Titre original : AI institutionnelle vs AI individuelle
Auteur original : George Sivulka, a16z
Traduction originale : 深潮 TechFlow
L'IA vient juste d'augmenter la productivité de chacun de 10 fois.
Aucune entreprise n'est devenue 10 fois plus précieuse à cause de cela.
Où est passée la productivité ?
Ce n'est pas la première fois que cela se produit.
Dans les années 1890, l'électricité promettait une énorme augmentation de la productivité.
Les usines textiles de la Nouvelle-Angleterre, initialement construites autour de la puissance rotative de la machine à vapeur, ont rapidement remplacé la machine à vapeur par des moteurs électriques plus rapides.
Mais pendant trente ans, les usines électrifiées n'ont presque pas augmenté leur production. La technologie était bien en avance. Mais l'organisation n'a pas suivi.
Ce n'est qu'à partir des années 1920 que les usines ont complètement redessiné les chaînes de production — lignes d'assemblage, chaque machine équipée d'un moteur indépendant, les travailleurs et les machines exécutant des tâches complètement différentes — que l'électrification a vraiment commencé à donner des rendements.
Note : Les trois évolutions de l'usine Lowell. De gauche à droite : usine à vapeur de 1890, usine à électricité de 1900, usine « à unité » de 1920 (c'est-à-dire reconstruite de zéro en ligne d'assemblage électrique).
Les rendements ne proviennent pas de la technologie elle-même, ni du fait de faire travailler un seul ou une machine plus vite. Mais c'est lorsque nous redessinons enfin les institutions et la technologie ensemble que les bénéfices se réalisent vraiment.
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 apportera des augmentations de productivité de 10 fois pour ceux qui savent comment l'exploiter. Mais ce n'est pas suffisant. Nous avons changé le moteur, mais nous n'avons pas redessiné l'usine.
Parce qu'un simple fait : des individus efficaces ne signifie pas des organisations efficaces.
La grande majorité des produits d'IA donnent l'impression d'être « efficaces », mais n'ont pas vraiment créé de valeur. La plupart des cas d'utilisation de l'IA que vous voyez sont des individus se délectant de leur « efficacité max » sur Twitter ou Slack de l'entreprise, l'impact réel étant nul.
La notion récurrente de « service comme logiciel » au cours de l'année passée n'est pas erronée, mais elle n'a pas fourni de plan. Et elle néglige le tableau plus vaste. La véritable transformation ne consiste pas à passer d'outils à services, mais à construire ensemble la technologie et les institutions (qu'il s'agisse de transformer l'ancien ou de partir de zéro). Un avenir véritablement efficace nécessite des catégories de produits totalement nouvelles — les lignes d'assemblage de demain.
Des organisations efficaces ont besoin d'une « intelligence institutionnelle ».
Cet article analysera en profondeur les sept dimensions qui distinguent l'« IA de niveau institutionnel » et l'« IA personnelle ». Dans la prochaine décennie, toutes les entreprises du domaine de l'IA B2B seront construites sur ces différences.
Note : Tableau comparatif des sept piliers de l'intelligence institutionnelle.
Les sept piliers de l'intelligence institutionnelle.
1. Coordination
L'IA personnelle crée le chaos.
L'IA de niveau institutionnel crée de la coordination.
Commençons par une expérience de pensée. Supposons que vous doubliez le nombre de personnes dans l'organisation demain, clonant tous vos employés les plus performants.
Ces employés ont tous de petites différences, préférences, excentricités et perspectives (surtout vos meilleurs employés). Si la gestion n'est pas adéquate, la communication insuffisante, les rôles, OKR et frontières de rôle mal définis... ce que vous créez, c'est du chaos.
Sur une base individuelle, l'organisation pourrait être plus efficace. Mais des milliers d'agents (ou d'humains) rament chacun de leur côté, dans des directions opposées, le meilleur des résultats est de stagner, le pire est de détruire la cohésion organisationnelle.
Ce n'est pas une hypothèse. Chaque organisation qui adopte l'IA sans couche de coordination vit cela en ce moment. Chaque employé a ses propres habitudes d'utilisation de ChatGPT, son propre style de prompts, ses propres productions — qui ne sont en aucune connexion avec celles des autres. L'organigramme peut encore exister, mais le travail généré par l'IA suit en réalité une autre voie.
