Catégories
Uncategorized

Naviguer dans le futur avec l’IA générative, partie 5 : L’usine d’agents à 1 000 milliards de dollars, ou comment l’IA imprime du pouvoir

1. Pourquoi les agents IA sont la nouvelle monnaie du pouvoir

Et si votre entreprise, ou votre nation tout entière, pouvait imprimer de la productivité en mobilisant l’intelligence à grande échelle ?

Cette idée a pris une forme concrète avec l’annonce d’un investissement inimaginable de 500 milliards de dollars dans les infrastructures d’IA, sans compter les 331 milliards d’euros engagés séparément par Meta, Microsoft, Amazon, xAI et Apple. Cet accord, porté par le président Trump, associe les dirigeants d’OpenAI, Sam Altman, de SoftBank, Masayoshi Son, et d’Oracle, Larry Ellison. Leur coentreprise, « Stargate », vise à construire les infrastructures physiques et virtuelles de la prochaine génération d’avancées en IA, avec des centres de données colossaux à travers les États-Unis et la promesse de plus de 100 000 emplois.

La France et l’Europe ont rapidement répondu. Au Sommet pour l’action sur l’IA à Paris, en février 2025, Emmanuel Macron a annoncé 109 milliards d’euros de projets pour la France seule, une étape importante de l’ambition européenne. Ursula von der Leyen a ensuite lancé InvestAI, une initiative pour mobiliser 200 milliards d’euros d’investissements en Europe, dont un fonds de 20 milliards pour des « gigafactories d’IA ». Ces investissements massifs des deux côtés de l’Atlantique affichent un objectif clair. Cet engagement au plus haut niveau traduit une prise de conscience : il est tout simplement hors de question de devenir une civilisation laissée sur le bord de la route.

Mais les mises ne cessent de monter. Alors que les États-Unis et l’Europe pensaient avoir de bonnes cartes, la Chine, sans doute la nation la plus mature en IA, vient de relancer. La Commission nationale du développement et de la réforme a annoncé, le 6 mars 2025, un fonds national d’orientation du capital-risque de 1 000 milliards de yuans, soit environ 126,7 milliards d’euros. Il doit soutenir les industries stratégiques émergentes et les technologies du futur, notamment les puces. Un signal clair de la volonté chinoise de consolider sa position.

La question implicite aux autres joueurs est simple : vous suivez, ou vous vous couchez ?

Ma première question ne vient donc pas d’un film de science-fiction. Ce n’est pas une histoire sortie de l’écran vert et noir de Matrix, où les programmes avaient une raison d’être, une vie et un visage.

Il s’agit d’éviter activement le moment Kodak dans nos industries respectives.

Il s’agit, pour votre nation, d’éviter la pente descendante du Grand Cycle de Ray Dalio : s’accrocher à des modèles dépassés face à une technologie transformatrice conduit à l’obsolescence.

Le Grand Cycle de Ray Dalio

Voilà l’enjeu final : les agents IA ne changent pas seulement le présent. Ils architecturent le futur des nations.

2. Architecturer la souveraineté : comment les nations industrialisent l’intelligence

En novembre 2024, j’ai eu le privilège de donner un deuxième cours sur la souveraineté numérique, consacré à l’IA, à l’Université du Luxembourg, grâce à Roger Tafotie. J’y ai souligné que le passage à l’IA avancée, notamment générative, constitue un changement de paradigme sans précédent. Pourquoi ? Pour la première fois, l’humanité accède à une intelligence de niveau humain qui peut être déployée à une échelle presque infinie. Avec les progrès rapides de la robotique, cette même capacité devient accessible pour le travail physique.

Architecture de la souveraineté numérique

La souveraineté numérique à l’ère de l’IA est une bataille pour accéder à l’industrialisation de la productivité. Son architecture ressemble à un échafaudage de capacités fondamentales, des piliers reliés qui soutiennent un grand édifice :

  • Cloud computing : l’infrastructure fondamentale, le socle de toutes les opérations d’IA.
  • Entraînement des modèles de fondation : l’endroit où l’intelligence brute est raffinée, comme une académie exigeante forme les esprits des futurs travailleurs numériques.
  • Viviers de talents : le capital humain irremplaçable, architectes, ingénieurs, data scientists et stratèges qui portent l’innovation. Des artisans experts qui forgent les outils et dirigent la symphonie du progrès.
  • Fabrication des puces : produire des CPU, GPU et puces spécialisées comme les TPU et LPU garantit l’indépendance.
  • Financement et investissement : pouvoir soutenir un engagement élevé, cohérent et durable envers les capacités d’IA.

