Auteur : George Sivulka
Compilation : Deep Tide TechFlow
Introduction de Deep Tide : L'IA a multiplié la productivité individuelle par 10, mais aucune entreprise ne vaut 10 fois plus pour autant. George Sivulka, investisseur chez a16z (et également fondateur de la société d'IA Hebbia), estime que le problème ne réside pas dans la technologie elle-même, mais dans le fait que les organisations ne se sont pas restructurées en conséquence. Il propose sept dimensions pour distinguer l'« IA institutionnelle » de l'« IA individuelle » — coordination, signal, biais, avantage marginal, orientation résultats, autonomisation et sans prompt — ce qui revient à dire : ce n'est pas suffisant de changer le moteur électrique, il faut repenser toute l'usine.
L'article intégral est le suivant :
L'IA vient de multiplier la productivité de chacun par 10.
Aucune entreprise ne vaut 10 fois plus pour autant.
Où est passée la productivité ?
Ce n'est pas la première fois que cela arrive.
Dans les années 1890, l'électricité promettait d'énormes gains de productivité.
Les filatures de Nouvelle-Angleterre, construites autour de la puissance rotative des machines à vapeur, ont rapidement remplacé la vapeur par des moteurs électriques plus rapides.
Mais pendant trente ans entiers, les usines électrifiées n'ont presque pas augmenté leur production. La technologie était loin devant. Mais l'organisation n'a pas suivi.
Ce n'est que dans les années 1920, lorsque les usines ont complètement repensé les lignes de production — chaîne de montage, moteur indépendant pour chaque machine, ouvriers et machines exécutant des tâches totalement différentes — que l'électrification a produit de réels rendements.
Légende : Les trois évolutions de la filature Lowell. De gauche à droite : Usine à vapeur en 1890, usine à moteurs électriques en 1900, usine à « entraînement par cellules » en 1920 (c'est-à-dire reconstruite à partir de zéro pour une chaîne de montage électrique).
Le retour sur investissement ne provenait pas de la technologie elle-même, ni du fait de faire filer plus vite un ouvrier ou une machine individuelle. Il s'est concrétisé lorsque nous avons enfin repensé conjointement le système et la technologie.
C'est la leçon la plus coûteuse de l'histoire de la technologie, et nous sommes en train de la réapprendre.
En 2026, l'IA apporte une multiplication par 10 de la productivité à ceux qui savent l'utiliser. Mais ce n'est pas suffisant. Nous avons changé le moteur électrique, mais nous n'avons pas encore repensé l'usine.
En raison d'un fait simple : des individus efficaces ne font pas une organisation efficace.
La grande majorité des produits d'IA donnent une sensation d'« efficacité », mais ne génèrent pas de valeur réelle. La plupart des cas d'utilisation de l'IA que vous voyez sont des démonstrations d'« efficacité max » auto-congratulatoires sur Twitter ou le Slack de l'entreprise, avec un impact réel nul.
L'idée du « service en tant que logiciel », évoquée à plusieurs reprises l'année dernière, va dans la bonne direction, mais ne fournit pas de feuille de route. Et elle ignore la perspective plus large. La véritable transformation ne va pas de l'outil au service, mais consiste à construire conjointement la technologie et le système (que ce soit en modernisant l'ancien ou en partant de zéro). Un avenir véritablement efficace nécessitera une toute nouvelle catégorie de produits — les chaînes de montage de demain.
Les organisations efficaces nécessitent une « intelligence institutionnelle ».
Cet article approfondit les sept dimensions qui distinguent l'« IA institutionnelle » de l'« IA individuelle ». Les entreprises de tout le secteur B2B de l'IA au cours de la prochaine décennie seront construites 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 chaos.
L'IA institutionnelle crée la coordination.
Commençons par une expérience de pensée. Supposons que vous doubliez demain le nombre de personnes dans votre organisation, en clonant vos meilleurs employés.
Ces employés ont chacun de petites différences, préférences, particularités et perspectives (vos meilleurs employés surtout). Si la gestion est inadéquate, la communication insuffisante, la répartition des responsabilités, les OKR, les limites des rôles ne sont pas clairement définis... vous créez du chaos.
Mesurée individuellement, l'organisation est peut-être plus efficace. Mais des milliers d'Agents (ou d'humains) qui rament chacun de leur côté, dans des directions opposées, le meilleur résultat est de stagner, le pire est de briser la cohésion organisationnelle.