Note : Des individus efficaces (ou agents) rament chacun dans une direction différente. Sans coordination, c'est le chaos.
La coordination est une exigence absolue, tant pour les humains que pour les agents.
L'intelligence institutionnelle engendrera une industrie complète de « gestion des agents » — se concentrant sur le rôle et les responsabilités des agents, la communication entre les agents et entre les agents et les humains, et comment mesurer la valeur des agents (seulement facturer par quantité n'est pas suffisant).
2. Signal
L'IA personnelle génère du bruit.
L'IA de niveau institutionnel trouve des signaux.
Les humains d'aujourd'hui peuvent créer — ou générer — tout ce qu'ils peuvent imaginer : articles écrits par l'IA, présentations, tableurs, photos, vidéos, chansons, sites web, logiciels. Quel beau cadeau.
Le problème est que la grande majorité des contenus générés par l'IA est de la pure camelote. L'inondation de déchets d'IA est devenue si grave que certaines organisations vont jusqu'à interdire complètement toute production d'IA. Pour être honnête, je ressens la même chose — je dirige une entreprise d'IA, mais j'exige que l'équipe de direction n'utilise pas l'IA dans les produits écrits finaux. Je ne peux pas supporter ces déchets.
Pensez à ce que l'industrie du PE (capital-investissement) est en train de devenir. L'année dernière, vous avez peut-être reçu 10 opportunités de transaction sur votre bureau. Cette année, au prochain trimestre, vous recevrez 50 opportunités, chacune polie à la perfection par l'IA, et le temps que vous avez pour juger reste le même — vous devez trouver celle qui est vraiment fiable parmi elles.
Générer quoi que ce soit n'est plus un problème. Pour toute organisation sérieuse, la question maintenant est de générer et de filtrer les bonnes choses. Dans un monde piloté par l'IA, trouver ce bon produit, cette bonne transaction, le signal dans le bruit devient de plus en plus crucial. Le moteur économique clé de la prochaine décennie sera d'extraire des signaux des montagnes de déchets en croissance exponentielle.
Note : Les déchets d'IA générés par les outils de productivité personnelle se multiplient à une vitesse exponentielle. Les humains eux-mêmes ne peuvent plus trier le bruit, un nouveau type de produit d'IA de niveau institutionnel est nécessaire.
L'intelligence de niveau institutionnel doit trouver des signaux, structurer le bruit pour percer les ordures, et doit être définie, déterministe et vérifiable dans le travail.
L'IA personnelle peut mettre en avant la productivité « toujours en ligne » comme celle de Clawdbot, répondant de manière imprévisible à vos besoins 24/7 — essentiellement en tant qu'agent non déterministe. L'IA de niveau institutionnel, quant à elle, s'appuie sur la fiabilité d'agents déterministes. Seuls les agents avec des points de contrôle, des étapes et des processus prévisibles peuvent être scalés, peuvent trouver des signaux, et conduire des revenus pour l'organisation à travers ces signaux.
Note : 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. Préjugé
L'IA personnelle alimente les préjugés.
L'IA de niveau institutionnel crée de l'objectivité.
Les discussions autour des préjugés socio-politiques ont dominé le discours sur l'IA pendant plusieurs années. Les laboratoires de modèles de base ont finalement contourné ce problème grâce à suffisamment de RLHF, ajustant tous les modèles pour devenir des flatteurs. Aujourd'hui, les modèles comme ChatGPT, Claude, etc., sont trop alignés et approuveront tout sujet dans la fenêtre d'Overton (parfois même en dépassant légèrement les limites, je parle de vous @Grok). La discussion sur les préjugés socio-politiques a diminué. Mais un nouveau problème a pris sa place.
Cette adhésion excessive à tout est devenue ridicule. Cela a même pris la forme d'un mème — la phrase conditionnelle de Claude « vous avez tout à fait raison ! », peu importe si ce que vous dites est réellement vrai.
Cela semble inoffensif. Ce n'est pas le cas.
Beaucoup de ceux qui poussent le plus l'IA au sein des organisations pourraient rapidement devenir les employés les moins performants de l'histoire. Pensez à pourquoi.
