A16z : Après que l'IA ait conféré des superpouvoirs à l'humanité, quelle est notre prochaine étape ?

Titre original : AI just gave you superpowers—now what?

Auteur original : a16z crypto

Source originale :

Reproduction : Mars Finance

Un nouveau document intitulé « L’économie minimaliste de l’AGI » circule largement. À cette occasion, nous avons dialogué avec ses auteurs, abordant notamment :

· Automatisation et validation : domaines clés de l’économie

· Pourquoi l’IA semble aujourd’hui comme un collègue débutant, ce qui se passe, et la « malédiction du codeur »

· « Créateurs de sens », consensus et valeur de l’économie de la position

· Pourquoi la cryptomonnaie pourrait devenir une infrastructure clé pour l’identité, la provenance et la confiance

· Deux futurs possibles : économie creuse vs économie augmentée

Ce programme invite Christian Catalini, fondateur du MIT Digital Currency Initiative, et Eddy Lazzarin, CTO d’a16z crypto, à dialoguer avec Robert Hackett pour explorer en profondeur comment l’automatisation redéfinit le marché du travail et la nature de l’intelligence.

Que signifient ces changements pour les startups, le futur du travail et votre carrière ?

Voici le contenu de l’échange :

Robert Hackett : Bonjour à tous. Aujourd’hui, nous accueillons Christian Catalini, co-fondateur de Lightspark et du MIT Digital Currency Initiative, ainsi qu’Eddy Lazzarin, CTO d’a16z crypto.

Nous allons discuter de la dernière publication de Christian, « L’économie minimaliste de l’AGI ».

Je voudrais commencer par vous demander : qu’est-ce qui vous a poussé à étudier la relation économique entre l’IA et le monde réel ?

Christian Catalini : Je dirais que cela vient d’une crise semi-existentialiste. Nous sommes tous confrontés à la rapidité des progrès technologiques et à la vitesse du changement.

Je suis optimiste, mais la question centrale reste : que devons-nous faire ? Sur quoi devons-nous nous concentrer ? Qu’est-ce qui vaut notre temps, notre énergie, notre attention ?

Il y a quelques mois, nous avons écrit un article sur la mesure, dont l’idée centrale est : tout ce qui peut être mesuré finira par être automatisé. Cela ne sonne pas comme une bonne nouvelle. La deuxième thèse du nouveau document est : si cette hypothèse est vraie, et qu’on la pousse à l’extrême, que se passerait-il ?

À quoi ressemblerait l’économie ? Quelle serait la nature du travail ? Que doivent faire les startups ? Que doivent faire les géants existants ? En fin de compte, à quoi ressemblera le futur ?

Certaines prévisions seront correctes, d’autres erronées. Espérons que notre orientation est la bonne. Le document est maintenant public, et nous observons quelles idées résonnent, lesquelles non.

Robert : Vous parlez d’une crise semi-existentialiste ?

Christian : J’en retire trois principales leçons. Premièrement, cette technologie est encore sous notre contrôle. Deuxièmement, ses bénéfices positifs dépassent de plusieurs ordres de grandeur ce que les pessimistes prétendent. Troisièmement, je pense que nous avons tous une sorte de guide d’action.

Nous pouvons réfléchir : où créons-nous de la valeur ? Quelles tâches effectuons-nous au travail ? Le travail est souvent une combinaison de tâches. Lorsqu’une partie ou la totalité de ces tâches est automatisée, cela suscite beaucoup d’anxiété.

Je pense que la programmation traverse actuellement cette étape : ces dernières décennies, de nombreux talents ont écrit du code élégant et performant, et maintenant ils constatent : « Wow, l’IA fait le travail que je faisais. »

L’IA : d’outil à collègue

Robert : Je voudrais approfondir. Aujourd’hui, nous avons aussi Eddy Lazzarin, qui occupe le poste de CTO chez a16z crypto depuis plusieurs années. Eddy, comment vois-tu ces changements ?

Eddy Lazzarin : Je vais d’abord mettre en perspective la chronologie et le contexte du document. Beaucoup sentent qu’en décembre 2025, un changement de nature s’est produit. La progression des capacités des agents intelligents a atteint un point critique : ils peuvent désormais exécuter des tâches à long cycle.

