a16z : Après le lancement de Claude Code, les postes de développement logiciel ont connu une hausse de 14,6 % à contre-courant, le marché prouve que l'IA rend les humains plus précieux
TechFlow SélectionTechFlow Sélection
a16z : Après le lancement de Claude Code, les postes de développement logiciel ont connu une hausse de 14,6 % à contre-courant, le marché prouve que l'IA rend les humains plus précieux
De la flambée des offres de stage à la croissance salariale des adolescents en tête, le signal du marché du travail est clair : ceux qui savent utiliser l'IA deviennent des profils très recherchés.
Dédié à des analyses Web3 approfondiesAuteur : a16z
Traduction : TechFlow
Note de lecture TechFlow : Alors que l'ensemble du secteur technologique licencie 7 %, les postes de développement logiciel ont augmenté de 14,6 % — la raison étant que les outils AI permettent même aux novices d'écrire du code de niveau production. Ce n'est pas l'histoire de "l'AI qui vole les emplois", mais la preuve que les outils rendent les gens plus précieux. Des stages en forte hausse à la croissance des salaires des adolescents en tête, les signaux du marché du travail sont clairs : ceux qui savent utiliser l'AI deviennent des produits rares.
Figure : Le volume des offres d'emploi pour les postes de développement logiciel a rebondi à 114,6 depuis la publication de Claude Code, tandis que le marché global a chuté à 93. Source : a16z
Vente sélective des actions logicielles
Les difficultés des sociétés logicielles cotées en bourse se poursuivent, mais comme nous l'avons précédemment indiqué, la situation actuelle n'est pas un "massacre" indiscriminé.
La vente des actions logicielles ne reflète pas non plus les performances actuelles ou récentes, mais plutôt un doute collectif du marché sur la capacité de ces entreprises à maintenir leurs performances à long terme :
Les multiples de valorisation pour le flux de trésorerie disponible du prochain décembre sont à ou en dessous des niveaux de 2014. En d'autres termes, la prime que les investisseurs accordent à la capacité de génération de cash des sociétés logicielles est la plus faible depuis plus de dix ans.
Le point clé est que, même si les preuves que "le SaaS est mort" sont encore faibles, le devoir des investisseurs est d'avoir une opinion sur l'avenir, et l'avenir leur semble quelque peu sombre.
Cependant, toutes les sociétés logicielles n'ont pas un avenir sombre. La différenciation et le discernement deviennent de plus en plus les règles du jeu. Vous pouvez le voir sous plusieurs angles.
Regardons d'abord l'écart de performance entre la médiane, le quartile supérieur et le quartile inférieur de l'indice IGV :
Au cours des 30 derniers jours de trading, les actions IGV du quartile supérieur et de la médiane ont surperformé l'ETF global — ce sont les actions du quartile inférieur (y compris certaines des plus grandes entreprises) qui ont traîné la performance globale vers le bas.
En comparant avec une revue annuelle, la situation est très différente :
Sur l'année écoulée, la médiane a suivi plus étroitement la performance globale de l'ETF — jusqu'au début de l'année, où les quartiles de performance ont commencé à se diverger (il y a maintenant un écart d'environ 50 points de pourcentage entre le haut et le bas).
En revenant à la vue sur 30 jours, il est clair que la performance fondamentale n'est pas le strict moteur de la performance récente des actions :
En termes de croissance des revenus, il n'y a基本 aucune corrélation entre la croissance et la performance récente (bien que, pour être juste, beaucoup puisse s'expliquer par le changement de croissance plutôt que le niveau de croissance). En divisant par quartiles de performance, le même motif apparaît : il y a un grand nombre de sociétés logicielles regroupées dans la区间 de croissance des revenus autour de 10-20 %, mais la performance est presque distribuée verticalement, certaines des entreprises à la croissance des revenus la plus rapide (et les plus grandes de l'ETF) se situant dans le quartile inférieur de la performance.
