Auteur: Naman Bhansali
Compilation: Deep Tide TechFlow
Introduction de Deep Tide: Au début de la popularisation d'une nouvelle technologie, les gens ont toujours l'illusion d'une "démocratisation technologique" : lorsque la photographie, la création musicale ou le développement de logiciels deviennent faciles, l'avantage concurrentiel disparaît-il ? Le fondateur de Warp, Naman Bhansali, en s'appuyant sur son expérience personnelle de passage d'une petite ville indienne au MIT, ainsi que sur sa pratique entrepreneuriale dans le domaine de la paie guidée par l'IA, révèle profondément une vérité contre-intuitive : plus la technologie abaisse le seuil d'entrée (le Plancher), plus le plafond (le Plafond) du secteur s'élève. Dans cette ère où l'exécution devient bon marché, voire peut être "codée par vibes" (vibecoded) par l'IA, l'auteur estime que le véritable fossé défensif n'est plus la simple distribution de trafic, mais le "goût" (Taste) difficile à falsifier, la perspicacité profonde de la logique sous-jacente des systèmes complexes, et la patience de continuer à capitaliser sur une échelle de dix ans. Cet article est non seulement une réflexion froide sur l'entrepreneuriat en IA, mais aussi une démonstration puissante de la loi de puissance selon laquelle "la technologie populaire produit des résultats aristocratiques".
Texte intégral ci-dessous :
Chaque fois qu'une nouvelle technologie abaisse le seuil d'entrée, les mêmes prédictions arrivent immanquablement : puisque maintenant tout le monde peut le faire, plus personne n'a d'avantage. Les téléphones avec appareil photo ont fait de chacun un photographe ; Spotify a fait de chacun un musicien ; l'IA fait de chacun un développeur de logiciels. Ce type de prédiction a toujours raison à moitié : le plancher s'élève bien. Plus de gens créent, plus de gens publient des produits, plus de gens rejoignent la compétition. Mais cette prédiction omet toujours le plafond. Le plafond monte plus vite. Et l'écart entre le plancher et le plafond - c'est-à-dire entre le niveau médian et le niveau de pointe - ne se réduit pas, il s'agrandit. C'est la caractéristique de la loi de puissance (Power laws) : elle se moque de vos intentions. La technologie démocratisante produit toujours des résultats aristocratiques. À chaque fois. L'IA ne fera pas exception, et sera même encore plus extrême.
La forme d'évolution du marché
Lorsque Spotify est sorti, il a fait une chose vraiment radicale : il a permis à tout musicien sur Terre d'accéder à des canaux de distribution qui n'étaient auparavant accessibles qu'aux maisons de disques, aux budgets marketing et à une chance exceptionnelle. Le résultat a été une explosion de l'industrie musicale - des millions de nouveaux artistes ont émergé, des milliards de nouvelles chansons ont été publiées. Le plancher s'est bien élevé comme promis. Mais ce qui s'est passé ensuite : les 1% d'artistes les plus populaires captent maintenant une plus grande proportion d'écoutes qu'à l'ère du CD. Ce n'est pas devenu plus petit, c'est devenu plus grand. Plus de musique, plus de compétition, plus de moyens de trouver du contenu de qualité ont poussé les auditeurs, qui ne sont plus limités par la géographie ou l'espace en rayon, à se tourner vers les œuvres les plus pointues. Spotify n'a pas réalisé une grande uniformisation de la musique, il a juste intensifié le tournoi. La même histoire s'est produite dans l'écriture, la photographie et les logiciels. Internet a engendré le plus grand nombre d'auteurs de l'histoire, mais aussi une économie de l'attention plus impitoyable. Plus de participants, des enjeux plus élevés au sommet, la même forme de base : une infime minorité capture la grande majorité de la valeur. Nous sommes surpris par cela parce que nous avons l'habitude de penser de manière linéaire - nous nous attendons à ce que les gains de productivité se répartissent uniformément, comme verser de l'eau dans un récipient plat. Mais la plupart des systèmes complexes ne fonctionnent pas comme ça, ils ne l'ont jamais fait. La distribution en loi de puissance n'est pas une bizarrerie du marché ou une trahison de la technologie, c'est le paramètre par défaut de la nature. La technologie ne l'a pas créée, la technologie l'a juste révélée. Pensez à la loi de Kleiber (Kleiber's Law). Parmi tous les êtres vivants sur Terre - des bactéries à la baleine bleue, couvrant 27 ordres de grandeur de masse corporelle - le taux métabolique est proportionnel à la masse corporelle élevée à la puissance 0,75. Le métabolisme d'une baleine n'est pas à l'échelle de la baleine. Cette relation est une loi de puissance, et