L'IA ne réalisera pas l'égalité technologique, elle ne fera que récompenser les personnes appropriées

Auteur : Naman Bhansali

Traduction : Shenchao TechFlow

Lecture de Shenchao : Au début de la diffusion des nouvelles technologies, il est courant de croire à une illusion d’« 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 ses pratiques entrepreneuriales dans le domaine de l’IA en payroll, révélant une vérité contre-intuitive : plus la technologie abaisse le seuil d’entrée (Floor), plus le plafond (Ceiling) de l’industrie s’élève.

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 du 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 égalitaire produit 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 permettent à chacun de devenir 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) s’élève effectivement. Plus de personnes participent à la création, publient des produits, entrent en compétition. Mais elles ignorent souvent le plafond (Ceiling). La vitesse d’élévation du plafond est encore plus rapide. Et l’écart entre la médiane et le sommet — entre le niveau moyen et le niveau d’élite — ne se réduit pas, il s’accroît.

C’est la caractéristique des lois de puissance : elles ne tiennent pas compte de votre intention. La technologie égalitaire tend toujours à produire des résultats aristocratiques. À chaque fois.

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

L’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, aux budgets marketing et à une chance exceptionnelle. Résultat : explosion de l’industrie musicale — millions de nouveaux artistes, milliards de nouvelles chansons. Le seuil a effectivement augmenté, comme promis.

Mais ce qui s’est passé ensuite, c’est que la proportion d’écoutes capturée par le 1% des artistes de tête est devenue plus grande qu’à l’ère du CD. Pas plus petite, mais plus grande. Plus de musique, plus de compétition, plus de voies pour découvrir du contenu de qualité, ont poussé les auditeurs, libérés des contraintes géographiques ou d’espace en rayons, vers les œuvres d’élite. Spotify n’a pas créé une musique universelle, il a simplement intensifié cette compétition.

Le même récit se répète dans l’écriture, la photographie et le logiciel. Internet a permis à un nombre sans précédent d’auteurs, mais a aussi créé une économie de l’attention plus impitoyable. Plus de participants, des enjeux plus élevés en haut de la pyramide, et toujours cette même structure : une minorité capte la majorité de la valeur.

Nous sommes surpris parce que nous pensons de manière linéaire — 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 (power law) n’est pas une anomalie du marché ou une erreur technologique, c’est la configuration par défaut de la nature. La technologie ne l’a pas créée, elle ne fait que la révéler.

Pensons à la loi de Kleiber. Chez tous les êtres vivants sur Terre — des bactéries à la baleine bleue, sur 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 croît pas proportionnellement à 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 intrinsèque dans les systèmes complexes.

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

L’IA accélère ce processus plus que toute autre technologie. Le seuil s’élève en temps réel — tout le monde peut lancer un produit, concevoir une interface, coder en production. Mais le plafond s’élève 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 esthétiquement 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 beaucoup considèrent comme du perfectionnisme, mais qui est en réalité une forme de preuve : la façon dont vous faites quelque chose, c’est la façon dont vous faites tout. Quelqu’un qui peut rendre esthétique la partie cachée ne se contente pas de faire de la qualité, il ne peut pas tolérer de sortir un produit de moindre qualité.

C’est crucial, car la confiance est difficile à établir, mais facile à falsifier rapidement. Nous utilisons constamment des heuristiques pour deviner qui est vraiment exceptionnel, et qui ne fait que jouer la comédie. Les crédentials (credentials) aident, mais peuvent être manipulés ; le pedigree (origine) aide, mais peut être hérité. La véritable difficulté à falsifier est l’esthétique (Taste) — une persistance durable, observable, et une adhérence forte 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 : dans ce qu’il fait dans l’invisible.

Pendant la majeure partie des dix dernières années, ce signal a été en partie masqué. Pendant la période faste 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 devient presque secondaire. Si votre stratégie de mise sur le marché est suffisamment 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 petit 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 pris soin de chaque détail visible. Cela indique aussi qu’ils prennent soin de ce qu’on ne voit pas.

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

Ce que le nouveau stade récompense

Ce raisonnement a toujours été vrai, mais la dernière décennie a rendu cette réalité presque invisible. Autrefois, la compétence la plus importante dans le logiciel n’était pas même le logiciel lui-même.

Entre 2012 et 2022, l’architecture centrale du 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 recrutement, en suivant des modèles établis, et avec des ressources suffisantes, on atteint la ligne de passage. La véritable rareté, ce qui distingue un gagnant d’un médiocre, c’est la capacité de distribution. Pouvez-vous efficacement acquérir des clients ? Construisez-vous une machine de vente répétable ? Comprenez-vous suffisamment la microéconomie pour alimenter la croissance ?