Pour mesurer l’importance des ressources critiques, terres rares et énergie bon marché, regardez les négociations de Donald Trump avec Volodymyr Zelensky. L’accord proposé ? 500 milliards de dollars de profits autour des terres rares et des réserves énergétiques ukrainiennes. N’oublions pas que 70 % des importations américaines de terres rares proviennent actuellement de Chine. La maîtrise de ces ressources est vitale pour les infrastructures d’IA.

Ce ne sont pas seulement des composants isolés : c’est la façon dont ils se relient et se renforcent. Cette interdépendance n’est pas accidentelle. C’est la clé d’une véritable souveraineté : utiliser l’IA et maîtriser sa création, son déploiement et son évolution. Construire un écosystème qui s’entretient, un cercle vertueux où chaque élément renforce les autres.

L’Europe a pris du retard au départ, mais la compétition ne fait que commencer. La géopolitique sera un facteur majeur, que nous ne maîtrisons pas.

Le « jeu » actuel consiste à trouver la masse critique entre les centaines de milliards investis en R&D, la disponibilité d’une « intelligence synthétique » et l’ouverture d’une nouvelle ère de croissance durable. La course à la pierre philosophale est lancée : transformer la matière, transistors et électricité, en or, l’esprit, et atteindre l’AGI, puis l’ASI.

Sam Altman le sait. Sa stratégie est celle de la vitesse d’Usain Bolt : si l’innovation produit avance assez vite, les concurrents ne suivent plus. Larry Page et Elon Musk l’ont compris intuitivement les premiers. OpenAI a été créée pour apporter une intelligence artificielle ouverte à chaque humain, mais aussi comme contrepoids délibéré à Google DeepMind. Sundar Pichai ressent désormais l’urgence de reprendre le leadership, surtout lorsque Google Search, la poule aux œufs d’or, est menacé par Perplexity, ChatGPT et Grok et leurs recherches approfondies.

En mars 2025, Hugging Face, le principal dépôt de modèles d’IA open source, compte plus de 194 001 modèles de génération de texte, soit +24,1 % depuis novembre 2024, sur un total de 1 494 540 modèles d’IA, soit +56,8 %. Ces chiffres comprennent plusieurs versions des mêmes modèles de base, mais pensez-y comme à des blocs d’intelligence distincts. Nous sommes déjà dans l’abondance. Quiconque possède les compétences et le calcul nécessaires peut construire des systèmes intelligents à partir de ces modèles. Les matières premières de la révolution sont disponibles aujourd’hui.

Tout est en place : la rencontre entre le déploiement à grande échelle d’une intelligence de niveau humain et la robotique marque un moment profond de l’histoire technologique et ouvre une nouvelle ère de productivité.

3. La révolution de l’entreprise agentique

En octobre 2024, à la conférence mondiale Atlassian Team 24 à Barcelone, j’ai eu le privilège de découvrir leur « System of Work » intégré.

Arsène Wenger, ancien entraîneur d’Arsenal et directeur du développement du football mondial à la FIFA, était invité à partager son expérience lors d’une conversation. Un cadeau d’un expert absolu de la construction d’équipe et du pouvoir de la constance.

Arsène Wenger

Il a expliqué que les conditions de la performance de champion reposent sur un parcours progressif et incrémental. Le talent peut offrir un léger avantage, mais celui-ci reste marginal. La différence tient à l’effort constant et à l’engagement résolu de dépasser les seuils établis. Faire régulièrement ce travail supplémentaire et atteindre constamment sa capacité distingue le champion des autres.

