Un emploi avec un salaire annuel de 1,5 million, je l'ai réalisé avec une IA à 500 dollars : Guide de mise à niveau de l'Agent pour les affaires personnelles

Auteur : XinGPT

Pour le Nouvel An chinois 2026, j’ai pris une décision : automatiser l’ensemble de mon processus métier en le transformant en agents.

Une semaine plus tard, près d’un tiers de ce système était opérationnel. Bien que cette plateforme soit encore en amélioration, mes tâches quotidiennes ont déjà pu passer de 6 heures à 2 heures par jour, tout en augmentant la production commerciale de 300 %.

Plus important encore, j’ai validé une hypothèse : la transformation de mon activité personnelle en agents est réalisable, et je pense que chacun devrait créer un tel système opérationnel.

Avoir un système d’agents signifie que votre façon de penser change radicalement, passant de « comment accomplir cette tâche » à « comment construire un agent pour réaliser cette tâche ». Ce passage d’une posture passive à active a un impact considérable.

Dans cet article, je ne vais pas produire de discours motivants générés par IA, ni créer délibérément une anxiété liée à la substitution par l’IA. Je vais plutôt décomposer étape par étape comment j’ai réalisé cette transformation, et comment vous pouvez copier cette méthode gratuitement.

C’est la première partie consacrée à la construction d’un système de productivité basé sur des agents. Ajoutez cette page à vos favoris et suivez les mises à jour pour ne rien manquer.

Pourquoi l’Agentification est une nécessité, pas une option

Commençons par une vérité brutale :

Si votre modèle d’affaires repose sur « le temps contre le revenu », alors votre plafond de revenus est déjà fixé par les lois physiques. Il n’y a que 24 heures dans une journée, et même en travaillant sans relâche toute l’année, la limite horaire est là.

• Gestionnaire de fonds : salaire annuel ¥1,5 million ≈ ¥720 par heure (sur 2080 heures de travail)
• Associé en conseil : ¥2 millions par an ≈ ¥960 par heure
• Influenceur financier de premier plan : ¥3 millions par an ≈ ¥1440 par heure

Ça paraît élevé ? Mais c’est déjà la limite du modèle basé sur la main-d’œuvre.

Or, la logique de l’Agentification est totalement différente : votre revenu n’est plus déterminé par votre temps de travail, mais par l’efficacité du système.

Un vrai tournant

En janvier 2026, un vendredi soir à 23h, j’étais encore devant mon ordinateur à analyser les données du marché du jour.

Ce jour-là, le marché américain s’était effondré. Je devais :

• Lire plus de 50 actualités importantes
• Analyser la performance après-clôture de 10 entreprises clés
• Mettre à jour ma stratégie de portefeuille
• Rédiger une analyse du marché

J’ai estimé qu’il me faudrait au moins 3 heures. Le lendemain matin à 8h, je devais recommencer le même processus.

À ce moment-là, j’ai soudain compris : je ne consacrais pas mon temps à la réflexion et à la prise de décision en investissement, je faisais simplement du transfert de données.

Les décisions qui nécessitent vraiment mon jugement ne prennent que 20 % de mon temps. Les 80 % restants consistent en collecte et organisation répétitive d’informations.

C’est à partir de là que j’ai décidé d’automatiser.

Mon système d’agents pour la recherche et l’analyse en investissement traite quotidiennement :

• Plus de 20 000 actualités financières mondiales
• Plus de 50 rapports financiers d’entreprises
• Plus de 30 indicateurs macroéconomiques
• Plus de 10 rapports sectoriels

Si je voulais faire cela manuellement, il me faudrait une équipe de 5 personnes. Mon coût : 500 dollars par mois en API + 1 heure par jour pour la revue.

L’essence de l’Agentification : copier votre cadre de jugement via des algorithmes, en remplaçant le coût humain par le coût d’API.

01 Décomposer votre activité : une architecture en trois couches, de l’humain au système

Toute activité de connaissance peut être décomposée en trois couches :

Première couche : la base de connaissances (Knowledge Base)

C’est le « mémoire » de l’agent.