elle tient avec une précision remarquable dans presque toutes les formes de vie. Personne n'a conçu cette distribution, c'est simplement la forme que prend l'énergie lorsqu'elle suit sa logique intrinsèque dans des systèmes complexes. Les marchés sont des systèmes complexes, l'attention est une ressource. Lorsque les frictions disparaissent - lorsque la géographie, l'espace en rayon et les coûts de distribution ne font plus office de tampon - le marché converge vers sa forme naturelle. Cette forme n'est pas une courbe en cloche de distribution normale, c'est une loi de puissance. L'histoire démocratisante coexiste avec des résultats aristocratiques, c'est pourquoi chaque nouvelle technologie nous prend par surprise. Nous voyons le plancher monter, et nous supposons que le plafond suit à la même vitesse. Ce n'est pas le cas, le plafond s'éloigne en accélérant. L'IA va pousser ce processus plus vite et plus fort que toute technologie précédente. Le plancher monte en temps réel - n'importe qui peut publier un produit, concevoir une interface, écrire du code de production. Mais le plafond monte aussi, et plus vite. La question qui mérite d'être posée est : qu'est-ce qui détermine finalement votre position ?
Quand l'exécution devient bon marché, le goût devient un signal
En 1981, Steve Jobs a insisté pour que la carte de circuits imprimés à l'intérieur du Macintosh original soit esthétique. Pas l'apparence, mais l'intérieur - la partie que le client ne verrait jamais. Ses ingénieurs le pensaient fou. Mais il ne l'était pas. Il avait compris quelque chose qui pouvait facilement être rejeté comme du perfectionnisme, mais qui était en réalité plus proche d'une preuve : la façon dont vous faites une chose est la façon dont vous faites toutes choses. Une personne capable de rendre belles les parties cachées ne joue pas la qualité, c'est que dans son caractère, elle ne peut tolérer de publier quoi que ce soit de médiocre. C'est important parce que la confiance est difficile à établir, mais facile à falsifier à court terme. Nous exécutons constamment des heuristiques (Heuristics), essayant de comprendre qui est vraiment excellent, et qui ne fait que performer l'excellence. Les références (Credentials) aident mais peuvent être manipulées ; l'origine (Pedigree) aide mais peut être héritée. Ce qui est vraiment difficile à falsifier, c'est le goût (Taste) - c'est-à-dire une adhérence persistante, observable, à un standard élevé que personne n'a demandé. Jobs n'avait pas à rendre la carte de circuits si belle. Il l'a fait, et cela même vous dit ce qu'il ferait dans les endroits que vous ne voyez pas. Pendant la majeure partie de la dernière décennie, ce signal était en quelque sorte masqué. À l'apogée du SaaS (environ 2012 à 2022), l'exécution était devenue si standardisée que la distribution (Distribution) était la ressource vraiment rare. Si vous pouviez acquérir des clients efficacement, construire une machine commerciale, atteindre la "règle des 40" (Rule of 40) - le produit lui-même importait peu. Tant que votre stratégie de commercialisation (Go-to-market) était assez forte, vous pouviez gagner avec un produit médiocre. Le signal émis par le goût était noyé dans le bruit des métriques de croissance. L'IA a radicalement changé le rapport signal/bruit. Lorsque n'importe qui peut générer en un après-midi un produit fonctionnel, une interface magnifique et un codebase opérationnel, le fait qu'une chose "fonctionne" cesse d'être un facteur de différenciation. La question devient : cette chose est-elle vraiment excellente ? Cette personne connaît-elle la différence entre "bon" et "follement génial" (Insanely great) ? Même si personne ne les force, se soucient-elles assez de combler ce dernier écart ? C'est particulièrement vrai pour les logiciels critiques pour l'entreprise (Business-critical software) - ces systèmes qui traitent la paie, la conformité, les données des employés. Ce ne sont pas des produits que vous pouvez essayer et abandonner le trimestre suivant. Les coûts de changement sont réels, les modes de défaillance sont graves, les personnes qui déploient le système sont responsables des conséquences. Cela signifie qu'avant de signer, elles exécutent toutes les heuristiques de confiance. Un produit esthétique est l'un des signaux les plus forts qui puissent être émis. Il dit : les personnes qui l'ont construit ont pris soin. Ils se soucient des parties que vous voyez, ce qui signifie qu'ils se soucient probablement aussi des parties que vous ne voyez pas. Dans un monde où l'exécution est bon marché, le goût est la preuve de travail (Proof of work).
