À l’abri du dernier modèle

En septembre 2024, je me suis lancé dans la construction de ma première startup, Lira.

En surface, c’était un réseau d’apprentissage autonome pour les écoles, les universités et les entreprises. En dessous, il devait être trois choses à la fois : un endroit où les étudiants apprennent réellement, un moteur de talents qui repère les aptitudes tôt et les achemine vers les employeurs, et, plus profondément encore, un signal cognitif assez propre pour éclairer les décisions des institutions, voire des décideurs politiques. Une solution très précoce à l’Olodo Uprising.

Une IA qui apprend avec vous, vous rejoint là où vous êtes, et comprend un étudiant plus profondément que ne le pourra jamais un enseignant sous-payé devant une classe surchargée. Le profil qu’elle construisait devait vous suivre dans la vie active, donnant aux employeurs une image plus vraie que tout ce qu’un CV peut donner.

LinkedIn, en somme, reconstruit depuis les fondations. Ce qui tombait bien, puisque mon propre compte LinkedIn avait déjà été supprimé trois fois, avec pour seules explications des réponses automatiques m’annonçant que j’avais violé les conditions d’utilisation. Des conditions que, lorsque j’ai enfin pu joindre un humain, personne n’a su nommer.

Je m’étais convaincu que tout le système de recrutement était de toute façon cassé. Trop statique, trop de friction, une boîte noire où la plupart des candidatures semblaient disparaître. J’ai donc décidé que quelqu’un devait le remplacer, et que ce quelqu’un pouvait aussi bien être moi.

À l’époque, cela paraissait follement ambitieux. Construire trois produits coordonnés représentait des années de travail et une équipe que je n’avais pas ; pendant un moment, j’ai donc eu l’air de m’être lancé dans une idée trop grande pour moi. L’essentiel du scepticisme visait la construction : complexité technique, coût et temps.

La même contrainte qui s’est dissoute, de façon prévisible, à chaque nouvelle sortie d’un modèle de pointe. Je le sais, parce que j’ai depuis construit Paylo, une plateforme de commerce à deux faces aux ambitions assez grandes, en grande partie seul, de l’autre côté de ce basculement.

Ce qui semblait de la démesure en 2024 est aujourd’hui l’échafaudage d’un week-end.

Aurais-je dû persévérer ?

Non, mais pas pour cette raison. « Trop ambitieux » était une critique de la construction, mais la construction allait devenir bon marché. Les modèles allaient s’améliorer, vite, et le coût d’écriture du logiciel allait chuter avec eux. Le temps d’itération allait se raccourcir considérablement. À peine un désagrément.

La plupart des gens qui formulaient cette critique ne disposaient pas de cette information ; y répondre aurait donc été répondre à la mauvaise question. La seule option sensée était de rejeter le cadre. On n’a pas besoin de permission pour construire sur ce qu’on sait. Ce qui allait tuer Lira devrait être autre chose.

Si la construction n’était pas le problème, quel était-il ?

Voici comment Lira était censé fonctionner. Les écoles et les universités l’adoptent comme système par défaut pour distribuer les devoirs. Chaque étudiant doit étudier, donc il devient l’endroit où l’on étudie. Des outils d’étude d’un côté, un profil cognitif qui grandit de l’autre, et le profil est le vrai produit.

Mais j’ai vite découvert que les universités avaient leurs propres écosystèmes. Leurs propres hiérarchies, leurs propres politiques internes, leurs propres raisons de faire les choses comme elles les faisaient. La question n’était plus de savoir si le logiciel était bon, ni même s’il pouvait être construit. Il y avait un problème plus profond derrière tout cela, et le logiciel ne pouvait pas l’atteindre. Qui décide. Qui doit changer sa façon de travailler. Qui perd quelque chose si c’est adopté, et surtout : qui connaissez-vous capable de porter cela jusqu’au décideur — à supposer qu’il s’y intéresse un tant soit peu ?

À cela s’ajoute le fait que des solutions numériques de ce genre échouent le plus souvent au Nigeria, pour des raisons qui n’ont rien à voir avec le code : électricité peu fiable, connectivité en pointillé, le peu de gens pouvant s’offrir l’appareil en premier lieu, et le poids énorme d’adaptation qu’il faudrait pour atteindre ceux qui ne le peuvent pas.

Cela n’en valait tout simplement pas la peine. J’ai donc pris la décision difficile et tué le projet.

---

Retour au présent. GPT-6 Astra est sorti jeudi. Les listes de victimes ont été publiées dans les temps, et tous les quelques mois le cycle recommence : une fournée d’équipes bien réelles, avec une traction impressionnante, se réveille pour découvrir que toute leur proposition de valeur vient d’être livrée comme simple fonctionnalité par une entreprise dotée d’un plus gros modèle et d’une meilleure distribution. Puis les posts arrivent. ChatGPT a tué ma startup. OpenAI a tué ma startup.

