À chaque fois qu’une nouvelle technologie réduit la barrière à l’entrée, la même prédiction surgit : si tout le monde peut désormais le faire, plus personne n’aura d’avantage. Le téléphone équipé d’un appareil photo a fait de chacun un photographe. Spotify a fait de chacun un musicien. L’IA fait de chacun un développeur de logiciels.
Cette prédiction n’est jamais entièrement exacte. Le niveau de base s’élève. Plus de personnes créent, produisent et entrent en concurrence. Mais ce que la prédiction oublie toujours, c’est le plafond. Ce dernier s’élève plus vite encore. Et l’écart entre le plancher et le plafond — entre la moyenne et l’excellence — ne se réduit pas. Il s’accentue.
C’est la logique des lois de puissance : elles se moquent des intentions. Les technologies égalitaires produisent des résultats aristocratiques. À chaque fois.
L’IA ne fera pas exception. Ce sera plus extrême encore.
La forme des marchés
Au lancement de Spotify, une rupture réelle s’est produite : chaque musicien a eu accès à la même distribution, autrefois réservée aux maisons de disques, aux budgets marketing et à la chance. Résultat : une explosion musicale. Des millions de nouveaux artistes, des milliards de titres. Le plancher s’est élevé, comme promis.
Mais il s’est aussi passé ceci : le top 1 % des artistes capte aujourd’hui une part plus grande des écoutes qu’à l’ère du CD. Pas plus petite — plus grande. Plus de musique, plus de concurrence, plus de moyens d’identifier l’excellence, et les auditeurs, libérés des contraintes géographiques ou de rayonnage, convergent vers elle. Spotify n’a pas démocratisé la musique. Il a durci la compétition.
On retrouve ce scénario dans l’écriture, la photographie ou le logiciel. Internet a généré plus d’auteurs que toute technologie antérieure, tout en créant une économie de l’attention plus impitoyable. Plus de participants, plus d’enjeux au sommet, et toujours la même forme : une minorité capte la majeure partie de la valeur.
Ce résultat nous surprend car nous raisonnons de façon linéaire — nous attendons une répartition homogène des gains de productivité, comme de l’eau dans un récipient plat. Or, la plupart des systèmes complexes ne fonctionnent pas ainsi. Ils ne l’ont jamais fait. La loi de puissance n’est ni une anomalie de marché, ni un échec de la technologie. C’est la norme naturelle. La technologie ne la crée pas, elle la révèle.
Considérons la loi de Kleiber. Chez tous les organismes vivants — des bactéries aux baleines bleues, sur 27 ordres de grandeur de masse — le métabolisme évolue selon la masse corporelle à la puissance 0,75. Le métabolisme d’une baleine n’est pas proportionnel à sa taille. Cette relation est une loi de puissance, d’une précision remarquable à l’échelle du vivant. Personne n’a conçu cette distribution. C’est simplement la forme que prend l’énergie dans les systèmes complexes laissés à leur logique propre.
Les marchés sont des systèmes complexes. L’attention est une ressource. Quand la friction disparaît — quand géographie, rayonnage et coûts de distribution cessent d’amortir — les marchés convergent vers leur forme naturelle. Ce n’est pas une courbe en cloche, mais une loi de puissance. Le récit égalitaire et le résultat aristocratique coexistent, d’où la surprise à chaque nouvelle technologie. On observe le plancher s’élever et l’on suppose que le plafond suit au même rythme. Ce n’est pas le cas : il s’éloigne.
L’IA accélérera ce phénomène plus vite et plus fort que tout ce qui l’a précédée. Le plancher s’élève en temps réel — chacun peut lancer un produit, concevoir une interface, écrire du code de production. Mais le plafond s’élève aussi, et plus vite encore. La question pertinente : qu’est-ce qui détermine vraiment votre position ?
Quand l’exécution devient accessible, le goût devient le signal
En 1981, Steve Jobs a exigé que les cartes électroniques du premier Macintosh soient belles. Pas l’extérieur — l’intérieur, invisible pour le client. Ses ingénieurs le pensaient déraisonnable. Il ne l’était pas. Il avait compris une vérité souvent prise pour du perfectionnisme mais qui relève en réalité de la preuve : la façon dont on fait une chose reflète la façon dont on fait tout. Quelqu’un qui embellit les parties invisibles ne joue pas la qualité, il en est intrinsèquement incapable autrement.