Plus que la croissance, ce qui importe est la durabilité à long terme perçue. Voici le même graphique divisé par secteur :
Bien qu'il soit difficile de classer clairement chaque entreprise, les performeurs des premier et deuxième quartiles sont souvent dominés par (1) la cybersécurité/l'observabilité ; et (2) le SaaS vertical. En comparaison, les deux quartiles inférieurs sont une sorte de combinaison de SaaS horizontal, cloud/infrastructure et catégorie "autre", qui comprend des plateformes de marché, la technologie publicitaire et des solutions ponctuelles (ainsi que des entreprises difficiles à classer comme MicroStrategy).
Le point est clair. Qu'ils aient raison ou tort, le marché a perçu des différences claires entre les sociétés logicielles — celles qui semblent avoir une sorte de défense et/ou de vent arrière AI (et celles qui n'en ont pas).
Pour la cybersécurité et l'observabilité, l'AI devrait augmenter l'urgence des acheteurs (et les fournisseurs existants possèdent une prime de confiance que les nouveaux venus AI ont plus de mal à perturber).
Pour le SaaS vertical, l'information spécialisée autour des flux de travail, des données et des relations clients est considérée comme une barrière à l'entrée pour les challengers AI (alors que les plateformes horizontales ne peuvent pas en dire autant).
Mais pour tous les autres, le message est clair : le logiciel lui-même n'est pas un fossé économique.
Des années d'ARR collant et en accumulation, d'ensembles de fonctionnalités vastes et d'adoption large ne sont plus que — des nouvelles d'hier. Il est probable que quelques trimestres de croissance stable et/ou améliorée inversent la tendance, mais pour l'instant, le marché n'achète pas et n'est pas convaincu.
Croissance de la demande AI > Croissance des dépenses AI
Vous avez peut-être entendu parler récemment du changement perçu de token-maxxing à token-optimizing, c'est une grande affaire.
L'idée générale est la suivante : bien que les coûts d'entraînement des modèles de pointe augmentent, les gains marginaux de ces améliorations de pointe pourraient ne pas suffire à convaincre les clients d'assumer les coûts supplémentaires. Les clients pourraient ne pas maximiser l'utilisation des tokens les plus récents et les plus puissants, mais plutôt rétrograder vers des modèles moins chers et moins puissants (y compris des modèles à poids ouverts) là où c'est possible.
Pour certains, ils pensent que ce changement remet en question la durabilité du développement des modèles de pointe — si les clients ne supportent pas le coût des modèles les plus récents et les plus puissants, que font les laboratoires ? Juste, bien que cette objection soit un peu ironique, car l'obsolescence rapide des modèles non de pointe était également censée menacer la durabilité du développement des modèles de pointe...... et maintenant les modèles non de pointe deviennent de moins en moins obsolètes, ce qui est évidemment toujours une mauvaise chose. Bon.
Sans entrer dans le débat sur le droit et le tort, nous observons simplement que le coût de l'intelligence baisse rapidement, ce qui semble avoir un impact positif sur la demande AI. En d'autres termes, la dynamique de type Jevons continue de tenir : plus l'AI est bon marché, plus les gens/entreprises veulent l'utiliser (pour plus de choses).
Élargir le côté demande est exactement ce que vous voulez voir.
Commençons par un autre précédent d'innovation, qui a également commencé concentré et cher, puis est devenu dispersé et bon marché : l'ordinateur. Par rapport au précédent saut technologique驱动 par PC, en termes d'AI, le coût de l'intelligence baisse plus rapidement :
Il a fallu près de vingt ans au PC pour réaliser les gains d'accessibilité que l'AI a réalisés en environ 3 ans.
C'est une trajectoire extraordinaire, et comme pour l'ordinateur, la baisse des coûts semble aider à pousser la demande AI vers le haut et la droite (il reste encore beaucoup de place pour se développer).
Du côté des consommateurs, selon les données de la Banque PNC, le taux de pénétration payant reste faible, mais il augmente :
La part des ménages payant pour l'AI et leurs dépenses mensuelles moyennes augmentent toutes deux continuellement — la croissance des dépenses mensuelles est plus raide, augmentant d'environ 25 % depuis le début de l'année.
