Entretien avec Liu Ye : OpenClaw n’est que les « mains et les pieds » ; nous devons passer de « collaborateurs numériques » à « organisations numériques », et de la « fabrication de soldats » au « déploiement stratégique ».
TechFlow SélectionTechFlow Sélection
Entretien avec Liu Ye : OpenClaw n’est que les « mains et les pieds » ; nous devons passer de « collaborateurs numériques » à « organisations numériques », et de la « fabrication de soldats » au « déploiement stratégique ».
Lorsque les employés numériques se multiplient, la clé du succès ou de l’échec des startups IA réside dans l’« orchestration » et l’« esthétique ».
Dédié à des analyses Web3 approfondiesEntretien｜Zhang Peng
Lorsque tout le monde se précipite pour développer des « employés numériques » et des « outils agents », en s’enfermant dans des scénarios spécialisés et en s’affrontant sans fin sur des détails infimes, quelle est donc la véritable « douve défensive » de la création d’entreprises fondée sur l’IA ?
Récemment, Zhang Peng, fondateur et président de GeekPark, a mené avec Liu Ye, fondateur de VisionFlow, une discussion prospective à la suite de l’explosion d’OpenClaw. Né en 1979, Liu Ye appartient à la première génération de programmeurs chinois : il a traversé l’intégralité du cycle allant du matériel informatique de bas niveau aux logiciels, puis de l’intégration d’entreprise (B2B) à l’éducation en ligne (Internet industriel). Après plusieurs mois de retrait et d’échanges approfondis — « aussi exhaustifs que possible » — avec des chercheurs des principaux laboratoires mondiaux d’IA et avec les entrepreneurs les plus talentueux de Chine, il est parvenu à une conclusion sans appel : considérer l’IA comme un « employé numérique » destiné à remplacer un individu dans une tâche isolée constitue une simplification excessive, dictée par une mentalité d’ingénieur, de la réalité opérationnelle.
Au cours de cet entretien, Liu Ye a introduit des concepts et cadres extrêmement stimulants, tels que la « découverte progressive » et la « matrice multidimensionnelle des tâches ». Une possibilité future s’est progressivement dessinée : la prochaine étape de l’IA ne sera pas une prolifération d’« agents-outils », mais la construction d’une « organisation numérique » dotée de mécanismes de collaboration, de rapport hiérarchique et de réflexion critique. Lorsque la culture d’entreprise deviendra superflue et que les tâches de faible complexité auront été totalement éliminées, le PDG de demain ne sera peut-être plus le « directeur général » traditionnel, mais un « producteur » doté d’un sens esthétique exceptionnel.
Il s’agit ici d’une réflexion prospective sur la forme organisationnelle à l’ère de l’IA, sur les barrières commerciales et sur la place spécifique occupée par la nouvelle génération d’entrepreneurs. Nous espérons qu’elle suscitera des discussions plus approfondies parmi les créateurs d’entreprises.
Voici la version condensée de l’entretien, préparée par GeekPark :
01 La guerre des « milliers d’agents » a déjà commencé : tant de choses sont possibles, mais ce qui compte vraiment, c’est de savoir quoi faire
Zhang Peng : Depuis votre passage de Zuoye Box à votre engagement actuel dans l’exploration des changements provoqués par OpenClaw, quels changements avez-vous vous-même traversés ?
Liu Ye : Je suis membre de la première génération de programmeurs chinois ; j’ai commencé à apprendre la programmation dès mon plus jeune âge. J’ai vécu la transition du langage BASIC au système DOS, puis à Windows, et aujourd’hui à macOS. J’ai également assisté à l’essor des trois grands portails Internet. J’ai travaillé sur l’informatisation des entreprises, avec l’ambition de créer une IBM chinoise ; ensuite, j’ai fait une reconversion vers Zuoye Box, participant activement au développement de l’éducation en ligne. Ce secteur est profondément ancré dans l’industrie et représente la forme la plus aboutie de l’« Internet industriel », ainsi que sa « dernière opportunité ». Cette expérience m’a permis de comprendre pleinement que le cœur de l’Internet industriel ne réside pas dans la technologie, mais dans l’industrie elle-même — autrement dit, dans les activités opérationnelles. Les lois régissant l’Internet industriel suivent un ordre précis : d’abord la mise en relation d’informations, puis la standardisation des produits, ensuite la gestion de la chaîne logistique, et enfin la prestation de services complexes non standardisés. Plus on avance dans cette progression, plus la marge brute augmente — mais aussi plus la difficulté s’accroît.
Ainsi, face à la vague d’innovations IA, ma première action a consisté à consacrer près de six mois à une immersion totale : je n’ai rien entrepris d’autre, demandant à mon service RH d’organiser des entretiens avec tous les interlocuteurs possibles. Des chefs scientifiques des startups les plus prometteuses aux ingénieurs, chercheurs et algorithmiciens clés des grands laboratoires de modèles fondamentaux, en passant par les jeunes entrepreneurs IA, j’ai mené des échanges aussi exhaustifs que possible — accumulant ainsi environ mille heures de discussions denses. À quel point ces échanges étaient-ils poussés ? À tel point que, dès qu’un interlocuteur prononçait la première moitié d’une phrase, je connaissais déjà la suite. À ce stade, les points de vue convergent presque entièrement.
Une fois ce tour d’horizon achevé, la conclusion était frappante de cohérence : tout le monde faisait exactement la même chose — développer des « employés numériques ». Cela me rappelle une erreur stratégique commise par un grand dirigeant à propos du cloud computing : « Alibaba construit un cloud ? En fin de compte, ce n’est qu’un disque dur en ligne ! » Tenter de comprendre une nouveauté à travers un cadre ancien ne permet jamais de percevoir que sa couche la plus superficielle.