Atlassian a ainsi repoussé ses limites avec Rovo AI, une plateforme agentique native de son environnement. Au cœur du System of Work, elle relie la gestion de la connaissance dans Confluence à la maîtrise des workflows dans Jira. À ma surprise, Atlassian a annoncé 500 agents actifs ! Un exemple concret de productivité imprimée par le déploiement de travailleurs numériques dotés d’une mission sur une plateforme existante.

La vraie intelligence est de rendre cette usine numérique accessible aux clients. Cette technologie devrait figurer dans la feuille de route de chaque CEO et CIO. La seule variable est la façon de l’intégrer dans votre stratégie métier et technologique. Le besoin fondamental, lui, ne l’est pas.

L’entreprise agentique est la pierre angulaire de cette transformation : des programmes autonomes, les agents, exécutent des tâches grâce à un large éventail de capacités d’intelligence fondées sur le langage.

Nous sommes passés d’une programmation centrée sur la tâche à des actions guidées par un objectif formulé en prompt. La programmation conserve son rôle : elle garantit une exécution parfaite. Mais les capacités cognitives des grands modèles de raisonnement comme GPT o3 et DeepSeek R1 en lèvent les limites. En informatique, le développement repose désormais sur du code généré. L’ingénierie ne devient pas nécessairement plus facile : il faut toujours penser aux algorithmes, aux structures de données et à l’enchaînement des tâches. Mais la partie programmation est considérablement simplifiée.

Après des années de prompt engineering depuis la bêta de GPT-3 fin 2020, j’en ai conclu qu’il ne s’agit pas d’un métier en soi, mais d’une compétence critique.

L’entreprise agentique n’est pas un rêve lointain. C’est une réalité actuelle qui change la façon dont les organisations construisent et développent leur travail.

4. Le service client de Klarna : quand l’IA prend en charge les deux tiers du travail

En février 2024, la fintech suédoise Klarna a annoncé que son agent IA traitait les deux tiers des conversations de son service client, l’équivalent du travail de 700 agents à temps plein. Il opère sur 23 marchés, parle 35 langues et reste disponible en permanence.

Avec les capacités complètes de parole et d’écoute de Gemini 2 Realtime Multimodal Live API, de l’API Realtime d’OpenAI ou de VAPI, les possibilités d’automatisation sont pratiquement sans limites.

Qu’est-ce qui a rendu cette avancée rapide possible, soudainement ?

Techniquement : la multimodalité, des API robustes et cette capacité décisive, le Function Calling. Mais cette transformation relève surtout d’une vision métier : adopter une technologie transformatrice comme moteur principal et faire de l’innovation sa différence essentielle, comme Google et OpenAI. Lorsque cette approche devient le système nerveux central de la stratégie, son adoption est vécue comme un renforcement progressif et constant.

Le Function Calling permet aux modèles de mobiliser des compétences et des données extérieures. Obtenir l’heure actuelle ou convertir des euros en francs suisses au taux du moment : des choses que le modèle ne sait pas faire seul. Il peut alors interagir directement avec des API. C’est comme lui donner une boîte à outils spécialisée, ou lui apprendre instantanément de nouvelles compétences.

Les API fondent la pertinence de l’intelligence des agents et leur capacité à utiliser des fonctions existantes ou nouvelles selon l’intention de l’utilisateur. Les anciennes générations de chatbots exigeaient de définir explicitement chaque intention et chaque parcours. Les LLM fournissent désormais l’intelligence et les connaissances dès le départ. Pour comprendre l’importance fondamentale des API dans une entreprise moderne, je vous invite à lire mon article ou à écouter mon podcast Why APIs are fundamental to your business.

Des startups comme Bland.ai proposent ainsi des agents d’appel en tant que service. Vous pouvez automatiser un agent téléphonique, personnaliser sa voix et sa conversation. Créer votre propre C-3PO.

ElevenLabs, que j’utilise pour mon podcast, a aussi lancé une usine numérique d’agents vocaux.

Le 18 décembre 2024, OpenAI a présenté Parloa, une usine dédiée aux agents de centres d’appels. Une plateforme spécialisée dans les travailleurs numériques d’un secteur précis.