Il y a un an, la sensation était : je demande à l’agent de faire une petite chose, il le fait très bien, mais je dois lui donner une instruction suivante, étape par étape.

Aujourd’hui, on peut lui donner moins d’indications. Peut-être qu’il n’est pas parfait, mais soudain, cela ressemble à une collaboration avec une personne.

Il n’est plus nécessaire de décomposer la tâche en micro-étapes, ce qui relève d’une microgestion extrême. Il suffit d’en discuter, et il s’y met immédiatement, puis revient avec un résultat en un ou deux jours. Ce changement qualitatif ouvre un espace d’imagination énorme, tout le monde doit maintenant faire face à cette réalité.

Ce face-à-face avec une partie de cette nouvelle réalité provoque des fluctuations émotionnelles, mais ce qui est encore plus intéressant, c’est : comment maximiser la valeur dans des scénarios réels de production et d’affaires ?

Les gens découvrent peu à peu : l’IA peut produire une quantité énorme de travail, avec des résultats parfois exceptionnels, en un temps très court. Mais elle présente aussi des défauts subtils, auparavant peu pris en compte.

Par exemple, le travail en génie logiciel est en train d’être redéfini. On pensait que le développement logiciel consistait à s’asseoir et écrire du code : analyser un problème, comprendre les besoins, puis coder. Le code était la seule production.

Mais en réalité, l’IA nous aide à mieux décomposer et comprendre cette tâche. C’est un processus très précis, itératif, de correction, de collecte de feedback, d’intégration, pas seulement de taper ligne par ligne. C’est une tâche holistique. Par conséquent, le travail d’un bon ingénieur se déplace rapidement vers cette nouvelle approche.

L’expérimentation, l’orientation, la prise de risques — Christian appelle cela la validation dans son document.

Le changement, c’est que la structure du travail des ingénieurs d’élite évolue. La part consacrée à écrire du code ligne par ligne devient de plus en plus marginale, voire nulle dans certains scénarios extrêmes de « Vibe Coding ». Aujourd’hui, la majorité du travail consiste à valider.

Automatisation vs validation : domaines clés de l’économie

Christian : La partie automatisation est assez intuitive. Les agents intelligents peuvent faire beaucoup plus de choses que les humains auparavant. Mais ils restent limités à leur domaine observable. Tout leur apprentissage, leur fine-tuning, repose sur les bases de données de code qu’ils ont intégrées.

Beaucoup diront : « Ils ne peuvent pas innover, ni faire preuve de créativité ou de goût. »

Je ne suis pas du tout d’accord. En réalité, l’innovation consiste en grande partie en une recombinaison d’idées. L’humain n’a exploré qu’une infime partie des combinaisons possibles entre disciplines. Je crois que, simplement en exploitant les connaissances que nous leur fournissons, ces agents seront très innovants.

Dans cette nouvelle économie, la validation devient un coût essentiel. Qu’est-ce que le coût de validation ? Il commence avec la mesure. Si vous pensez que l’IA est très douée pour reproduire des processus à partir de données, alors vous commencez à vous demander : qu’est-ce qui reste impossible à mesurer aujourd’hui ?

Certaines choses sont intrinsèquement impossibles à mesurer, parce qu’elles ne peuvent pas l’être. Les économistes parlent d’incertitude Knight, du nom de Frank Knight.

En termes simples, cela correspond à la différence entre pouvoir attribuer une probabilité à un événement futur et ne pas pouvoir du tout en attribuer.

Robert : Pour ceux qui ne sont pas économistes, ils connaissent peut-être mieux l’expression de Donald Rumsfeld : « Les inconnues inconnues. »

Christian : Exactement.

Les inconnues inconnues sont essentiellement ce qui ne peut pas être mesuré, souvent lié à l’avenir. C’est pourquoi, même si vous faites entrer un agent dans le marché boursier, ses performances moyennes peuvent être bonnes — voire meilleures que celles de votre conseiller financier — mais il sera probablement incapable de faire face à des changements environnementaux radicaux, comme des bouleversements géopolitiques. Ces éléments sont impossibles à mesurer. Il y en a beaucoup d’autres exemples.

Dans le document, la validation revient à : en tant qu’humains, appliquer tous vos standards implicites de mesure tout au long de votre parcours, de la naissance à la carrière.

