plus de compétition, plus de voies pour trouver du contenu de qualité, ont poussé les auditeurs, libérés des contraintes géographiques ou d’espace en rayonnage, vers les œuvres les plus en vue. Spotify n’a pas unifié la musique, il a simplement intensifié cette compétition.

Il en va de même dans l’écriture, la photographie et le développement logiciel. Internet a permis à un nombre record d’auteurs, mais a aussi créé une économie de l’attention plus impitoyable. Plus de participants, des enjeux plus élevés, mais la même structure fondamentale : une minorité détient la majorité de la valeur.

Nous sommes surpris parce que nous pensons en termes linéaires — nous espérons que l’augmentation de la productivité se répartira uniformément comme de l’eau vers un récipient plat. Mais la plupart des systèmes complexes ne fonctionnent pas ainsi : ils n’ont jamais fonctionné ainsi. La distribution de puissance suit une loi de puissance, ce n’est ni une anomalie du marché ni une défaillance technologique, c’est la configuration par défaut de la nature. La technologie ne la crée pas, elle la révèle simplement.

Pensez à la loi de Kleiber : chez tous les êtres vivants sur Terre — des bactéries à la baleine bleue, couvrant 27 ordres de grandeur de masse — le taux métabolique est proportionnel à la masse élevée à la puissance 0,75. La métabolisme d’une baleine ne suit pas une proportion simple de sa taille. Cette relation est une loi de puissance, et elle est maintenue avec une précision remarquable dans presque toutes les formes de vie. Personne n’a conçu cette distribution ; elle résulte simplement de la façon dont l’énergie suit sa logique interne dans les systèmes complexes.

Le marché est un système complexe, l’attention est une ressource. Lorsque la friction disparaît — c’est-à-dire lorsque la géographie, l’espace en rayonnage et les coûts de distribution ne jouent plus leur rôle tampon — le marché converge vers sa forme naturelle. Cette forme n’est pas une courbe en cloche de distribution normale, mais une loi de puissance. L’histoire de l’égalité technologique coexiste avec l’aristocratie, ce qui explique pourquoi chaque nouvelle technologie nous prend toujours au dépourvu. Nous voyons le seuil monter, et supposons que le plafond suit à la même vitesse. Ce n’est pas le cas : le plafond s’éloigne de plus en plus rapidement.

L’impulsion de l’IA dans ce processus sera plus rapide et plus brutale que toute autre technologie. Le seuil monte en temps réel — tout le monde peut publier un produit, concevoir une interface, coder en production. Mais le plafond monte aussi, et plus vite. La question cruciale est : qu’est-ce qui détermine votre position finale ?

Quand l’exécution devient bon marché, l’esthétique devient un signal

En 1981, Steve Jobs insistait pour que la carte mère du premier Macintosh soit belle. Pas extérieurement, mais à l’intérieur — cette partie que le client ne voit jamais. Ses ingénieurs pensaient qu’il était fou. Mais il ne l’était pas. Il comprenait quelque chose que certains qualifient de perfectionnisme, mais qui est en réalité une forme de preuve : la façon dont vous faites quelque chose est la façon dont vous faites tout. Quelqu’un qui peut rendre l’intérieur beau ne le fait pas pour la qualité, mais parce qu’il ne peut tolérer de sortir un produit médiocre.

C’est important, car la confiance est difficile à établir, mais facile à falsifier rapidement. Nous utilisons constamment des heuristiques pour distinguer l’excellence réelle de la simple performance. Les crédences (Credentials) aident, mais peuvent être manipulées ; l’origine (Pedigree) aide, mais peut être héritée. Ce qui est vraiment difficile à falsifier, c’est l’esthétique (Taste) — une persistance durable, observable, et une forte adhérence à une norme que personne ne demande explicitement. Jobs n’avait pas besoin de faire la carte mère si belle. Il l’a fait, et cela en dit long sur la façon dont il agirait dans l’invisible.