Parloa

La promesse ? Transformer chaque conseiller en chef d’équipe d’agents IA. En tant que « Chief of AI Staff », vous gérez efficacement vos agents et le flux des demandes, intervenez lorsque nécessaire et réservez les échanges humains aux expériences client exceptionnelles ou aux problèmes complexes.

La révolution du service client est déjà là. Ces nouvelles solutions de centres d’appels donnent un aperçu du futur porté par l’IA.

5. Les briques : les plateformes de développement IA

Pour définir une vision claire de stratégie IA et augmenter ma pratique de CTO, j’ai testé minutieusement plusieurs technologies. Mon objectif : valider empiriquement leur maturité, confirmer les gains de productivité et, surtout, définir la meilleure stack et le meilleur workflow d’ingénierie IA. J’ai consigné ces résultats dans mon AI Strategy Map, un outil de vision dynamique. Mes habitudes quotidiennes ont complètement changé : je suis devenu « AI native » à temps plein. Ma pratique d’ingénierie renaît dans l’ère de l’augmentation.

J’utilise désormais Cursor pour le développement, V0.dev pour le prototypage et ChatGPT o3 pour la réflexion et la revue. Les résultats sont très éclairants et transformateurs.

Le prochain saut quantique des équipes d’ingénierie vient des IDE agentiques, qui proposent un développement assisté par des agents. Le développeur installe l’IDE, crée ou importe un projet, décrit une fonctionnalité dans un prompt et observe les itérations jusqu’à son implémentation complète. La fonctionnalité est réussie dans 75 % des cas. Pour les 25 % restants, un prompt correctif permet d’atteindre les 100 %. Cela montre la nécessité de superviser cette technologie lorsqu’on l’utilise comme travailleur numérique indépendant.

Deux acteurs mènent aujourd’hui ce marché :

Les frameworks d’IA matures offrent aussi de nombreuses solutions adaptées à l’entreprise. Les technologies d’agents automatisés sont devenues essentielles :

Enfin, les plateformes de développement en tant que service, DEVaaS, redéfinissent la livraison informatique :

Elles permettent de construire des applications opérationnelles dès le départ, sans temps de configuration supplémentaire. On ne se contente plus de créer une application, puis d’ajouter des fonctions par prompts : l’hébergement est aussi inclus. Ces solutions offrent une expérience DevOps et full stack complète.

Elles produisent encore des applications simples à modérément complexes et ne sont pas entièrement matures, mais progressent très vite. Il ne faudra que des semaines, plutôt que des mois, pour voir une décomposition complète des systèmes et des interconnexions au niveau attendu en entreprise. C’est précisément ce que le monde de l’entreprise attendait.

Quel impact sur l’organisation informatique ? Trois issues se dessinent :

D’abord, dans les entreprises où l’IT est un différenciateur stratégique, les équipes internes gagnent en productivité en déléguant directement aux agents internes. Une infrastructure souveraine sera probablement nécessaire dans les secteurs très réglementés ou confidentiels.

Ensuite, lorsque l’IT est une activité importante sans être le moteur central de l’organisation, le développement peut être confié à des spécialistes qui utilisent eux aussi des IDE ou plateformes agentiques.

Enfin, une autre forme d’externalisation passe par la reconfiguration des métiers : former à l’IA des travailleurs du savoir sans parcours informatique officiel, pour leur ouvrir des fonctions IT. Le retour complet de la vision du Citizen Developer, promise auparavant par le low-code et le no-code.

L’innovation en IA se produit plusieurs fois par jour. Il faut une posture proactive pour rester techniquement à jour et traduire ces avancées en perspectives technologiques concrètes.

6. La puissance des Uni-Teams : la collaboration quotidienne entre humain et machine

Que ressent-on lorsqu’on dirige sa propre équipe d’IA ?

D’expérience, on se sent comme Jarod dans Le Caméléon, un véritable homme-orchestre capable d’endosser plusieurs rôles.

Pensez-y : vous pouvez désormais :

  • Écrire du code comme un développeur.
  • Produire une documentation complète comme un rédacteur technique.
  • Fournir des explications détaillées comme un analyste.
  • Établir des cadres de politique interne comme un responsable de la conformité.
  • Créer des contenus engageants comme un rédacteur.
  • Raconter les données comme un analyste de données.
  • Construire de superbes présentations comme un graphiste.