Prenons l’exemple de la recherche en investissement : j’ai construit une base contenant toutes les données et informations nécessaires à mon analyse, comprenant :

1. La base historique

• Données macroéconomiques des 10 dernières années (Réserve fédérale, CPI, Non-farm)
• Données financières des 50 principales entreprises américaines
• Notes de récapitulation d’événements majeurs (crise financière 2008, pandémie 2020, cycle de hausse 2022)

2. Indicateurs clés et actualités

• Les principaux médias financiers et sources d’information que je consulte
• Dates de publication des résultats de la Fed et des grandes entreprises
• 50 comptes Twitter que je surveille (analystes macro, gestionnaires de fonds)
• Indicateurs macro importants
• Suivi des études sectorielles et données industrielles

3. La base d’expérience personnelle

• Mes décisions d’investissement des 5 dernières années
• Les revues de mes jugements corrects ou erronés

Exemple concret : début février 2026, chute brutale du marché

Au début février, le marché s’est effondré brutalement : l’or et l’argent ont plongé, les cryptomonnaies ont déversé leur liquidité, le marché américain et hongkongais ont plongé.

Les interprétations principales ont été :

• La puissance de l’IA légale d’Anthropic a provoqué l’effondrement des actions de logiciels
• Les dépenses de Google en capital ont été surévaluées
• Le nouveau président de la Fed, Warsh, est hawkish

Mon système d’agents a lancé une alerte 48 heures avant la chute, car il surveillait :

• La hausse des rendements des obligations japonaises, la contraction du spread US2Y-JP2Y
• Le solde élevé du compte TGA, la Banque centrale continue de pomper de la liquidité
• La CME a augmenté 6 fois la marge sur l’or et l’argent

Ce sont des signaux clairs de resserrement de la liquidité. Mon knowledge base comprenait aussi le débriefing complet de la liquidation du carry trade en yen en août 2022, qui avait provoqué une volatilité du marché.

L’agent a reconnu un pattern historique et a recommandé : « Réduire les positions en cas de tension de liquidité et de valorisation élevée. »

Cette alerte m’a permis d’éviter au moins 30 % de retracement.

Ce knowledge base contient plus de 500 000 données structurées, mises à jour automatiquement chaque jour avec plus de 200 nouvelles entrées. Si je devais faire cela manuellement, il me faudrait deux analystes à plein temps.

Deuxième couche : Skills (cadres décisionnels)

C’est la couche la plus souvent négligée, mais la plus critique.

La majorité des gens utilisent l’IA en mode « question-réponse » : ouvrir ChatGPT, poser une question, recevoir une réponse. Le problème : l’IA ne connaît pas vos critères de jugement.

Ma méthode consiste à décomposer ma logique décisionnelle en Skills indépendants. Par exemple, pour l’investissement :

Skill 1 : Cadre d’investissement en valeur sur le marché américain

(Exemples, non représentatifs de mes standards actuels, qui évoluent en permanence) :

Entrée : données financières d’une entreprise

Critères de jugement :

- ROE > 15 % (sur 3 ans consécutifs)
- Ratio d’endettement < 50 %
- Flux de trésorerie libre > 80 % du bénéfice net
- Évaluation de la barrière concurrentielle (marque, effet de réseau, avantage coût)

Sortie : note d’investissement (A/B/C/D) + justification

Skill 2 : Modèle de détection de bottom pour Bitcoin

Entrée : données du marché Bitcoin

Critères de jugement :

- Indicateurs techniques : RSI < 30 et survente hebdomadaire
- Volume : baisse du volume après panique (inférieur à la moyenne 30 jours)
- MVRV : < 1.0 (market cap en dessous de la valeur réalisée, pertes globales)
- Sentiment social : indice de panique sur Twitter/Reddit > 75
- Prix de sortie des mineurs : prix actuel proche ou inférieur au seuil de shutdown (ex : coût S19 Pro)
- Comportement des HODLers : augmentation de leur part dans l’offre totale (signal d’achat à la baisse)

Conditions de déclenchement :

- Plus de 4 indicateurs positifs → signal d’achat par tranches
- Plus de 5 indicateurs positifs → signal de forte accumulation

Sortie : évaluation de bottom (forte/moyenne/faible) + recommandation de position

Skill 3 : Surveillance de l’humeur du marché US

Indicateurs surveillés :

- NAAIM Exposure Index : pourcentage d’actifs détenus par les gestionnaires actifs

· > 80 et médiane à 100 → alerte de pic d’engagement institutionnel

- Part des investissements en actions par les institutions (ex : State Street)