Ce ne sont évidemment pas des comparaisons parfaites, mais pour donner une perspective, en 1997, seulement environ 45 % des adultes de 35-54 ans ont déclaré posséder un PC (des décennies après la sortie commerciale des ordinateurs, principalement du côté entreprise). Actuellement, la part des ménages possédant un ordinateur est d'environ 90 %, et si l'on inclut les smartphones, elle est proche de 97 % — le point clé est que l'adoption par le grand marché prend du temps, elle s'étend avec l'utilité et le coût.
Il existe également d'autres données montrant que la demande AI augmente avec l'efficacité des coûts.
Selon l'analyse des données OpenRouter par YipitData (mesurant uniquement un sous-ensemble de la consommation totale de tokens), l'utilisation des tokens de pointe continue de croître, tandis que les tokens à poids ouverts continuent de gagner rapidement des parts :
La part des "fournisseurs asiatiques" dans le total des tokens (un proxy pour les alternatives à poids ouverts) a augmenté à environ 60 %, soit le triple du début de l'année. L'échantillon d'OpenRouter peut être au moins en quelque sorte biaisé vers les utilisateurs de poids ouverts, mais cela correspond effectivement à l'histoire de différenciation des prix, et aussi à l'histoire de type Jevons.
De même, selon OpenRouter, bien que le nombre de tokens par utilisateur et les dépenses par utilisateur augmentent rapidement, le premier a augmenté beaucoup plus vite que le second depuis le début de l'année :
Pour rappel, OpenRouter ne peut voir que ce qu'il peut voir, et ce motif est très cohérent avec le cadre de Jevons (la demande augmente同步 avec les gains d'efficacité des coûts rapides de l'AI).
Au moins pour l'instant, il est clair qu'à mesure que l'intelligence devient moins chère, elle pousse la courbe de demande plus loin vers le haut et la droite. Les tokens moins chers des modèles sous-pointe gagnent effectivement des parts, mais l'effet net est de pousser les dépenses globales à la hausse de manière exponentielle. Il est difficile de dire que c'est une histoire pessimiste.
Les pessimistes peuvent toujours affirmer que les modèles à poids ouverts cannibalisent les modèles de pointe, mais des scénarios alternatifs où les gains d'efficacité n'ont aucun impact visible sur la demande et/ou poussent les dépenses totales à la baisse seraient en fait plus proches d'un scénario apocalyptique. En comparaison, Jevons est exactement ce que les haussiers espèrent.
Vent arrière pour les postes d'entrée de gamme
En parlant de demande AI, bien que l'AI soit dite pas assez utile pour générer un ROI significatif, mais si utile qu'elle élimine tous les emplois, nous sommes heureux de rapporter qu'il n'y a actuellement presque aucune preuve que l'AI produise effectivement un quelconque effet de destruction d'emplois.
En fait, même un point faible du marché du travail (c'est-à-dire le recrutement d'entrée de gamme) a récemment pris de l'élan, et s'il y a une différence, l'AI semble aider, plutôt que blesser.
D'abord, selon les données de Revelio, le suivi des stages d'été 2026 est bien supérieur aux années précédentes :
Les stages ne sont pas des emplois, mais ils sont au moins un signal de demande pour les jeunes, le cycle 2026 dépasse largement '25 et '24 (bien que moins que '23).
Mieux que cela, la croissance des salaires des adolescents et des jeunes adultes semble également être à la hausse :
Selon les données d'ADP, la hausse des salaires des jeunes travailleurs (16-24 ans) a rebondi depuis les低点 de 2025. La hausse des salaires est presque certainement un signal de demande, si les salaires augmentent, on peut raisonnablement supposer que les perspectives d'emploi d'entrée de gamme s'améliorent également.