D’expérience, maîtriser une discipline révèle souvent une vérité du monde de l’entreprise : une grande partie de nos tâches est répétitive. La valeur ajoutée ne réside pas dans le fait de reconstruire le même échafaudage encore et encore, si l’on n’apprend plus, sauf peut-être à consolider ses acquis. La vraie valeur est dans le résultat. Si je peux accélérer le processus pour apprendre un nouveau domaine, multiplier les expériences et passer du temps avec mes collègues humains, tout le monde y gagne.

Mon Relax Publication Style, une pratique guidée pour débuter dans la création de contenu, a évolué vers une méthode plus productive et agréable. Elle combine des cycles de retours entre humain et IA, des idées structurées, des revues continues par l’IA, mes mises à jour personnelles et un contenu enrichi par une sélection humaine associée aux outils de recherche approfondie. J’explorerai ce processus dans un prochain article.

Un changement particulièrement surprenant dans mon workflow est l’apparition du « traitement en arrière-plan », orchestré par l’agent lui-même. Je récupère des fragments de temps, de petites poches de productivité auparavant perdues. Cela se déroule ainsi :

  1. Le prompt : je donne une instruction claire, point de départ du travail de l’IA.
  2. La délégation : je lui confie la tâche, à ce travailleur numérique silencieux et infatigable.
  3. Le regain de productivité : je suis soudain libre. Ma capacité s’élargit, presque comme si ma productivité doublait. Je peux avancer sur un autre projet, collaborer avec un autre agent, ou même, très sérieusement, jouer un peu.
  4. La récolte : je récupère les résultats. Parfois ils sont justes du premier coup ; parfois un prompt d’ajustement est nécessaire.

Pour moi, cela redéfinit profondément le « travail d’équipe ». Il s’agit d’orchestrer une symphonie d’intelligences humaines et artificielles. C’est la définition de l’ubiquité. Je travaille à tout moment et réellement partout : pendant mes trajets, dans une salle d’attente, même en me promenant au parc, grâce à la dictée vocale. Un état constant de productivité potentielle, où la frontière entre le travail et… tout le reste se brouille.

L’étape suivante commence par la prise de conscience et l’usage de l’IA, puis par la construction active de ses équipes d’IA. Pour un product designer ou un architecte système, par exemple, l’objectif est de créer une équipe dont il devient effectivement le responsable. Voyons comment et pourquoi.

Ces nouveaux coéquipiers promettent plus de productivité et une autre manière d’aborder les problèmes et le travail.

Une Uni-Team humain et IA

7. Évoluer comme travailleur du savoir à l’ère de l’IA

Comment un travailleur peut-il s’adapter à cette expansion des capacités, à cette productivité que l’on imprime ?

En comprenant les capacités actuelles de l’IA, par la formation ou l’expérimentation, puis en cherchant comment les appliquer à son propre workflow. Parmi vos tâches existantes, lesquelles peuvent lui être confiées ? Pour le moment, il s’agit encore souvent d’un humain qui formule un prompt et d’une IA qui exécute une petite tâche précise. Peu à peu, ces tâches s’enchaînent, jusqu’à des activités de niveau supérieur. Cette intégration de tâches de plus en plus complexes est la raison d’être des agents : confier à l’IA un ensemble de compétences.

Pour les fonctions comme product designer ou business analyst, une occasion se présente : se recentrer sur le produit, comprendre les parcours clients, la psychologie, les comportements, les besoins et les émotions. Une approche guidée par l’expérience utilisateur, où satisfaire les besoins et résoudre les problèmes prime, en exploitant les données pour améliorer cette expérience.

Cette technologie montre déjà sa capacité à nous rapprocher. Dans mon organisation, des collègues expriment ouvertement leur soulagement : l’IA générative réduit certaines tâches particulièrement fastidieuses de plusieurs jours à quelques minutes. Mais le progrès qui m’a vraiment touché va plus loin que le temps gagné. Libérés de ces opérations, ils peuvent explorer leurs difficultés actuelles, identifier les points de friction passés et formuler de nouveaux besoins métier. Il y a aussi ce « merci », qui reconnaît directement le travail de mes équipes pour leur rendre du temps précieux et du confort. Plus inspirante encore est leur capacité à formuler, puis à résoudre ces nouveaux défis avec cet écosystème d’IA. Voir cette transformation émerger m’apporte une joie tangible et un espoir concret pour notre futur collectif.