Ce que récompense la nouvelle phase
Cette logique a toujours été vraie, mais au cours de la dernière décennie, l'environnement du marché l'a rendue presque invisible. Il fut un temps où la compétence la plus importante dans le secteur des logiciels n'avait même pas rapport aux logiciels eux-mêmes. Entre 2012 et 2022, l'architecture centrale du SaaS était figée. L'infrastructure cloud était bon marché et standardisée, les outils de développement étaient matures. Construire un produit fonctionnel était difficile, mais c'était une "difficulté résolue" - vous pouviez le faire en recrutant, en suivant des modèles établis, en atteignant la ligne de passage tant que les ressources étaient suffisantes. Ce qui était vraiment rare, ce qui distinguait les gagnants des médiocres, c'était la capacité de distribution. Pouvez-vous acquérir des clients efficacement ? Pouvez-vous établir des actions commerciales répétables ? Comprenez-vous suffisamment l'économie unitaire (Unit economics) pour alimenter le feu de la croissance au bon moment ? Les fondateurs qui ont prospéré dans cet environnement venaient mostly de la vente, du conseil ou de la finance. Ils maîtrisaient ces indicateurs qui semblaient du chinois il y a dix ans : taux de rétention net (NDR), valeur moyenne des contrats (ACV), nombre magique (Magic number), règle des 40. Ils vivaient dans des feuilles de calcul et des revues de pipeline de vente, et dans ce contexte, ils avaient raison. L'apogée du SaaS a engendré les fondateurs SaaS de l'apogée. C'était une adaptation évolutive rationnelle. Mais je me sentais étouffé. J'ai grandi dans une petite ville d'un État indien de 250 millions d'habitants. Chaque année, seuls trois étudiants environ dans toute l'Inde entraient au MIT (Massachusetts Institute of Technology). Sans exception, ils venaient tous des écoles préparatoires coûteuses de Delhi, Mumbai ou Bangalore - des institutions construites spécifiquement pour cet objectif. Je suis la première personne de mon État à entrer au MIT. Je dis cela non pas pour me vanter, mais parce que c'est une version miniature de l'argument de cet article : Lorsque le seuil d'entrée est limité, l'origine (Pedigree) prédit le résultat ; lorsque le seuil d'entrée est ouvert, les personnes profondes (Deep people) gagnent toujours. Dans une pièce pleine de personnes bien nées, j'étais une mise qui gagnait par la profondeur. C'est aussi la seule façon de parier que je connaisse. J'ai étudié la physique, les mathématiques et l'informatique, des domaines où les perspicacités les plus profondes ne venaient pas de l'optimisation des processus, mais de voir une vérité que les autres avaient manquée. Ma thèse de master portait sur l'atténuation des traînards (Straggler mitigation) dans l'entraînement de l'apprentissage automatique distribué : lorsque vous exécutez un système à grande échelle, si certaines parties prennent du retard, comment optimisez-vous cette contrainte sans compromettre l'intégrité globale. Quand j'ai regardé le monde des startups au début de la vingtaine, j'ai vu un paysage où ces perspicacités profondes semblaient hors de propos. Le marché prime la "commercialisation" (Go-to-market), et non le produit lui-même. Construire quelque chose de techniquement excellent semblait quelque peu naïf - c'était considéré comme une distraction du "vrai jeu" (c'est-à-dire l'acquisition, la rétention et la vitesse de vente). Puis, fin 2022, l'environnement a changé. Ce que ChatGPT a montré - d'une manière plus intuitive et plus frappante que des années d'articles de recherche - c'est que la courbe s'est incurvée. Une nouvelle courbe en S a commencé. Les transitions de phase (Phase transitions) ne récompensent pas ceux qui s'adaptent le mieux à la phase précédente, mais ceux qui peuvent discerner le potentiel infini de la nouvelle phase avant que les autres n'en voient le prix. J'ai donc quitté mon emploi et j'ai fondé Warp. Ce pari était très spécifique. Les États-Unis ont plus de 800 organismes fiscaux - fédéraux, étatiques, locaux - chacun avec ses propres exigences de déclaration, dates limites et logiques de conformité. Il n'y a pas d'API ici, pas d'accès programmatique. Pendant des décennies, chaque