Quant à l'impact de l'AI (s'il y en a), la situation est encore meilleure. L'AI semble accélérer considérablement le recrutement d'entrée de gamme :
Selon l'analyse des données d'emploi de Revelio et des données de dépenses de Ramp, une "adoption AI à haute intensité" correspond à une augmentation d'environ 6 points de pourcentage du nombre d'employés d'entrée de gamme deux ans après l'adoption. En comparaison, une adoption AI à "faible intensité" correspond à une baisse d'environ 0,5 point de pourcentage.
Figure : La proportion d'employés d'entrée de gamme dans les entreprises à haute adoption AI a augmenté en moyenne de 1,15 point de pourcentage après deux ans, tandis que celle des entreprises à faible adoption a plutôt diminué de 0,52 point de pourcentage, montrant que l'AI 'crée' plutôt qu'elle ne 'vole' des postes d'entrée de gamme. Source : a16z
Cela peut être interprété de plusieurs façons, de "l'AI crée du recrutement d'entrée de gamme", à "les adopteurs d'AI sont des entreprises en croissance, donc bien sûr elles embauchent", en passant par "les données de Ramp peuvent ne pas représenter l'économie globale, il est donc difficile de tirer des conclusions". Tout cela est valable, mais une interprétation qui est presque certainement incorrecte est "l'AI tue les emplois d'entrée de gamme".
Peut-être un jour (bien qu'il y ait de bonnes raisons de penser que non), mais pas aujourd'hui.
Dans l'ensemble, bien que la baisse des postes "exposés à l'AI" à l'ère post-taux zéro ait été largement discutée, il y a relativement peu de discussion sur le fait que les postes "exposés à l'AI" mènent récemment la reprise :
Selon Indeed Hiring Lab, depuis mai 2025, plus le degré d'exposition à l'AI est élevé, plus l'ampleur de la reprise est grande en termes d'offres d'emploi. Cela est particulièrement évident pour les ingénieurs logiciels, où les offres d'emploi ont augmenté d'environ 15 %, tandis que l'ensemble a diminué d'environ 7 % (à partir de la publication de Claude Code).
À un niveau plus large, il est encore trop tôt pour tirer des conclusions, mais pour ceux qui tendent à déclarer "l'AI rend les humains obsolètes", les données ne les soutiennent tout simplement pas. S'il y a quelque chose, c'est恰恰 le contraire — le degré d'exposition à l'AI semble être positivement corrélé à la croissance de l'emploi.
Figure : Depuis mai 2025, plus le degré d'exposition à l'AI d'une profession est élevé, plus l'ampleur du rebond des offres d'emploi est grande, les postes de développement logiciel augmentant de près de 15 %, devançant le marché global. Source : a16z
Pour être juste, il n'est pas encore clair dans quelle mesure la catégorie "exposition à l'AI" a un sens, car il y a peu de consensus sur ce ou qui est exposé à l'AI (et à quel degré) :
Il s'avère que plus le degré moyen d'"exposition à l'AI" pour une profession donnée est élevé, plus le désaccord sur le degré d'exposition est grand.
Figure : Plus le score moyen d'exposition à l'AI d'une profession est élevé, plus le désaccord académique sur son degré d'exposition est grand, indiquant que ce concept manque encore de consensus. Source : a16z
Comme prévu, lors de la prédiction de l'impact futur des nouvelles technologies, des personnes rationnelles peuvent avoir des opinions différentes.
Bien sûr, il y a aussi des exceptions. Tout le monde semble convenir que les correcteurs, les souscripteurs d'assurance, les statisticiens, et intéressant, les économistes, sont très exposés à l'AI. Si l'AI finit par remplacer les économistes humains,承认era-t-elle ce crime, ou n'y aura-t-il plus d'économistes pour raconter l'histoire ?
Les centres de données rendent l'énergie moins chère
Plus tôt cette semaine, la gouverneure de l'État de New York, Hochul, a annoncé un moratoire d'un an sur le développement des centres de données. Entre autres, l'objectif déclaré du moratoire est de "protéger les utilisateurs d'électricité... car le développement des centres de données menace de faire augmenter les factures d'électricité". Sans vouloir la déprécier, la gouverneure a fourni plus d'explications sur ses raisons dans le podcast Odd Lots, vous pouvez aller écouter.