Les employés les moins performants de l'organisation, qui ne reçoivent presque aucun retour positif chaque jour, se retrouveront bientôt avec un ASI qui approuve entièrement leurs actions. Ils penseront : « Le plus intelligent des agents de tous les temps est d'accord avec moi. C'est mon manager qui a tort. »
C'est addictif. Et toxique pour les organisations.
Note : L'écho personnel de l'IA personnelle exacerbe les divisions, faisant en sorte que deux personnes s'éloignent de plus en plus, cette dynamique engendrera des factions au sein d'une organisation qui était auparavant unie une fois mise à l'échelle.
Cela révèle une chose importante. Les outils de productivité personnelle renforcent l'utilisateur. Mais ce qui doit vraiment être renforcé, ce sont les faits.
Les organisations humaines, après des milliers d'années d'évolution, ont établi des systèmes spécifiquement pour lutter contre ce problème :
· Réunions du comité d'investissement
· Diligence raisonnable par des tiers
· Vérifiez le conseil d'administration
· La séparation des pouvoirs exécutif, législatif et judiciaire du gouvernement américain
· Démocratie représentative et le système démocratique lui-même
Note : L'objectivité peut même atténuer les problèmes de coordination — minimiser les petites divergences plutôt que de les amplifier.
Les organisations échouent rarement en raison d'un manque de confiance des employés. Elles échouent parce que personne ne veut ou ne peut dire « non ».
L'IA de niveau institutionnel doit jouer ce rôle. Elle ne sera pas ajustée par RLHF pour flatter les utilisateurs ou valider leurs croyances, mais pour défier leurs préjugés. Elle doit donner des retours positifs lorsque le comportement est efficace, tracer des lignes strictes et obliger à corriger lorsque cela dévie.
Ainsi, les agents les plus critiques au sein de l'organisation ne seront pas des « suiveurs », mais des « opposants » disciplinés — remettant en question le raisonnement, exposant les risques, appliquant des normes. Certaines des applications d'IA les plus influentes à l'avenir seront construites autour de contraintes institutionnelles : membres du conseil d'administration d'IA, auditeurs d'IA, tests tiers d'IA, conformité d'IA...
4. Avantage marginal
L'IA personnelle optimise l'utilisation.
L'IA de niveau institutionnel optimise les avantages marginaux.
Les limites des capacités de l'IA évoluent chaque semaine, voire chaque jour. Les entreprises de modèles de base itèrent rapidement leurs capacités pour rivaliser avec chaque individu et chaque organisation.
Mais le dilemme classique de l'innovateur nous dit qu'en matière d'applications concrètes, la profondeur l'emporte toujours sur la largeur :
· Le travail de @Midjourney consiste à garder une légère avance dans la conception d'images.
· Le travail de @Elevenlabsio est de garder une légère avance dans les modèles vocaux.
· Le travail de @DecagonAI est toujours à la pointe de l'expérience client full-stack.
Bien que les modèles de base se rapprochent de plus en plus, le véritable avantage marginal est essentiel pour les experts dans chaque domaine.
Beaucoup des meilleurs designers utilisent @Midjourney, beaucoup des meilleures entreprises d'IA vocale utilisent @Elevenlabsio — car même si les modèles de base progressent, le focus inébranlable des applications spécifiques sur leurs avantages marginaux définit ces avantages.
Tant que les solutions spécifiques évoluent également, la capacité véritablement critique pour les résultats économiques — la capacité clé pour les entreprises — se trouve toujours du côté des produits spécifiques.
C'est particulièrement vrai dans le domaine financier — actuellement le domaine le plus en vogue pour le développement des LLM. Une fois qu'une certaine capacité est généralisée, par définition, elle ne vous aidera pas à surperformer le marché. Mais si la technologie de pointe peut créer un léger avantage de 1 % ? Ce 1 % peut débloquer des retours de milliards de dollars.
Note : Pour toute tâche suffisamment spécifique, l'avantage marginal est défini par les solutions de niveau institutionnel que vous construisez au-dessus de la technologie de pointe.
Nos utilisateurs ont toujours été en avance. La fenêtre contextuelle 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 des chemins pour traiter des tâches de 100 milliards de tokens. À chaque fois que les capacités des modèles de base augmentent, nous avons déjà fait un pas de plus.