C’est donc aux premiers utilisateurs et aux leaders de porter ce changement. Ils doivent créer une culture où l’on n’a pas peur de repenser son métier autour de l’IA, d’apprendre à utiliser les outils et de continuer à apprendre avec leur évolution. Il est temps de préparer la transformation des processus internes pour maîtriser l’inévitable restructuration des secteurs, tout en faisant de votre organisation un exemple. Pour construire cette prochaine génération de travailleurs, il faut des outils et des stratégies concrètes. Quelles seront les composantes essentielles de votre prochain plan ?

Cette ère de l’augmentation est une occasion stratégique. Elle exige de tous, utilisateurs comme dirigeants, de cultiver la compréhension continue, la découverte et l’adaptation, à plusieurs niveaux, pour construire des équipes performantes.

Disruptez-vous. Maintenant.

8. L’usine de travailleurs numériques : un cas pratique dans la banque

Prenons un exemple. Vous devez livrer une plateforme innovante de prêts dynamiques : des prêts dont le taux varie selon le marché et la capacité de remboursement de l’emprunteur. Entièrement en ligne et en SaaS, elle fonctionne comme une place de marché où des particuliers prêtent et empruntent, avec une banque comme garante. Notre histoire commence ici. Il faut maintenant livrer le produit.

Et s’il suffisait d’un responsable produit crédit, d’un architecte système et d’une équipe d’agents pour lui donner vie ?

Voici le workflow :

  1. Le responsable produit définit les fonctionnalités et cartographie le parcours du point de vue de l’emprunteur. Il précise les personas : prêteur, emprunteur, banque et même régulateur.
  2. L’architecte établit les spécifications techniques des applications et des LLM : déploiement cloud, intégrations, API, flux de données, etc.
  3. Vous lancez la boucle en définissant une fonctionnalité. L’agent planifie et génère le code, vous testez. À partir de vos retours, il diagnostique et corrige. Les itérations se poursuivent jusqu’à ce que la plateforme prenne forme. Le produit est façonné autant qu’il est codé. Le prompt devient le nouveau code.

Une équipe agentique

Avec une vision claire et le bon cadre, le chemin vers la production est moins compliqué qu’autrefois.

L’expert crédit augmenté : l’IA en action

Le responsable produit utilise l’IA pour simuler la rentabilité des prêts selon les profils clients et les variations du marché. Il l’utilise aussi pour affiner les argumentaires, les supports commerciaux et la documentation réglementaire, afin de simplifier la conformité et de rester aligné sur le cadre existant.

L’IA générative sert également à revoir les processus internes et externes. Les modèles de fiches produit sont optimisés au fil des itérations. Les supports marketing, comme la page web de présentation, gagnent en clarté et en impact.

Enfin, la communication personnalisée repose elle aussi sur l’automatisation générative et la contextualisation des données. Pour un crédit automobile ou l’achat d’un autre bien matériel, le message est adapté au contexte précis du client.

C’est la banque personnalisée à grande échelle.

L’accent est mis sur le rôle actif des travailleurs : orchestrer, gérer et faire évoluer continuellement les systèmes d’IA sur lesquels ils s’appuient.

Nous imprimons donc effectivement de la productivité. Un changement de paradigme rare. Chaque professionnel doit agir pour saisir cette occasion. Explorez les outils de votre domaine, expérimentez et cherchez comment les intégrer à votre quotidien. Ingénieur logiciel, product designer ou expert crédit : c’est maintenant qu’il faut s’adapter.

Comprenez-moi bien : votre façon de travailler jusqu’ici, saisir des données, suivre scrupuleusement des procédures, rédiger de longs rapports dans un traitement de texte, est directement remise en question par ceux qui adoptent une mentalité d’automaticien. Ils font évoluer leurs compétences, des macros Excel aux applications complètes. Mais souvenez-vous : le futur ne se subit pas passivement. Ce monde est votre conception, à partir des nouvelles technologies disponibles et de vos actions pragmatiques.