Aujourd’hui, tout le monde pense qu’il suffit de créer un « employé numérique » — par exemple un « commercial numérique » ou un « agent de service client » — à l’aide de Claude. Où réside alors la barrière technologique ? Quelle est la « douve défensive » ? Lorsque brûler plusieurs centaines de millions de tokens par jour devient la norme, cela ressemble davantage à une industrie manufacturière, incapable de décoller. C’est pourquoi je pose systématiquement la même question à chaque entrepreneur : « Pourquoi vous ? Pourquoi êtes-vous celui qui y parviendra ? Parce que vous êtes plus jeune ? Plus intelligent ? Capable de veiller plus longtemps ? » Si la compétition se joue sur une seule dimension, cela revient à comparer deux performances : « 10 secondes 69 » contre « 10 secondes 70 ».
Zhang Peng : Oui, aujourd’hui, les possibilités sont infinies, mais ce qui importe avant tout, c’est de choisir ce qu’il faut faire. Quelles sont vos réflexions à ce sujet ?
02 Les dix années de l’Internet industriel vont se répéter, mot pour mot
Liu Ye : L’IA est très différente, mais je crois fermement qu’elle obéira à des lois similaires à celles de l’Internet industriel. Dans un premier temps, on développe des outils ; dans un deuxième temps, on intègre des processus métiers ; enfin, on propose des services consultatifs. Lorsque la technologie est encore immature, les premiers entrants sont inévitablement des ingénieurs, dont la tendance naturelle est de trop abstraire le monde — comme l’illustre le concept de « calcul-cadre » de Baidu, selon lequel tout peut être ramené à un simple cadre. Or, la seconde moitié de l’ère mobile n’était pas centrée sur les cadres, mais sur les contenus et les services.
Les personnes issues de l’ingénierie imaginent souvent les organisations de façon excessivement simplifiée. Regardez les trois grands portails internet de la première génération : ceux qui ont le mieux réussi sur la distance sont Tencent et Alibaba — deux entreprises relativement éloignées de la technologie pure, mais très proches des industries. Aujourd’hui, c’est la même chose : la technologie perd progressivement de son importance.
Zhang Peng : Cette vague semble particulièrement favorable aux diplômés des sciences humaines : ne pas savoir coder ne semble plus poser de problème. Mais à long terme, quelles seront les exigences posées aux individus à l’ère de l’IA ? Que change-t-il fondamentalement ?
Liu Ye : En examinant la structure des talents en Chine, j’ai identifié un problème. La première génération de programmeurs chinois était, de fait, constituée de chefs de produit, car ce poste n’existait pas encore. Ce n’est qu’aux alentours de 2010 — après le lancement de l’iPhone 4 par Steve Jobs et l’élaboration de la « philosophie produit » par Zhang Xiaolong — que le rôle de chef de produit a acquis une reconnaissance généralisée, donnant naissance à l’expression « chacun est chef de produit ». Avant cela, les programmeurs assumaient eux-mêmes les responsabilités de chef de produit. Les premiers programmeurs étaient donc, par essence, des chefs de produit. Ils apprenaient la programmation non pas pour exercer un métier, mais par passion — une motivation intrinsèque. Ce sont précisément ces individus non catégorisés, capables de sortir des sentiers battus, qui se sont révélés les plus remarquables.
Mais la deuxième génération de programmeurs, notamment ces dix dernières années marquées par l’Internet industriel, s’est vue transformée en « ouvriers du code », tandis que le chef de produit est devenu un architecte. Ces « ouvriers du code » ont été formatés pour ne plus réfléchir aux enjeux métiers. Avec l’arrivée de l’IA, la partie « codage » a été supprimée : ceux qui ne s’adaptent pas risquent de ne conserver que la partie « ouvrier ». Ces jeunes sont excellents, mais leur compréhension des industries reste vide. Ainsi, la « guerre des milliers d’agents » actuelle n’est, en substance, qu’une prolifération au niveau des outils.
Observez comment, à la phase finale de l’Internet industriel, des entreprises telles qu’Alibaba et Meituan recrutent systématiquement des analystes commerciaux issus des cabinets de conseil mondiaux (MBB), et font intervenir des consultants pour accompagner les chefs de produit dans la conception des processus métiers — car les chefs de produit issus de l’internet n’ont pas naturellement une vision systémique. C’est ainsi que Feishu a été conçu. Bien que ByteDance soit une entreprise purement issue de l’internet, elle emploie massivement des consultants pour structurer ses processus internes. À l’ère de l’IA, cette tendance ne fera que s’amplifier.
03 Les problèmes des entreprises ne viennent jamais des employés, mais des organisations
Zhang Peng : Vous estimez donc que la course effrénée à la création d’« employés numériques », centrée sur un point unique, est dénuée de sens.
Liu Ye : Voici mon jugement central : l’« employé numérique » n’est pas la finalité — l’« organisation numérique » l’est. Si les « employés numériques » se multiplient à l’excès, au point que même les postes de recrutement disparaissent et que chacun peut disposer d’un excellent « employé numérique », alors quoi ? Est-ce que toutes les entreprises deviendront automatiquement rentables et performantes ? En réalité, tous les problèmes des entreprises sont des problèmes stratégiques ou organisationnels — jamais des problèmes liés aux employés.
