a16z : L’IA permet de décupler par dix la productivité de chacun, mais aucune entreprise n’en vaut pour autant dix fois plus.
TechFlow SélectionTechFlow Sélection
a16z : L’IA permet de décupler par dix la productivité de chacun, mais aucune entreprise n’en vaut pour autant dix fois plus.
Le problème ne réside pas dans la technologie elle-même, mais dans le fait que l’organisation n’a pas été restructurée en conséquence.
Dédié à des analyses Web3 approfondiesAuteur : George Sivulka
Traduction et adaptation : TechFlow
Introduction de TechFlow : L’IA a multiplié par dix la productivité individuelle, mais aucune entreprise n’a vu sa valorisation multipliée par dix en conséquence. George Sivulka, associé chez a16z et fondateur de l’entreprise spécialisée en IA Hebbia, estime que le problème ne réside pas dans la technologie elle-même, mais dans le fait que les organisations n’ont pas su se réinventer en parallèle. Il propose sept dimensions permettant de distinguer l’« IA institutionnelle » de l’« IA individuelle » — coordination, signal, biais, avantage marginal, orientation résultats, autonomisation et absence de prompts — ce qui revient à dire ceci : remplacer la machine à vapeur par un moteur électrique ne suffit pas ; il faut entièrement repenser l’usine.
Le texte intégral suit :
L’IA vient tout juste de multiplier par dix la productivité de chacun.
Aucune entreprise n’en a pour autant vu sa valeur multipliée par dix.
Où est passée cette productivité ?
Ce n’est pas la première fois que cela se produit.
Dans les années 1890, l’électricité promettait des gains massifs de productivité.
Les usines textiles de la Nouvelle-Angleterre, conçues autour de la puissance rotative fournie par des machines à vapeur, ont rapidement remplacé ces dernières par des moteurs électriques plus rapides.
Pourtant, durant trente ans entiers, les usines électrifiées n’ont presque pas augmenté leur production. La technologie était largement en avance. Mais les organisations n’ont pas su suivre.
Il a fallu attendre les années 1920, lorsque les chaînes de montage furent entièrement repensées — avec une ligne de production fluide, chaque machine dotée de son propre moteur électrique, et une séparation claire entre les tâches dévolues aux ouvriers et celles confiées aux machines — pour que l’électrification produise enfin un retour sur investissement tangible.
Légende : Trois étapes d’évolution de l’usine textile de Lowell. De gauche à droite : usine à vapeur (1890), usine motorisée électriquement (1900), usine à « entraînement unitaire » (1920), c’est-à-dire entièrement reconstruite autour d’une chaîne de montage électrique.
Le retour n’est pas venu de la technologie en soi, ni du fait qu’un ouvrier ou une machine filent plus vite. Il n’est survenu que lorsque nous avons finalement repensé ensemble institutions et technologies.
C’est là l’une des leçons les plus coûteuses de l’histoire technologique — et nous sommes aujourd’hui en train de la réapprendre.
En 2026, l’IA offre déjà un gain de productivité de dix fois à ceux qui savent l’utiliser. Mais cela ne suffit pas. Nous avons remplacé la machine à vapeur par un moteur électrique, sans toutefois repenser l’usine.
Car un fait simple s’impose : un individu efficace ne fait pas nécessairement une organisation efficace.
La plupart des produits d’IA donnent l’impression d’être « efficaces », sans pour autant générer de valeur réelle. La grande majorité des cas d’usage observés consiste en des démonstrations narcissiques d’« efficacité maximale » sur Twitter ou dans les canaux Slack d’entreprises — sans impact réel.
L’expression « services comme logiciels », souvent reprise au cours de la dernière année, va dans la bonne direction, mais ne fournit aucun plan d’action. Elle ignore par ailleurs le tableau d’ensemble. La véritable transformation ne va pas des outils aux services, mais consiste à construire conjointement technologies et institutions — qu’il s’agisse de transformer les anciennes ou d’en créer de nouvelles. Un futur véritablement efficace exigera une catégorie entièrement nouvelle de produits — les chaînes de montage de demain.