Les fondateurs qui ont prospéré dans cet environnement viennent majoritairement du sales, du consulting ou de la finance. Ils maîtrisent des métriques qui, il y a dix ans, semblaient ésotériques : NDR (Net Dollar Retention), ACV (Average Contract Value), le Magic Number, la règle des 40. Ils vivent dans les tableurs et les revues de pipeline, et dans ce contexte, ils ont raison. La période de pic du SaaS a engendré ses propres fondateurs de SaaS. C’est une adaptation rationnelle à l’évolution.

Mais je me sens étouffé.

Je viens d’un petit town en Inde, dans un État de 250 millions d’habitants. Chaque année, seulement trois étudiants en moyenne par toute l’Inde entrent à MIT. Sans exception, ils viennent de prépas coûteuses à Delhi, Mumbai ou Bangalore — des institutions créées spécifiquement pour cet objectif. Je suis la première personne de mon État à y entrer. Je ne dis pas ça pour me vanter, mais pour illustrer une version miniature de cette loi : quand l’accès est limité, le pedigree (origine) 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 par ma profondeur. C’est aussi la seule stratégie que je connais pour miser.

J’ai étudié la physique, les mathématiques et l’informatique, où la compréhension la plus profonde ne vient pas de l’optimisation de processus, mais de voir la vérité que d’autres ont manquée. Mon mémoire de master portait sur la mitigation des stragglers dans l’entraînement distribué de machine learning : 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, je regardais le monde de l’entrepreneuriat, et je voyais un tableau où ces insights profonds semblaient insignifiants. La prime du marché privilégiait le « go-to-market » plutôt que le produit lui-même. Construire quelque chose d’exceptionnel technologiquement semblait naïf — considéré comme une perturbation du « vrai jeu » (acquisition, rétention, vitesse de vente).

Puis, fin 2022, le contexte a changé.

Ce que ChatGPT a montré — de façon plus intuitive et plus frappante qu’une longue recherche académique — c’est que la courbe s’est courbée. 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 d’autres ne voient la nouvelle, en perçoivent le potentiel infini.

J’ai donc quitté mon emploi et fondé Warp.

Ce pari est très concret. Il y a plus de 800 agences fiscales aux États-Unis — fédérales, étatiques, locales — chacune avec ses propres exigences, échéances et logiques de conformité. Il n’y a pas d’API, pas d’accès programmatique. Pendant des décennies, chaque fournisseur de payroll a traité cela de la même façon : en embauchant des humains. Des milliers d’experts en conformité naviguent manuellement dans ces systèmes conçus sans intention de scale. Les géants traditionnels — ADP, Paylocity, Paychex — ont construit leur modèle d’affaires autour de cette complexité : ils ne la résolvent pas, ils l’absorbent dans le nombre d’employés, et la répercutent sur leurs clients.

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

Aujourd’hui, ce pari se réalise. Mais au-delà, c’est une question de reconnaissance de pattern. Les fondateurs dans l’ère de l’IA, qui ont à la fois un avantage technique et une capacité d’insight, voient différents points d’entrée, font différents paris. Ils peuvent examiner un système considéré comme « éternellement complexe » et demander : que faut-il pour l’automatiser vraiment ? Et surtout, ils peuvent construire eux-mêmes la réponse.

Les leaders de l’ère SaaS de sommet étaient des optimisateurs rationnels sous contrainte. L’IA supprime ces contraintes et en impose de nouvelles. Dans ce nouveau contexte, la ressource rare n’est plus la distribution, mais la capacité à percevoir des possibilités — et à les construire selon une esthétique et une conviction appropriées. Mais il y a une troisième variable cruciale, celle que la plupart des fondateurs dans l’ère de l’IA commettent une erreur fatale :

Le jeu à long terme en vitesse

Aujourd’hui, une idée répandue dans l’écosystème startup est : vous avez deux ans pour sortir du sous-sol permanent. Construire vite, lever vite, sinon sortir (Exit) ou mourir.

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

Mais cette vision est erronée — et pourtant, elle est partiellement vraie.

La vitesse d’exécution est cruciale. J’en suis convaincu — c’est même inscrit dans le nom de ma société (Warp). Mais la vitesse d’exécution ne doit pas signifier une vision à court terme. Les fondateurs capables de bâtir des entreprises à valeur durable dans l’ère de l’IA ne sont pas ceux qui font un sprint de deux ans pour tout revendre. Ce sont ceux qui sprintent dix ans, et profitent de l’effet de levier (compound) sur la durée.

Le problème du court-termisme : 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. Peu importe combien de capital ou d’IA un concurrent injecte, il ne pourra pas tout simplement copier rapidement. Chez Warp, en traitant la paie à travers des milliers de juridictions, nous accumulons des données de conformité, des cas limites, des intégrations, qui deviennent de plus en plus difficiles à reproduire avec le temps. Ce n’est pas une simple fonctionnalité, c’est une barrière protectrice : elle existe parce que nous avons travaillé avec une qualité très élevée, pendant suffisamment longtemps, pour que cette qualité devienne une densité.