Deux personnes peuvent avoir des connaissances et expériences très proches, mais leurs jugements ne seront jamais identiques. Quand on dit « cette personne a du goût », « c’est un bon curateur » ou « elle a un jugement très sûr », une inspiration du document est que : tout le monde cherche des excuses pour se rassurer, comme « la machine ne pourra jamais faire X, Y, Z. »

Mais ces excuses sont floues. Comment définir le goût ? La bonne capacité de jugement ? Pire encore, un bon ingénieur il y a trois mois n’aura peut-être pas la même capacité de jugement qu’aujourd’hui.

Il faut donc chercher quelque chose de plus fondamental, qui puisse être fixé. Notre conclusion est : dès qu’il y a des données permettant d’automatiser, cela sera automatisé.

Trois rôles humains dans l’économie future

Robert : Récemment, vous avez divisé les tâches et postes en trois catégories, selon leur degré d’automatisation ou leur capacité à produire et à être mesurés.

Christian : Je pense que, dans bien des dimensions, l’humain conserve une place irremplaçable. D’abord, la validation.

Aujourd’hui, le levier de chaque individu dans sa carrière est bien plus grand qu’en décembre 2025. Cela signifie que nous devons tous être plus ambitieux, repenser nos flux de travail, ce que nous appelons le « sandwich IA ».

Une startup ou une petite entreprise peut n’avoir qu’un seul humain, que nous appelons le commandant, chargé de diriger la validation, de s’assurer que le système reste dans le droit chemin. Au sommet, une seule personne ou une petite équipe.

Au niveau intermédiaire, une multitude d’agents intelligents. Nous voyons déjà des expérimentations variées.

Au niveau inférieur, une équipe d’experts validationnistes de haut niveau. Avec les bons outils, chaque domaine aura ses meilleurs spécialistes, responsables de garantir que la sortie du système correspond à ce qui est attendu. C’est un travail crucial. Pendant longtemps, ces experts seront en première ligne.

Mais il y a un mauvais côté : en faisant ce travail, ils créent aussi des données d’entraînement qui peuvent les remplacer. La version la plus simple que nous ayons vue est : des humains qui annotent des images pour des IA, ou participent à leur entraînement. Ces tâches ne sont plus nécessaires aujourd’hui.

Actuellement, les grands laboratoires de modèles de base recrutent des experts de haut niveau dans des domaines variés, comme la finance. Ces experts créent des standards d’évaluation et des données d’entraînement, qui finiront par les remplacer. La couche de validation est donc essentielle, et beaucoup y réussiront, car elle valorise la spécialisation extrême. Si vous êtes celui qui fournit la dernière étape de déblocage, votre levier est énorme.

Robert : C’est la première catégorie. Et ce rôle de validateurs, vous l’appelez la « malédiction du codeur » ?

Christian : La malédiction du codeur, c’est un mécanisme où, si vous êtes un validateur de haut niveau, vous devez sans cesse vous améliorer, car la technologie devient de plus en plus puissante.

Je parlais tout à l’heure du commandant : c’est celui qui pilote l’intention. L’entrepreneur est ce commandant, qui voit l’avenir, imagine une voie pour y parvenir.

Il y a aussi une autre catégorie de tâches, qu’il faut reconnaître comme facilement automatisables. Ces postes ont déjà disparu ou vont disparaître. La société n’a pas encore vraiment géré ces impacts, mais il y aura un énorme besoin de reconversion, pour amener les gens vers des compétences plus avancées.

Il y a parfois une confusion dans la lecture de nos travaux : on pense que la validation humaine est la dernière étape, mais en réalité, l’IA valide aussi l’IA. Avant d’atteindre l’humain, il y a une longue chaîne de validation.

Une autre catégorie, la plus difficile à définir, ce sont les créateurs de sens. Ces personnes sont très douées pour comprendre les tendances, les changements sociaux, les enjeux sociétaux, et faire consensus. L’art en est un exemple, tout comme certains aspects du réseau cryptographique.

Ces créateurs de sens ne relèvent pas du domaine mesurable. On dit parfois que ces tâches nécessitent « du tact humain ». Mais je pense que cette importance est souvent surévaluée. Par exemple, la psychologie, le soin aux personnes âgées, la garde d’enfants.