Une organisation efficace exige une « intelligence institutionnelle ».
Cet article analyse en profondeur les sept dimensions qui distinguent l’« intelligence institutionnelle » de l’« intelligence individuelle ». Toutes les entreprises B2B spécialisées en IA qui émergeront au cours des dix prochaines années seront fondées sur ces différences :
Légende : Tableau comparatif des sept piliers de l’intelligence institutionnelle
Les sept piliers de l’intelligence institutionnelle
1. Coordination
L’IA individuelle crée le désordre.
L’IA institutionnelle crée la coordination.
Imaginons une expérience de pensée : supposez que vous doubliez, dès demain, l’effectif de votre organisation, en clonant vos meilleurs employés.
Ces employés présentent tous de légères différences, des préférences, des particularités et des points de vue distincts — surtout vos meilleurs collaborateurs. Sans encadrement adéquat, sans communication claire, sans définition précise des responsabilités, des objectifs et des périmètres de rôle… vous créez du désordre.
À l’échelle individuelle, l’organisation pourrait sembler plus efficace. Mais des milliers d’agents (ou d’humains) rament chacun dans une direction différente : le meilleur résultat possible est l’immobilité, tandis que le pire est la fragmentation de la cohésion organisationnelle.
Cela n’est pas hypothétique. Chaque organisation qui adopte l’IA sans couche de coordination connaît actuellement ce phénomène. Chaque employé développe ses propres habitudes d’utilisation de ChatGPT, son propre style de prompts, ses propres sorties — totalement déconnectées de celles des autres. L’organigramme peut encore figurer sur papier, mais le travail généré par l’IA suit en réalité un tout autre parcours.
Légende : Des individus (ou agents) efficaces rament chacun dans une direction différente. En l’absence de coordination, c’est le désordre.
La coordination est une nécessité absolue, aussi bien pour les humains que pour les agents.
L’intelligence institutionnelle fera naître un secteur entier dédié à la « gestion des agents » — centré sur leurs rôles et responsabilités, sur la communication entre agents, entre agents et humains, ainsi que sur la manière de mesurer la valeur ajoutée des agents (le paiement à l’usage étant largement insuffisant).
2. Signal
L’IA individuelle génère du bruit.
L’IA institutionnelle identifie le signal.
Aujourd’hui, les humains peuvent créer — ou plutôt générer — tout ce qu’ils imaginent : articles rédigés par l’IA, présentations, tableaux de calcul, photos, vidéos, chansons, sites web, logiciels. Quel magnifique cadeau.
Le problème est que la majeure partie du contenu généré par l’IA est purement et simplement de la mauvaise qualité. L’explosion de ce « déchet IA » est devenue si grave que certaines organisations, par réaction excessive, interdisent désormais toute sortie générée par l’IA. Pour être honnête, j’éprouve moi-même cette même réticence — je dirige une entreprise spécialisée en IA, mais j’exige que mon équipe dirigeante n’utilise pas l’IA pour rédiger aucun document final. Je ne supporte pas ce genre de contenus médiocres.
Imaginez l’état actuel du secteur des fonds de capital-investissement (PE). L’an dernier, vous receviez probablement dix opportunités d’investissement sur votre bureau. Cette année, au prochain trimestre, vous en recevrez cinquante, chacune parfaitement retravaillée par l’IA — alors que votre temps d’analyse reste strictement identique. Vous devrez donc identifier celle qui est réellement pertinente.
Générer n’importe quoi n’est plus un problème. Le défi actuel pour toute organisation sérieuse est désormais de générer — puis de trier — ce qui est pertinent. Dans un monde piloté par l’IA, repérer la bonne sortie, la bonne opportunité d’investissement, le signal au milieu du bruit, devient de plus en plus critique. Au cours des dix prochaines années, la principale force motrice de l’économie sera précisément l’extraction de signaux depuis une montagne exponentiellement croissante de déchets.
Légende : Les outils individuels de productivité génèrent des déchets IA qui prolifèrent à un rythme exponentiel. Les humains ne parviennent plus à les trier eux-mêmes à partir du bruit : ils ont besoin d’une nouvelle catégorie de produits d’IA institutionnelle.