· Niveau historique depuis 2007 → signal inverse

- Flux net des petits investisseurs (tracking JP Morgan)

· Volume moyen > 85 % du niveau historique → indicateur d’euphorie

- PER anticipé du S&P 500 : proche des sommets historiques

· Près de 2000 ou 2021 → divergence entre fondamentaux et prix

- Leverage des hedge funds

· Leverage élevé → potentiel d’amplification de la volatilité

Conditions de déclenchement :

- Plus de 3 indicateurs en alerte → réduction de position
- Tous les 5 en alerte → forte réduction ou couverture

Sortie : évaluation de l’humeur (extrême cupidité / cupidité / neutre / panique) + recommandation de position

Skill 4 : Surveillance de la liquidité macroéconomique

Indicateurs :

- Liquidité nette = total des actifs de la Fed - TGA - RRP en overnight
- Taux SOFR (taux de financement overnight)
- Indice MOVE (volatilité des obligations US)
- Spread USDJPY + US2Y-JP2Y

Conditions de déclenchement :

- Liquidité en baisse > 5 % sur une semaine → alerte
- SOFR > 5.5 % → signal de réduction
- MOVE > 130 → stop-loss sur actifs risqués

L’essence de ces Skills : rendre explicites et structurés mes critères de jugement, pour que l’IA puisse fonctionner selon mon cadre mental.

Troisième couche : CRON (exécution automatisée)

C’est la clé pour faire tourner réellement le système.

J’ai programmé des tâches automatiques :

Mon matin type aujourd’hui :

7h50 : réveil, en se brossant les dents, je consulte mon téléphone. L’agent a déjà envoyé le résumé mondial de la nuit :

• Bourse US en légère hausse, tech en tête
• La Banque du Japon maintient ses taux, le yen se déprécie
• Le prix du pétrole augmente de 2 % à cause de tensions géopolitiques
• Focus du jour : données CPI US, résultats Nvidia

8h10 : petit déjeuner, je consulte les analyses détaillées. L’agent a généré la stratégie du jour :

• La donnée CPI est conforme aux attentes, impact neutre
• Résultats Nvidia : focus sur les prévisions pour les puces IA
• Recommandation : conserver les positions technologiques, surveiller l’énergie

8h30 : je commence à travailler, en me basant uniquement sur l’analyse de l’agent pour décider : rééquilibrer ou non, combien.

Ce processus dure 30 minutes.

Je n’ai plus besoin de passer ma matinée à fouiller les news, l’IA a déjà préparé la revue.

Plus important encore, la décision d’investissement n’est plus influencée par l’émotion, mais repose sur une logique complète, des critères clairs, et une revue régulière pour améliorer le système. C’est la voie pour investir à l’ère de l’IA, plutôt que de continuer à embaucher des stagiaires pour mettre à jour des tableaux Excel ou de miser à 50x avec levier en espérant un miracle.

02 L’automatisation de la production de contenu : du bricolage à la ligne de production

Ma deuxième activité principale est la création de contenu, principalement sur Twitter, tout en explorant YouTube et d’autres formats vidéo.

Le processus habituel pour rédiger un article était :

• Choix du sujet (1 heure)
• Recherche (2 heures)
• Rédaction (3 heures)
• Relecture et corrections (1 heure)
• Publication + interaction (1 heure)

Total : 8 heures par article, avec une qualité variable.

J’ai analysé mes plus gros problèmes lors de la publication :

• Sujet trop large, pas d’angle précis
• Contenu trop théorique, manque d’exemples concrets
• Titres peu accrocheurs
• Moment de publication

L’automatisation dans la création de contenu est un chantier systématisable !

J’ai donc décomposé la transformation en trois étapes :

Première étape : constituer une base de connaissances pour les contenus viraux

J’ai fait une chose que beaucoup négligent : étudier systématiquement ce qui fait un article viral.