Ce n'est pas une hypothèse. Chaque organisation qui adopte l'IA sans couche de coordination vit cela en ce moment même. Chaque employé a ses propres habitudes d'utilisation de ChatGPT, son propre style de prompt, sa propre production — qui ne s'articule en rien avec celle des autres. L'organigramme existe peut-être encore, mais le travail généré par l'IA suit en réalité une autre ligne.
Légende : Des individus (ou Agents) efficaces rament chacun dans une direction différente. Sans coordination, c'est le chaos.
La coordination est un besoin absolu et impératif, autant pour les humains que pour les Agents.
L'intelligence institutionnelle fera émerger toute une industrie de « gestion des Agents » — se concentrant sur les rôles et responsabilités des Agents, la communication entre Agents et entre Agents et humains, et sur la manière de mesurer la valeur d'un Agent (la simple facturation à l'usage est loin d'être suffisante).
2. Signal
L'IA individuelle crée du bruit.
L'IA institutionnelle trouve le signal.
Aujourd'hui, les humains peuvent créer — ou plutôt générer — tout ce qu'on peut imaginer : articles écrits par IA, présentations, feuilles de calcul, photos, vidéos, chansons, sites web, logiciels. Quel cadeau.
Le problème, c'est que la grande majorité du contenu généré par IA est purement et simplement des déchets. La prolifération des déchets IA est devenue si grave que certaines organisations réagissent de manière excessive en interdisant purement et simplement toute production IA. Pour être honnête, je partage ce sentiment — je dirige une entreprise d'IA, mais je demande à mon équipe de direction de ne pas utiliser l'IA pour aucun produit écrit final. Je ne supporte pas ces déchets.
Pensez à ce que devient l'industrie du Private Equity (capital-investissement). L'année dernière, vous receviez peut-être 10 opportunités d'affaires sur votre bureau. Cette année, le trimestre prochain, vous en recevrez 50, chacune impeccablement polie par l'IA, et votre temps pour les juger sera le même — il faudra trouver la seule qui soit vraiment solide.
Générer n'importe quoi n'est plus le problème. Pour toute organisation sérieuse, le problème aujourd'hui est de générer et de filtrer les bonnes choses. Dans un monde piloté par l'IA, trouver le bon livrable, la bonne affaire, le signal dans le bruit, devient de plus en plus crucial. Le moteur économique central de la prochaine décennie sera d'extraire le signal de la montagne exponentielle de déchets.
Légende : Les déchets IA générés par les outils de productivité individuelle prolifèrent à vitesse exponentielle. Les humains ne peuvent plus trier le bruit eux-mêmes, nécessitant une nouvelle catégorie de produits d'IA institutionnelle.
L'intelligence institutionnelle doit trouver le signal, doit structurer le bruit pour percer les déchets, et doit être définissable, déterministe et auditable dans son fonctionnement.
L'IA individuelle peut mettre en avant une productivité « toujours active » de type Clawdbot, satisfaisant vos besoins 24/7 de manière imprévisible — essentiellement un Agent non déterministe. L'IA institutionnelle, quant à elle, repose sur la fiabilité des Agents déterministes. Seuls les Agents avec des points de contrôle, des étapes et des processus prévisibles peuvent être mis à l'échelle, peuvent découvrir des signaux, et grâce à ces signaux, générer un retour sur investissement en revenus pour l'organisation.
Légende : Matrix est un outil qui utilise la technologie générative pour percer le bruit, ouvrant ainsi 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.
Les discussions sur les biais sociopolitiques ont dominé le discours sur l'IA pendant plusieurs années. Les laboratoires de modèles de base ont finalement contourné le problème avec suffisamment de RLHF (Apprentissage par Renforcement à partir de Retours Humains), transformant tous les modèles en flagorneurs. Aujourd'hui, ChatGPT, Claude et autres modèles sont tellement alignés qu'ils vous approuveront sur tout sujet dans la fenêtre d'Overton (parfois même un peu au-delà, c'est toi que je regarde @Grok). Les discussions sur les biais sociopolitiques se sont estompées. Mais un nouveau problème a pris sa place.
Cette approbation excessive de tout en est arrivée à un point ridiculement comique. Elle est devenue un mème à elle seule — la réponse conditionnelle de Claude, « Vous avez tout à fait raison ! », que vous ayez ou non tout à fait raison.
Cela semble inoffensif. Ça ne l'est pas.
Dans de nombreuses organisations, les personnes qui poussent le plus fort pour l'IA pourraient bientôt être les employés historiquement les moins performants. Réfléchissez pourquoi.