Aujourd’hui, les agents continuent de travailler à la place des humains, sans pour autant prendre des décisions à leur place. Nous avons modifié en interne OpenClaw pour créer un outil baptisé MetaOrg. Il s’agit essentiellement d’un noyau capable de générer des « équipes d’agents ». Pour résoudre toute tâche, nous n’envoyons pas un seul employé, mais construisons une « organisation » complète. Cette organisation possède des relations de collaboration, des rapports hiérarchiques, une mission, des objectifs et des modalités d’action définies.
Zhang Peng : Mais est-il possible, à l’avenir, qu’une seule personne incarne à elle seule un département — voire une entreprise entière ?
Liu Ye : C’est une excellente question. Revenons à l’échelle microscopique des tâches : lorsqu’on utilise l’IA pour produire une courte vidéo ou rédiger un document, plusieurs tours de dialogue sont nécessaires. Vous dites quelque chose, l’IA répond, vous donnez un retour, etc. C’est une utilisation typique d’un « agent-outil » — certes intelligent, mais limité.
Ainsi, les notions de « personne » et de « département » ne relèvent pas d’une simple question de quantité. Lorsqu’on rédige la fiche de poste d’un poste de haut niveau, on précise généralement : premièrement, la capacité à accomplir diverses tâches et à utiliser divers outils ; deuxièmement, pour les postes supérieurs, la capacité à saisir l’intention, à planifier activement le chemin à suivre, à exécuter les actions, à livrer les résultats, à rendre compte régulièrement, à analyser rétrospectivement les résultats obtenus, et à ajuster dynamiquement la stratégie en fonction des écarts constatés. Ce sont là des compétences de haut niveau.
Zhang Peng : Un département compétent doit atteindre le niveau « conduite autonome de niveau 4 ».
Liu Ye : Exactement. Lorsqu’on lui fournit une compétence, il peut accomplir une tâche complexe ; lorsqu’on lui fournit un système de compétences, il peut accomplir des tâches complexes intégrées ; lorsqu’on orchestre un ensemble d’agents intelligents, il peut réaliser des missions encore plus complexes — par exemple, produire une mini-série. Je dis souvent à mes collaborateurs en réunion : « Lorsque vous utilisez MetaOrg, ne vous considérez pas comme un manager, mais comme un président-directeur général. Efforcez-vous de tester ses limites. »
À l’avenir, les jeunes entrepreneurs ne partiront plus avec une subvention familiale de 500 000 yuans, mais avec un budget en tokens leur permettant d’expérimenter. Le montant de tokens que vous acceptez de dépenser déterminera le niveau de complexité du poste que vous pourrez créer. Plus le poste est élevé, plus la chaîne de raisonnement est longue, et plus il faut itérer, expérimenter et tirer des enseignements.
Zhang Peng : Revenons sur la question précédente : si un groupe d’agents peut être décomposé en unités plus fines — ou en compétences et rôles spécifiques — alors, face à une mission centrale, la qualité individuelle de chaque agent déterminera le succès ou l’échec. On retrouve ainsi la logique concurrentielle des organisations commerciales de la génération précédente : la densité de talents — c’est-à-dire la qualité élevée des talents — rend plus facile la réalisation de la mission centrale et assure la supériorité concurrentielle. Le cœur de la question est le suivant : si, à l’avenir, toutes les IA sont universellement disponibles et que nous pouvons toutes appeler les meilleures, alors, outre la valeur créée par la fourniture plus efficace de services spécialisés, ne devons-nous pas aussi revenir à la notion de « densité de talents », mais à un niveau supérieur ? Autrement dit, plus vos agents ou bots sont décomposés jusqu’à leurs capacités atomiques, plus la « densité de talents » est élevée, et meilleurs seront les résultats, l’efficacité, voire l’innovation dans les tâches complexes. Cette déduction est-elle correcte ?
Liu Ye : Je partage pleinement ce point de vue. Au sein des grandes entreprises, il existe un département dédié au développement organisationnel, généralement désigné sous l’acronyme OD (Organization Development). Pour évaluer la capacité d’une organisation à remporter une bataille, la méthode habituelle consiste à comparer l’ensemble des talents de l’adversaire, en analysant leur adéquation aux postes et à leurs compétences, afin de prédire l’issue du conflit. Ainsi, la plupart des entreprises gagnent leurs batailles grâce à leurs capacités organisationnelles, et non grâce à leurs stratégies métiers. L’exemple le plus emblématique est Alibaba. Cette entreprise accorde une importance capitale au développement organisationnel, ce qui explique son « second souffle ». Car si l’équipe fondatrice vieillit, l’organisation, elle, peut vivre éternellement. En substance, si un jour vous et moi étions concurrents, et que nous utilisions tous deux l’IA, je construirais une puissante « organisation IA » dotée d’une forte capacité de développement organisationnel IA. Comment construire une telle organisation ? J’analyserais systématiquement le système de compétences (skill system) de chaque concurrent, en décomposant chacune de leurs compétences. Puis, dans mon propre système, j’écrirais des compétences encore meilleures, voire comblerais des fonctions manquantes chez mes concurrents. Par exemple, si je dispose d’un département stratégique, j’effectuerais d’abord une observation et une analyse approfondies.
Huawei a développé la méthodologie des « cinq analyses et trois décisions ». Je plaisante avec mes amis en disant que, si nous appliquions simplement cette méthodologie, nous éliminerions 99 % de nos concurrents. Les « cinq analyses » consistent à examiner les tendances sectorielles, les marchés et les clients, les concurrents, ses propres capacités et les opportunités stratégiques ; les « trois décisions » visent à identifier les points de contrôle, à fixer les objectifs et à élaborer les stratégies. Cette méthodologie suffit à éliminer la grande majorité des concurrents, car la plupart jouent aux échecs de façon désordonnée, se fiant à la pensée rapide, tandis que les experts activent par défaut un mode de réflexion profonde et de raisonnement. Leur première réaction est de se placer dans la peau d’un commandant suprême pour réfléchir à la manière d’aborder la situation.
