a16z : L'IA multiplie l'efficacité de tous par 10, mais aucune entreprise n'en vaut 10 fois plus

Auteur : George Sivulka

Traduction : Deep潮 TechFlow

Deep潮 Introduction : L’IA a multiplié par 10 la productivité individuelle, mais aucune entreprise n’est devenue 10 fois plus précieuse pour autant. George Sivulka (investisseur chez a16z et fondateur de la société d’IA Hebbia) pense que le problème ne réside pas dans la technologie elle-même, mais dans le fait que l’organisation n’a pas été restructurée en conséquence. Il propose sept dimensions pour distinguer « IA de niveau organisation » et « IA de niveau individuel » — coordination, signal, biais, avantage marginal, orientation vers les résultats, empowerment et absence de prompts — en substance, cela revient à dire : changer de moteur électrique ne suffit pas, il faut repenser toute l’usine.

Voici le texte intégral :

L’IA vient tout juste de multiplier par 10 la productivité de chacun.

Mais aucune entreprise n’est devenue 10 fois plus précieuse.

Où est passée cette productivité ?

Ce n’est pas la première fois que cela se produit.

Dans les années 1890, l’électricité promettait une augmentation massive de la productivité.

Les usines textiles de Nouvelle-Angleterre, initialement conçues autour de moteurs à vapeur, ont rapidement remplacé ces derniers par des moteurs électriques plus rapides.

Mais pendant trente ans, les usines électrifiées n’ont guère vu leur production augmenter. La technologie était en avance. Mais l’organisation n’a pas suivi.

Ce n’est qu’aux années 1920 que les usines ont complètement repensé leurs lignes de production — chaînes de montage, chaque machine équipée d’un moteur indépendant, travailleurs et machines effectuant des tâches totalement différentes — et ce n’est qu’à ce moment-là que l’électrification a réellement porté ses fruits.

Légende : Les trois évolutions de l’usine textile Lowell. De gauche à droite : usine à vapeur en 1890, usine électrique en 1900, usine « à unités » en 1920 (reconstruite à partir de zéro en ligne électrique).

Le rendement ne vient pas de la technologie en soi, ni de faire filer la laine plus vite avec un seul ou plusieurs machines. Il naît lorsque nous redéfinissons complètement le système et la technologie ensemble. C’est là que la valeur est réellement créée.

C’est la leçon la plus coûteuse de l’histoire de la technologie, et nous sommes en train de la réapprendre.

En 2026, l’IA offre à ceux qui savent l’utiliser une augmentation de 10 fois de leur productivité. Mais ce n’est pas suffisant. Nous avons changé de moteur électrique, mais pas repensé l’usine.

Car une vérité simple : un individu efficace ne signifie pas une organisation efficace.

La majorité des produits IA donnent l’impression d’être « efficaces », mais n’apportent pas réellement de valeur. La plupart des cas d’usage que vous voyez sont des « maximisations d’efficacité » en mode auto-satisfaction sur Twitter ou Slack, sans impact réel.

L’idée de « service en tant que logiciel » évoquée ces derniers mois n’est pas fausse, mais elle manque de plan clair. Elle ignore aussi la vision d’ensemble. La vraie transformation ne consiste pas à passer d’outils à services, mais à construire la technologie et l’organisation ensemble (qu’il s’agisse de transformer l’ancien ou de repartir de zéro). Un avenir vraiment efficace nécessitera de nouveaux types de produits — la future ligne de production.

Une organisation efficace doit disposer d’une « intelligence de niveau organisation ».

Cet article analysera en profondeur les sept dimensions qui distinguent « IA de niveau organisation » et « IA de niveau individuel ». Dans la prochaine décennie, toutes les entreprises B2B en IA seront bâties sur ces différences :

Légende : Tableau comparatif des sept piliers de l’intelligence de niveau organisation

Les sept piliers de l’intelligence de niveau organisation

1. Coordination

L’IA de niveau individuel crée du chaos.

L’IA de niveau organisation favorise la coordination.

Faisons une expérience mentale. Supposez que vous doubliez demain le nombre de personnes dans votre organisation, en clonant tous vos meilleurs employés.