Je crois que, dès qu’on voit une baisse de coût de 100 ou 1000 fois, la perception change rapidement. En réalité, on sait que beaucoup de personnes utilisent déjà de grands modèles pour répondre à des questions très personnelles et privées.

Une autre catégorie de travail, c’est la « fabrication humaine », qui devient une étiquette très importante. La cryptomonnaie y jouera un rôle clé, car sans cryptographie solide, on perdrait rapidement l’essence même de cette identité. Mais la « fabrication humaine » a de la valeur simplement parce que le temps et l’attention humaine sont rares.

Ce n’est pas parce que c’est meilleur, mais parce qu’on sait qu’un humain a investi du temps et de l’attention rares pour créer cette expérience. Ces éléments restent importants.

Position de la cryptomonnaie dans le monde de l’IA : identité, provenance, confiance

Robert : Vous avez évoqué la cryptographie, quelle est la place de la cryptomonnaie dans cet univers ?

Christian : Très importante.

Au début de nos recherches, beaucoup ont souligné que les grands modèles et l’IA sont probabilistes, alors que la cryptomonnaie est déterministe. On peut imaginer utiliser des contrats intelligents pour encadrer les agents, ou leur donner la capacité d’acheter ou vendre des ressources.

Ces logiques sont valides. Mais je pense qu’il existe une complémentarité plus profonde entre l’IA et la cryptomonnaie. Peut-être que leur rôle dans l’économie n’est pas encore évident, car les effets secondaires — liés à l’identité ou à la provenance numérique — ne se sont pas encore manifestés.

Je crois que dans les prochains mois, à mesure que ces capacités deviendront vraiment puissantes, nous entrerons dans un domaine totalement inconnu. Chaque plateforme numérique devra faire face à une réalité : tout contenu généré par l’humain (posts, images, etc.) pourrait désormais venir d’un agent.

Avec cette tendance, la société devra reconstruire complètement ses systèmes d’identité. Dans un environnement où la confiance devient rare, les primitives cryptographiques seront très en vue. Tout ce qui a été construit ces dix dernières années deviendra la base. Revenir à la validation : lorsque l’information de base est sur la blockchain, le coût de validation est plus faible, plus fiable, plus crédible.

Eddy : Le coût de l’automatisation diminue à toute vitesse. La validation dans sa forme large diminue aussi, mais pas aussi vite, ce qui crée un écart intéressant.

On peut décrire cet écart de plusieurs façons, certains parlent d’opportunité. C’est la vision de Christian sur le travail humain : s’il existe un goulot d’étranglement, un écart de mesurabilité dû à l’adaptabilité, l’expérience et la généralisation humaines, alors l’humain peut devenir plus rapidement expert dans la validation que la machine.

À court terme, la machine a encore des difficultés à valider certains aspects. À long terme, je ne pense pas que ce soit permanent, mais c’est vrai pour l’instant.

La cryptographie et la blockchain sont des outils de validation. La preuve de provenance n’est qu’un ensemble de preuves cryptographiques attestant qu’un contenu a été produit par certains acteurs, selon certains chemins, ou a subi certains processus. Cela nous donne des signaux pour rendre la validation intercatégories plus simple. Tout ce qui facilite la validation participera à combler cet écart.

Coût implicite de l’automatisation : risques systémiques et responsabilités

Eddy : Peut-on parler du problème du « cheval de Troie » ? On a évoqué les risques pour les travailleurs, mais du point de vue de l’efficacité économique, qu’est-ce que cela pourrait entraîner ?

Christian : On voit déjà des signes : beaucoup d’entreprises déclarent que X % de leur code est généré par machine.

Les cycles de lancement de produits se raccourcissent. Mais on sait aussi que personne ne peut vérifier tout le code, qui pourrait contenir des dettes techniques.

On a tous été tentés : poser une question à un grand modèle, le survoler rapidement, puis publier comme résultat final, sans vérification complète, car le modèle devient de plus en plus performant. Mais qu’il s’agisse d’erreurs dans des phrases, du code défectueux ou de vulnérabilités dans le code final, je pense qu’on verra de plus en plus ce genre de problèmes.