Zhang Peng : En somme, les « cinq analyses et trois décisions » signifient qu’il ne faut pas réagir de façon instinctive, mais institutionnaliser un processus de raisonnement approfondi.
Liu Ye : Les experts combinent toujours une recherche approfondie (deep research) avec une réflexion rigoureuse : ils savent d’abord consulter les meilleures pratiques mondiales et les informations disponibles, puis les synthétiser, les analyser et raisonner profondément avant de formuler une réponse percutante — une seule action suffisant à remporter la victoire.
Je pense donc que le cœur de la compétition future ne sera qu’un seul point : modéliser les activités des industries traditionnelles, les abstraire en systèmes capables d’orchestrer des agents intelligents. Il s’agit là de la nouvelle capacité de développement organisationnel (OD), qui évoluera vers une capacité AIOD (Artificial Intelligence Organization Development) — la seule compétence fondamentale de demain.
L’avantage fondamental d’Alibaba réside précisément dans sa capacité à construire des organisations. Une fois celle-ci solidement établie, l’entreprise peut faire face à n’importe quel adversaire et entreprendre n’importe quelle activité tout en conservant sa compétitivité. Jack Ma affirmait que « l’objectif d’une bataille n’est pas forcément de conquérir un territoire donné, mais de favoriser la croissance de l’organisation ». Alibaba évalue la pertinence d’une bataille à l’aune de la croissance organisationnelle — une réflexion d’un niveau très élevé. Jack Ma lui-même agit comme un « hub informationnel » géant : il effectue 200 voyages annuels pour collecter des informations variées, qu’il réintègre ensuite dans le développement organisationnel. Il est, dans le vrai sens du terme, un président-directeur général, bien plus qu’un simple chef de direction.
C’est là la forme organisationnelle la plus avancée que nous ayons observée : une organisation capable de traverser plusieurs générations, de couvrir différents secteurs industriels, de remporter des succès successifs et de rebondir après une période de déclin. Généralement, si une entreprise nomme un mauvais PDG pendant dix ans, elle court à la ruine. En conséquence, tirer des leçons de l’histoire et adopter une perspective de haut niveau pour analyser le développement actuel — même si cela implique de rogner ou d’optimiser certains aspects du modèle existant — est bien plus efficace que de tout reconstruire à zéro depuis les fondations.
Aujourd’hui, n’importe qui peut facilement construire un agent, le seuil d’entrée pour les employés est extrêmement bas, et la communauté open source vient renforcer cette facilité — le secteur ne recèle plus guère de secrets. La surenchère au niveau des outils ne peut jamais rivaliser avec la puissance de la communauté open source. Alors, quelle est la compétence fondamentale que la communauté open source ne possède pas et ne peut pas reproduire ?
04 La physique de l’organisation IA : pourquoi la « découverte progressive » est-elle essentielle ?
Zhang Peng : Lorsqu’on parlait d’organisation « dans la génération précédente », on mettait l’accent sur des éléments tels que la culture organisationnelle, les valeurs ou les indicateurs clés de performance (KPI). En passant de la gestion organisationnelle traditionnelle à la nouvelle ère des organisations d’agents IA, quels éléments peuvent être complètement abandonnés, et quels autres doivent être conservés, mais transformés ?
Liu Ye : La raison fondamentale pour laquelle Anthropic a lancé les « skills » repose sur le principe de « découverte progressive » dans le domaine du codage IA : si l’IA reçoit trop d’informations désordonnées, cela provoque une « corruption du contexte » et une perte d’attention, entraînant du chaos. Seule la « découverte progressive » permet à l’IA de maintenir une attention soutenue et de produire des résultats de haute qualité. Si cette découverte progressive devait être réalisée manuellement, cela reviendrait à un dialogue entièrement humain, inefficace. Ainsi, la valeur fondamentale des « skills » réside dans la décomposition hiérarchique des tâches complexes, permettant une « découverte progressive » de l’IA.
Cela correspond parfaitement à la logique de gestion des entreprises : le conseil d’administration se concentre sur les questions stratégiques, le PDG sur les questions tactiques et la gestion des cadres supérieurs, tandis que les employés traitent les tâches simples. Si 300 personnes participaient simultanément à une même réunion, celle-ci serait impossible à mener. L’existence même de l’organisation a pour but principal de permettre un traitement hiérarchique de l’information — tout comme les trois formes normales d’une base de données améliorent l’efficacité par une compression hiérarchique de l’information. Les problèmes complexes doivent être décomposés hiérarchiquement et exposés de façon progressive, plutôt que d’être saisis d’un bloc dans un contexte volumineux. C’est précisément la logique fondamentale des structures organisationnelles traditionnelles, car la puissance de calcul disponible à un instant donné est nécessairement limitée.
Zhang Peng : Chaque fois, le modèle doit consommer une énorme puissance de calcul pour tout recréer depuis le début — une démarche inefficace.