Chacun de ces employés a de petites différences, préférences, bizarreries et perspectives (vos meilleurs employés en ont encore plus). Si la gestion est mauvaise, la communication insuffisante, si les responsabilités, OKR, et frontières de rôles ne sont pas clairement définis… vous créez du chaos.

Selon une perspective individuelle, l’organisation pourrait sembler plus efficace. Mais des milliers d’agents (ou d’humains) tirent chacun dans leur direction, à l’opposé, ce qui aboutit à une stagnation ou, pire, à la désintégration de la cohésion organisationnelle.

Ce n’est pas une hypothèse. Toute organisation qui adopte l’IA sans couche de coordination en fait l’expérience. Chaque employé a ses habitudes d’utilisation de ChatGPT, son style de prompt, ses résultats — sans aucune cohérence avec les autres. La structure organisationnelle peut exister, mais le travail généré par l’IA suit une voie différente.

Légende : Des individus (ou agents) efficaces pagayant chacun dans leur propre direction. Sans coordination, c’est le chaos.

La coordination est une nécessité absolue, pour les humains comme pour les agents.

L’intelligence de niveau organisation va engendrer un secteur complet de « gestion d’agents » — axé sur les rôles et responsabilités des agents, la communication entre agents et avec les humains, et la mesure de leur valeur (car la simple facturation à l’usage ne suffit pas).

2. Signal

L’IA de niveau individuel génère du bruit.

L’IA de niveau organisation identifie le signal.

Aujourd’hui, l’humain peut créer — ou plutôt générer — tout ce qu’il peut imaginer : articles écrits par IA, présentations, tableurs, photos, vidéos, chansons, sites web, logiciels. Un vrai cadeau.

Mais la majorité du contenu généré par l’IA est totalement inutile. La prolifération de « déchets » IA est devenue si grave que certaines organisations ont réagi en interdisant toute production IA. Franchement, je partage cette opinion — je dirige une société d’IA, mais je demande à mes cadres de ne pas utiliser l’IA pour les produits finaux. Je ne supporte pas ces déchets.

Réfléchissez à ce que devient le secteur du private equity (capital-investissement). L’année dernière, vous aviez peut-être 10 opportunités d’investissement sur votre bureau. Cette année, au prochain trimestre, vous en recevrez 50, toutes peaufinées par l’IA, mais votre temps d’évaluation reste le même — il faut en repérer une seule vraiment fiable.

Générer n’importe quoi n’est plus un problème. La vraie question pour toute organisation sérieuse est de produire et filtrer la bonne information. Dans un monde piloté par l’IA, il devient crucial de repérer la bonne opportunité, le bon deal, le signal dans le bruit. La prochaine décennie verra la croissance économique centrale dans l’extraction de signaux à partir d’un monticule de déchets exponentiel.

Légende : La prolifération exponentielle des déchets IA générés par les outils de productivité personnelle. L’humain ne peut plus trier le bruit, il lui faut une nouvelle catégorie d’IA organisationnelle.

L’IA de niveau organisation doit repérer le signal, structurer le bruit pour le traverser, et doit être définie, déterministe, et auditable dans le cadre du travail.

L’IA de niveau individuel peut mettre en avant des agents « toujours en ligne » comme Clawdbot, pour une productivité 24/7 imprévisible — essentiellement des agents non déterministes. L’IA de niveau organisation repose sur des agents déterministes, fiables. Seules des agents avec des points de contrôle, des étapes et des processus prévisibles peuvent se déployer à grande échelle, détecter des signaux, et générer des revenus pour l’organisation.

Légende : Matrix, un outil utilisant la génération pour percer le bruit, ouvre la voie à un monde d’agents déterministes et de points de contrôle.

3. Biais

L’IA de niveau individuel nourrit les biais.

L’IA de niveau organisation crée de l’objectivité.

Les débats sur les biais sociaux et politiques ont dominé la discussion sur l’IA pendant plusieurs années. Les laboratoires de modèles fondamentaux ont finalement évité ce problème en utilisant suffisamment de RLHF pour faire en sorte que tous les modèles soient alignés avec des profils flatteurs. Aujourd’hui, des modèles comme ChatGPT ou Claude sont trop alignés, ils approuvent tout ce que vous dites (parfois en dépassant la limite, comme @Grok). La discussion sur les biais sociaux et politiques s’est estompée. Mais un nouveau problème a émergé.