fournisseur de services de paie (Payroll provider) a traité ce problème de la même manière : empiler des personnes. Des milliers d'experts en conformité ont navigué manuellement dans ces systèmes qui n'ont jamais été conçus pour fonctionner à l'échelle. Les géants traditionnels - ADP, Paylocity, Paychex - ont construit des modèles commerciaux entiers autour de cette complexité, ils ne l'ont pas résolue, ils l'ont absorbée dans leur effectif et ont répercuté le coût sur les clients. En 2022, je pouvais voir que les agents IA (Agents) étaient fragiles. Mais je pouvais aussi voir la courbe d'amélioration. Une personne profondément immergée dans les systèmes distribués à grande échelle, observant de près la trajectoire d'évolution des modèles, pouvait faire un pari précis : la technologie fragile à l'époque deviendrait extrêmement puissante en quelques années. Nous avons donc parié : construire une plateforme native IA à partir des principes premiers, en attaquant le workflow le plus difficile de la catégorie - celui que les géants traditionnels ne pourraient jamais automatiser en raison de limitations architecturales. Maintenant, ce pari est en train de porter ses fruits. Mais le point plus macro est la reconnaissance des modèles. Les fondateurs techniques de l'ère de l'IA n'ont pas seulement un avantage d'ingénierie, ils ont un avantage d'intuition. Ils peuvent voir des points d'entrée différents, faire des paris différents. Ils peuvent examiner un système que tout le monde assume comme "complexe de façon permanente" et demander : que faudrait-il pour une véritable automatisation ? Ensuite, le point clé est qu'ils peuvent construire la réponse de leurs propres mains. Les maîtres de l'ère du SaaS à son apogée étaient des optimiseurs rationnels sous contraintes. L'IA supprime ces contraintes et en installe de nouvelles. Dans le nouvel environnement, la ressource rare n'est plus la distribution, mais la capacité à discerner le possible - ainsi que le goût et la conviction de le construire au standard requis. Mais il y a une troisième variable qui décide de tout, et c'est là que la plupart des fondateurs de l'ère de l'IA commettent une erreur désastreuse.
Jeu à long terme à grande vitesse
Il y a un mème (Meme) qui circule dans le milieu des startups : vous avez deux ans pour échapper à la base permanente. Construisez vite, levez des fonds vite, sortez (Exit) ou échouez. Je comprends d'où vient cet état d'esprit. La vitesse d'évolution de l'IA crée un sentiment de crise existentielle, la fenêtre pour saisir la vague semble extrêmement étroite. Les jeunes qui voient des histoires de succès du jour au lendemain sur Twitter pensent naturellement que l'essence du jeu est la vitesse - les gagnants sont ceux qui courent le plus vite dans le temps le plus court. C'est correct dans une dimension totalement erronée. La vitesse d'exécution est cruciale. J'y crois fermement - c'est même gravé dans le nom de mon entreprise (Warp). Mais la vitesse d'exécution n'est pas équivalente à une vision à court terme. Les fondateurs qui pourront construire les entreprises les plus précieuses de l'ère de l'IA ne sont pas ceux qui sprinteront pendant deux ans puis encaisseront. Ce sont ceux qui sprinteront pendant dix ans et profiteront des intérêts composés. Le court-termisme a tort parce que : les choses les plus précieuses dans les logiciels - les données privées, les relations clients profondes, les coûts de changement réels, l'expertise réglementaire - prennent des années à s'accumuler, et ne peuvent pas être répliquées rapidement, quel que soit le capital ou les capacités d'IA qu'un concurrent apporte. Lorsque Warp traite la paie pour des entreprises multi-États, nous accumulons des données de conformité sur des milliers de juridictions. Chaque avis fiscal résolu, chaque cas limite traité, chaque enregistrement d'État effectué, forme un système qui devient de plus en plus difficile à reproduire au fil du temps. Ce n'est pas une fonctionnalité, c'est un fossé défensif, et il existe parce que nous avons creusé assez profondément avec une qualité assez élevée pendant assez longtemps pour qu'il produise une densité de qualité. Ces intérêts composés sont invisibles la