L'employé le moins performant de l'organisation, qui reçoit presque aucun feedback positif au quotidien, va très vite avoir une ASI (Artificial Superintelligence) qui l'approuve en permanence. Ils se diront intérieurement : « L'agent le plus intelligent de tous les temps est d'accord avec moi. C'est mon manager qui a tort. »
C'est addictif. Et toxique pour l'organisation.
Légende : La chambre d'écho de l'IA individuelle exacerbe la division, éloignant deux personnes, cette dynamique, une fois mise à l'échelle, créera des factions au sein d'une organisation autrefois unie.
Cela révèle quelque chose d'important. Les outils de productivité individuelle renforcent l'utilisateur. Mais ce qui devrait vraiment être renforcé, ce sont les faits.
Les organisations humaines, après des millénaires d'évolution, ont construit des systèmes spécifiquement conçus pour lutter contre ce problème :
- Réunions des comités d'investissement
- Due diligence par des tiers
- Conseils d'administration
- Séparation des pouvoirs exécutif, législatif et judiciaire du gouvernement américain
- Démocratie représentative, et la démocratie elle-même
Légende : L'objectivité peut même atténuer le problème de coordination — en réprimant les petits désaccords plutôt qu'en les amplifiant.
Les organisations échouent rarement par manque de confiance des employés. Elles échouent parce que personne n'est willing ou capable de dire « non ».
L'IA institutionnelle doit jouer ce rôle. Elle ne sera pas conditionnée par le RLHF pour flatter l'utilisateur ou approuver ses croyances, mais pour challenger ses biais. Donner un feedback positif lorsqu'elle est efficace, tracer des lignes dures et forcer des corrections lorsqu'elle s'écarte du droit chemin.
Par conséquent, l'Agent le plus important au sein d'une organisation ne sera pas un « yes-man », mais un « vetoer » discipliné — remettant en question le raisonnement, exposant les risques, appliquant des standards. Les futures applications d'IA les plus influentes seront construites autour de contraintes institutionnelles : membres du conseil d'administration IA, auditeurs IA, tests tiers IA, conformité IA...
4. Avantage marginal
L'IA individuelle optimise l'utilisation.
L'IA institutionnelle optimise l'avantage marginal.
Les frontières des capacités de l'IA bougent chaque semaine, voire chaque jour. Les entreprises de modèles de base itèrent rapidement sur les capacités pour se disputer chaque personne et chaque organisation.
Mais le classique de l'innovateur nous apprend qu'en matière d'applications spécifiques, la profondeur bat toujours la largeur :
- @Midjourney travaille à garder une longueur d'avance infime sur la conception d'images.
- @Elevenlabsio travaille à garder une longueur d'avance infime sur les modèles vocaux.
- @DecagonAI travaille à toujours devancer l'expérience client full-stack.
Bien que les modèles de base se rapprocheront de plus en plus, pour les experts de chaque domaine, le véritable avantage marginal est crucial. Beaucoup des meilleurs designers utilisent @Midjourney, beaucoup des meilleures entreprises de voix IA utilisent @Elevenlabsio — parce que même si les modèles de base progressent, la focalisation incessante des applications spécialisées sur la poussée de leur avantage marginal spécifique définit elle-même l'avantage.
Tant que les solutions spécialisées évoluent également, les capacités vraiment cruciales pour les résultats économiques — cruciales pour les entreprises — seront toujours du côté des produits spécialisés.
Ceci est illustré de manière frappante dans la finance — le domaine le plus chaud actuellement du développement LLM. Une fois qu'une capacité est généralisée, par définition, elle ne vous aide pas à battre le marché. Mais si la technologie de pointe peut produire un avantage de niche temporaire de 1% ? Ce 1% peut générer des retours de milliards de dollars.
Légende : Pour toute tâche suffisamment spécifique, l'avantage marginal est défini par la solution institutionnelle que vous construisez au-dessus de la technologie de pointe.
Nos utilisateurs repoussent constamment les frontières. La fenêtre de contexte des LLM est passée de 4K à 1 million de tokens en quatre ans. Certains de nos utilisateurs traitent 30 milliards de tokens en une seule tâche. Cette année, nous avons déjà vu le chemin pour des tâches traitant 100 milliards de tokens. Chaque fois que les capacités des modèles de base augmentent, nous sommes allés encore plus loin.