L’idée du document est que publier du code, des textes ou tout autre résultat généré par IA, potentiellement erroné, est une décision rationnelle : on ne peut pas tout vérifier. Si on extrapole à la société, cela pourrait entraîner une accumulation de risques systémiques.

En accélérant, nous devons aussi développer de meilleurs outils de validation, pour revoir ce que nous avons déjà publié. Mais à moyen et long terme, les entreprises font face à un dilemme : investir dans des outils de validation plus sophistiqués (y compris cryptographiques) coûte cher, ce qui peut ralentir leur développement. Les bénéfices sont futurs, mais elles veulent lancer rapidement.

Je pense donc que deux types de fondateurs émergeront : ceux qui privilégient la responsabilité à long terme, en construisant de manière responsable. On voit déjà des signes qu’on peut appeler « responsabilité comme logiciel » : quand on déploie des agents comme employés, la responsabilité et l’assurance deviennent cruciales. Ce n’est pas le sujet le plus glamour, mais on verra des échecs systémiques dans la réalité.

Eddy : C’est une idée très intéressante. Si, auparavant, la production logicielle était principalement humaine, on pouvait supposer que chaque étape était contrôlée et vérifiée par quelqu’un. Il y avait des erreurs, mais quelqu’un intervenait à chaque étape.

Mais avec une automatisation accrue, le risque et la valeur augmentent, et la responsabilité aussi. Les gains sont énormes, ce qui pousse à tolérer ces risques. Mais la capacité à superviser, limiter et comprendre ces risques doit s’étendre.

Il pourrait être utile d’introduire des mécanismes comme l’assurance, pour valoriser le risque d’échec, et confier cette responsabilité à des experts. Cela pourrait devenir une composante essentielle de la gestion des entreprises où la supervision est impossible à 100 %.

Je trouve aussi très intéressant que même le développement logiciel pourrait connaître de nouvelles dimensions financières, jusque-là inconnues.

Christian : En revenant à la cryptomonnaie, tout ce que nous avons construit ces dix dernières années a permis d’étendre nos capacités à mesurer et à pondérer le risque. On peut s’appuyer sur la DeFi, les marchés de prédiction, ces primitives deviennent essentielles.

Si vous déployez des logiciels ou des agents, il est crucial d’avoir une stack technologique qui leur permette de voir de meilleurs signaux. Par exemple, j’ai discuté avec un fondateur d’agents de trading et de paiement, qui a constaté qu’en passant à des paiements en stablecoins, le système devient plus fiable, car tous les signaux sont sur la chaîne. L’agent peut mieux comprendre ce qui se passe, plutôt que d’appeler une API sans retour, et voir le contexte complet.

Un autre point intéressant, lié à l’assurance et à la responsabilité, c’est que certains pensent que les effets de réseau seront un avantage durable dans l’ère de l’IA. Je pense que la réalité est plus subtile. Les agents autonomes et les systèmes auto-gestionnaires sont très efficaces pour briser de nombreuses barrières défensives des plateformes bilatérales. Le coût de lancement de ces plateformes, ou de leur démarrage à deux, diminue.

Mais un autre effet de réseau devient plus crucial : si vous possédez des données clés dans votre activité, et que ces données vous permettent d’étendre la validation de l’humain à la machine, vous pouvez mieux assurer les risques, prendre de meilleures décisions, et offrir des produits plus sûrs à moindre coût.

Ainsi, en comparant les entreprises existantes et les startups, celles qui disposent d’une base de données complète de cas d’échec seront extrêmement précieuses. Et celles qui se concentrent sur la validation et la rétroaction positive (par exemple, en intégrant des experts de haut niveau, en tirant des leçons des décisions) auront un avantage énorme.

Eddy : Cela montre que les données propriétaires peuvent être parmi les actifs les plus défensifs.

Deux futurs : économie creuse vs économie augmentée

Robert : J’ai une question que je souhaite explorer : le document évoque une économie creuse (hollow economy) et une économie augmentée (augmented economy). Peux-tu expliquer ces concepts ? Quelle est leur différence essentielle ?

Christian : Commençons par l’économie creuse. On voit déjà des signaux précoces : les entreprises technologiques réalisent qu’elles peuvent faire plus avec moins de personnel.