première année. Ils commencent à apparaître la deuxième année. À la cinquième année, c'est tout le jeu. Frank Slootman, ancien PDG de Snowflake, qui a construit et mis à l'échelle plus d'entreprises logicielles que quiconque, l'a dit succinctement : habituez-vous à être "mal à l'aise". Pas pour un sprint, mais comme un état permanent. Le "brouillard de guerre" du début des startups - ce sentiment d'être désorienté, les informations incomplètes, et l'obligation de prendre des décisions d'action - ne disparaît pas après deux ans. Il évolue simplement, de nouvelles incertitudes remplacent les anciennes. Les fondateurs qui durent ne sont pas ceux qui ont trouvé la certitude, mais ceux qui ont appris à se déplacer clairement dans le brouillard. Construire une entreprise est extrêmement brutal, et cette brutalité est difficile à transmettre à ceux qui ne l'ont pas fait. Vous vivez dans une peur continue et légère, ponctuée par moments par des terreurs de niveau supérieur. Vous prenez des milliers de décisions avec des informations incomplètes, sachant qu'une série de mauvaises décisions peut entraîner la fin. Les "succès du jour au lendemain" que vous voyez sur Twitter ne sont pas seulement des valeurs aberrantes dans la distribution de puissance, ce sont des extrêmes parmi les valeurs aberrantes. Optimiser votre stratégie sur la base de ces cas, c'est comme s'entraîner pour un marathon en étudiant les temps de personnes qui ont pris le mauvais chemin et ont accidentellement couru 5 km. Alors pourquoi le faire ? Pas pour le confort, pas parce que les chances sont bonnes. Mais parce que pour certaines personnes, ne pas le faire donne l'impression de ne pas vraiment vivre. Parce que la seule chose pire que la peur de "construire quelque chose à partir de rien" est l'étouffement silencieux de "n'avoir jamais essayé". Et - si vous pariez correctement, si vous voyez une vérité que les autres n'ont pas encore évaluée, si vous exécutez avec goût et conviction sur une période suffisamment longue - le résultat ne sera pas seulement financier. Vous construisez quelque chose qui change vraiment la façon dont les gens travaillent. Vous créez un produit que les gens adorent utiliser. Vous employez et faites réussir les personnes qui donnent le meilleur d'elles-mêmes dans l'entreprise que vous avez construite de vos propres mains. C'est un projet de dix ans. L'IA ne change pas cela, elle ne l'a jamais changé. Ce que l'IA change, c'est le plafond (Ceiling) que les fondateurs qui tiennent bon pour voir le résultat peuvent atteindre au cours de cette décennie.
Le plafond que personne ne regarde
Alors, de l'autre côté de tout cela, à quoi ressemblera exactement le logiciel ? Les optimistes disent que l'IA crée l'abondance - plus de produits, plus de constructeurs, plus de valeur distribuée à plus de personnes. Ils ont raison. Les pessimistes disent que l'IA détruit les fossés défensifs des logiciels - tout peut être copié en un après-midi, la défensibilité est morte. Ils ont aussi partiellement raison. Mais les deux camps regardent le plancher (The floor), personne ne regarde le plafond (The ceiling). À l'avenir, il y aura des milliers de solutions ponctuelles (Point solutions) - de petits outils fonctionnels, générés par IA, suffisants pour résoudre certains problèmes étroits. Beaucoup ne seront même pas construits par des entreprises, mais par des individus ou des équipes internes pour résoudre leurs propres points de douleur. Pour certaines catégories de logiciels à faible seuil et facilement remplaçables, le marché sera véritablement démocratisé. Le plancher est haut, la compétition est féroce, les marges bénéficiaires sont minces comme du papier de soie. Mais pour les logiciels critiques pour l'entreprise (Business-critical software) - ces systèmes qui traitent les flux de trésorerie, la conformité, les données des employés et les risques juridiques - la situation est radicalement différente. Ce sont des workflows avec une tolérance aux erreurs extrêmement faible. Lorsque le système de paie tombe en panne, les employés ne sont pas payés ; lorsque la déclaration fiscale est erronée, l'IRS (Internal Revenue Service) frappe à la porte ; lorsque les cotisations