Concrètement :

• J’ai collecté les 200 articles les plus populaires dans la finance/technologie sur la plateforme X (Twitter)
• Avec l’IA, j’ai analysé leurs caractéristiques communes : structure du titre, ouverture, logique de l’argumentation, conclusion
• J’ai extrait des « formules » réutilisables pour créer du contenu viral

Exemples de formules :

Titres :

• Chiffres choc : « Après avoir perdu 70 % de leur valeur, j’ai compris que… »
• Contre-intuitif : « Internet est mort, mais l’Agent est immortel »
• Promesse de valeur : « Économisez X, sans acheter sur Vinted »

Ouverture :

• Cas concret : « En janvier 2025, j’ai décidé… »
• Contraste extrême : « Si vous continuez comme ça… mais dans 6 mois… »
• Ouverture déstructurée : « Voici ce que la majorité pense… et pourquoi c’est faux »

Structure de l’argumentation :

• Idée → Données → Exemple → Contre-argument
• Utiliser 1/2/3 niveaux de hiérarchie
• Termes techniques + explications simples

J’ai organisé ces règles dans une « bibliothèque de frameworks viraux » que j’ai alimentée dans l’IA.

Deuxième étape : ligne de production de contenu en collaboration homme-machine

Aujourd’hui, mon processus de création est une ligne de production efficace, avec des rôles bien définis :

Étape de choix du sujet (IA guide, moi je décide)

Chaque lundi matin, mon agent propose 3 à 5 idées de sujets.

Sources :

• Actualités macroéconomiques mondiales (auto-récupérées)
• Mes notes de recherche et réflexions récentes
• Discussions populaires sur les réseaux
• Questions fréquentes des lecteurs

Format de sortie de l’IA :

Sujet 1 : Pourquoi le Bitcoin dépasse 100 000 dollars : la logique de liquidité

Argument principal : ce n’est pas la demande, mais l’expansion de la liquidité dollar

Point fort potentiel : données massives + contre-intuitif

Taux d’engagement estimé : élevé

Et ainsi de suite pour 3-4 idées, en sélectionnant celles qui correspondent le mieux à l’état du marché et à mes analyses.

Phase de collecte d’informations (IA exécute, moi je complète)

Une fois le sujet choisi, l’agent lance la collecte automatique :

1. Récupération de données (automatisée)

• Derniers résultats financiers
• Évolution historique des indicateurs macro
• Points clés des rapports sectoriels
• Opinions représentatives sur les réseaux

2. Organisation de l’information (IA traite)

• Classer les infos selon leur logique d’argumentation
• Extraire données clés et sources
• Esquisser un premier cadre d’argumentation

3. Ajouts manuels (ma valeur ajoutée)

• Ajouter mes expériences et exemples personnels
• Compléter avec des sources niche non trouvées par l’IA
• Marquer les points nécessitant un approfondissement

Ce stade réduit mon temps de collecte de 2 heures à 30 minutes.

Rédaction (collaboration homme-machine)

C’est la phase la plus critique. La division du travail est claire :

L’IA :

• Génère la structure de l’article selon le framework viral
• Remplit avec données et faits
• Propose plusieurs titres et introductions
• Vérifie la cohérence logique

Moi :

• Ajoute mes opinions et valeurs
• Insère des exemples concrets
• Ajuste le ton et le style
• Supprime le « bavardage correct » généré par l’IA

Révision (IA assistée, moi pilote)

Après le premier jet, je demande à l’agent de faire :

1. Vérification de lisibilité

• Les phrases sont-elles trop longues ? (au-delà de 30 mots, en rouge)
• Y a-t-il des répétitions ?
• Les termes techniques sont-ils expliqués ?

2. Vérification des éléments viraux

• Le titre est-il accrocheur ?
• Les 3 premières paragraphes ont-ils un crochet ?
• Y a-t-il des données concrètes ou des citations marquantes ?

3. Génération de plusieurs versions

• 3 titres différents
• 2 fins différentes
• Je choisis la meilleure

Ce processus, qui prenait 1 heure, ne prend plus que 15 minutes.

Publication automatisée

Une fois l’article finalisé, l’agent :

• Convertit en formats pour chaque plateforme (X, WeChat, Xiaohongshu)
• Génère des suggestions d’images (que je valide)
• Programmes la publication à l’heure optimale (basée sur l’analyse des données passées)

Troisième étape : optimisation continue basée sur les données

L’idée clé : le système d’agent de contenu n’est pas une installation unique, mais une évolution permanente.