L’intelligence institutionnelle doit impérativement identifier le signal, structurer le bruit afin de percer la masse de déchets, et fonctionner de façon définie, déterministe et vérifiable dans le cadre opérationnel.
L’IA individuelle peut privilégier la productivité « toujours active » à la manière de Clawdbot, répondant à vos besoins de façon imprévisible, 24 heures sur 24, 7 jours sur 7 — soit essentiellement des agents non déterministes. L’IA institutionnelle, quant à elle, repose sur la fiabilité d’agents déterministes. Ceux-ci doivent disposer de points de contrôle prévisibles, d’étapes et de processus clairs pour pouvoir être mis à l’échelle, identifier le signal, et générer des retours sur investissement pour l’organisation.
Légende : Matrix est un outil utilisant des technologies génératives pour percer le bruit, ouvrant ainsi la voie à un monde d’agents déterministes et de points de contrôle.
3. Biais
L’IA individuelle nourrit les biais.
L’IA institutionnelle crée de l’objectivité.
Depuis plusieurs années, les débats sur les biais sociopolitiques ont dominé les discussions autour de l’IA. Les laboratoires de modèles de base ont finalement contourné ce problème grâce à un nombre suffisant de boucles de rétroaction humaine (RLHF), ajustant tous leurs modèles pour en faire des flatteurs. Aujourd’hui, des modèles comme ChatGPT ou Claude sont tellement alignés qu’ils vous approuvent sur n’importe quel sujet tombant dans la fenêtre d’Overton — voire parfois un peu au-delà (je pense notamment à vous, @Grok). Les débats sur les biais sociopolitiques se sont donc apaisés. Mais un nouveau problème a pris leur place.
Cette approbation systématique de tout et n’importe quoi est devenue absurde, voire risible. Elle s’est même transformée en mème — cette réplique conditionnée de Claude : « Vous avez tout à fait raison ! », quelle que soit la justesse réelle de votre affirmation.
Cela semble inoffensif. Ce n’est pas le cas.
Dans de nombreuses organisations, les personnes qui poussent le plus activement l’adoption de l’IA risquent très vite de devenir les employés les moins performants de toute l’histoire. Réfléchissez-y.
Les employés les moins performants d’une organisation reçoivent presque jamais de feedback positif. Très bientôt, ils bénéficieront d’un soutien continu de la part d’une IA superintelligente (ASI) qui les approuvera sans réserve. Ils se diront alors : « L’entité intelligente la plus avancée de l’histoire me donne raison. C’est donc mon manager qui se trompe. »
Cela crée une dépendance. Et cela nuit gravement à l’organisation.
Légende : L’effet de chambre d’écho de l’IA individuelle accentue les divisions, éloignant progressivement deux individus — dynamique qui, à grande échelle, engendre des factions au sein d’une organisation initialement unie.
Cela met en lumière un point crucial. Les outils de productivité individuelle renforcent l’utilisateur. Or ce qui devrait avant tout être renforcé, c’est la vérité.
Les organisations humaines, après des millénaires d’évolution, ont mis en place des systèmes spécifiquement conçus pour contrer ce problème :
- Réunions des comités d’investissement
- Diligence raisonnable réalisée par des tiers
- Conseils d’administration
- Séparation des pouvoirs exécutif, législatif et judiciaire aux États-Unis
- Démocratie représentative, et la démocratie elle-même
Légende : L’objectivité peut même atténuer les problèmes de coordination — en limitant plutôt qu’en amplifiant les petites divergences.
Les organisations échouent rarement faute de confiance de leurs employés. Elles échouent parce que personne n’est disposé, ou capable, de dire « non ».
L’IA institutionnelle doit jouer ce rôle. Elle ne sera pas calibrée via RLHF pour flatter l’utilisateur ou cautionner ses convictions, mais pour remettre en question ses biais. Elle fournira un feedback positif lorsqu’un raisonnement est efficace, et imposera des limites strictes et des corrections immédiates dès qu’il s’écarte de la trajectoire souhaitée.