9. Intégrer l’ingénierie IA dans votre système de livraison : deux voies, systèmes nouveaux ou existants

Maintenant que l’IA générative entre dans votre travail et que vous intégrez les dimensions des travailleurs numériques, par des projets pilotes ou d’autres activités internes, cette prise de conscience mène à une décision stratégique.

Deux voies : construire une application et un workflow entièrement nouveaux, pensés dès le départ pour l’augmentation par l’IA ; ou moderniser les systèmes complexes existants pour les aligner sur cette nouvelle livraison.

Le choix doit être mûrement réfléchi. Les deux chemins visent une force de travail numérique moderne et souple, imprimée par votre usine d’agents d’entreprise. Gardez donc une direction stratégique qui mène à un système nettement meilleur.

Voie 1. Construire à partir de zéro : l’approche AI native

La première voie est directe : construire de nouveaux systèmes. Les spécifications sont essentiellement les prompts d’un flux de prompts. Ce flux est le plan du code, créé directement dans une stack de livraison informatique agentique. Tout le système est conçu dès l’origine pour travailler avec les agents. Comme une maison neuve, certifiée AAA et équipée de toute la domotique.

Il faut d’abord constituer un noyau de pionniers qui ont déjà mis en production au moins un produit utilisé par des clients internes ou externes. Ils ont acquis leurs cicatrices de terrain, de l’expérience, choisi leurs technologies de base, établi des patterns d’architecture et dressé une liste de bonnes et mauvaises pratiques. Elle deviendra les règles et les pratiques d’ingénierie IA.

Ensuite, cette rupture décisive avec l’ancien système est non négociable : ce groupe doit inventer une nouvelle méthode de travail. Il doit définir les étapes stratégiques et opérationnelles qui permettent à l’IA d’être présente dès le premier jour, sans les limites d’une infrastructure héritée inadaptée. Cette expérience devient un point de référence unique, une base à partir de laquelle concevoir la transformation complète des opérations actuelles vers les futures.

Voie 2. Évoluer de l’intérieur : intégrer l’IA dans le paysage applicatif existant

La deuxième voie est plus délicate : elle exige de naviguer dans les complexités de l’infrastructure actuelle. Les ingénieurs, habitués à la prévisibilité du code traditionnel, doivent s’adapter à des processus probabilistes. Les résultats de l’IA, bien que puissants, ne sont pas toujours exactement identiques.

Cela peut déstabiliser les pratiques établies, mais Cursor ou GitHub Copilot permettent de s’habituer rapidement à cette approche.

Les ingénieurs passent de la syntaxe précise de Python ou TypeScript à un échange en langage courant avec l’IA, ce qui rend leurs anciennes compétences exclusives accessibles à d’autres travailleurs du savoir. Introduire de puissants LLM dans un logiciel qui possède déjà sa structure, son architecture et son histoire reste pourtant difficile. Comme rénover une maison ancienne : il faut composer avec l’existant tout en ajoutant l’IA. Cela exige une compréhension profonde du code et des choix d’architecture : pourquoi du streaming d’événements plutôt qu’une communication synchrone ? Pourquoi Neo4j, base graphe, plutôt que PostgreSQL, base relationnelle, pour une tâche donnée ?

Les systèmes hérités ajoutent des frictions : code obsolète ou langage propriétaire. Même si l’IA facilite les migrations de code et de données, l’efficacité des plateformes AI natives rend souvent la réécriture complète plus avantageuse.

Créer du neuf est donc plus facile et incroyablement rapide, mais suppose une décision audacieuse. Transformer une application existante est plus difficile, du fait des contraintes d’architecture, de données et de technologie, mais reste le chemin le plus accessible à beaucoup d’entreprises.

La puissance croissante des LLM sur des tâches autrefois exclusivement humaines compresse les tâches et les compétences dans l’IA. Une partie de la coordination, de la gestion des données et du travail d’explication passe aux machines. Les professionnels humains peuvent se concentrer sur des tâches de plus haut niveau.