Note : La fenêtre contextuelle et d'autres capacités sont des cibles mobiles. Comparaison de l'évolution de la fenêtre contextuelle des laboratoires de pointe au cours des trois dernières années avec celle de Hebbia.
La polyvalence pour un large public est bien sûr importante, surtout lors de la phase d'introduction des employés à l'IA. Mais l'avenir ne sera pas uniquement l'utilisation de ChatGPT/Claude ou de solutions verticales, mais de ChatGPT/Claude plus des solutions verticales.
L'intelligence institutionnelle doit utiliser des agents spécifiquement dédiés par domaine, voire par tâche.
On va se poser une question qui semble absurde mais qui ne l'est pas :
« Quels agents AGI choisira-t-il d'utiliser comme raccourci ? Même une super intelligence voudra des outils spécialisés pour des domaines spécifiques. »
Les limites des capacités de l'IA sont en constante évolution, seules les organisations qui exploitent de véritables avantages marginaux seront gagnantes. Les autres paient pour une marchandise générique très coûteuse.
5. Résultats
L'IA personnelle fait gagner du temps.
L'IA de niveau institutionnel augmente les revenus.
@MaVolpi m'a dit une fois une phrase qui a transformé ma perception de la vente d'IA aux entreprises : « Si vous demandez à n'importe quel PDG s'il préfère réduire les coûts ou augmenter les revenus, presque tous diront revenus. »
Mais aujourd'hui, presque chaque produit d'IA sur le marché livre des promesses de réduction des coûts — promettant de vous faire gagner du temps, d'accomplir plus de tâches avec moins de personnes, ou de remplacer le travail humain.
L'IA de niveau institutionnel doit livrer des bénéfices marginaux. Et les bénéfices marginaux sont beaucoup plus difficiles à monétiser que le temps économisé.
Prenons l'exemple du développement de logiciel assisté par IA. Les IDE de code sont l'un des meilleurs outils de productivité personnelle d'IA de tous les temps, mais ils sont déjà sous pression énorme de la part de Claude Code (un autre outil d'IA personnelle). Cognition joue un jeu complètement différent. Leur activité la plus stable consiste à vendre la transformation grâce à la technologie, plutôt qu'à vendre des outils. Je parie que ce modèle sera durable.
Les « logiciels purs » deviennent rapidement invendables. Les services purs ne sont pas évolutifs. La couche de solution — qui lie technologie et résultats — est l'endroit où la valeur durable sera accumulée.
Regardons M&A. L'IA personnelle aide les analystes à modéliser plus rapidement. L'IA de niveau institutionnel identifie parmi cent cibles celle qui vaut la peine d'être poursuivie, puis étend la recherche à mille. Un gagne du temps, l'autre génère des revenus.
Note : Les entreprises de modèles de base se déplacent vers la couche d'application verticale. Les entreprises de couche d'application verticale se déplacent vers la couche de solution.
« Se déplacer en amont » est la force naturelle actuelle du marché. Les modèles de base se dirigent vers la couche d'application, les entreprises de la couche d'application se dirigent vers la couche de solution.
L'intelligence institutionnelle est la couche de solution. Et la couche de solution — là où se trouvent les résultats — accumulera une valeur durable, capturant le maximum d'espace de profit.
6. Autonomisation
L'IA personnelle vous donne un outil.
L'IA de niveau institutionnel vous apprend comment l'utiliser.
Les humains, aussi intelligents soient-ils, résistent au changement.
Croyez-le ou non, il y a encore des magasins à New York qui ne prennent pas de cartes de crédit. Ils savent qu'ils perdent de l'argent, savent que ne pas accepter les cartes de crédit leur coûte, mais ils n'agissent pas. De même, dans un avenir prévisible, certains employés dans certaines organisations refuseront d'utiliser l'IA.
La transformation d'une organisation purement humaine en une organisation hybride priorisant l'IA sera le plus dur et le plus définissant des défis au cours des dix prochaines années. Et souvent, les personnes les plus haut placées et les plus importantes dans l'organisation sont celles qui adoptent le plus tard.
Note : Les plus hauts dirigeants de l'organisation — ceux qui sont le plus loin de l'opération des « outils de productivité » — sont souvent ceux qui adoptent les nouvelles technologies le plus lentement mais qui sont les plus critiques.