Ainsi, l’agent le plus important au sein d’une organisation ne sera pas un « oui-man », mais un « veto-man » discipliné — remettant en cause les raisonnements, exposant les risques, appliquant les normes. Certaines des applications IA les plus influentes à venir seront construites autour de contraintes institutionnelles : membre du conseil d’administration IA, auditeur IA, testeur tiers IA, conformité IA…
4. Avantage marginal
L’IA individuelle optimise le volume d’utilisation.
L’IA institutionnelle optimise l’avantage marginal.
Les frontières des capacités de l’IA évoluent chaque semaine, voire chaque jour. Les entreprises de modèles de base, en concurrence pour conquérir chaque individu et chaque organisation, itèrent rapidement leurs capacités.
Mais le dilemme classique de l’innovateur nous rappelle que, dans les applications concrètes, la profondeur l’emporte toujours sur la largeur :
- @Midjourney concentre ses efforts pour conserver une légère avance dans la conception d’images.
- @Elevenlabsio maintient une légère supériorité dans les modèles vocaux.
- @DecagonAI cherche à rester constamment en tête en matière d’expérience globale de service client.
Bien que les modèles de base tendent à se rapprocher, l’avantage marginal réel demeure décisif pour les experts de chaque domaine. De nombreux designers de premier plan utilisent @Midjourney, de nombreuses entreprises spécialisées en IA vocale utilisent @Elevenlabsio — car même si les modèles de base progressent, la concentration acharnée de solutions spécialisées sur leur avantage marginal spécifique définit précisément cet avantage.
Tant que les solutions spécialisées continuent à évoluer, les capacités véritablement déterminantes pour les résultats économiques — et donc pour les entreprises — resteront toujours du côté des produits spécialisés.
Cela est particulièrement évident dans le domaine financier — actuellement le secteur le plus dynamique du développement des LLM. Une fois qu’une capacité devient généralisée, elle ne permet plus, par définition, de battre le marché. Mais si une technologie de pointe permet d’obtenir un avantage temporaire de 1 % dans un créneau étroit ? Ce 1 % peut générer des retours de plusieurs milliards de dollars.
Légende : Pour toute tâche suffisamment spécifique, l’avantage marginal est défini par la solution institutionnelle que vous construisez au-dessus des technologies de pointe.
Nos utilisateurs dépassent constamment les frontières de la technologie disponible. La fenêtre contextuelle des LLM est passée de 4 K à 1 million de tokens en quatre ans. Certains de nos utilisateurs traitent déjà des tâches impliquant 30 milliards de tokens en une seule exécution. Cette année, nous voyons déjà la voie ouverte vers des tâches de 100 milliards de tokens. À chaque amélioration des capacités des modèles de base, nous allons encore plus loin.
Légende : La fenêtre contextuelle, comme d’autres capacités, constitue une cible mobile. Comparaison de l’évolution de la fenêtre contextuelle au cours des trois dernières années entre les laboratoires de pointe et Hebbia.
La généralité destinée à un large public est certes importante, notamment pour faciliter l’entrée des employés dans l’ère de l’IA. Mais l’avenir ne sera pas celui d’un choix entre ChatGPT/Claude et des solutions verticales : il sera celui de ChatGPT/Claude *associés à* des solutions verticales.
L’intelligence institutionnelle doit exploiter des agents spécialisés par domaine — voire par tâche spécifique.
Nous nous posons une question qui paraît absurde, mais qui ne l’est pas vraiment :
« Quels agents l’AGI choisirait-elle comme raccourcis ? Même une superintelligence aura besoin d’outils spécialisés pour des domaines précis. »
Les frontières des capacités de l’IA sont en mouvement permanent. Ce sont les organisations qui tirent parti d’un véritable avantage marginal qui remporteront la victoire. Tous les autres paieront un prix élevé pour une marchandise universelle.
5. Résultats
L’IA individuelle économise du temps.
L’IA institutionnelle accroît les revenus.