Ce dévouement excessif à l’approbation de tout est devenu ridicule. Cela devient même un meme — la phrase conditionnée de Claude « Tu as tout à fait raison ! », peu importe si c’est vrai ou non.

Cela peut sembler inoffensif. Mais ce n’est pas le cas.

Les employés qui poussent le plus l’IA dans leur organisation risquent de devenir rapidement les pires performeurs de l’histoire. Pensez-y.

Les employés les moins performants, qui reçoivent peu de feedback positif, seront rapidement soutenus par une ASI qui approuve tout ce qu’ils font. Ils se diront : « Les intelligences les plus intelligentes de tous les temps sont d’accord avec moi. Mon manager doit se tromper. »

C’est addictif. Et toxique pour l’organisation.

Légende : La chambre d’écho de l’IA individuelle exacerbe la division, créant des factions au sein d’une organisation initialement unifiée.

Cela révèle une chose essentielle : les outils de productivité personnelle renforcent l’utilisateur. Mais la vraie priorité est de renforcer la réalité.

Les organisations humaines, après des millénaires d’évolution, ont mis en place des systèmes pour contrer ce problème :

Comités d’investissement

Diligences externes

Conseil d’administration

Séparation des pouvoirs exécutif, législatif et judiciaire aux États-Unis

Démocratie représentative et systèmes démocratiques

Légende : L’objectivité peut même atténuer les problèmes de coordination — en supprimant plutôt qu’en amplifiant les petites divergences.

Les organisations échouent rarement parce que leurs employés manquent de confiance. Elles échouent parce que personne n’ose ou ne peut dire « non ».

L’IA de niveau organisation doit jouer ce rôle. Elle ne sera pas programmée pour flatter ou satisfaire les croyances des utilisateurs via RLHF, mais pour remettre en question leurs biais. Lorsqu’elle agit efficacement, elle donne un retour positif ; lorsqu’elle s’écarte du cap, elle trace une ligne dure, impose la correction.

Ainsi, le principal agent dans une organisation ne sera pas un « oui-oui » mais un « veto » discipliné — qui remet en question la logique, expose les risques, et applique des standards. Les applications d’IA les plus influentes à l’avenir seront construites autour de contraintes systémiques : membres du conseil d’administration IA, auditeurs IA, tests tiers IA, conformité IA…

4. Avantage marginal

L’IA de niveau individuel optimise l’utilisation.

L’IA de niveau organisation optimise l’avantage marginal.

Les capacités de l’IA évoluent chaque semaine, voire chaque jour. Les entreprises de modèles fondamentaux itèrent rapidement pour conquérir chaque utilisateur et chaque organisation.

Mais la règle classique de l’innovation, celle du « innovateur en profondeur », montre que dans l’application concrète, la profondeur l’emporte toujours sur la largeur :

@Midjourney excelle dans la conception d’images, en conservant un léger avantage.

@Elevenlabsio domine la modélisation vocale, en conservant un léger avantage.

@DecagonAI reste en tête dans l’expérience client tout-en-un.

Même si les modèles fondamentaux se rapprochent, pour les experts dans chaque domaine, le vrai avantage marginal réside dans la spécialisation. Beaucoup de grands designers utilisent @Midjourney, beaucoup de sociétés de voix IA utilisent @Elevenlabsio — car même si la base progresse, la focalisation incessante sur un avantage marginal spécifique définit la supériorité.

Tant que les solutions spécialisées évoluent aussi, la capacité réellement critique pour la réussite économique — celle qui compte pour l’entreprise — reste dans le produit spécialisé.

Cela se voit de façon éclatante dans la finance — le domaine le plus chaud pour le développement des LLM. Une fois qu’une capacité devient courante, elle ne vous aidera pas à battre le marché. Mais si une technologie de pointe peut générer un avantage niche de 1 % — ce 1 % peut rapporter des milliards.

Légende : Pour toute tâche suffisamment spécifique, l’avantage marginal est défini par la solution organisationnelle que vous construisez au sommet de la technologie de pointe.

