Hier soir, je suis tombé sur une analyse assez intéressante. Quelqu’un a parcouru les pages de recrutement d’OpenAI, d’Anthropic et d’autres entreprises, pour voir ce qu’elles font en secret.

Beaucoup de gens se concentrent habituellement sur les conférences de presse ou le classement des modèles, mais en réalité, le recrutement est un signal plus authentique. Les entreprises ne publient pas leur stratégie sur leur site officiel, mais elles l’indiquent à travers leurs offres d’emploi.
Un changement évident est que, au cours de la dernière année, ces entreprises ont massivement augmenté leurs postes liés à la vente.
La proportion de postes chez Anthropic est passée de 17% à 31%, et chez OpenAI, de 18% à 28%. Et la croissance la plus rapide ne concerne pas la vente traditionnelle, mais une catégorie très particulière — des postes dédiés à enseigner aux clients comment utiliser l’IA.
Par exemple, des « Ingénieurs en réussite IA », « Ingénieurs déploiement », « Architectes de solutions ». Le cœur de ces postes n’est pas de vendre des produits, mais d’aider les entreprises à trouver des scénarios d’application et à intégrer réellement l’IA.
C’est en fait assez crucial. Cela montre une question : ce n’est pas que l’IA n’est pas assez puissante, mais que la majorité des gens ne savent pas encore comment l’utiliser.
Si vous avez déjà été dans la crypto, cette scène vous semblera familière.
Lorsque les exchanges ont lancé les contrats à terme, ou que la DeFi a émergé, ce n’était pas que les produits étaient mauvais, mais que les utilisateurs ne savaient pas comment s’en servir. C’est pourquoi il y avait toute une série de tutoriels, de signaux de trading, de groupes communautaires. Les véritables gagnants, beaucoup ne faisaient pas de la technologie de base, mais plutôt de l’« enseigner comment utiliser ».
Maintenant, l’IA en est là aussi. La narration initiale et la compétition technologique sont presque terminées, on entre dans la phase de mise en pratique et de monétisation.
En regardant plus en détail, on découvre des choses encore plus intéressantes.
OpenAI continue de développer ses modèles, mais commence aussi à se tourner vers le hardware. Dans les offres d’emploi, il y a des postes liés à la capture d’images avec des caméras, à des systèmes d’exploitation, et même à la conception de puces maison. Tout cela ressemble à un appareil portable avec caméra, capable de faire tourner localement des modèles. Par ailleurs, ils recrutent aussi pour des postes liés aux robots, et explorent même des produits sociaux ou des plateformes d’emploi.
Ce n’est plus simplement une entreprise d’outils IA, mais plutôt la construction d’un nouveau point d’entrée, voire d’une plateforme de nouvelle génération.
Anthropic, de son côté, suit une voie différente. Elle ne développe pas de puces maison, mais recrute massivement pour des postes liés aux centres de données et à la collaboration en matière de puissance de calcul, ce qui montre qu’elle privilégie l’intégration des ressources plutôt que de se lancer dans la fabrication de l’infrastructure de base.
Ces deux approches ressemblent en fait à deux stratégies dans la crypto :
L’une consiste à fabriquer ses propres mineurs, à construire des farms, pour contrôler la couche fondamentale ;
L’autre consiste à intégrer directement la puissance de calcul et les ressources, pour une expansion rapide.
Mais peu importe la voie choisie, un consensus est déjà évident : le vrai goulot d’étranglement n’est pas le modèle, mais « comment l’utiliser ».
C’est pourquoi on voit une croissance rapide des postes dédiés à l’enseignement de l’utilisation de l’IA, plus que ceux de la recherche.
En réalité, cela comble un vide : la distance entre la capacité et l’application.
D’un point de vue plus concret, ce qui compte aujourd’hui, ce n’est plus de savoir qui a le modèle le plus puissant, mais qui peut transformer l’IA en revenus concrets, en gains d’efficacité, voire en une activité commerciale complète.
De nombreuses opportunités commencent déjà à se diriger dans cette direction :
Fournir des services d’intégration de l’IA pour les entreprises, développer des applications sectorielles, emballer l’IA en produits directement utilisables, ou encore former et élaborer des solutions.
En d’autres termes, cette étape ne consiste plus à « raconter une histoire » sur l’IA, mais à « obtenir des résultats ».
Pour le dire plus simplement : ces acteurs ne cherchent plus à rendre l’IA plus impressionnante, mais à faire en sorte que les clients paient, et continuent de payer.
Vous êtes encore en train d’étudier les modèles, ou vous avez déjà commencé à réfléchir à comment en tirer profit ? La différence commence à apparaître.