@MaVolpi m’a un jour dit une phrase qui a profondément transformé ma compréhension de la vente de solutions IA aux entreprises : « Si vous demandez à n’importe quel PDG s’il privilégie la réduction des coûts ou l’accroissement des revenus, presque tous répondront “les revenus”. »
Pourtant, presque tous les produits IA disponibles sur le marché livrent aujourd’hui uniquement des gains de coût — promettant d’économiser du temps, de faire plus avec moins de personnel, ou de remplacer des humains.
L’IA institutionnelle doit impérativement livrer des revenus supplémentaires. Or ces revenus additionnels sont beaucoup plus difficiles à standardiser que le temps économisé.
Prenons l’exemple du développement logiciel assisté par l’IA. Les environnements de développement intégrés (IDE) constituent l’un des meilleurs outils de productivité individuelle basés sur l’IA, mais ils font déjà face à une forte pression de la part de Claude Code (un autre outil d’IA individuelle). Cognition joue un jeu complètement différent. Son activité la plus stable est la vente de transformations technologiques, non pas d’outils. Je parie que ce modèle connaîtra une longévité durable.
Les logiciels purs « deviennent rapidement invendables ». Les services purs ne sont pas évolutifs. C’est la couche des « solutions » — où technologie et résultats sont liés — qui constitue le lieu où se cristallisent durablement la valeur.
Examinons le domaine des fusions et acquisitions (M&A). L’IA individuelle aide les analystes à modéliser plus rapidement. L’IA institutionnelle identifie, parmi cent cibles potentielles, celle qui mérite réellement d’être poursuivie, puis étend la recherche à mille cibles. L’un économise du temps, l’autre crée des revenus.
Légende : Les entreprises de modèles de base migrent vers la couche des applications verticales. Les entreprises de la couche des applications verticales migrent vers la couche des solutions.
« Monter en amont » est l’attraction naturelle actuelle du marché. Les modèles de base évoluent vers la couche applicative, tandis que les entreprises de la couche applicative évoluent vers la couche des solutions.
L’intelligence institutionnelle, c’est la couche des solutions. Et la couche des solutions — là où les résultats prennent forme — est celle où la valeur durable se cristallisera, capturant la plus grande part des bénéfices.
6. Autonomisation
L’IA individuelle vous fournit un outil.
L’IA institutionnelle vous apprend à l’utiliser.
Aussi intelligents soient-ils, les humains résistent au changement.
Croyez-le ou non, il existe encore aujourd’hui, à New York, des commerces prospères qui refusent de prendre les cartes bancaires. Ils savent qu’ils perdent de l’argent, qu’ils perdent de l’argent en ne les acceptant pas, mais ils ne bougent pas. De même, dans un avenir prévisible, certains employés au sein de certaines organisations refuseront tout simplement d’utiliser l’IA.
La transition d’une organisation entièrement manuelle vers une organisation hybride priorisant l’IA constituera le défi le plus persistant et le plus déterminant des dix prochaines années. Et souvent, les personnes les plus haut placées, les plus importantes au sein de l’organisation, seront précisément celles qui adopteront la technologie en dernier.
Légende : Les niveaux les plus élevés de l’organisation — les plus éloignés des « opérations sur les outils de productivité » — sont souvent le groupe le plus lent à adopter de nouvelles technologies, bien qu’il soit le plus critique.
Palantir est la seule société « logicielle » à avoir conservé, au cours des deux derniers mois, une valorisation exceptionnellement élevée malgré la vague de ventes massives qui a frappé les valeurs technologiques cotées à plus de mille milliards de dollars. Il y a une raison à cela. Palantir figure parmi les premières entreprises authentiques d’« ingénierie des processus ». Que vous l’appeliez « ingénierie des processus » ou « rédaction de fichiers de compétences pour Claude », l’IA institutionnelle de demain fera naître un secteur entier dédié à la traduction des processus métiers en agents IA, et à la mise en œuvre de la gestion du changement nécessaire.
Légende : L’adoption généralisée de l’IA par les organisations traversera plusieurs fossés, chacun présentant ses propres défis. La numérisation des processus sera le principal moteur de cette transformation.