Je fais chaque semaine une revue :

• Quelles titres ont le meilleur taux de sauvegarde ? → ajuster les formules
• Quelle structure de raisonnement est le plus partagé ? → renforcer ce modèle
• Quelles questions reviennent dans les commentaires ? → ajouter une FAQ dans la prochaine publication

Exemple précis : j’ai constaté que les articles très « data-driven » (beaucoup de chiffres + graphiques) ont 40 % plus de sauvegardes que les articles d’opinion. J’ai donc modifié le cadre pour que l’IA, dans ses premiers jets, :

• Inclue au moins un chiffre par argument
• Ajoute au moins 3 graphiques par article
• Indique la source des données

Résultat : la moyenne des sauvegardes de mes 5 dernières publications est passée de 8 % à 12 %.

En janvier 2026, j’ai écrit un article intitulé « L’ère de l’explosion des agents : comment faire face à l’anxiété liée à l’IA ».

Ce texte, peu riche en données, a été largement partagé, avec un taux de rebond de 20 %.

J’ai demandé à l’agent d’analyser la raison, et il a identifié :

• La question des valeurs profondes (l’IA vs l’humain)
• La métaphore du « Louvre en feu sauvant le chat ou le tableau »
• La conclusion : « devenir quelqu’un qui sait utiliser l’IA, mais aussi ne pas oublier comment être humain »

J’ai intégré cette idée dans la bibliothèque de cadres : dans les articles technologiques, insérer une réflexion philosophique ou sur les valeurs peut considérablement augmenter la viralité.

C’est l’effet de levier cumulatif du système d’agents : il s’améliore en s’auto-améliorant. La création de contenu par agents n’est pas une étape unique, mais un système en constante évolution.

03 De la capacité personnelle à un service de conseil : tester la reproductibilité de la méthode

Une fois que j’ai réussi à faire fonctionner mon système d’agents pour la recherche et la création de contenu, je me suis demandé : cette méthode peut-elle être transférée à d’autres ?

En décembre dernier, un gestionnaire de fonds avec une équipe de 10 personnes, gérant 500 millions, m’a raconté qu’il était submergé par l’information, malgré ses ressources.

Son rythme quotidien :

• 6h30 : réveil, lecture des marchés overnight
• 7h-8h : revue des news clés
• 8h30-9h30 : réunion stratégique
• 9h30-15h : trading
• 15h-18h : analyse des sociétés
• 18h-20h : journal d’investissement
• 22h : ouverture des marchés étrangers

J’ai analysé son workflow :

• 60 % du temps en collecte et organisation d’informations (agentisable)
• 20 % en analyses répétitives (agentisable)
• 15 % en décisions (collaboratif)
• 5 % en exécution (automatisable)

J’ai donc construit en deux semaines une version simplifiée de son système d’agents :

• Semaine 1 : interview pour identifier les tâches automatisables
• Semaine 2 : constitution de la base de connaissances + configuration de 3 Skills + automatisation

Deux semaines plus tard, il m’a envoyé un message : « J’ai plus de temps pour réfléchir, et mon état d’esprit est plus stable. »

Ce projet m’a montré que la demande d’automatisation est universelle : réduire le temps consacré à l’information augmente l’efficacité.

Mais j’ai vite compris deux limites du simple conseil :

• Borne temporelle : chaque projet prend 2-4 semaines, je peux faire 3 projets par mois
• Difficulté à scaler : chaque client a des besoins spécifiques, difficile à standardiser

Cela m’a conduit à la réflexion suivante : passer du service au produit.

04 Agent as a Service : la transition du SaaS à l’AaaS

Le logiciel traditionnel est souvent SaaS :

• Vous fournissez un outil au client
• Le client doit apprendre à l’utiliser
• Il gère lui-même

L’avenir est l’AaaS (Agent as a Service) :

• Vous fournissez un agent au client
• Il lui suffit de donner des instructions
• L’agent exécute et optimise automatiquement

Différence : SaaS vend la capacité, AaaS vend le résultat.

En janvier, j’ai retrouvé ce gestionnaire de fonds pour en discuter.

Il m’a dit : « La plateforme d’agents que tu as construite est géniale. Je l’ai recommandée à plusieurs collègues, ils veulent tous la même. Mais toi, seul, tu ne peux pas servir tout le monde. »

Je lui ai répondu : « C’est vrai, c’est un problème. »

Il a dit : « Pourquoi ne pas en faire un produit, comme Salesforce, mais pas un logiciel, un service d’agents ? »

Effectivement, je pense qu’un bon agent doit devenir un service, pour remplacer le SaaS, comme le prédisait Peter de Openclaw : à terme, ce sera l’ère des agents, et les utilisateurs n’auront plus besoin d’installer de logiciels.