Cela compte, car la confiance est difficile à établir et facile à simuler — un temps. Nous utilisons sans cesse des heuristiques pour distinguer l’excellence réelle de l’apparence d’excellence. Les diplômes aident, mais peuvent être manipulés. Le pedigree aide, mais s’hérite. Ce qui est vraiment difficile à simuler, c’est le goût — l’engagement durable et visible envers une exigence non imposée. Jobs n’avait pas à rendre ces cartes belles. Le fait qu’il l’ait fait disait tout de ce qu’il ferait hors de votre regard.
Pendant la dernière décennie, ce signal était souvent masqué. Au sommet du SaaS — de 2012 à 2022 — l’exécution est devenue si standardisée que la distribution était la vraie ressource rare. Si vous saviez acquérir des clients efficacement, construire une machine de vente, atteindre la Rule of 40, le produit importait peu. On pouvait gagner avec un produit médiocre, si la stratégie de mise sur le marché était solide. Le signal du goût a été noyé sous le bruit des métriques de croissance.
L’IA inverse totalement le rapport signal/bruit. Si chacun peut générer un produit fonctionnel, une interface soignée, un code opérationnel en une après-midi, la question de la fonctionnalité cesse d’être différenciante. La question devient : est-ce vraiment excellent ? Cette personne fait-elle la différence entre le bon et l’exceptionnel, et se soucie-t-elle de combler l’écart, même sans contrainte extérieure ?
C’est particulièrement vrai pour les logiciels critiques pour l’activité — ceux auxquels les entreprises confient paie, conformité, données RH. Ce ne sont pas des produits adoptés à la légère et abandonnés le trimestre suivant. Les coûts de changement sont réels, les risques majeurs, et la personne qui déploie en répond. Avant de signer, elle applique toutes ses heuristiques de confiance. Un produit soigné est l’un des signaux les plus forts. Il signifie : les concepteurs de ce produit s’en soucient. Ils ont soigné les parties visibles, donc probablement aussi les invisibles.
Dans un monde où l’exécution est accessible, le goût est la preuve de travail.
Ce que récompense la nouvelle phase
Cela a toujours été vrai. Mais pendant une décennie, le marché l’a presque rendu invisible. La compétence la plus importante dans le logiciel n’était pas technique.
Entre 2012 et 2022, l’architecture centrale du SaaS était élucidée. L’infrastructure cloud était accessible et standardisée. Les outils de développement matures. Construire un produit fonctionnel restait difficile, mais d’une difficulté résolue : on pouvait s’en sortir par le recrutement, suivre les schémas établis, atteindre un résultat correct avec assez de ressources. Ce qui restait rare et discriminant, c’était la distribution. Saviez-vous acquérir des clients efficacement ? Construire une mécanique commerciale répétable ? Comprendre vos unités économiques pour accélérer au bon moment ?
Les fondateurs qui ont prospéré dans cet environnement venaient de la vente, du conseil, de la finance. Ils maîtrisaient des métriques qui auraient été incompréhensibles une décennie plus tôt — net dollar retention, average contract value, magic number, Rule of 40. Ils vivaient dans les tableurs et les revues de pipeline, et dans ce contexte, ils étaient parfaitement adaptés. Les conditions du pic SaaS ont produit les fondateurs du pic SaaS. C’était rationnel.
Je trouvais cela étouffant.
J’ai grandi dans une petite ville d’un État de 250 millions d’habitants en Inde. Chaque année, environ trois élèves de toute l’Inde intègrent le MIT. Tous, sans exception, viennent d’un lycée privé coûteux à Delhi, Bangalore ou Mumbai — des institutions conçues pour cela. J’ai été le premier dans l’histoire de mon État à y parvenir. Je ne le dis pas pour impressionner, mais parce que c’est la thèse de cet essai vécue à petite échelle : quand l’accès est limité, le pedigree détermine les résultats. Quand l’accès s’ouvre, ceux qui vont le plus loin gagnent quand même. J’étais le pari sur la profondeur dans une salle pleine de pedigree. C’est mon unique façon de parier.