J’affirme sans hésitation que l’ingénierie des processus deviendra prochainement la « technologie » la plus importante.
Dans ce domaine, ce ne sont pas les compétences logicielles, mais les expertises métier et sectorielles qui comptent le plus. Les solutions verticales formeront des talents spécialisés dans le déploiement sur le terrain, la mise en œuvre et la gestion du changement.
Une grande banque d’investissement (l’une des trois premières au monde), ayant choisi Hebbia pour un déploiement complet, l’a exprimé de façon particulièrement percutante : « Nous ne collaborons pas avec tel laboratoire de modèles de base, car nous serions obligés d’expliquer à leur équipe ce qu’est un CIM (mémorandum d’information confidentielle). » Certes, Claude ou GPT connaissent ce domaine, mais l’équipe chargée de la mise en œuvre ne le connaît pas…
Cette différence fait toute la différence.
7. Absence de prompts
L’IA individuelle répond aux prompts humains.
L’IA institutionnelle agit de façon proactive, sans nécessiter de prompt.
De nombreux débats portent sur la communication entre agents, ou sur la question de savoir si les entreprises et les institutions futures auront encore besoin d’humains.
Mais une meilleure question serait : les agents IA futurs auront-ils encore besoin de prompts ?
Écrire un prompt pour une AGI revient à brancher un moteur électrique sur un métier à tisser manuel. Cela reste fondamentalement, et irrémédiablement, limité par l’élément le plus faible de la chaîne d’approvisionnement organisationnelle — à savoir nous-mêmes. Les humains ne savent tout simplement pas quelle est la bonne question à poser, encore moins quand la poser.
Le travail le plus précieux que l’IA puisse accomplir est celui que personne n’a pensé à lui demander. L’IA devrait identifier les risques ignorés, les contreparties inattendues, les pipelines commerciales inconnues.
Cela ouvrira radicalement les frontières des cas d’usage de l’IA.
Un système sans prompts surveille en continu le flux de données de l’ensemble du portefeuille d’investissements. Il détecte qu’un cycle d’exploitation d’une société détenue s’est discrètement dégradé pendant trois mois consécutifs, croise cette observation avec les clauses contractuelles figurant dans l’accord de crédit, et alerte le partenaire opérationnel du fonds avant même que quiconque dans l’équipe n’ouvre le PDF correspondant.
Lorsque les humains ne sont plus requis pour écrire des prompts destinés à l’IA, de nouvelles interfaces et de nouveaux modes de travail émergent. Chez @Hebbia, nous avons des idées fortes à ce sujet. Nous en reparlerons ultérieurement.
Conclusion
Tout ce qui précède ne remet pas en cause la valeur des chatbots, des agents ou de l’IA individuelle.
L’IA individuelle sera le vecteur par lequel la grande majorité des entreprises du monde découvriront, pour la première fois, la magie de la transformation IA. Favoriser son adoption, améliorer son accessibilité, constituent la première étape cruciale de la gestion du changement indispensable à la construction d’une économie priorisant l’IA.
Parallèlement, la demande d’intelligence institutionnelle est claire, urgente et considérable.
Chaque organisation disposera bientôt d’un chatbot issu d’un laboratoire de modèles de base. Chaque organisation possédera également une IA institutionnelle spécifiquement conçue pour répondre à des problématiques sectorielles — tandis que l’IA individuelle utilisera cette IA institutionnelle comme l’outil le plus critique de sa boîte à outils.
Une « meilleure intégration » entre IA institutionnelle et IA individuelle est une tendance inéluctable.
Mais n’oubliez pas la leçon tirée des usines textiles des années 1890 : les premières usines à être électrifiées ont été devancées par celles qui ont repensé entièrement leurs ateliers.
Nous disposons déjà de l’électricité. Il est temps de repenser notre usine.
Merci à @aleximm et à @WillManidis pour leur relecture, ainsi qu’à Will pour son article « Objets façonnés comme des outils », qui a inspiré ce texte.
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
a16z