aux avantages sociaux sont interrompues pendant la période d'inscription ouverte, de vraies personnes perdent leur couverture. Les personnes qui choisissent le logiciel doivent être responsables des conséquences. Cette responsabilité ne peut pas être externalisée vers une IA "codée par vibes" (vibecoded) bricolée en un après-midi. Pour ces workflows, les entreprises continueront de faire confiance aux fournisseurs. Parmi ces fournisseurs, la dynamique de "winner-take-all" sera plus extrême que dans les générations précédentes de logiciels. Ce n'est pas seulement parce que les effets de réseau sont plus forts (bien que ce soit le cas), mais aussi parce que les avantages des intérêts composés d'une plateforme native IA fonctionnant à grande échelle, accumulant des données privées sur des millions de transactions et des milliers de cas limites de conformité, rendent presque impossible pour les nouveaux venus un rattrapage "à partir de zéro". Le fossé défensif n'est plus un ensemble de fonctionnalités, c'est la qualité décantée du maintien de normes élevées sur le long terme dans un domaine qui punit les erreurs. Cela signifie que le marché des logiciels sera plus consolidé qu'à l'ère du SaaS. Je ne m'attends pas à ce que dans dix ans, dans le domaine des RH et de la paie, il y ait 20 entreprises se partageant des parts de marché à un chiffre. Je m'attends à ce que deux ou trois plateformes capturent la grande majorité de la valeur, et une longue liste de solutions ponctuelles se partage les miettes. Le même modèle se produira dans chaque catégorie de logiciel où la complexité réglementaire, l'accumulation de données et les coûts de changement jouent ensemble. Les entreprises au sommet de cette distribution se ressembleront beaucoup : fondées par des talents techniques avec un vrai goût produit ; construites sur une architecture native IA dès le premier jour ; opérant sur des marchés où les titulaires ne peuvent pas répondre structurellement sans démanteler leurs activités existantes. Ils ont fait très tôt un pari d'intuition unique - voyant une vérité créée par l'IA qui n'avait pas encore été évaluée - et ont tenu assez longtemps pour que les intérêts composés deviennent visibles. J'ai décrit ce type de fondateur de manière abstraite. Mais je sais très bien qui il est, parce que je m'efforce de l'être. J'ai fondé Warp en 2022 parce que je croyais que toute la pile opérationnelle des employés - paie, conformité fiscale, avantages sociaux, intégration, gestion des équipements, processus RH - était construite sur du travail manuel et une architecture ancienne, et que l'IA pouvait les remplacer radicalement. Pas améliorer, remplacer. Les géants ont construit des entreprises valant des milliards de dollars en absorbant la complexité dans leur effectif ; nous construirons la nôtre en éliminant la complexité à la source. Trois ans ont validé ce pari. Depuis le lancement, nous avons traité plus de 500 millions de dollars de transactions, nous croissance rapidement, et nous servons les entreprises qui construisent les technologies les plus importantes au monde. Chaque mois, les données de conformité accumulées, les cas limites traités, les intégrations construites, rendent la plateforme plus difficile à reproduire et plus précieuse pour les clients. Le fossé défensif est encore jeune, mais il est en place et s'accélère. Je vous dis cela, non pas parce que le succès de Warp est inévitable - dans un monde de distribution de puissance, rien n'est inévitable - mais parce que la logique qui nous a guidés jusqu'ici est exactement la logique que j'ai décrite dans tout l'article : Voir la vérité. Creuser plus profondément que quiconque. Établir une norme élevée que vous maintenez sans pression externe. Tenir assez longtemps pour voir si vous avez raison. Les entreprises exceptionnelles de l'ère de l'IA seront construites par ceux qui comprennent que : l'accès n'a jamais été la ressource rare, la perspicacité (Insight) l'est ; l'exécution n'a jamais été le fossé défensif, le goût (Taste) l'est ; la vitesse n'a jamais été l'avantage, la profondeur (Depth) l'est. La loi de puissance se moque de vos intentions. Mais elle récompense les bonnes intentions.