Certains sont des blagues, d’autres des nécrologies, et c’est triste à regarder. Mais rien de tout cela n’était une surprise. Les modèles sont une marée, et les marées viennent avec un calendrier. OpenAI a publié les lois d’échelle en 2020 : la capacité croît avec le calcul et les données, selon une courbe qu’on peut tracer. Chaque sortie depuis est une lecture sur cette courbe. Un laboratoire qui livre un modèle annonce que l’eau a atteint le repère qu’il avait indiqué.

Donc chaque entreprise emportée par une sortie se tenait simplement en dessous d’une ligne de flottaison publiée.

Pas Lira. Si un modèle de pointe avait été mon seul problème, j’aurais continué, parce qu’un meilleur modèle ne fait qu’améliorer mon rendement sans remplacer ma raison d’exister. Lira est mort du facteur humain. Les relations, les hiérarchies, qui a le dernier mot, et si quiconque changerait son comportement pour l’adopter.

Voilà ce dont je veux parler :

Qu’est-ce que ces entreprises ne peuvent pas tuer, exactement ?

Partons de l’argent

Les financements et la recherche investis dans l’IA ne sont pas ce qu’on dépense pour obtenir une meilleure autocomplétion. À cette échelle, le seul objectif cohérent est la capacité sur tout ce qui peut s’exprimer en code. Qu’on l’habille en profit ou en mission ne change rien à l’implication : si l’objectif est atteint, tout ce qui vit sous forme de code — c’est-à-dire l’essentiel de l’infrastructure numérique du monde — finit à portée de trois ou quatre entreprises.

Ce vers quoi elles construisent

Il y a deux façons de posséder tout ce qui tourne sur du code.

La première est d’être la boutique : là où l’intelligence s’achète et là où les startups deviennent des apps. Le GPT store et les annuaires de connecteurs en sont les premières esquisses, et MCP est la plomberie en dessous, où chaque outil devient un plug-in de la plateforme qui l’appelle.

La seconde est d’être la puce : assise silencieusement sous tout le monde, comme le font Intel, Nvidia et Qualcomm, prélevant une part de tout sans avoir besoin d’être vue.

Je ne pense pas qu’elles choisiront.

Apple a construit les deux.

La boutique décide de qui obtient la distribution, le backend prélève sur tout le reste, et une entreprise qui tient les deux n’a aucune raison de laisser quoi que ce soit sur la table. Les startups sur cette plateforme feront ce que les apps ont fait sur les téléphones : être tolérées jusqu’à ce que la fonctionnalité soit livrée dans l’OS.

Cela étant, ce qui compte maintenant, c’est ce qui reste hors de portée du modèle même à capacité bien supérieure, et pourquoi.

Trois raisons pour lesquelles quelque chose reste dehors

1. C’est privé : le modèle ne peut pas le voir.
2. Ce n’est pas autorisé : le modèle ne peut pas agir dessus.
3. C’est structurel : cela existe en raison de la manière dont les gens, le droit et les systèmes physiques sont agencés, et aucune quantité d’intelligence ne change l’agencement.

Si l’IA peut vous aider à combler ces lacunes plus vite qu’avant, elle ne peut pas les faire disparaître. Si elles disparaissent un jour, ce sera parce que la conception de base d’internet aura changé, pas parce qu’un modèle sera devenu plus malin.

---

Flottabilité

J’ai mis au point un test tout simple. Quatre questions, posées à n’importe quel produit ou entreprise. Un « oui » aux trois premières, et ça coule ; un « oui » à la quatrième, et ça flotte. Trois oui et un non, et vous êtes une fonctionnalité qui sera automatisée. Avec un oui à la quatrième, vous avez une douve — même s’il faut encore surveiller l’inefficacité opérationnelle et les besoins en capital, parce qu’une douve ne fait pas tourner l’entreprise à votre place.

1. Est-ce bâti sur quelque chose qui figure déjà dans le jeu de données mondial, et seulement sur cela ? Alors cela peut être tué dès maintenant. Le modèle a lu ce que vous avez lu.

2. Est-ce que cela tourne sur du code ? Si ce n’est pas encore mort, ça le sera d’ici quelques années. Le code est précisément ce qu’ils dépensent cet argent pour posséder.

3. Est-ce que cela dépend de la compréhension complète d’un système numérique, un système non humain ? Alors cela sera tué. Les systèmes numériques sont lisibles pour les modèles d’une manière dont les gens ne le sont pas.

4. Est-ce que cela dépend de quelque chose sur quoi la société est bâtie, plutôt que de quelque chose bâti sur la société ? La vie privée. La confiance. La garde. La responsabilité. La régulation. L’intérêt personnel de quelqu’un dans un résultat.

   Ces choses-là ne sont pas dans le jeu de données et ne peuvent pas y être mises, parce que ce sont des relations entre des personnes, ou des règles que des personnes ont établies les unes sur les autres, pas des descriptions d’elles. Dans un avenir prévisible, elles sont à l’abri de chaque sortie de modèle. Cette catégorie est ce qui a tué Lira. Elle protège désormais tout ce que j’ai construit depuis.