Pendant la majeure partie des dix dernières années, ce signal a été en quelque sorte masqué. Pendant l’apogée du SaaS (environ 2012-2022), l’exécution est devenue si standardisée que la distribution est devenue la véritable ressource rare. Si vous pouvez efficacement acquérir des clients, construire une machine de vente, respecter la « règle des 40 » — le produit lui-même importe peu. Tant que votre stratégie de mise sur le marché est forte, vous pouvez gagner avec un produit médiocre. Le signal esthétique est noyé dans le bruit des indicateurs de croissance.

L’IA a radicalement changé le rapport signal/bruit. Quand tout le monde peut générer en une après-midi un produit fonctionnel, une interface élégante et un code opérationnel, la question « est-ce facile à utiliser ? » n’est plus un différenciateur. La vraie question devient : est-ce vraiment exceptionnel ? La personne sait-elle faire la différence entre « bon » et « incroyablement bon » (Insanely great) ? Même sans y être forcée, se soucie-t-elle suffisamment pour combler ce dernier écart ?

C’est particulièrement vrai pour les logiciels critiques — ceux qui gèrent la paie, la conformité, les données des employés. Ce ne sont pas des produits que l’on peut simplement essayer et abandonner le trimestre suivant. Le coût de changement est réel, les modes de défaillance sont graves, et ceux qui déploient ces systèmes doivent en assumer les conséquences. Cela signifie qu’avant de signer, ils font toutes leurs heuristiques de confiance. Un produit esthétique est l’un des signaux les plus forts. Il dit : « ceux qui l’ont construit ont mis du soin ». Ils se soucient de la partie visible, ce qui implique qu’ils se soucient probablement aussi de la partie invisible.

Dans un monde où l’exécution est bon marché, l’esthétique devient la preuve de travail (Proof of work).

Ce que la nouvelle étape récompense

Ce raisonnement a toujours été valable, mais le contexte du marché des dix dernières années l’a rendu presque invisible. Autrefois, la compétence la plus importante dans le secteur logiciel n’avait rien à voir avec le logiciel lui-même.

Entre 2012 et 2022, l’architecture SaaS s’est stabilisée. L’infrastructure cloud est bon marché et standardisée, les outils de développement mûrissent. Construire un produit fonctionnel est difficile, mais c’est une difficulté « résolue » — on peut la gérer par le recrutement, suivre un modèle établi, et avec suffisamment de ressources, atteindre la ligne de qualification. La véritable rareté, ce qui distingue les gagnants des médiocres, c’est la capacité de distribution. Pouvez-vous efficacement acquérir des clients ? Construisez-vous une machine de vente répétable ? Comprenez-vous suffisamment la rentabilité unitaire pour alimenter la croissance par des investissements judicieux ?

Les fondateurs qui prospéraient dans cet environnement venaient majoritairement du domaine de la vente, du conseil ou de la finance. Ils maîtrisaient des indicateurs qui semblaient incompréhensibles il y a dix ans : NDR, ACV, Magic number, règle des 40. Ils vivaient dans les tableurs et les revues de pipeline, et dans ce contexte, ils avaient raison. La période de pic du SaaS a engendré ses propres fondateurs. C’était une adaptation rationnelle.

Mais je me sentais étouffé.

Je viens d’une petite ville d’un État indien de 2,5 milliards d’habitants. Chaque année, seulement trois étudiants en Inde entrent au MIT. Invariablement, ils viennent tous de prestigieuses écoles préparatoires de Delhi, Mumbai ou Bangalore — des institutions créées spécifiquement pour cet objectif. Je suis le premier de ma région à y entrer. Je ne dis pas cela pour me vanter, mais pour illustrer un point : quand l’accès est limité, le pedigree prédit le résultat ; quand l’accès s’ouvre, ce sont ceux qui creusent profondément qui gagnent. Dans une salle remplie de personnes de familles prestigieuses, je suis une pièce maîtresse basée sur la profondeur. C’est aussi ma seule stratégie de pari.

J’ai étudié la physique, les mathématiques et l’informatique, où les insights les plus profonds ne viennent pas de l’optimisation de processus, mais de la vérité que d’autres ont manquée. Mon mémoire de master portait sur la mitigation des retardataires dans l’apprentissage machine distribué : comment optimiser un système à grande échelle lorsque certaines parties prennent du retard, sans compromettre l’intégrité globale.