J’ai étudié la physique, les mathématiques et l’informatique — des domaines où les découvertes majeures viennent de la capacité à voir ce que d’autres ont manqué, non de l’optimisation des processus. Mon mémoire portait sur la mitigation des retardataires dans l’apprentissage machine distribué : que se passe-t-il à très grande échelle si certaines parties prennent du retard, et comment optimiser sans perdre l’intégrité de l’ensemble.
En observant le monde des startups à vingt ans, tout cela me paraissait hors sujet. La prime était à la mise sur le marché, pas à la qualité intrinsèque. Construire quelque chose de techniquement exceptionnel semblait naïf — une distraction du vrai jeu, acquisition, rétention, vélocité commerciale.
Puis, fin 2022, les conditions ont changé.
Ce que ChatGPT a rendu tangible, d’une façon que des années de publications n’avaient pas permis, c’est que la courbe s’était infléchie. Une nouvelle courbe en S débutait. Les transitions de phase ne récompensent pas les mieux adaptés à la phase précédente, mais ceux qui voient ce que la nouvelle phase rend possible avant tout le monde.
J’ai quitté mon emploi et fondé Warp.
Le pari était précis. Les États-Unis comptent plus de 800 administrations fiscales — fédérales, étatiques, locales — chacune avec ses propres exigences, échéances, logiques de conformité. Pas d’API. Pas d’accès programmatique. Depuis des décennies, chaque prestataire de paie gérait cela manuellement : des armées de spécialistes naviguant dans un système jamais conçu pour l’échelle. Les acteurs historiques — ADP, Paylocity, Paychex — ont bâti des modèles d’affaires entiers sur cette complexité, non en la résolvant, mais en l’absorbant dans leur masse salariale et en répercutant le coût sur les clients.
Je voyais que les agents étaient fragiles en 2022. Je voyais aussi la courbe de progression. Quelqu’un qui a réfléchi aux systèmes distribués à grande échelle, observant de près la trajectoire de ces modèles, pouvait parier que ce qui était fragile deviendrait capable en quelques années. Nous avons donc fait le pari : construire une plateforme IA native, à partir des premiers principes, en commençant par le flux de travail le plus complexe — celui qu’aucun acteur historique ne pouvait automatiser, leur architecture ne l’ayant jamais permis.
Ce pari porte aujourd’hui ses fruits. Mais l’essentiel est la reconnaissance de schémas. Les fondateurs techniques à l’ère de l’IA n’ont pas seulement un avantage d’ingénierie — ils ont un avantage d’intuition. Ils voient d’autres points d’entrée, font d’autres paris. Ils peuvent regarder un système que tout le monde croit irréductiblement complexe et se demander : que faudrait-il pour vraiment automatiser cela ? Et ils peuvent construire la réponse.
Les fondateurs qui ont dominé le pic SaaS étaient des optimiseurs rationnels opérant dans un cadre de contraintes. L’IA élimine ces contraintes et en impose d’autres. Dans ce nouvel environnement, la ressource rare n’est plus la distribution, mais la capacité à voir ce qui est possible — et le goût et la conviction de le construire au niveau mérité. Mais il y a une troisième variable qui détermine tout. Et c’est celle que la plupart des fondateurs IA ratent aujourd’hui.
Le long terme à grande vitesse
Dans la culture startup, un mème circule : vous avez deux ans pour échapper à la sous-classe permanente. Construisez vite, levez vite, sortez ou mourez.
Je comprends d’où il vient. L’IA avance à une vitesse qui semble existentielle. La fenêtre pour saisir la vague paraît étroite. Les jeunes, voyant des succès instantanés sur Twitter, en concluent logiquement que tout se joue sur la vitesse — que les fondateurs gagnants sont ceux qui vont le plus vite en un minimum de temps.
C’est vrai, mais sur le mauvais plan.
La rapidité d’exécution compte énormément. Je le crois profondément — c’est dans le nom de ma société. Mais la rapidité d’exécution n’est pas synonyme d’horizon court. Les fondateurs qui bâtiront les entreprises les plus précieuses à l’ère de l’IA ne sont pas ceux qui sprintent deux ans puis vendent, mais ceux qui sprintent dix ans et composent.