Tout ce qui ne repose pas sur cette marche supérieure risque d’être emporté.

Du noir, du blanc, et beaucoup de gris

À une extrémité, ce qui est emporté. Tout ce qui est stocké et récupéré plutôt que résolu à neuf. Les faits, les chiffres, les constantes, les définitions, le problème résolu, le texte de référence. Une grande partie de ce que nous avons martelé dans les salles de classe pour bâtir le monde que nous avons vit ici, et les modèles le font déjà bien. Le rappel est quasiment résolu.

Si votre travail consiste à vous souvenir de la réponse, le modèle s’en est souvenu aussi.

Mais raisonner n’est pas se rappeler. Les mathématiques nouvelles, la physique non résolue, une dérivation que personne n’a encore faite — ce ne sont pas des réponses stockées, et les modèles y sont visiblement moins bons qu’à la récupération. À l’instant où l’on perturbe un problème pour que la version mémorisée ne colle plus, la performance chute. Ce n’est ni la zone sûre ni la zone emportée.

C’est le milieu contesté, et c’est exactement là que l’argent est dépensé. Alors ne classez pas la frontière dans « déjà perdu ».

À l’autre extrémité, ce qui tient. La morale, l’éthique, la foi, l’émotion, la confiance. Un modèle peut produire des phrases à leur sujet à l’infini, mais ce ne sont pas des faits à récupérer. Ce sont des relations entre des personnes et les engagements que les gens prennent les uns envers les autres. On ne peut pas mettre un engagement dans un jeu de données. On ne peut que le décrire.

Et puis il y a la large bande grise entre les deux, et c’est là que se jouera le vrai débat des prochaines années.

Prenez le droit. Un modèle qui lit chaque loi et récite la clause pertinente, c’est du rappel. L’IA assiste, et c’est très bien. C’est la partie emportée qui fait un travail utile. Mais un modèle qui interprète la loi, qui décide de ce qu’elle signifie pour vous, avec votre histoire, votre expérience et vos circonstances personnelles, c’est un acte entièrement différent. À ce moment-là, l’IA ne récupère plus des données. Elle endosse un rôle qui portait une autorité parce qu’une personne en répondait. Le danger n’a jamais été que le modèle connaisse le texte. C’est qu’on lui confie l’interprétation, parce que l’interprétation est là où vivait la relation humaine, et le modèle ne peut qu’en jouer les mots sans porter la moindre part de la responsabilité.

Tout ce qui se trouve dans le gris s’y trouve parce que la lame est à double tranchant. L’essentiel du débat à venir ne portera pas sur la capacité. Il portera sur ce tri : ce qui est noir, ce qui est blanc, et qui a le droit de tracer la ligne à travers le gris.

Je n’ai jamais consacré de temps à quelque chose qu’un modèle ne savait simplement pas encore faire. C’est un pari contre la courbe, et la courbe ne perd pas. Paylo se trouve de l’autre côté de la ligne, là où le modèle me rend plus rapide mais ne peut pas remplacer la raison pour laquelle un acheteur et un vendeur qui ne se sont jamais rencontrés font confiance à la même transaction.

---

Le code n’est plus la douve

Quand j’ai pitché au Breet Builders Grant en juin, j’ai dit que le code n’était qu’un harnais. Sur le moment, je n’y ai pas prêté attention. Mais en écrivant aujourd’hui, je me rends compte que cela méritait sans doute un peu plus de contexte.

Un système complexe vous coûtait autrefois une équipe. Deux ingénieurs pendant six mois, c’était entre 120 000 et 200 000 dollars de salaires avant le premier client, et c’était la version frugale. Le code était donc ce pour quoi on levait des fonds, et parce que c’était la partie coûteuse, c’est devenu la partie protégée.

Aujourd’hui, le dépôt de code est presque gratuit. Ce qui coûte de l’argent, c’est la chose qui l’écrit, et elle appartient à trois ou quatre entreprises qui la facturent au token.

Le code reste propriétaire. Il n’est simplement plus à vous seul. La valeur réside dans ce qu’il maintient en place, dans la façon dont il est déployé, et dans le terrain sur lequel il est déployé.

Retracer la ligne

Chaque palier de baisse des coûts fait monter l’eau, et les modèles gratuits devraient rattraper Astra en quelques semaines. La marche supérieure reste au sec pour les raisons évoquées plus haut, tandis que tout ce qui est en dessous se mouille davantage.

Ce sur quoi j’ai construit repose sur cette marche, mais le code dont je me sers pour le servir, non. Il se tient juste au bord. Ce qui signifie qu’à cette vitesse, la ligne traverse quelque chose qui m’appartient chaque trimestre, et que je dois la retracer.

C’est juste de l’entretien courant.