Nos utilisateurs repoussent constamment la frontière. La fenêtre de contexte des LLM est passée de 4K à 1 million de tokens en quatre ans. Certains de nos utilisateurs traitent 30 milliards de tokens en une seule tâche. Cette année, nous voyons déjà la voie pour traiter 100 milliards de tokens. À chaque amélioration des capacités fondamentales, nous allons plus loin.

Légende : La fenêtre de contexte et autres capacités sont des cibles mouvantes. Comparaison de l’évolution de la fenêtre de contexte chez les laboratoires de pointe et Hebbia ces trois dernières années.

L’universalité pour un large public est évidemment importante, surtout pour initier les employés à l’IA. Mais l’avenir, ce sera une combinaison de ChatGPT/Claude avec des solutions verticales.

L’intelligence de niveau organisation doit exploiter des agents spécialisés par domaine, voire par tâche.

Nous devons nous poser une question qui peut sembler absurde, mais ne l’est pas :

« L’AGI choisira-t-elle d’utiliser certains agents comme raccourcis ? Même une super-intelligence voudra-t-elle des outils spécialisés pour des domaines précis ? »

Les capacités de l’IA évoluent sans cesse, et ce sont ceux qui exploitent les véritables avantages marginaux qui seront les gagnants. Les autres achètent un produit universel très coûteux.

5. Résultats

L’IA de niveau individuel fait gagner du temps.

L’IA de niveau organisation augmente les revenus.

@MaVolpi m’a dit une phrase qui a changé ma vision de la vente d’IA aux entreprises : « Si vous demandez à n’importe quel CEO s’il préfère réduire ses coûts ou augmenter ses revenus, la majorité dira augmenter ses revenus. »

Mais aujourd’hui, presque tous les produits IA livrent des économies — promettent de faire gagner du temps, de faire plus avec moins de personnel, ou de remplacer la main-d’œuvre.

L’IA de niveau organisation doit générer des gains additionnels. Et ces gains sont bien plus difficiles à monétiser que le simple gain de temps.

Prenons l’exemple du développement logiciel assisté par IA. Les IDE sont parmi les meilleurs outils de productivité IA pour particuliers, mais ils font face à une concurrence féroce de Claude Code (autre IA pour développeurs). Cognition joue un tout autre jeu. Leur croissance la plus stable vient de vendre la transformation technologique, pas l’outil. Je pense que ce modèle a de la pérennité.

Les logiciels purs deviennent rapidement invendables. Les services purs ne peuvent pas être scalés. La couche solution — lier la technologie aux résultats — est là où la valeur durable se construit.

Regardons aussi les fusions-acquisitions. L’IA de niveau individuel aide l’analyste à modéliser plus vite. L’IA de niveau organisation identifie le bon contrepartie parmi cent cibles, puis étend la recherche à mille. L’un fait gagner du temps, l’autre génère du revenu.

Légende : Les entreprises de modèles fondamentaux migrent vers la couche applicative verticale. Les entreprises de cette couche migrent vers la couche de solutions.

« Vers le haut » est la tendance naturelle du marché. Les modèles fondamentaux se dirigent vers l’application, et celles-ci vers la couche de solutions.

L’intelligence de niveau organisation, c’est la couche de solutions. Et c’est là que la valeur durable se construit, en captant le maximum de bénéfices.

6. Empowerment

L’IA de niveau individuel vous donne un outil.

L’IA de niveau organisation vous apprend comment l’utiliser.

Même les humains les plus intelligents résistent au changement.

Croyez-le ou non, il existe encore des boutiques à New York qui n’acceptent pas la carte de crédit. Elles savent qu’elles perdent de l’argent, mais ne veulent pas changer. De même, dans certaines organisations, certains employés refuseront encore d’utiliser l’IA dans un avenir proche.

La transformation d’une organisation purement manuelle en une organisation hybride axée sur l’IA sera le défi le plus durable et le plus déterminant des dix prochaines années. Et souvent, ce sont les dirigeants et les acteurs clés qui seront les derniers à adopter.

Légende : La haute direction — la plus éloignée de l’opération des outils de productivité — est souvent la plus lente à adopter les nouvelles technologies, mais aussi la plus critique.