Quand j’avais une vingtaine d’années et que je regardais le monde de l’entrepreneuriat, je voyais un tableau où ces insights profonds semblaient sans importance. La prime du marché privilégiait la « mise sur le marché » plutôt que le produit lui-même. Construire quelque chose de techniquement excellent semblait naïf — considéré comme une perturbation du « vrai jeu » (acquisition, rétention, vitesse de vente).

Puis, en fin 2022, le contexte a changé.

Ce que ChatGPT a montré — de façon plus intuitive et impressionnante qu’une longue recherche académique — c’est que la courbe a tourné. Une nouvelle courbe en S s’est ouverte. Les transitions de phase (Phase transitions) ne récompensent pas ceux qui s’adaptent le mieux à la phase précédente, mais ceux qui, avant que les autres ne voient le prix, perçoivent le potentiel infini de la nouvelle étape.

J’ai alors quitté mon emploi et fondé Warp.

Ce pari est très précis. Aux États-Unis, il y a plus de 800 agences fiscales — fédérales, étatiques, locales — chacune avec ses exigences, ses échéances et sa logique de conformité. Il n’y a pas d’API, pas d’interface programmatique. Pendant des décennies, chaque fournisseur de services de paie a traité ce problème de la même façon : en embauchant des humains. Des milliers d’experts en conformité naviguent manuellement dans ces systèmes conçus à l’origine pour ne pas être à grande échelle. Les géants traditionnels — ADP, Paylocity, Paychex — ont construit leur modèle commercial autour de cette complexité : ils ne la résolvent pas, ils l’absorbent dans le nombre d’employés, et répercutent le coût sur le client.

En 2022, je voyais encore l’agent IA comme fragile. Mais je percevais aussi la courbe d’amélioration. Quelqu’un qui connaît intimement les systèmes distribués à grande échelle, et suit de près l’évolution des modèles, peut faire une mise stratégique précise : la technologie fragile d’hier deviendra extrêmement puissante dans quelques années. Nous avons parié : construire une plateforme IA native à partir des premiers principes, en ciblant le flux de travail le plus difficile — celui que les géants traditionnels ne pourront jamais automatiser à cause de leurs limitations architecturales.

Aujourd’hui, ce pari se réalise. Mais au-delà, c’est une question de reconnaissance de modèles. Les fondateurs technologiques de l’ère IA, non seulement ont un avantage en ingénierie, mais aussi en insight. Ils voient différents points d’entrée, font des paris variés. Ils peuvent examiner un système considéré comme « éternellement complexe » et demander : que faut-il pour une automatisation véritable ? Et surtout, ils peuvent construire eux-mêmes la réponse.

Les leaders de l’époque SaaS de pointe étaient des optimiseurs rationnels sous contrainte. L’IA supprime ces contraintes et en installe de nouvelles. Dans ce nouvel environnement, la ressource rare n’est plus la distribution, mais la capacité à percevoir les possibilités — et à les construire selon une esthétique et une conviction appropriées. Mais il y a une troisième variable décisive, que la plupart des fondateurs de l’ère IA commettent une erreur catastrophique :…

La course à long terme dans un contexte de vitesse

Une idée répandue dans l’entrepreneuriat actuel : vous avez deux ans pour sortir du sous-sol permanent. Construire vite, lever vite, sortir (Exit) ou échouer.

Je comprends d’où vient cette mentalité. La vitesse d’évolution de l’IA donne une sensation de crise existentielle, et le créneau pour saisir la vague semble très étroit. Sur Twitter, les jeunes qui deviennent célèbres du jour au lendemain pensent que le jeu consiste à aller vite — le gagnant est celui qui court le plus vite en deux ans.

Mais cette vision est erronée dans la bonne dimension.

La vitesse d’exécution est cruciale. Je le crois profondément — c’est même inscrit dans le nom de ma société (Warp). Mais la vitesse d’exécution n’est pas synonyme de vision à court terme. Les fondateurs qui bâtissent des entreprises à valeur durable dans l’ère IA ne sont pas ceux qui font un sprint de deux ans pour vendre vite. Ce sont ceux qui sprintent dix ans, et profitent de l’effet composé.