Liu Ye : Cela est impossible. Le cœur de la solution réside dans la « découverte progressive » hiérarchique : les ressources nécessaires doivent être mobilisées au bon moment — c’est une contrainte imposée par les limites inhérentes aux modèles IA. En outre, une autre raison pour laquelle Anthropic a lancé les « skills » est que les tâches complexes dépassent désormais les théorèmes fondamentaux de la physique. Les « skills » permettent de décomposer ces tâches complexes en sous-tâches simples, de faible dimension. La distinction fondamentale entre les tâches ne repose pas sur leur difficulté, mais sur leur complexité — on distingue ainsi des tâches « difficiles en faible dimension » et « difficiles en haute dimension ». Par exemple, la programmation ou la résolution de problèmes mathématiques relève de tâches « difficiles en faible dimension ».
Yu Kai, fondateur de Horizon Robotics, a proposé un modèle classique : tous les métiers peuvent être classés selon deux axes — « degré de concurrence » et « hauteur dimensionnelle » — en quatre quadrants : haute dimension / forte concurrence, basse dimension / faible concurrence, basse dimension / forte concurrence, haute dimension / faible concurrence. Ainsi, les commerciaux et les ingénieurs appartiennent au quadrant « basse dimension / forte concurrence », tandis que les chefs de produit et les PDG appartiennent à « haute dimension / forte concurrence » ; les scientifiques, eux, relèvent de « haute dimension / faible concurrence » — des sujets qui peuvent n’être étudiés que par une seule personne au monde, offrant une concurrence minimale mais une complexité extrême. Des tâches telles que la production de mini-séries de haute qualité ou l’écriture de romans remarquables — relevant de « haute dimension / forte concurrence » — dépassent encore largement les capacités actuelles de l’IA ; en revanche, des tâches comme l’optimisation de code — « basse dimension / forte concurrence » — sont déjà parfaitement maîtrisées par l’IA. Plus une tâche est de haute dimension, moins les sources de données disponibles sont nombreuses, mais plus la quantité de données requise pour entraîner un modèle est importante. C’est pourquoi les modèles textuels sont apparus les premiers, suivis des modèles d’image puis de vidéo, et pourquoi les modèles de vidéo courte peinent encore à se concrétiser. Ce décalage entre la demande de données de haute dimension et l’offre disponible ne peut être comblé que par la décomposition des tâches via les « skills » — tout comme, dans une entreprise, lorsqu’on ne trouve pas de candidat qualifié pour un poste de haut niveau, on le divise en trois postes de base. Seuls les postes de PDG, de très haute dimension, restent irremplaçables.
Zhang Peng : Les tâches « basses dimensions / fortes concurrences » seront très probablement entièrement remplacées par l’IA.
Liu Ye : Elles seront remplacées à 100 %, et ce remplacement est déjà en cours.
Zhang Peng : En effet. Il convient donc de résoudre rapidement toutes les tâches « basses dimensions / fortes concurrences » à l’aide de l’IA, en les décomposant en « skills », puis en les mettant en œuvre via des organisations d’agents — un processus qui ne nécessite pas forcément l’intervention humaine.
Liu Ye : J’ai une idée préliminaire : IBM et Accenture, les deux plus grands cabinets de conseil mondiaux, tirent leur activité fondamentale de l’extraction des meilleures pratiques industrielles et de leur alignement avec la transformation numérique. Ce qu’ils vendent n’est pas un outil, mais un processus. Lorsqu’une entreprise achète des processus de gestion des risques ou des propriétés intellectuelles (IP), elle fait appel à un cabinet de conseil pour assurer leur mise en œuvre. Notre travail fondamental actuel consiste à construire un cluster de « skills », à identifier les meilleurs experts dans chaque domaine, à extraire leurs compétences et à les aligner, afin de former un « skill set » standardisé. Cela reprend le modèle de Zuoye Box : cette entreprise a collaboré avec le Lycée numéro 4 de Pékin, l’École secondaire affiliée à l’Université Renmin, les groupes de rédaction des sujets d’examen national et les enseignants de Xueersi pour extraire les méthodes fondamentales de rédaction, d’explication et de correction des exercices, puis a associé des ingénieurs algorithmiques de Baidu pour construire le système — une démarche fondée sur l’alignement des meilleures pratiques. Le cœur de la capacité organisationnelle réside dans la constitution d’équipes pluridisciplinaires de haute qualité : il faut à la fois comprendre l’industrie et l’ingénierie, et pouvoir mobiliser les meilleurs experts de chaque domaine spécialisé, tout en maîtrisant les compétences commerciales, le recrutement et la gestion des talents. C’est là la composition fondamentale des nouvelles entreprises SaaS IA.
Zhang Peng : En poussant plus loin cette réflexion, la forme organisationnelle future devrait être déduite à rebours des besoins métiers. L’organisation est, en soi, une structure d’orchestration — comparable à un « système d’exploitation métiers » — où insérer les individus, en tant qu’unités productives, dans la structure adaptée maximise leur valeur ; à l’inverse, une mauvaise adéquation rend l’organisation inefficace. Aujourd’hui, les facteurs de production se sont transformés : la main-d’œuvre, auparavant limitée, a été remplacée par une IA illimitée, dont la capacité peut croître indéfiniment dès lors qu’un cercle vertueux est établi. La culture organisationnelle d’hier pourrait aujourd’hui se transformer en objectifs et contexte, sans avoir besoin de slogans, de réunions rituelles ou d’activités de « rupture de glace ».
Liu Ye : La culture sert à traduire les intentions managériales, non les intentions métiers. Dans la génération précédente, la stratégie naissait de la vision, la vision déterminait les valeurs, l’organisation obéissait à la stratégie, et les activités métiers validaient tout. La culture n’était qu’un outil de gouvernance organisationnelle, ne servant pas directement la stratégie — voire n’était que la préférence personnelle du fondateur.