Voici ce que le court-termisme occulte : les choses les plus précieuses dans le logiciel — données propriétaires, relations clients profondes, vrais coûts de changement, expertise réglementaire — prennent des années à s’accumuler et ne peuvent être répliquées rapidement, quel que soit le capital ou la capacité IA d’un concurrent. Quand Warp gère la paie d’une entreprise dans plusieurs États, nous accumulons des données de conformité sur des milliers de juridictions. Chaque notification fiscale résolue, chaque cas particulier traité, chaque enregistrement d’État complète un système qui devient plus difficile à copier chaque mois. Ce n’est pas une fonctionnalité. C’est un fossé qui n’existe que parce que nous l’avons bâti continûment, avec qualité, assez longtemps pour qu’il ait de la masse.
Ce type d’effet composé est invisible la première année. À peine perceptible la deuxième. Au bout de cinq ans, c’est tout le jeu.
Frank Slootman, qui a bâti et développé plus d’entreprises logicielles que presque quiconque, le résume simplement : il faut apprendre à être à l’aise avec l’inconfort. Pas pour un sprint, mais comme condition permanente. Le brouillard de guerre dans une jeune entreprise — désorientation, information imparfaite, obligation constante de s’engager — ne se dissipe pas au bout de deux ans. Il évolue. Les fondateurs qui tiennent ne sont pas ceux qui trouvent la certitude, mais ceux qui avancent sans elle.
Construire une entreprise est brutal, d’une manière difficile à expliquer à qui ne l’a jamais fait. On vit dans un état de terreur latente, ponctué de pics de terreur aiguë. On prend des milliers de décisions avec des informations incomplètes, sachant qu’une trop longue série de mauvaises mettra tout à terre. Les succès fulgurants que vous voyez sur Twitter ne sont pas seulement des exceptions dans une distribution déjà soumise à la loi de puissance — ce sont des exceptions extrêmes dans une telle distribution. Optimiser sa stratégie sur cette base revient à s’entraîner au marathon en étudiant les temps de ceux qui ont pris le mauvais chemin et couru un 5 km.
Pourquoi persévérer ? Pas pour le confort. Pas parce que les chances sont favorables. Parce que, pour certains, il n’existe pas d’alternative qui donne le sentiment de vivre vraiment. Parce que la seule chose pire que la terreur de créer à partir de rien, c’est l’étouffement silencieux de ne pas essayer.
Et parce que — si vous avez raison sur le pari, si vous avez vu une vérité ignorée par d’autres, si vous exécutez avec goût et conviction sur la durée — le résultat n’est pas seulement financier. Vous bâtissez quelque chose qui change vraiment la façon de travailler. Vous créez un produit que les gens aiment utiliser. Vous employez et développez des personnes qui donnent le meilleur d’eux-mêmes dans votre entreprise.
C’est un projet sur dix ans. L’IA ne change pas cela. Elle ne l’a jamais fait.
Ce que l’IA change, c’est le plafond de ce qui est possible sur dix ans — pour les fondateurs qui restent assez longtemps pour le découvrir.
Le plafond que personne n’observe
À quoi ressemblera le logiciel de demain ?
Les optimistes affirment que l’IA crée l’abondance — plus de produits, plus de créateurs, plus de valeur répartie. Ils ont raison. Les pessimistes disent que l’IA détruit les fossés logiciels : tout peut être répliqué en une après-midi, la défendabilité est morte. Ils ont aussi partiellement raison. Les deux camps observent le plancher, aucun ne regarde le plafond.
Il y aura des milliers de solutions ponctuelles — de petits outils IA fonctionnels, résolvant des problèmes étroits. Beaucoup ne seront pas créés par des entreprises, mais par des individus ou des équipes internes. Pour une catégorie de logiciels à faible enjeu, facilement remplaçables, le marché sera vraiment démocratisé. Le plancher sera élevé, la concurrence rude, les marges minces.
Mais pour les logiciels critiques pour l’activité — systèmes gérant flux financiers, conformité, données RH, exposition juridique — il se passe autre chose. Ce sont des processus à faible tolérance aux erreurs. Si la paie échoue, les gens ne sont pas payés. Si la déclaration fiscale est erronée, l’IRS le remarque. Si l’inscription aux avantages sociaux échoue, des personnes perdent leur couverture. L’utilisateur du logiciel en est responsable. Cette responsabilité ne s’externalise pas à une IA ayant bricolé une solution en une après-midi.