Elles commencent par des employés de niveau intermédiaire ou ordinaire, car l’IA peut déjà les remplacer ; aussi par des jeunes professionnels, car les employés expérimentés peuvent voir leur capacité multipliée par 10 ou 100, selon la tâche. C’est une force motrice du changement.

Le deuxième phénomène, c’est la « malédiction du codeur ». Lorsqu’un expert entraîne ou décide, il génère en fait des données d’étiquetage. Ces données pourront un jour servir à prendre des décisions sans expert.

Le dernier aspect, c’est le décalage d’alignement (alignment drift). En gros, il ne faut pas considérer l’alignement comme un processus ponctuel : « On a entraîné, on a aligné, c’est bon », mais plutôt comme éduquer un enfant, avec des corrections et un feedback continus.

En combinant ces trois dynamiques, et en tenant compte du fait que la motivation à déployer des IA non vérifiées est très forte — parce qu’on peut obtenir une productivité immédiate (par exemple, « 60 % du code généré par machine ») —, on risque de créer une économie où l’on ne forme plus de futurs validateurs.

Les jeunes talents (nos futurs meilleurs validateurs) deviennent de plus en plus rares. Ce groupe diminue. On crée ainsi un risque potentiel, qui pourrait conduire à une économie creuse.

Mais je reste optimiste : je pense que nous finirons par évoluer vers une économie augmentée. La question est : à quelle vitesse, et comment faire en sorte que ceux qui doivent se reconvertir ou s’adapter puissent le faire en douceur ?

L’économie augmentée, c’est l’inverse. On réalise que les talents de base ne sont pas suffisamment formés. La bonne nouvelle, c’est qu’avec l’IA, on peut accélérer la maîtrise de compétences. On peut découvrir le vrai talent d’un jeune, plutôt que de le faire entrer dans un cursus standardisé.

Il faut accélérer leur développement, leur permettre de trouver leur voie, leur passion, ce qui leur donne envie de s’investir pleinement. C’est ce que nous souhaitons pour nos enfants. Personne ne sait ce qui sera le plus précieux dans le futur, mais en bâtissant sur leurs talents réels, leurs chances de réussite augmentent considérablement.

Je pense que l’IA jouera un rôle clé dans cette évolution. Elle constitue un outil d’apprentissage exceptionnel, qu’il faut développer. À l’heure actuelle, ces outils à grande échelle n’existent pas encore.

Deuxièmement, en revenant à la malédiction du codeur : ces personnes doivent sans cesse se reconvertir, monter en compétences, et devenir des commandants, en découvrant qu’elles ont un levier énorme.

Beaucoup évoquent l’autonomie. Je pense que c’est la clé : il faut réaliser qu’on peut devenir un commandant, faire beaucoup plus qu’avant.

En améliorant l’alignement, avec la recherche en sécurité et de meilleurs outils de validation, on peut renforcer nos capacités, mieux valider, et devenir de véritables partenaires.

En résumé, on entre dans une nouvelle ère : beaucoup de choses coûteuses hier deviennent presque gratuites. Tout ce qui est mesurable peut être automatisé.

Et on inventera de nouvelles choses. Beaucoup de nouveaux emplois, y compris dans l’économie de la position et l’économie de l’inobservable, seront bâtis sur une solide infrastructure de validation, avec une base factuelle. On ne sera pas submergés par de fausses identités ou des acteurs malveillants.

Globalement, l’avenir est plutôt prometteur. Beaucoup de gouvernements ont toujours voulu faire de l’éducation et de la santé de qualité, et cela pourrait devenir abordable et accessible.

Mais il faut investir dans la construction, pas dans des mesures extrêmes comme la suppression des data centers. Ce n’est pas réaliste, et cela ne fonctionnerait jamais.

Robert : Donc, si vous êtes en début de carrière, vous devriez utiliser ces outils pour simuler votre environnement, vous entraîner. Si vous êtes en fin de carrière, il faut agir vite, en réalisant que vous pouvez faire plus avec moins.

Eddy : Difficile de dire combien de temps cela durera, jusqu’à l’arrivée d’une nouvelle vague de transformations imprévisibles. Mais l’humain a cette capacité à voir l’ensemble, à comprendre où il faut concentrer ses efforts, ses ressources, et comment ajuster le projet.