Ces deux voies appellent une transition pragmatique : avancer sans bouleverser excessivement l’environnement de travail familier.

10. La métamorphose : des usines de données aux usines de travailleurs numériques

[Illustration : un papillon émerge de sa chrysalide.]

Nous exploitons progressivement tout le potentiel de l’IA générative, avec le texte comme moyen de traduire, penser, planifier et créer. Ces capacités gagnent tous les médias : audio, musique, modèles 3D et vidéo. Regardez Kling AI, RunwayML, Hailuo et OpenAI Sora. Ce ne sont que les premières briques du possible.

Initialement consacrées aux tâches individuelles, elles transforment maintenant des secteurs entiers : architecture, finance, santé, construction, exploration spatiale, pour n’en citer que quelques-uns.

Si vous pouvez automatiser des aspects de votre vie, vous pouvez automatiser des parties de votre travail. Vous pouvez dicter des workflows, des méthodes, des habitudes. Déléguer. Quelle est l’étape suivante ?

Jusqu’ici, nous avons créé des automates : des programmes pour exécuter des tâches prédéfinies dans une chaîne de valeur. Des usines numériques comparables aux usines physiques qui fabriquent ordinateurs, voitures et robots. Associez maintenant usines, robotique et IA logicielle : vous obtenez l’idée ultime, le travailleur numérique.

Il s’agit de construire des agents spécifiques. Des versions spécialisées du travailleur humain : ingénieur logiciel, créateur de contenu, designer industriel, conseiller client, responsable commercial. Ces travailleurs numériques peuvent étendre leurs actions à de multiples clients et langues simultanément.

Le nouveau paradigme consiste à créer une nouvelle force de travail. Nous construisions des usines de données avec les systèmes informatiques. Nous construisons maintenant des usines de travailleurs numériques avec l’IA générative. Le modèle de fondation est leur cerveau. Les prompts définissent leur fonction dans l’entreprise. Les API et les flux sont leur système nerveux et leurs membres : ils agissent sur le monde réel et utilisent le code existant des systèmes hérités.

Le temps nécessaire pour former une expertise humaine, environ dix-huit ans d’éducation formelle, puis des années de spécialisation et de pratique concrète, se trouve radicalement comprimé par les LLM. Comme je l’expliquais dans la partie 1, l’augmentation numérique, nous avons compressé des siècles de savoir structuré : recherche méthodique, méthodes de résolution de problèmes, innombrables cycles d’innovation et bonnes pratiques de mise en œuvre. L’expertise essentielle réside toujours dans la méthode et son application. Les compétences nouvelles doivent privilégier la maîtrise des modèles de fondation, les techniques de fine-tuning spécialisées par domaine et l’usage créatif des prompts pour produire des résultats concrets, même face à des scénarios nouveaux et inattendus.

Il faut comprendre pleinement que la transformation IA dépasse un ensemble de techniques révolutionnaires. Elle révèle une nouvelle structure, pour le meilleur et pour le pire, touchant les travailleurs du savoir assistés par des agents comme les travailleurs manuels augmentés par la robotique. Mais souvenez-vous : « et » est plus puissant que « ou ». La combinaison et la convergence de l’humain et du numérique créent le véritable potentiel de passage à l’échelle et de transformation.

La voie à suivre dépasse l’augmentation seule : elle consiste à faire émerger un modèle réellement hybride, de la chrysalide à une forme mature. Cette nouvelle capacité humaine est amplifiée par des extensions numériques et repose sur des fondations robustes, affinées avec le temps. Les humains sont aussi appelés à maîtriser l’informatique contextuelle : interagir intuitivement avec un environnement intelligent, par la voix, le geste et au-delà, devient une seconde nature. Ils s’élèvent pour orchestrer une réalité numérique plus riche et mieux intégrée.

Peut-être que l’intelligence artificielle est la pierre philosophale, l’ambition ultime de l’alchimiste : transformer le plomb des données brutes en or de l’intelligence actionnable, façonner notre environnement, un prompt à la fois.

Chers bâtisseurs sans peur, le futur vous appartient.

Laisser un commentaire