Pour ces processus, les entreprises continueront à faire confiance à des prestataires. Et parmi eux, la dynamique du « winner-take-most » sera plus extrême que jamais. Non parce que les effets de réseau sont plus forts — même s’ils le sont — mais parce que les avantages cumulatifs d’une plateforme IA native à grande échelle, accumulant des données propriétaires sur des millions de transactions et de cas de conformité, deviennent quasi impossibles à répliquer. Le fossé n’est pas un ensemble de fonctionnalités. C’est ce qui s’accumule en opérant à haute qualité, à grande échelle, dans un domaine qui sanctionne les erreurs, assez longtemps pour qu’aucun concurrent ne puisse rattraper.
Les marchés logiciels se consolideront donc plus fortement que durant l’ère SaaS. Dans les RH et la paie dans dix ans, je n’attends pas vingt entreprises avec quelques points de part de marché chacune, mais deux ou trois plateformes captant la majorité de la valeur, et une longue traîne de solutions ponctuelles n’en captant presque aucune. Même schéma dans chaque catégorie où complexité réglementaire, accumulation de données et coûts de changement se conjuguent.
Les entreprises qui domineront ces distributions se ressembleront : fondées par des profils techniques avec un vrai sens produit, bâties sur une architecture IA native dès le début, opérant sur des marchés où les acteurs historiques ne peuvent réagir sans démanteler leur activité. Elles auront fait un pari d’intuition précis très tôt — vu une vérité sur les possibilités de l’IA que d’autres n’avaient pas intégrée — puis seront restées assez longtemps pour que l’effet composé devienne visible.
Je décris ce fondateur de façon abstraite. Mais je sais qui il est, car j’essaie d’en être un.
J’ai lancé Warp car je croyais, en 2022, que toute la chaîne des opérations RH — paie, conformité fiscale, avantages sociaux, onboarding, devices, gestion RH — reposait sur une base de travail manuel et d’architecture héritée qu’une IA pouvait entièrement remplacer. Pas améliorer : remplacer. Les acteurs historiques avaient bâti des entreprises valant des milliards en absorbant la complexité dans les effectifs. Nous, nous éliminerions la complexité à la source.
Trois ans plus tard, ce pari se réalise. Depuis notre lancement, nous avons traité plus de 500 M$ de transactions, connaissons une forte croissance et servons des entreprises qui bâtissent certaines des technologies les plus importantes du monde. Chaque mois, les données de conformité accumulées, les cas particuliers traités, les intégrations construites rendent la plateforme plus difficile à copier et plus précieuse pour ses clients. Le fossé n’en est qu’à ses débuts, mais il prend de la masse et s’accélère.
Je précise cela non parce que la réussite de Warp est inévitable — rien n’est inévitable dans un monde régi par la loi de puissance — mais parce que la logique qui nous a menés ici est celle décrite tout au long de ce texte. Voir une vérité. Aller plus loin que quiconque. Construire au niveau qui ne nécessite pas de pression extérieure. Rester assez longtemps pour savoir si l’on avait raison.
Les entreprises extraordinaires de l’ère IA seront construites par ceux qui auront compris que l’accès n’a jamais été la ressource rare — c’était l’intuition. Que l’exécution n’a jamais été le fossé — c’était le goût. Que la vitesse n’a jamais été l’avantage — c’était la profondeur.
La loi de puissance se moque des intentions. Mais elle récompense les bonnes.
Avertissement :
- Cet article est reproduit depuis [ayushswrites]. Tous droits d’auteur réservés à l’auteur original [ayushswrites]. Pour toute objection à cette republication, veuillez contacter l’équipe Gate Learn, qui traitera la demande dans les meilleurs délais.
- Clause de non-responsabilité : Les opinions exprimées dans cet article n’engagent que l’auteur et ne constituent en aucun cas un conseil en investissement.
- Les traductions de l’article dans d’autres langues sont réalisées par l’équipe Gate Learn. Sauf mention contraire, la copie, la distribution ou le plagiat des traductions sont interdits.
