Récemment, je réfléchissais à un paradoxe intéressant : chaque fois qu'une nouvelle technologie abaisse les barrières, les gens disent toujours « maintenant tout le monde peut le faire, donc l'avantage disparaît ». Les téléphones avec appareil photo ont permis à tout le monde de devenir photographe, Spotify a permis à tout le monde de devenir musicien, l'IA permet à tout le monde de devenir développeur logiciel. Cela semble logique, mais en réalité, c'est tout le contraire.

La ligne de fond s'est effectivement améliorée — plus de personnes participent à la création, plus de produits sont lancés. Mais le plafond monte encore plus vite. Quel en est le résultat ? La différence entre le niveau médian et le niveau de pointe s'élargit en fait. C'est là toute la bizarrerie de la loi de puissance : une technologie égalitaire aboutit toujours à une aristocratie.

Spotify en est le meilleur exemple. Il a brisé le monopole de la distribution des maisons de disques, permettant à tout musicien sur Terre d'atteindre un public mondial. Et alors ? Les 1% des artistes les plus en vue captent aujourd'hui une proportion d'écoutes plus grande qu'à l'époque du CD. Ce n'est pas plus petit, c'est plus grand. Plus de musique, plus de compétition, mais cela pousse paradoxalement les auditeurs vers les œuvres les plus en vue. Spotify n'a pas réalisé une musique universelle, il a simplement intensifié cette compétition.

Les mêmes histoires s'appliquent à l'écriture, la photographie, le logiciel. Internet a engendré le plus grand nombre d'auteurs de l'histoire, mais aussi une économie de l'attention plus cruelle. La surprise vient du fait que nous pensons en termes linéaires — croyant que la productivité s'étale de manière uniforme comme de l'eau versée. Mais les systèmes complexes ne fonctionnent pas ainsi. La distribution en loi de puissance n'est pas une bizarrerie du marché, c'est la configuration par défaut de la nature.

Le problème a changé. Quand l'exécution devient bon marché — n'importe qui peut produire une fonctionnalité, une interface élégante, un code opérationnel en après-midi — qu'est-ce qui vous distingue vraiment ?

La réponse, c'est l'esthétique.

Steve Jobs insistait pour que la carte mère du premier Macintosh soit belle, même si les clients ne la voyaient jamais. Ses ingénieurs pensaient qu'il était fou. Mais il ne l'était pas. Il comprenait que : la façon dont vous faites quelque chose, c'est la façon dont vous faites tout. Quelqu'un qui prend soin de rendre même les parties cachées est non pas en train de performer la qualité, mais de montrer une caractéristique de son caractère : l'intolérance à la production de produits médiocres.

La confiance est difficile à établir, facile à falsifier. Nous utilisons constamment des heuristiques pour essayer de discerner qui est vraiment exceptionnel, qui ne fait que jouer la comédie de l'excellence. Les certificats peuvent être manipulés, l'origine peut être héritée, mais ce qui est vraiment difficile à falsifier, c'est l'esthétique — une norme durable, observable, à laquelle on tient fermement, même si personne ne l'exige explicitement.

Dans l'ère SaaS des dix dernières années, ce signal a été masqué. L'exécution s'est standardisée, la distribution est devenue la véritable ressource rare. Tant que votre stratégie d'entrée sur le marché est suffisamment forte, même un produit médiocre peut gagner. Le signal esthétique est noyé dans le bruit des indicateurs de croissance.

L'IA change le rapport signal-bruit. Désormais, « est-ce facile à utiliser » n'est plus un facteur différenciateur. La question devient : est-ce vraiment exceptionnel ? Dans un monde où l'exécution est bon marché, l'esthétique devient la preuve du volume de travail.

Mon expérience personnelle le confirme. J'ai grandi dans une petite ville en Inde, étant la première personne de ma région à entrer au MIT. Dans une pièce remplie de personnes issues de familles prestigieuses, je comptais sur la profondeur. J'ai étudié la physique, les mathématiques, l'informatique — des domaines où l'intuition vient de voir des vérités que d'autres ont manquées, plutôt que d'optimiser des processus.

Fin 2022, en découvrant ChatGPT, j'ai compris que la courbe s'était courbée. Une nouvelle courbe en S s'ouvrait. La transition par étape ne récompense pas ceux qui s'adaptent le mieux à la phase précédente, mais ceux qui, avant que les autres ne voient le prix, perçoivent les possibilités infinies de la nouvelle phase.