Cela dit, c'est toujours une déclaration déroutante.
Bien que les centres de données augmentent effectivement la demande d'électricité, les preuves montrent que les centres de données aident en fait à réduire les coûts pour les utilisateurs :
Basé sur des recherches du Laboratoire national de Berkeley et de The Brattle Group, au niveau de l'État, la hausse des prix de l'électricité est négativement corrélée à l'augmentation de la demande. Consommez plus, payez moins — étrange mais vrai.
En effet, au cours des 6 dernières années, certains États avec la croissance de la charge la plus rapide (le plus de développement de centres de données), comme le Texas et la Virginie, ont connu presque aucune hausse de prix. D'un autre côté, les États avec les plus grandes hausses de prix (peu de nouveaux centres de données), comme la Californie et New York, ont vu la croissance de la charge diminuer — la demande d'électricité en Californie a diminué d'environ 5 %, tandis que la hausse des prix a dépassé celle de n'importe quel autre endroit au niveau national, environ 33 % de plus que le deuxième État le plus élevé.
Figure : La croissance de la charge électrique et la variation des prix de l'électricité aux États-Unis par État sont négativement corrélées entre 2019-2025, la Californie et New York ayant une demande en baisse mais les hausses de prix les plus élevées. Source : a16z
Non seulement cela, la relation inverse entre la demande d'énergie et les prix de l'énergie semble également tenir en Europe :
Selon les données de l'EIA, à l'exception de l'Irlande, les pays de l'UE avec les plus grandes hausses de prix ont également les plus grandes baisses de demande d'électricité.
Figure : La variation de la demande d'électricité et la variation des prix de l'électricité dans les principales économies américaines et européennes entre 2019-2024 sont également négativement corrélées, le Texas et la Virginie ayant une croissance de la demande mais des prix基本 stables. Source : a16z
De même, consommez plus, payez moins. C'est contre-intuitif, n'est-ce pas ?
Nous savons tous que, toutes choses étant égales par ailleurs, plus de demande devrait pousser les prix à la hausse, pas l'inverse (comme l'a affirmé la gouverneure Hochul). Mais en ce qui concerne le réseau électrique, c'est恰恰 le contraire. La raison pour laquelle la demande et les coûts sont inversement liés est que le réseau bénéficie souvent d'économies d'échelle : plus la demande d'électricité est élevée, plus les coûts d'infrastructure fixes sont répartis, ce qui entraîne une baisse des prix globaux pour les utilisateurs.
En d'autres termes, le moratoire sur les centres de données de Hochul pourrait non seulement ne pas "protéger les utilisateurs d'électricité", mais produire l'effet opposé : les hausses de prix de l'électricité pourraient être bien plus élevées que dans un scénario où les centres de données aident à partager les coûts fixes du réseau. Peut-être que cette relation ne continuera pas à tenir, mais c'est la situation jusqu'à présent.
Mis à part les coûts énergétiques, il y a des impacts économiques plus larges à considérer. La réalité est que sans investissement dans l'infrastructure liée à l'AI, il n'y a presque aucune croissance d'investissement :
L'investissement lié à la technologie est la seule catégorie d'investissement en croissance, donc le moratoire frappe exactement au point le plus sensible.
Figure : Depuis 2022, l'investissement lié à la technologie (logiciel, R&D, équipements IT et centres de données) est presque la seule contribution positive à la croissance de l'investissement fixe privé. Source : a16z
La gouverneure a当然 ses raisons, mais une politique qui pourrait à la fois (a) augmenter les prix de l'électricité (dans le cadre d'un effort pour "protéger les utilisateurs d'électricité") ; et (b) priver l'État de New York de son plus important vent arrière d'investissement, est действительно difficile à comprendre.
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