Si j’étais un jeune débutant aujourd’hui, je serais un peu déçu : le rêve d’écrire un code élégant et efficace tout un été a disparu. Maintenant, c’est une passion.

Mais je pourrais aussi demander à mes parents de m’investir pour gérer une grande flotte d’ordinateurs, et voir si je peux utiliser efficacement 5000 dollars de puissance de calcul. Par exemple, faire en sorte qu’un grand nombre de machines accomplissent une seule tâche.

Cela fait des années qu’un meme circule dans la tech : une seule personne peut créer une startup valant des milliards. C’est la voie pour y parvenir.

Maîtriser une multitude de machines et de données, avoir une vision globale — ces compétences n’ont jamais été aussi importantes. Et leur développement n’a jamais été aussi pertinent.

Mais si vous souhaitez lancer un grand projet, il faut apprendre à mobiliser beaucoup de personnes. C’est la façon d’obtenir du levier. Quand la structure de la main-d’œuvre change, cette méthode aussi évolue. Aujourd’hui, il faut apprendre à maîtriser cette nouvelle réalité.

Les nouvelles opportunités sont là. Apprenez à en tirer parti, c’est la leçon pour les jeunes.

Ce n’est pas fini — c’est absurde. On vous dit que vous avez des super-pouvoirs. Que feriez-vous ?

Christian : En résumé, le système de l’apprentissage par étape est peut-être mort, mais le vrai travail commence maintenant.

Beaucoup de domaines difficiles à aborder auparavant, comme le hardware, sont désormais accessibles si vous avez la curiosité.

Si je devais résumer, le signal le plus positif de ce modèle, c’est que le cycle d’expérimentation est comprimé, et que l’on pourra vraiment accélérer la mise à l’échelle de ses idées.

Perspective d’investissement : petites équipes, grande valeur, la cryptomonnaie comme nécessité

Robert : Eddy, as-tu observé cette tendance dans les entreprises que tu évalues pour investir ?

Eddy : Bien sûr. On a déjà vu des entreprises comme Block, X, faire d’importants licenciements.

Je n’ai pas d’analyse formelle, mais beaucoup de projets crypto comme Hyperliquid, Uniswap, ont une valeur très élevée, avec moins de 20 employés.

Si quelques personnes suffisent pour lancer une entreprise, cela entraînera une multitude d’entreprises, n’est-ce pas ? Et pour fonctionner, elles devront coopérer, ce qui est complexe.

Il faut de la réputation, une identité, des preuves de provenance des données, des moyens de paiement. On a évoqué l’assurance tout à l’heure.

Et la blockchain est très attrayante parce qu’elle est crédible et neutre. On n’a pas besoin de vérifier la réputation de la 500e entreprise avec laquelle on interagit, on fait confiance aux contrats intelligents et aux modèles d’IA vérifiables, pour que la transaction se fasse comme prévu, que le paiement soit effectué.

Je pense que c’est quasiment inévitable. La blockchain jouera un rôle central dans cette évolution.

Christian : Je suis tout à fait d’accord. Nous avons déjà posé les bases depuis longtemps, et cela deviendra encore plus utile.

Robert : Christian, après toutes ces recherches et explorations, comment intégres-tu ces découvertes dans ton travail et ta vie ?

Christian : Honnêtement, sans Gemini, ChatGPT, Grok, Claude, nous n’aurions pas pu écrire ce document. Ce sont d’excellents co-auteurs. Bien sûr, ils dévient parfois, suppriment des passages dont nous avons besoin.

Nous avons même laissé quelques « easter eggs » dans le document pour de grands modèles. Une fois, j’ai discuté avec Gemini, qui a dit adorer cet easter egg, et a fait un commentaire très amusant.

À ce moment-là, on ressent vraiment l’intelligence. Ce n’est pas une machine sans âme, c’est créatif. C’est un moment clé : on sent qu’elle est un partenaire, pas un simple outil.

Robert : Parfait. Si vous souhaitez lire ce document, son titre est « L’économie minimaliste de l’AGI ». Je vous recommande vivement d’y jeter un œil. Il contient des insights qui pourraient changer votre vie et votre façon d’aborder l’avenir.