C'est pourquoi j'ai fondé Warp. Je vois qu'il y a plus de 800 organismes fiscaux aux États-Unis, chacun avec ses propres exigences déclaratives. Pendant des décennies, chaque fournisseur de services de paie a traité cela de la même manière : en embauchant des gens. Les géants traditionnels construisent leur modèle d'affaires autour de la complexité, non pas en la résolvant, mais en la transformant en effectifs.

Mais je peux voir la courbe d'amélioration des agents intelligents IA. Quelqu'un qui maîtrise les systèmes distribués à grande échelle peut faire une mise gros pari : à l'époque, cette technologie fragile deviendra incroyablement puissante en quelques années. Nous partons donc des principes fondamentaux, construisons une plateforme native IA, en commençant par les workflows les plus difficiles.

Ce pari se réalise. Mais à un niveau plus macro, c'est une question de reconnaissance de modèles. Les fondateurs dans l'ère de l'IA ne disposent pas seulement d'un avantage technique, mais aussi d'un avantage d'intuition. Ils voient des points d'entrée différents, prennent des risques différents. Ils peuvent examiner des systèmes que tout le monde considère comme « éternellement complexes » et demander : que faut-il pour automatiser vraiment ? Puis ils construisent eux-mêmes la réponse.

Mais il y a une variable clé : la plupart des fondateurs dans cette ère commettent des erreurs catastrophiques.

Une idée courante dans la scène startup actuelle : vous avez deux ans pour fuir la couche de base permanente. Construire vite, lever vite, sinon quitter ou mourir. Je comprends d'où vient cette mentalité. La vitesse d'évolution de l'IA donne une sensation de crise existentielle, et l'idée que le moment pour saisir la vague est très étroit. Les jeunes voient des histoires de succès du jour au lendemain sur Twitter, et pensent que le jeu, c'est la rapidité.

Mais c'est correct dans une dimension totalement différente.

La vitesse d'exécution est effectivement cruciale — c'est même dans le nom de ma société. Mais dans l'ère de l'IA, ceux qui bâtissent des entreprises à la valeur la plus durable ne sont pas ceux qui font un sprint de deux ans pour tout revendre, mais ceux qui sprintent dix ans, profitant de l'effet de levier composé.

Ce qui a la plus grande valeur dans le logiciel — données propriétaires, relations clients profondes, coûts de conversion réels, expertise réglementaire — nécessite des années d'accumulation. Peu importe combien de capital ou de capacités IA un concurrent apporte, cela ne peut pas être rapidement copié. Quand nous traitons la paie pour des entreprises inter-états, nous accumulons des données de conformité à travers des milliers de juridictions. Chaque notification fiscale traitée, chaque cas limite résolu, chaque enregistrement auprès des autorités locales, entraîne la création d’un système de plus en plus difficile à dupliquer.

Ce n’est pas une simple fonctionnalité, c’est une barrière. Elle existe parce que nous avons travaillé avec une qualité très élevée pendant suffisamment longtemps, créant une densité de qualité.

Ce type d’effet composé n’est visible qu’après la première année, devient évident la deuxième, et devient tout le jeu à partir de la cinquième. Frank Slootman, ancien CEO de Snowflake, le dit bien : il faut s’habituer à l’état d’« inconfort » — pas pour un sprint, mais comme état permanent. La « brume de guerre » des startups — la perte de direction, l’information incomplète, la nécessité de prendre des décisions — ne disparaît pas après deux ans, elle évolue. Les fondateurs durables ne sont pas ceux qui trouvent la certitude, mais ceux qui apprennent à naviguer dans la brume avec clarté.

Construire une entreprise est extrêmement cruel. Vous vivez dans une peur constante, ponctuée par des peurs plus grandes. Vous prenez des milliers de décisions dans l’incertitude, sachant qu’une série d’erreurs peut tout faire échouer. La success story du jour au lendemain sur Twitter n’est pas seulement une anomalie dans la loi de puissance, c’est une extrême anomalie. Optimiser ces cas, c’est comme analyser les résultats de ceux qui ont couru 5 km en se trompant de chemin, pour préparer un marathon.

Pourquoi faire cela ? Pas parce que c’est confortable, ni parce que les chances sont élevées, mais parce que, pour certains, ne pas le faire, c’est comme ne pas vraiment vivre. La seule chose pire que de construire quelque chose de zéro, c’est le silence étouffé par la peur de ne pas avoir essayé.

Et — si vous avez raison, si vous percevez une vérité que les autres n’ont pas encore prix en compte, si vous agissez avec esthétique et conviction sur une longue période — le résultat ne sera pas seulement financier. Vous construisez quelque chose qui change réellement la façon dont les gens travaillent. Vous créez des produits que les gens aiment utiliser. Vous embauchez et faites grandir ceux qui donnent le meilleur d’eux-mêmes ici.