Zhang Peng : Dans le processus antérieur, où les individus servaient la stratégie, de nombreux « intervalles » subsistaient. L’IA est-elle en train d’éliminer ces intervalles ?
Liu Ye : Oui, la culture perd de son importance à l’ère de l’IA. Elle constitue la composante « croyance » des organisations humaines, mais l’IA n’en a pas besoin. Dépourvue de chair et de sang, l’IA ne nécessite aucune orientation culturelle. Son besoin fondamental est la puissance de calcul.
Zhang Peng : Vous voulez dire que l’IA a besoin d’objectifs et de principes. Un simple document suffit à définir clairement ces objectifs et principes, et toutes les unités productives peuvent immédiatement les synchroniser et les exécuter fidèlement, sans déviation. Une grande partie des frictions présentes dans les organisations humaines disparaît ainsi.
Liu Ye : Exactement. L’ancienne chaîne organisationnelle était : stratégie → culture → talents → exécution. La chaîne organisationnelle IA est désormais : objectif → principes → skills → orchestration. L’ensemble de la chaîne de management est ainsi réduit de moitié.
05 La dernière barrière : l’esthétique et l’orchestration
Zhang Peng : Quelle est donc la nouvelle barrière défensive pour les entreprises ? La qualité des talents est remplacée par le « skill set » : dès lors que je possède un sens esthétique, je peux puiser dans le monde entier les meilleurs « skills ». Et au-delà de cela, il y a l’« orchestration » — c’est bien cela ? Quelles transformations cela implique-t-il ?
Liu Ye : Comme on peut acheter tous les composants électroniques à Huaqiangbei, pourquoi tout le monde ne fabrique-t-il pas un iPhone ? La biographie de Steve Jobs définit très clairement l’esthétique : « avoir vu suffisamment de belles choses dans le monde pour être capable d’en distinguer la qualité. » Sans avoir jamais vu de bons produits, de bons processus ou de bonnes organisations, on ne peut pas produire de résultats de qualité.
Zhang Peng : La connaissance est le préalable à l’esthétique.
Liu Ye : Connaissance et don — rien de plus.
Zhang Peng : L’esthétique se manifeste de deux façons : d’abord, par une conception et une orchestration volontaires ; ensuite, par la capacité à identifier et sélectionner, au sein du chaos, les éléments émergents de haute qualité. Ces deux approches ne sont pas contradictoires.
Liu Ye : En effet, elles ne sont pas contradictoires. Une partie des réalisations d’Apple est issue de la R&D interne, une autre de l’acquisition de tiers. Le cœur de la réussite réside dans l’esthétique : il n’est pas nécessaire de tout réinventer, il suffit de concevoir soi-même ce qui est indispensable.
Zhang Peng : La question centrale est donc la suivante : faut-il laisser les agents fonctionner dans des modules prédéfinis puis valider le chemin choisi — une orchestration « émergente » — ou faut-il définir tous les chemins à l’avance — une orchestration « conçue » ?
Liu Ye : L’émergence est non contrôlée : il faut d’abord définir des règles et principes initiaux — c’est là que s’exprime l’esthétique d’une personne. Ainsi, un excellent ingénieur peut créer un OpenClaw fonctionnel en seulement 500 ou 5 000 lignes de code, tandis qu’un ingénieur médiocre ne parviendra pas au même résultat même avec 50 000 lignes — les règles initiales fondamentales doivent toujours être définies par l’humain.
Zhang Peng : On ne peut donc pas attendre passivement l’émergence au milieu du chaos — cela prendrait un temps infini. L’orchestration reste donc cruciale. Cette orchestration ne peut-elle provenir que du fondateur — ou est-elle davantage l’apanage d’un « producteur » ?
Liu Ye : Je trouve cette analogie du « producteur » excellente. En effet, même avec l’émergence et les effets d’échelle, il faut toujours procéder à l’étiquetage et au nettoyage des données, ainsi qu’à un alignement continu des algorithmes, afin d’éviter une expansion désordonnée.
Le rôle d’orchestrateur dépend de la complexité de l’activité : une activité complexe ne peut pas être menée à bien par une seule personne — par exemple, produire une mini-série ou rédiger des prompts soulève de nombreux obstacles en pratique. Le concept de « société individuelle » est largement galvaudé : le monde ne peut pas être simplifié à l’infini. Certes, un ordinateur peut être utilisé par une seule personne, mais personne ne peut maîtriser toutes les compétences de haute dimension. Des talents exceptionnels comme Elon Musk ou Li Feifei — capables de maîtriser plusieurs domaines et de remplacer n’importe quel poste — restent extrêmement rares.
Zhang Peng : Si nous pouvons appeler les meilleurs agents et systèmes de « skills » du monde — par exemple, un scénariste exceptionnel —, est-il théoriquement possible, en exploitant ces ressources, de produire un film mondialement connu et rentable ? Le scénariste détient certes l’élément clé (un excellent scénario), mais ne peut accomplir tous les aspects du projet. Ce modèle de « point fort central + ressources mondiales » est-il viable ?
Liu Ye : C’est fondamentalement une question de données — existe-t-il des données capables de stocker l’information de plus haute dimension ? Par exemple, pour entraîner les « skills » d’un PDG, les données actuelles sont insuffisantes : les longs articles de Ren Zhengfei ou les discours de Jack Ma ne parviennent pas à rendre compte intégralement de leurs cognitions de haute dimension ; même en rassemblant tous les rapports annuels des entreprises mondiales et toutes les déclarations publiques des PDG, on ne parviendrait pas à entraîner un modèle capable de remplacer un PDG, car la compétence fondamentale du PDG est une connaissance implicite, impossible à exprimer entièrement par écrit.