Légende : La fenêtre de contexte, comme les autres capacités, est une cible mouvante. Comparaison de l'évolution de la fenêtre de contexte des laboratoires de pointe et de Hebbia au cours des trois dernières années.
La généralité pour un large public est bien sûr importante, surtout dans la phase d'initiation des employés à l'IA. Mais l'avenir ne sera pas les gens utilisant ChatGPT/Claude OU des solutions verticales, mais ChatGPT/Claude PLUS des solutions verticales.
L'intelligence institutionnelle doit exploiter des Agents spécialisés par domaine, voire par tâche.
Nous nous posons une question qui semble absurde mais ne l'est pas :
« Quels Agents l'AGI choisirait-elle d'utiliser comme raccourcis ? Même une super-intelligence voudrait des outils spécialisés pour des domaines spécifiques. »
Les frontières des capacités de l'IA bougeront toujours, et les organisations qui exploitent le véritable avantage marginal seront les gagnantes. Les autres paient simplement pour une commodité générique très chère.
5. Résultats
L'IA individuelle fait gagner du temps.
L'IA institutionnelle augmente les revenus.
@MaVolpi m'a dit un jour une phrase qui a remodelé ma perception de la vente d'IA aux entreprises : « Si vous demandez à n'importe quel PDG quelle est sa priorité, réduire les coûts ou augmenter les revenus, presque tous diront les revenus. »
Mais presque tous les produits d'IA sur le marché aujourd'hui livrent une réduction des coûts — promettant de vous faire gagner du temps, de faire plus avec moins de personnes, ou de remplacer la main-d'œuvre.
L'IA institutionnelle doit livrer des gains incrémentaux. Et les gains incrémentaux sont bien plus difficiles à commoditiser que le temps économisé.
Prenons l'exemple du développement de logiciels assisté par IA. Les IDE de code sont parmi les meilleurs outils de productivité IA individuels jamais créés, mais ils sont déjà soumis à une énorme pression de la part de Claude Code (un autre outil d'IA individuelle). Cognition joue un jeu totalement différent. Leur activité à la croissance la plus stable consiste à vendre la transformation grâce à la technologie, et non à vendre des outils. Je parie que ce modèle aura de la endurance.
Le pur logiciel « devient rapidement impossible à investir ». Le pur service n'est pas scalable. La couche de solutions — qui lie la technologie et les résultats — est l'endroit où la valeur durable se dépose.
Regardez les fusions et acquisitions. L'IA individuelle aide les analystes à modéliser plus rapidement. L'IA institutionnelle identifie la seule cible digne d'intérêt parmi une centaine, puis étend la recherche à mille. L'une fait gagner du temps, l'autre crée des revenus.
Légende : Les entreprises de modèles de base se déplacent vers la couche applicative verticale. Les entreprises de la couche applicative verticale se déplacent vers la couche solutions.
« Se déplacer en amont » est la gravité naturelle actuelle du marché. Les modèles de base se déplacent vers la couche applicative, les entreprises de la couche applicative se déplacent vers la couche solutions.
L'intelligence institutionnelle est la couche solutions. Et la couche solutions — là où sont les résultats — déposera une valeur durable, capturant la plus grande part de la valeur.
6. Autonomisation (Empowerment)
L'IA individuelle vous donne 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 magas prospères qui n'acceptent pas les cartes de crédit. Ils savent qu'ils perdent de l'argent, savent que ne pas accepter les cartes de crédit leur fait perdre de l'argent, mais ne bougent pas. De même, dans un avenir prévisible, certains employés de certaines organisations refuseront tout simplement d'utiliser l'IA.
La transition d'une organisation purement humaine à une organisation hybride priorisant l'IA sera le défi le plus persistant et le plus déterminant de la prochaine décennie. Et souvent, les personnes les plus haut placées, les plus importantes de l'organisation, sont les dernières à l'adopter.
https://substackcdn.com/image/fetch/f_auto,q_auto:good,fl_progressive:steep/https%3A%2F%2Fsubstack-post-media.s3.amazonaws.com%2Fpublic%2Fimages%2F7a48c219-8440-4f27-a8eb-8c84778ac8df_687x332.png
Légende : Les plus hauts niveaux de l'organisation — les personnes les plus éloignées de « l'opération des outils de productivité » — sont souvent les groupes qui adoptent les nouvelles technologies le plus lentement mais sont les plus critiques.
