Le plus gros risque pour les entreprises de services en 2026, ce n'est pas l'IA. C'est de ne pas comprendre que le logiciel est en train de devenir jetable.

Je m'explique. Depuis des décennies, créer du logiciel coûte cher. C'est ce coût qui structure tout : les budgets IT, les roadmaps produit, les décisions de build vs. buy, les business models SaaS. Quand produire du logiciel coûte cher, on en produit peu, on le standardise, on le maintient longtemps.

Mais que se passe-t-il quand ce coût s'effondre ?

Dans un épisode du podcast No Priors, Andrej Karpathy vient d'en donner la démonstration la plus parlante. L'ex-directeur IA de Tesla, cofondateur d'OpenAI, n'a pas écrit une seule ligne de code depuis décembre. Pas par paresse il travaille 16 heures par jour. Mais il ne code plus. Il orchestre des agents IA en parallèle : l'un développe une fonctionnalité, l'autre fait de la recherche, un troisième prépare un plan d'implémentation. Lui pilote.

Ça confirme une thèse que je défends depuis plusieurs mois : le goulot d'étranglement n'est plus la machine. C'est nous.

Pour illustrer concrètement ce que ça donne, Karpathy raconte comment il a remplacé six applications de domotique par un seul agent. En trois prompts, l'agent a scanné son réseau local, trouvé son système Sonos, reverse-engineeré l'API et lancé de la musique. Même chose pour les lumières, la clim, les stores. Un message WhatsApp "Dobby, sleepy time" et tout s'éteint. Il a utilisé Openclaw pour cela.

L'anecdote est amusante, mais la thèse sous-jacente est sérieuse : les applications sont une couche intermédiaire vouée à disparaître. Le client final n'est plus l'humain qui clique c'est l'agent qui appelle une API.

Et c'est là que ça devient intéressant pour votre business. Si l'agent choisit l'outil, compare les options et déclenche les workflows, la proposition de valeur d'un produit glisse de l'interface vers l'exécution. Un logiciel n'est plus jugé sur son ergonomie il est jugé sur sa capacité à être piloté par des agents. APIs propres, actions fiables, automatisation possible.

Votre business aussi doit évoluer : il faut penser pour l'humain et pour la machine.

Voici l'idée la plus contre-intuitive et la plus importante.

Si le coût de création logicielle s'effondre, est-ce que la demande de développeurs baisse ? L'intuition dit oui. L'histoire dit non.

Karpathy cite l'exemple des ATMs et des guichetiers bancaires. Les distributeurs automatiques devaient supprimer les emplois en agence. Résultat : le coût d'exploitation d'une agence a baissé, plus d'agences ont ouvert, plus de guichetiers ont été embauchés. C'est le paradoxe de Jevons : quand une ressource devient moins chère, sa consommation totale augmente.

Je pense que cette analogie est juste. En revanche, ce qui se passe avec le logiciel va plus loin que les ATM. Ce n'est pas juste "plus de la même chose pour moins cher". C'est l'émergence de catégories entières de logiciels qui n'existaient pas : des micro-outils internes jetables, du code éphémère créé pour une tâche et supprimé après, du sur-mesure là où seul le standard était économiquement viable.

L'IA ne signifie pas "faire pareil avec moins de monde". Elle signifie faire infiniment plus, sur davantage de niches et de cas d'usage.

La formulation de Karpathy sur les limites actuelles des agents IA est la meilleure que j'aie entendue :

C'est la "jaggedness" c’est l'irrégularité cognitive des modèles. Concrètement : l'IA excelle sur tout ce qui est mesurable code, maths, tests. Elle patine sur tout ce qui est "soft" : nuance, humour, savoir quand poser une question de clarification.

C'est exactement pour ça que Karpathy lui-même garde des garde-fous. Il n'a pas donné accès à son email ni à son calendrier à ses agents. "Je suis encore un peu suspicieux", dit-il. Être enthousiaste n'empêche pas d'être conscient des réalités du terrain. Et c'est précisément cette conscience qui fait la différence entre une adoption réussie et un déploiement chaotique.

Les agents vont changer trois choses à la fois :

Votre produit: Arrêtez de penser UI-first. Pensez API-first, agent-first. La question n'est plus "est-ce que l'utilisateur comprend mon interface ?" mais "est-ce qu'un agent peut piloter mon produit ?"

Votre organisation: Le management se rapproche du design de système. Formaliser vos savoir-faire en boucles (objectifs, métriques, contraintes, outils, validation) devient la compétence clé. Le manager de demain ne supervise pas des tâches. Il conçoit des systèmes qu’exécutent des agents.

Vos compétences La capacité à formuler, structurer et paralléliser des tâches pour des agents devient plus précieuse que celle de les exécuter soi-même. Karpathy appelle ça un "skill issue". C’est la nouvelle culture de base, celle qui sépare ceux qui subissent la vague de ceux qui la surfent.

Si ce que vous venez de lire résonne, voici les cinq étapes que nous recommandons à nos clients pour amorcer la transition :

1. Auditez vos flux d'information. Identifiez les tâches répétitives où un humain sert d'intermédiaire entre deux systèmes. Ce sont vos premières cibles d'automatisation par agents.

2. Ouvrez votre système avant de refondre vos interfaces. Votre produit doit pouvoir être piloté par une machine, pas seulement cliqué par un humain.

3. Formalisez un savoir-faire en boucle. Prenez un processus métier, décrivez-le en objectifs, métriques, contraintes et critères de validation. C'est le cahier des charges d'un agent.

4. Lancez un pilote cadré. Un agent, un périmètre limité, des garde-fous clairs. Mesurez les gains avant de scaler.

5. Formez vos équipes au pilotage, pas à l'exécution. La compétence clé n'est plus de faire mais c'est de faire faire.

Ces cinq étapes, c’est exactement ce que nous structurons avec les organisations que nous accompagnons. Si vous voulez aller plus loin, former vos équipes ou lancer votre premier projet pilote avec des agents, répondez à ce mail ou réservez un appel stratégique ici et on en discute.