C’est un projet de dix ans. L’IA ne peut pas changer cela, ne l’a jamais changé. Ce qu’elle change, c’est le plafond que peuvent atteindre ces fondateurs, s’ils tiennent jusqu’au bout.

Alors, à quoi ressemblera le logiciel ?

Les optimistes disent que l’IA crée de la richesse — plus de produits, plus de créateurs, une répartition accrue de la valeur. Ils ont raison. Les pessimistes disent que l’IA détruit la barrière d’entrée — tout peut être copié en après-midi. Ils ont aussi partiellement raison. Mais les deux camps regardent le bas, personne ne regarde le plafond.

Le futur verra apparaître des milliers de solutions ponctuelles — des outils minuscules, fonctionnels, générés par l’IA, capables de résoudre des problèmes étroits. Pour les catégories de logiciels à faible barrière, facilement remplaçables, le marché sera véritablement démocratisé. La ligne de fond est haute, la compétition féroce, et la marge aussi fine qu’une aile de cigale.

Mais pour les logiciels critiques — ceux qui gèrent flux financiers, conformité, données employés, risques légaux — la situation est très différente. Ce sont des workflows à très faible tolérance à l’erreur. Une panne de système de paie, c’est que les employés ne reçoivent pas leur salaire ; une erreur fiscale, c’est la visite de l’administration fiscale ; une interruption dans la gestion des avantages, c’est la perte de protection pour des personnes réelles. Ceux qui choisissent ces logiciels doivent assumer les conséquences. Cette responsabilité ne peut pas être externalisée à une IA bricolée en après-midi.

Pour ces workflows, les entreprises continueront à faire confiance à leurs fournisseurs. La dynamique de « gagnant qui prend tout » sera encore plus extrême qu’avec les logiciels traditionnels. Non seulement parce que les effets de réseau sont plus forts, mais aussi parce qu’une plateforme IA native, opérant à grande échelle, accumulant des données propriétaires à travers des millions de transactions et des milliers de cas limites, possède un avantage de levier composé qui rend presque impossible pour un nouveau venu de faire un « saut de départ » en rattrapant. La barrière n’est plus une simple collection de fonctionnalités, mais la qualité issue d’un long travail pour maintenir des standards élevés dans un domaine où l’erreur coûte cher.

Cela signifie que le degré d’intégration du marché logiciel dépassera celui de l’époque SaaS. Je prévois que dans dix ans, le secteur RH et paie ne comptera pas 20 entreprises à parts égales, mais sera dominé par deux ou trois plateformes, avec une multitude de solutions ponctuelles à peine visibles. La même dynamique s’appliquera à chaque catégorie de logiciel où complexité réglementaire, accumulation de données et coûts de changement jouent un rôle.

Les entreprises en tête de ces distributions ressembleront beaucoup : fondées par des talents techniques avec une véritable esthétique produit ; construites dès le départ sur une architecture native IA ; opérant dans des marchés où les géants actuels ne peuvent pas répondre structurellement sans défaire leur modèle. Elles ont pris très tôt un pari d’insight unique — percevoir une vérité encore non valorisée créée par l’IA — et ont tenu assez longtemps pour que l’effet de levier composé devienne évident.

Les trois années de Warp en témoignent. Depuis son lancement, la plateforme a traité plus de 500 millions de dollars de transactions, connaît une croissance rapide, et sert des entreprises bâtissant les technologies les plus importantes au monde. Chaque mois, la plateforme accumule des données de conformité, résout des cas limites, construit des intégrations, rendant son avantage de levier encore plus difficile à copier, et plus précieux pour ses clients. La barrière est encore jeune, mais elle prend déjà de l’ampleur, et accélère.

Je vous raconte tout cela non pas parce que le succès de Warp est écrit d’avance — dans un monde en loi de puissance, rien n’est écrit — mais parce que la logique qui nous a menés ici est celle que je viens de décrire : voir la vérité, creuser plus profondément que quiconque, établir des standards élevés qu’on peut maintenir sans pression extérieure, et persévérer assez longtemps pour voir si on a raison.

Les entreprises d’excellence dans l’ère de l’IA seront celles qui comprennent cette vérité : l’accès n’a jamais été une ressource rare, c’est l’intuition ; l’exécution n’a jamais été une barrière, c’est l’esthétique ; la vitesse n’a jamais été un avantage, c’est la profondeur.

La loi de puissance ne se soucie pas de vos intentions, mais elle récompense celles qui sont justes.