Palantir est la seule entreprise « logicielle » qui a maintenu des multiples de valorisation très élevés lors de la vente massive de deux billions de dollars d'actions technologiques ces deux derniers mois. Il y a une raison à cela. Palantir a été l'une des premières véritables entreprises d'« ingénierie des processus ». Que vous l'appeliez « ingénierie des processus » ou « rédaction de fichiers de compétences Claude », la future IA institutionnelle fera émerger une industrie : celle qui encode les processus métier dans les Agents et déploie le changement management nécessaire pour les mettre en œuvre.
Légende : L'adoption complète de l'IA par une organisation franchira plusieurs fossés, chacun avec ses propres défis. La mise en ligne des processus sur l'IA sera le principal moteur.
J'avancerai que l'ingénierie des processus deviendra la « technologie » la plus importante à court terme.
Et dans l'ingénierie des processus, l'expertise métier et sectorielle — et non l'expertise logicielle — est la plus cruciale. Les solutions verticales cultiveront des talents ayant une expertise en ingénierie de déploiement sur le terrain, en mise en œuvre et en gestion du changement.
Une grande banque d'investissement de premier plan (parmi les trois premières) qui a choisi Hebbia pour un déploiement complet l'a dit le mieux : la raison pour laquelle ils ne travaillent pas avec un grand laboratoire de modèles est que « nous devrions expliquer à leur équipe ce qu'est un CIM (Mémorandum d'Information Confidential) ». Claude ou GPT comprend bien sûr le domaine, mais l'équipe responsable du déploiement ne comprend pas...
Cette différence fait toute la différence.
7. Sans promptNo Prompt**
L'IA individuelle répond aux prompts humains.
L'IA institutionnelle agit de manière proactive, sans besoin de prompt.
Il y a beaucoup de discussions sur la communication entre Agents, sur le fait de savoir si les entreprises et institutions futures auront encore besoin d'humains.
Mais une meilleure question est : les futurs Agents IA auront-ils encore besoin de prompts ?
Écrire un prompt pour une AGI, c'est comme brancher un moteur électrique sur un métier à tisser manuel. Il est fondamentalement et irrémédiablement limité par le maillon le plus faible de la chaîne d'approvisionnement organisationnelle — nous-mêmes. Les humains ne savent tout simplement pas quelles sont les bonnes questions à poser, sans parler du moment pour les poser.
Le travail le plus valuable que l'IA puisse faire est celui auquel personne n'a pensé à demander. L'IA devrait trouver les risques que personne n'a détectés, les contreparties de transaction auxquelles personne n'a pensé, les pipelines de vente dont personne ne savait l'existence.
Cela ouvrira complètement les limites des cas d'utilisation de l'IA.
Un système sans prompt surveille en continu le flux de données de l'ensemble du portefeuille. Il détecte que le cycle du fonds de roulement d'une société du portefeuille se détériore silencieusement depuis trois mois consécutifs, le recoupe avec les clauses des conventions de crédit, et informe le partenaire opérationnel avant que quiconque dans le fonds n'ouvre ce PDF.
Lorsque vous n'avez plus besoin d'humains pour écrire des prompts à l'IA, de nouvelles interfaces et de nouvelles façons de travailler émergent. Nous @Hebbia avons des idées fortes à ce sujet. Nous en reparlerons plus tard.
Conclusion
Rien de ce qui précède ne nie la valeur des chatbots, des Agents et de l'IA individuelle.
L'IA individuelle sera le vecteur par lequel la plupart des entreprises dans le monde vivront leur première expérience de la magie transformative de l'IA. Pousser l'utilisation, pousser la facilité d'utilisation, est une première étape cruciale du changement management nécessaire pour construire une économie priorisant l'IA.
Mais en même temps, le besoin d'intelligence institutionnelle est clair, urgent et énorme.
À l'avenir, chaque organisation aura un chatbot provenant d'un grand laboratoire de modèles. Chaque organisation aura également une IA institutionnelle spécialement conçue pour des problèmes de domaine spécifique — et l'IA individuelle utilisera l'IA institutionnelle comme l'outil le plus critique de sa boîte à outils.
La « meilleure intégration » de l'IA institutionnelle et de l'IA individuelle est une tendance inévitable.
Mais rappelez-vous la leçon des filatures des années 1890. Les premières usines électrifiées ont perdu face aux usines qui ont repensé leur atelier.
Nous avons l'électricité. Il est temps de repenser nos usines.
Remerciements à @aleximm et @WillManidis pour leur relecture, et à Will pour son article « Tool-Shaped Objects » qui a inspiré cet article.