Ce levier de l’effet de levier (compound) n’est visible qu’après la première année. Il devient évident à la deuxième, et à la cinquième, il devient 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’état d’« inconfort ». Pas pour un sprint, mais comme une condition permanente. La « brume de guerre » initiale — cette incertitude, ces informations incomplètes, cette nécessité de prendre des décisions — 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 ont appris à avancer 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 constante, ponctuée de peurs plus profondes. Vous prenez des milliers de décisions dans l’incertitude, sachant qu’une série d’erreurs peut tout faire échouer. Les histoires de succès « du jour au lendemain » que vous voyez sur Twitter ne sont pas seulement des outliers dans la loi de puissance, ce sont des extrêmes. S’en inspirer pour optimiser votre stratégie, c’est comme étudier ceux qui ont couru 5 km dans la mauvaise direction pour préparer un marathon.

Alors, pourquoi faire cela ? Pas parce que c’est confortable, ni parce que la chance est grande. Mais parce que, pour certains, ne pas le faire, c’est comme 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 avez raison — si vous percevez une vérité que d’autres n’ont pas encore prix en compte, si vous tenez sur une longue période avec esthétique et conviction — 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 grandir ceux qui y 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.

Le plafond ignoré

Alors, qu’adviendra-t-il de la face du logiciel dans cette nouvelle ère ?

Les optimistes disent que l’IA crée de la richesse — plus de produits, plus de bâtisseurs, plus de valeur distribuée à 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 tous deux se concentrent sur le seuil (Floor), personne ne regarde le plafond (Ceiling).

L’avenir verra émerger des milliers de solutions ponctuelles — des outils microscopiques, 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 leurs propres besoins. Pour certains 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 pour l’entreprise — ceux qui gèrent la trésorerie, la conformité, les données des employés, les risques légaux — la situation est très différente. Ce sont des workflows à très faible tolérance à l’erreur. Lorsqu’un système de paie tombe en panne, les employés ne reçoivent pas leur salaire ; en cas d’erreur fiscale, l’IRS intervient ; si la déclaration de taxes échoue, la sanction est immédiate. La responsabilité de ceux qui déploient ces systèmes est réelle. La confiance 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. Et dans ce domaine, la dynamique du « gagnant prend tout » sera encore plus extrême que dans les générations précédentes de logiciels. Non seulement à cause des effets de réseau (network effects), mais parce qu’un plateforme IA native, qui accumule des données privées sur des millions de transactions et des milliers de cas limites, aura un avantage de levier (compound) 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 coûte cher.

Cela signifie que la concentration du marché logiciel dépassera celle du SaaS. Je prévois que dans dix ans, le marché de la gestion RH et de la paie sera dominé par deux ou trois plateformes, détenant la majorité de la valeur, tandis qu’une longue liste de solutions ponctuelles aura peu d’impact. La même dynamique s’appliquera à chaque catégorie de logiciel où complexité réglementaire, accumulation de données et coûts de changement jouent un rôle.

Les entreprises en tête de ces distributions seront très similaires : fondées par des talents techniques avec un vrai sens esthétique, construites dès le départ sur une architecture IA native, opérant dans des marchés où les géants actuels ne peuvent pas réagir sans démanteler leur modèle. Elles ont fait très tôt un pari d’insight unique — percevoir une vérité encore non valorisée par le marché — et ont tenu suffisamment longtemps pour que l’effet de levier devienne évident.

Je décris ces fondateurs de manière abstraite, mais je sais très bien qui ils sont, parce que je m’efforce de devenir l’un d’eux.

En 2022, j’ai fondé Warp parce que je crois que tout le stack opérationnel des employés — paie, conformité, avantages, onboarding, gestion des équipements, processus RH — repose sur du travail manuel et des architectures obsolètes, et que l’IA peut tout remplacer. Pas améliorer, mais remplacer. Les géants traditionnels ont construit leur valeur en absorbant la complexité dans le nombre d’employés ; nous, nous bâtirons en éliminant cette complexité à la source.

Trois ans plus tard, cette conviction s’est confirmée. Depuis le lancement, nous avons traité plus de 500 millions de dollars de transactions, et notre croissance est rapide. Nous servons des entreprises qui construisent les technologies les plus importantes au monde. Chaque mois, nos données de conformité, nos cas limites traités, nos intégrations, rendent notre plateforme plus difficile à copier, et plus précieuse pour nos clients. La barrière est encore jeune, mais elle est déjà significative, et elle s’accélère.

Je vous raconte 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 standard élevé qui peut se maintenir sans pression extérieure. Tenir suffisamment longtemps pour voir si vous avez raison.

Les entreprises d’excellence dans l’ère de l’IA seront celles qui ont compris cette vérité : l’accès n’a jamais été une ressource rare, c’est l’insight (l’intuition, la compréhension) qui l’est ; 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 ceux qui ont la bonne.