Le court-termisme est une erreur : la valeur la plus précieuse dans le logiciel — données privées, relations clients profondes, coûts de changement réels, expertise réglementaire — nécessite des années pour s’accumuler, et peu importe combien de capital ou de capacités IA un concurrent apporte, cela ne peut pas être copié rapidement. Chez Warp, en traitant la paie pour des entreprises multi-états, nous accumulons des données de conformité à travers des milliers de juridictions. Chaque notification fiscale traitée, chaque cas limite résolu, chaque enregistrement auprès des autorités locales, construit un système de plus en plus difficile à reproduire avec le temps. Ce n’est pas une simple fonctionnalité, c’est une barrière protectrice, car nous avons travaillé avec une qualité si élevée pendant si longtemps qu’elle a créé une densité de qualité.

Ce bénéfice composé n’est pas visible la première année. Il devient perceptible la deuxième. Et à la cinquième année, c’est tout le jeu.

Frank Slootman, ancien CEO de Snowflake, qui a créé et scalé plus de logiciels que quiconque aujourd’hui, le dit simplement : il faut s’habituer à l’inconfort. Pas pour un sprint, mais comme un état permanent. La « brume de guerre » initiale — cette incertitude, ces informations incomplètes, cette nécessité de prendre des décisions rapides — ne disparaît pas après deux ans. Elle évolue, de nouvelles incertitudes remplacent les anciennes. Les fondateurs durables ne sont pas ceux qui ont trouvé la certitude, mais ceux qui savent naviguer dans la brume avec clarté.

Construire une entreprise est extrêmement brutal, et cette brutalité est difficile à transmettre à ceux qui ne l’ont pas vécu. Vous vivez dans une peur légère constante, ponctuée de peurs plus profondes. Vous prenez des milliers de décisions avec peu d’informations, en sachant qu’une série d’erreurs peut tout faire échouer. Les histoires de succès du jour au lendemain sur Twitter ne sont pas seulement des anomalies dans la loi de puissance, ce sont des extrêmes. S’inspirer de ces cas pour optimiser votre stratégie, c’est comme étudier ceux qui ont couru 5 km par erreur pour préparer un marathon.

Pourquoi faire cela ? Pas pour le confort, pas pour la probabilité de succès. Mais parce que, pour certains, ne pas le faire, c’est ne pas vivre vraiment. La seule chose pire que de construire quelque chose à partir de rien, c’est le silence étouffant de ne pas avoir essayé.

Et si vous pariez juste, si vous percevez une vérité que les autres n’ont pas encore intégrée, si vous agissez avec esthétique et conviction sur une longue période, le résultat ne sera pas seulement financier. Vous aurez créé quelque chose qui change réellement la façon dont les gens travaillent. Vous aurez construit un produit que les gens aiment utiliser. Et vous aurez, dans votre propre entreprise, embauché et fait prospérer ceux qui donnent le meilleur d’eux-mêmes.

C’est un projet de dix ans. L’IA ne peut pas changer cela, elle ne l’a jamais fait.

Ce que l’IA modifie, c’est le plafond (Ceiling) que peuvent atteindre ces fondateurs qui tiennent jusqu’au bout.

Les plafonds invisibles

Et alors, à l’autre bout de tout cela, à quoi ressemblera le logiciel ?

Les optimistes disent que l’IA crée de la richesse — plus de produits, plus de créateurs, plus de valeur pour plus de gens. Ils ont raison. Les pessimistes disent que l’IA détruit la barrière du logiciel — tout peut être copié en un après-midi, la défense est morte. Ils ont aussi partiellement raison. Mais ces deux camps regardent le seuil (Floor), personne ne regarde le plafond (Ceiling).

À l’avenir, des milliers de solutions ponctuelles (Point solutions) apparaîtront — des outils minuscules, fonctionnels, générés par l’IA, capables de résoudre des problèmes étroits. Beaucoup ne seront même pas créés par des entreprises, mais par des individus ou des équipes internes pour répondre à leurs propres douleurs. Pour certains segments de logiciels à faible barrière d’entrée et facilement remplaçables, le marché sera véritablement démocratisé. Le seuil est élevé, la compétition féroce, et la marge très fine.