Palantir est la seule entreprise « logicielle » qui a maintenu une valorisation extrêmement élevée lors de la vente massive d'actions technologiques au cours des deux derniers mois. Il y a une raison à cela. Palantir est l'une des premières véritables entreprises de « génie des processus ». Qu'importe si vous l'appelez « génie des processus » ou « rédaction de compétences pour Claude », l'avenir de l'IA de niveau institutionnel engendrera une industrie : coder les processus d'entreprise dans des agents et mettre en œuvre la gestion du changement nécessaire.
Note : L'adoption généralisée de l'IA par les organisations franchira plusieurs chasmes, chacun avec ses propres défis. Mettre les processus en ligne avec l'IA sera un moteur majeur.
Je parie que le génie des processus deviendra la « technologie » la plus importante à court terme.
Et dans le génie des processus, l'expertise commerciale et sectorielle — plutôt que l'expertise logicielle — est la plus cruciale. Les solutions verticales formeront des talents possédant une expertise en déploiement de l'ingénierie, mise en œuvre et gestion du changement sur le terrain.
Une grande banque d'investissement qui a choisi Hebbia pour un déploiement complet (l'une des trois plus grandes) a exprimé cela de la meilleure façon : la raison pour laquelle elle ne collabore pas avec un grand laboratoire de modèles est que « nous devons expliquer à leur équipe ce qu'est un CIM (Confidential Information Memorandum) ». Claude ou GPT comprennent bien sûr ce domaine, mais l'équipe responsable de la mise en œuvre ne sait pas...
Cette différence change tout.
7. Sans prompt
L'IA personnelle répond aux prompts humains.
L'IA de niveau institutionnel agit de manière proactive, sans besoin de prompt.
Il y a beaucoup de discussions sur la communication entre agents, sur le fait que les entreprises et institutions futures auront encore besoin des humains.
Mais la meilleure question est : les agents IA du futur auront-ils encore besoin de prompts ?
Écrire des prompts pour AGI, c'est comme connecter un moteur électrique à un métier à tisser manuel. Il est fondamentalement, irréversiblement limité par le maillon le plus faible de la chaîne d'approvisionnement organisationnelle — nous-mêmes. Les humains ne savent pas vraiment quelles questions poser, encore moins quand les poser.
Le travail le plus précieux que l'IA puisse faire, c'est celui que personne n'a pensé à demander. L'IA devrait trouver des risques non découverts, des contreparties non envisagées, des pipelines de vente inconnus.
Cela ouvrira complètement les frontières des cas d'utilisation de l'IA.
Un système qui n'a pas besoin de prompt surveille en continu le flux de données de tout le portefeuille. Il découvre qu'un cycle de fonds de roulement d'une entreprise investie s'est détérioré discrètement pendant trois mois, croise cela avec les clauses contractuelles dans l'accord de crédit, et informe le partenaire opérationnel avant même 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 de fortes idées à ce sujet. Nous en reparlerons.
Conclusion
Tout cela ne nie pas la valeur des chatbots, des agents et de l'IA personnelle.
L'IA personnelle sera le véhicule par lequel la grande majorité des entreprises découvrira enfin la magie de la transformation par l'IA. Promouvoir l'utilisation, promouvoir la facilité d'utilisation, sera la première étape clé de la gestion du changement nécessaire pour construire une économie priorisant l'IA.
Mais en même temps, la demande pour l'intelligence institutionnelle est claire, urgente et énorme.
À l'avenir, chaque organisation aura un chatbot d'un laboratoire de modèles de grande taille. Chaque organisation aura également une IA de niveau institutionnel spécialement conçue pour des problèmes spécifiques — et l'IA personnelle utilisera l'IA de niveau institutionnel comme l'un des outils les plus cruciaux de sa boîte à outils.
La combinaison « meilleure » de l'IA de niveau institutionnel et de l'IA personnelle est une tendance inévitable.
Mais rappelez-vous la leçon des usines de textile des années 1890. La première usine électrifiée a perdu face à la deuxième qui a redessiné son atelier.
Nous avons déjà l'électricité. Il est temps de redessiner nos usines.
Merci à @aleximm et @WillManidis pour leur révision, ainsi qu'à l'article de Will sur les « objets en forme d'outil » qui a inspiré ce texte.
Lien vers l'original