Zhang Peng : Autrement dit, les compétences fondamentales d’un PDG ne peuvent pas encore être vectorisées. Cela limite l’idée idéale de la « société individuelle » : même si chacun peut exploiter pleinement ses forces dans une seule dimension et s’appuyer sur les meilleures ressources mondiales, il manque toujours un orchestrateur central — ce qui revient, au fond, à une incapacité d’orchestration. En dernière analyse, même avec les meilleurs « composants », on a besoin d’une capacité d’orchestration puissante.
Liu Ye : Il en va de même pour le chef de produit : sa connaissance implicite ne peut pas être entièrement textualisée. C’est là la raison fondamentale pour laquelle les compagnons IA ou les contenus générés par IA manquent de « vivacité » : ils manquent de données soutenant les connaissances implicites de haute dimension. Lorsque les données sont rares, on se concentre sur les « skills » ; lorsque les données sont abondantes, on passe aux modèles. Les robots ne sont pas encore déployés à grande échelle, car ils manquent de données suffisantes.
Zhang Peng : On peut donc en déduire que le point décisif de la compétition entre entreprises futures ne sera plus l’accès aux meilleurs modèles — les ressources IA initiales semblent uniformes, et la puissance de calcul dépend de la richesse financière et de la capacité à boucler les cycles métiers. Les différences finales reviendront donc au « producteur » lui-même — à sa capacité d’orchestration et à l’originalité et la pertinence de ses objectifs. Ce sont ces deux éléments qui constituent la compétence fondamentale de l’entreprise.
Liu Ye : Un ancien associé de McKinsey m’a confié que le cœur de l’activité de McKinsey consiste à extraire les meilleures pratiques, à les modéliser, puis à accompagner les entreprises dans leur mise en œuvre pas à pas. Par exemple, lorsqu’ils conseillent une usine automobile chinoise, ils interrogent leurs collègues japonais sur les pratiques de Toyota — ce qui revient, en substance, à copier et déployer les meilleures pratiques.
Le cas de Mimi Meng, spécialiste des mini-séries, est très instructif. Issue d’une formation en lettres chinoises, son équipe centrale est composée de talents issus des départements de mathématiques et d’informatique des universités Tsinghua et Peking. Elle se consacre à la déconstruction des logiques derrière les vidéos courtes à succès, ce qui lui permet d’atteindre un taux exceptionnel de productions virales. Cette démarche revient, en substance, à modéliser l’ingénierie sociale d’un secteur — même si elle comporte un risque de surajustement, la direction choisie est juste.
IBM, Accenture et McKinsey font toutes la même chose : la première génération de McKinsey a modélisé les meilleures pratiques dans la personne même de ses associés ; IBM les a converties en processus numériques. Fondamentalement, elles « vendent la gestion et les processus ».
Zhang Peng : Le cœur de la démarche est donc d’extraire les meilleures pratiques, puis de les vérifier et déployer de façon répétée — c’est là le point décisif de la compétition entre organisations commerciales futures. Seule une décomposition rigoureuse permet une orchestration efficace. Votre orientation stratégique future suit-elle donc cette voie ?
Liu Ye : Ces trois dernières années, nous nous sommes concentrés sur les activités IA B2C, reconstruisant l’ensemble du système pédagogique et didactique à l’aide de MetaOrg. Ce n’est pas simplement une histoire de « gain d’efficacité grâce à l’IA ». Nous avons construit une organisation pédagogique entièrement « agentic », animée par des équipes pédagogiques virtuelles : une équipe de recherche sur l’apprentissage des langues suit les dernières théories sur l’acquisition d’une seconde langue ; une équipe spécialisée dans la collecte de corpus verticaux extrait des expressions authentiques à partir de contextes réels ; une équipe d’évaluation des dialogues établit des critères multidimensionnels pour évaluer les compétences orales ; une équipe de conception de dialogues traduit les méthodes pédagogiques en interactions homme-machine naturelles ; une équipe de conception de « conteneurs d’exercices » résout les problèmes d’adéquation entre les formats d’exercices et les contenus ; enfin, une équipe d’analyse des données extrait des signaux réels sur l’efficacité de l’apprentissage à partir du comportement des utilisateurs. Chaque équipe possède ses propres « skills », son propre flux de travail et ses propres critères d’évaluation. Actuellement, environ 80 % des tâches — étiquetage des données pédagogiques, surveillance et évaluation, analyse des utilisateurs, itérations produit — sont réalisées par l’IA.
Notre trajectoire de développement passe de « l’IA comme fonction » à « l’IA comme capacité organisationnelle ». Le poste d’enseignant d’anglais présente une complexité moyenne : nous l’avons déjà abstrait et, via MetaOrg, nous générons d’autres postes ; en combinant la dernière architecture de « skills », nous pourrions même construire des postes de niveau supérieur.
Nous avons déjà mis en place l’ensemble du processus de tutorat IA, y compris l’abstraction et la mise en œuvre technique de l’orchestration. À l’avenir, nous passerons probablement du « Meta tutor » au « Meta organisation » — dont l’unité minimale n’est plus l’employé, mais le poste, centré sur la collaboration et la gestion entre postes. Notre priorité actuelle est de collaborer avec les PDG les plus talentueux de chaque secteur, car le PDG est le « producteur » central.
Zhang Peng : Vous proposez donc quelque chose qui ressemble davantage à un département extensible ?