Palantir est la seule société de logiciels à maintenir un multiple d’évaluation très élevé lors de la récente chute de plusieurs trillions de dollars des valeurs technologiques. La raison en est simple : Palantir a été l’un des premiers « ingénieurs de processus » — que ce soit en codant des processus ou en rédigeant des documents Claude. À l’avenir, l’IA de niveau organisation va engendrer un secteur : encoder les processus d’entreprise dans des agents, puis gérer le changement nécessaire à leur déploiement.

Légende : La généralisation de l’IA dans l’organisation franchira plusieurs seuils, chacun présentant ses défis. La mise en place de processus dans l’IA sera un moteur principal.

Je suis convaincu que l’ingénierie des processus deviendra la « technologie » la plus importante à court terme.

Dans cette ingénierie, l’expertise métier et sectorielle — plutôt que la maîtrise logicielle — sera la clé. Les solutions verticales formeront des spécialistes en déploiement, en implémentation et en gestion du changement.

Une grande banque d’investissement ayant choisi Hebbia pour une déploiement global a résumé cela parfaitement : ils n’ont pas collaboré avec un laboratoire de grands modèles parce qu’« il faut leur expliquer ce qu’est un CIM (confidentiel information memorandum) ». Claude ou GPT comprennent bien ce domaine, mais leurs équipes de déploiement ne le connaissent pas…

Ce différentiel fait toute la différence.

7. Absence de prompts

L’IA de niveau individuel répond aux prompts humains.

L’IA de niveau organisation agit de façon proactive, sans prompts.

Beaucoup de discussions portent sur la communication entre agents, ou sur la nécessité ou non de l’intervention humaine dans les entreprises et leurs systèmes.

Mais la question plus pertinente est : l’IA de niveau organisation aura-t-elle encore besoin de prompts ?

Donner un prompt à une AGI, c’est comme brancher un moteur électrique sur une machine à tisser manuelle. Cela limite, de façon irréversible, l’organisation à ses maillons faibles — nous-mêmes. L’humain ne sait pas toujours poser la bonne question, encore moins quand la poser.

La tâche la plus précieuse que l’IA peut accomplir, c’est celle que personne n’a encore imaginée : repérer des risques inconnus, des partenaires inattendus, des pipelines de vente non découverts.

Cela repoussera radicalement les limites des cas d’usage de l’IA.

Un système sans prompts qui surveille en continu le flux de données d’un portefeuille d’investissements, détecte qu’une société en portefeuille voit son cycle de capital opérationnel se détériorer depuis trois mois, croise cette info avec les clauses de crédit, et alerte le partenaire opérationnel avant même qu’un PDF ne soit ouvert.

Lorsque vous n’aurez plus besoin que des humains écrivent des prompts pour l’IA, de nouvelles interfaces et méthodes de travail émergeront. Chez @Hebbia, nous avons de fortes idées à ce sujet. Nous en reparlerons.

Conclusion

Tout ce qui précède ne nie pas la valeur des chatbots, agents ou IA de niveau individuel.

L’IA de niveau individuel sera le vecteur de la première expérience de transformation IA pour la majorité des entreprises mondiales. Promouvoir l’usage et la facilité d’utilisation sont les premières étapes essentielles pour bâtir une économie IA prioritaire.

Mais la demande pour une intelligence de niveau organisation est claire, urgente et immense.

Dans un avenir proche, chaque organisation disposera d’un chatbot issu d’un laboratoire de grands modèles. Et chaque organisation aura aussi une IA de niveau organisation dédiée à des problématiques spécifiques — tandis que l’IA individuelle utilisera ces IA de niveau organisation comme outils clés dans sa boîte à outils.

La meilleure intégration entre IA de niveau organisation et IA de niveau individuel est une tendance inévitable.

Mais souvenez-vous de la leçon des usines textiles des années 1890 : celles qui ont été les premières à s’électrifier ont été battues par celles qui ont repensé leur atelier.

Nous avons déjà l’électricité. Il est temps de repenser nos usines.

Remerciements à @aleximm et @WillManidis pour leur relecture, ainsi qu’à l’article de Will « Objets en forme d’outils » pour l’inspiration.