Une fois cette plateforme mature, je souhaite en faire un projet open source, que tout le monde puisse copier. Pour les clients professionnels, proposer des fonctionnalités avancées en abonnement ou à l’usage.

05 La véritable nature de l’Agentification : du levier temporel au levier algorithmique

Pour finir, une réflexion plus profonde.

Le parcours classique de croissance d’un individu ou d’une activité est :

• Débutant : vendre du temps (facturation à l’heure)
• Intermédiaire : vendre un produit (développement unique, ventes multiples)
• Avancé : vendre un système (plateforme, échanges)

L’Agentification offre une quatrième voie : vendre la capacité algorithmique.

Vous n’avez plus besoin de :

• Embaucher une équipe (gestion simplifiée)
• Développer un logiciel complexe (barrière technique évitée)
• Créer une plateforme (effet de réseau difficile)

Vous avez seulement besoin de :

• Structurer votre expertise
• Configurer votre système d’agents
• Continuer à améliorer l’algorithme

C’est un nouveau levier : le levier algorithmique.

Caractéristiques :

• Coût faible : principalement API, bien inférieur au coût humain
• Reproductible : un même agent peut servir de nombreux clients
• Évolutif : avec la montée en puissance des grands modèles, votre agent devient plus fort

Votre plan d’action pour l’Agentification

Si cette lecture vous a inspiré, voici une feuille de route :

Étape 1 : Diagnostic (cette semaine)

Listez vos tâches quotidiennes, en indiquant :

• Quelles sont répétitives (collecte, organisation, conversion)
• Quelles nécessitent jugement ou créativité
• Quelles sont purement exécutives (publication, suivi, réponses)

Principe : automatiser en priorité les tâches répétitives, collaborer avec l’IA pour le jugement, automatiser les tâches d’exécution.

Exercice simple

Prenez une feuille, notez votre journée d’hier.

Pour chaque tâche, posez-vous trois questions :

• Peut-elle être standardisée ? (si oui, agentisable)
• Nécessite-t-elle de la créativité ? (si non, agentisable)
• Nécessite-t-elle mon jugement unique ? (si non, agentisable)

Vous verrez qu’au moins 50 % de votre travail peut être automatisé.

Étape 2 : Construction (ce mois)

Choisissez un cas minimal pour expérimenter.

Exemples :

• Si vous êtes investisseur → créer un « Agent de résumé quotidien du marché »
• Si vous êtes créateur → créer un « Agent de suggestions de sujets »
• Si vous êtes commercial → créer un « Agent de recherche client »
• Si vous êtes designer → créer un « Agent de collecte d’inspiration »

Ne cherchez pas la perfection, faites d’abord un cycle minimal.

Étape 3 : Optimisation (ce trimestre)

Suivez combien de temps votre agent vous fait gagner, si la qualité est stable.

Faites une revue hebdomadaire :

• Quelles étapes sont bien automatisées ?
• Quelles nécessitent encore une intervention humaine ?
• Comment ajuster les Skills pour mieux correspondre à vos standards ?

Étape 4 : Commercialisation (cette année)

Une fois votre système stable, réfléchissez :

• La méthode a-t-elle de la valeur pour d’autres ?
• Combien seraient-ils prêts à payer ?
• Pouvez-vous en faire un produit ?

Si oui, félicitations, vous avez trouvé un nouveau modèle d’affaires.

Je partagerai bientôt comment utiliser Openclaw ou d’autres outils IA pour construire votre propre système d’agents. Si vous avez de l’expérience en montage vidéo ou en développement d’IA, ou si vous avez déjà créé des projets IA, contactez-moi. Je recrute des partenaires pour bâtir l’avenir.

Lectures complémentaires :

1. Après la chute de 70 % des actifs US, j’ai compris la vraie cause du krach (cet article analyse la chute du marché début 2026 et mon système de surveillance de la liquidité. Si vous faites de l’investissement, cela vous aidera à adopter une perspective macro.)
2. L’ère de l’explosion des agents : comment faire face à l’anxiété liée à l’IA (cet article explore une question plus profonde : avec la puissance croissante de l’IA, où se trouve la valeur humaine ? Mon point de vue : l’IA est un outil de rationalité efficace, l’humain doit préserver la valeur du sens. C’est la philosophie derrière l’Agentification.)