Liu Ye : Notre objectif est de progresser vers une « entreprise » complète. Une grande entreprise n’est, en fin de compte, qu’un assemblage de petites entreprises, dont l’unité minimale est le poste. Il faut à la fois considérer les choix stratégiques à l’échelle de l’ensemble de l’industrie, et progresser pas à pas, en partant des postes, pour itérer sur le produit — car si les postes ne sont pas bien conçus, même des managers exceptionnels ne parviendront pas à créer une organisation efficace.
Zhang Peng : Pour bien construire un département, il faut d’abord décomposer les compétences et les postes qui lui sont associés, puis décomposer chaque poste en « skills », en cherchant à ce que ces « skills » atteignent le niveau SOTA (State-of-the-Art).
Liu Ye : Il n’y a qu’une seule méthode fondamentale : co-créer avec les entreprises les plus performantes du secteur concerné. Les « skills » que nous développons doivent être évalués par ces entreprises de premier plan pour vérifier leur adéquation aux besoins — tout comme un projet rédigé par un subordonné doit être validé par son supérieur, sans tomber dans l’auto-satisfaction. Par exemple, pour modéliser la production de mini-séries, il faut obtenir la validation d’institutions de pointe du secteur ; sinon, ce n’est pas vraiment un « skill » de haut niveau. Tout doit être évalué et mesuré.
Midjourney produit des images de haute qualité, parce que son équipe réunit des photographes et des ingénieurs dotés d’un sens esthétique exceptionnel pour les images ; le modèle d’images entraîné par Louis Vuitton à partir de Stable Diffusion dépasse largement les modèles standards, car LV possède le meilleur sens esthétique mondial pour les images, ainsi que les données correspondantes. Il est donc clair que la capacité d’évaluation est fondamentale. Pour créer une entreprise IA, il faut suivre l’exemple d’IBM ou de Huawei : après avoir accompagné les constructeurs automobiles de premier plan, IBM a acquis la maîtrise des meilleures pratiques de fabrication automobile, qu’elle peut désormais exporter ; Huawei a investi 4 milliards de yuans pour acquérir le processus IPD, qu’il utilise à la fois pour sa propre gestion et pour le proposer à ses clients — c’est là la vraie compétence fondamentale.
Zhang Peng : En substance, il s’agit de décomposer les « skills » à partir des meilleures pratiques, d’atteindre le niveau SOTA pour les « skills », puis de passer au niveau SOTA pour les postes et les départements, pour finalement orchestrer un niveau SOTA pour l’ensemble des activités — c’est là une voie claire vers l’excellence opérationnelle. Une question cruciale subsiste : comment maintenir les « skills » à jour ? Comme la mutation dans la biosphère terrestre, le SOTA d’une époque peut être dépassé à la suivante — comment faire face à ce changement ?
Liu Ye : La logique fondamentale est identique à celle de l’évolution humaine et biologique : perception, planification, action, réflexion. Il faut maintenir une haute densité de talents et une forte pluridisciplinarité dans l’organisation : d’un côté, être connecté aux avancées technologiques (chercheurs), de l’autre, étudier les modèles économiques, tout en co-créant avec les clients leaders de chaque secteur, afin d’évaluer et d’optimiser continuellement dans des scénarios réels — c’est la seule méthode possible.
Zhang Peng : En inversant la logique, les systèmes issus des meilleures pratiques des entreprises de premier plan peuvent permettre aux entreprises de niveau intermédiaire d’accomplir un bond qualitatif. Mais ces systèmes ne seront probablement accessibles qu’aux entreprises disposant de ressources et de moyens financiers suffisants, excluant les PME et les jeunes entrepreneurs. Le secteur du conseil s’est déjà transformé, passant des services traditionnels à des produits outillés. Les opportunités pour la nouvelle génération ne seraient-elles donc limitées au niveau des « skills » ? Comment innover de façon disruptive au niveau des « skills », pour éviter que le secteur ne tombe dans une « boucle aristocratique » ?
Liu Ye : Dans la génération précédente des entreprises SaaS, des acteurs comme Salesforce, Palantir, Notion ou Slack ont prouvé que les jeunes entrepreneurs gardent encore des chances : il faut s’éloigner des activités pour lesquelles on ne possède aucun avantage, et se concentrer sur les compétences générales, en trouvant une niche écologique adaptée. Notion est un exemple parfait : il ne traite aucun processus métier spécifique, mais abstrait uniquement la fonction de prise de notes textuelles, devenant ainsi un outil universel. Le monde futur sera constitué d’une multitude d’agents intelligents travaillant en division du travail et en collaboration. Les jeunes doivent d’abord trouver leur niche écologique, puis y déployer leurs atouts personnels, en s’ancrant sur les tendances futures et en évitant de devenir « l’ennemi du temps ». Au cours des dix dernières années, la première génération d’entrepreneurs internet était majoritairement composée de diplômés étrangers (profitant d’un avantage cognitif), la deuxième génération de programmeurs (profitant de l’explosion des outils), et la troisième génération, issue de l’Internet industriel, de entrepreneurs ayant déjà une première expérience. Ce schéma est clair : les jeunes doivent comprendre la situation globale et leurs propres atouts.
Zhang Peng : Vous estimez donc que les innovations locales et les optimisations au niveau des « skills » ont un impact limité. L’opportunité la plus importante pour la nouvelle génération réside donc dans l’innovation des objectifs — identifier les nouveaux objectifs émergents de notre époque, les associer à des « skills » de haute qualité, et les faire évoluer continuellement, afin de construire de nouveaux systèmes autour de ces objectifs et d’obtenir une percée.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
极客公园