Mais pour les logiciels critiques — ceux qui gèrent flux financiers, conformité, données des employés et risques juridiques — la situation est très différente. Ce sont des workflows à très faible tolérance à l’erreur. Une défaillance du système de paie, c’est que les employés ne reçoivent pas leur salaire ; une erreur fiscale, c’est une visite de l’IRS ; une interruption dans la déclaration de cotisations, c’est la perte de couverture pour des employés. Ceux qui choisissent ces logiciels doivent en assumer les conséquences. Cette responsabilité ne peut pas être externalisée à une IA bricolée en un après-midi.

Pour ces workflows, les entreprises continueront à faire confiance à leurs fournisseurs. La dynamique du « gagnant prend tout » sera encore plus extrême que pour les logiciels SaaS classiques. Non seulement à cause des effets de réseau (ce qui est vrai), mais aussi parce qu’une plateforme IA native, accumulant des données privées sur des millions de transactions et de cas limites, aura un avantage d’effet composé quasi impossible à rattraper pour les nouveaux entrants. La barrière n’est plus un simple ensemble de fonctionnalités, mais la qualité maintenue sur le long terme dans un domaine où l’erreur est punie.

Cela signifie que l’intégration du marché logiciel dépassera celle du SaaS. Dans dix ans, il ne restera probablement que deux ou trois plateformes dominantes dans la gestion RH et la paie, captant la majorité de la valeur. Une longue série de solutions ponctuelles sera presque inexistante dans cette niche. La même dynamique s’appliquera à chaque catégorie de logiciels où la complexité réglementaire, l’accumulation de données et les coûts de changement jouent un rôle.

Les entreprises en haut de cette distribution se ressembleront : fondées par des talents techniques avec une véritable esthétique produit ; construites dès le départ sur une architecture IA native ; opérant dans des marchés où les géants actuels ne peuvent pas réagir structurellement sans défaire leur modèle. Elles ont fait très tôt un pari d’insight unique — percevoir une vérité encore non évaluée par le marché — et ont tenu assez longtemps pour que l’effet composé devienne évident.

J’ai longtemps décrit ces fondateurs de manière abstraite. Mais je sais très bien qui ils sont, parce que j’essaie de devenir l’un d’eux.

En 2022, j’ai fondé Warp, parce que je crois que toute la pile de gestion des employés — paie, conformité fiscale, avantages, onboarding, gestion du matériel, processus RH — repose sur du travail manuel et des architectures obsolètes, et que l’IA peut les remplacer complètement. Pas une amélioration, mais une substitution. Les géants traditionnels ont construit leur valeur en absorbant la complexité dans le nombre d’employés ; nous, nous construirons en éliminant la complexité à la source.

Trois ans plus tard, cette stratégie a fait ses preuves. Depuis le lancement, nous avons traité plus de 500 millions de dollars de transactions, nous connaissons une croissance rapide, et nous servons des entreprises qui construisent les technologies les plus importantes au monde. Chaque mois, les données de conformité accumulées, les cas limites traités, les intégrations construites rendent notre plateforme plus difficile à copier, et plus précieuse pour nos clients. La barrière est encore jeune, mais elle commence à prendre forme et s’accélère.

Je vous dis cela non pas parce que le succès de Warp est écrit d’avance — dans un monde de lois de puissance, rien n’est écrit d’avance — mais parce que la logique qui nous y a menés est celle que je décris dans tout cet article : voir la vérité. Creuser plus profondément que quiconque. Construire un système qui maintient des standards élevés sans pression extérieure. Persévérer assez longtemps pour voir si vous avez raison.

Les entreprises d’excellence à l’ère de l’IA seront celles qui auront compris que : l’accès n’a jamais été une ressource rare, c’est l’insight (Insight) ; l’exécution n’a jamais été une barrière, c’est le goût (Taste) ; la vitesse n’a jamais été un avantage, c’est la profondeur (Depth).

La loi de puissance ne tient pas compte de votre intention. Mais elle récompense la bonne intention.