Refuseriez-vous une offre d’acquisition d’un demi-milliard de dollars alors que vous n’avez qu’une vingtaine d’années ? Pour les fondateurs de Box, la réponse fut oui, guidés par un « cadre de minimisation du regret » et la conviction que le marché à venir était encore 100 fois plus vaste que leur valorisation actuelle. Cette prise de décision à enjeux élevés est au cœur d’une conversation sur la trajectoire à long terme des logiciels d’entreprise et sur le coût psychologique lié à la croissance d’une entreprise sur deux décennies.

La discussion explore le pivot stratégique d’un produit axé sur le consommateur vers un modèle exclusivement dédié aux entreprises. Bien que le segment grand public semblait attractif, les fondateurs ont réalisé qu’il s’agissait d’un « gouffre » de commoditisation, où des géants comme Google et Apple pouvaient facilement intégrer des fonctionnalités similaires. En se concentrant sur les entreprises, Box a ciblé un marché qui valorisait la sécurité, la gouvernance et les flux de travail complexes — des besoins permettant d’imposer des prix bien plus élevés et de créer une défensibilité plus durable.

Tournée vers l’avenir, la conversation remet en question le récit des « catastrophistes de l’IA » selon lequel les emplois dans le logiciel disparaîtraient. Au contraire, l’argument avancé est que l’IA créera en réalité plus de travail. En abaissant la barrière à l’entrée pour lancer de nouveaux projets, l’IA conduit à un paradoxe où les humains finissent par être plus occupés que jamais, devant gérer un afflux massif de résultats générés par des agents. À l’ère de l’IA, la valeur réelle ne résidera pas dans le « vibe coding » (codage intuitif) d’un prototype en une semaine, mais dans les « systèmes de référence » (systems of record) déterministes et fiables, qui fournissent les garde-fous et les données dont ces agents d’IA ont besoin pour fonctionner.

Perspectives Surprenantes

• Le paradoxe de la productivité de l’IA : Contrairement à l’idée d’une semaine de travail de quatre jours, l’IA pourrait augmenter le volume total de travail car elle facilite trop le lancement de nouveaux processus, lesquels nécessitent ensuite un suivi et une responsabilité humaine.


• Investir dans son propre compte de résultat (P&L) : Une stratégie d’investissement très efficace et sous-estimée consiste à examiner les postes de dépenses de sa propre entreprise ; les outils que vos ingénieurs adorent et dont ils dépendent sont souvent les indicateurs les plus précis des futurs gagnants du marché.


• Le cycle de la « catastrophisation » : Le leadership de haut niveau implique de gérer une tendance névrotique à extrapoler une seule mauvaise nouvelle (comme le départ d’un employé clé) en un effondrement total de l’entreprise.


• Déterminisme vs Intelligence : Bien que les agents d’IA soient puissants, ils ne peuvent remplacer la nature « déterministe » des logiciels d’entreprise (comme les ERP), car le monde réel exige une reddition de comptes et des garde-fous fiables que l’IA non déterministe ne peut pas encore fournir.

Leçons Pratiques

• Appliquer la minimisation du regret : Face à une décision qui change la vie, demandez-vous quel chemin vous regretteriez le plus de ne pas avoir pris dans dix ans.


• Se concentrer sur le « Système de Référence » : Si vous créez une startup, visez à devenir la source de données faisant autorité pour une fonction métier spécifique, car ce sont les produits les plus difficiles à perturber pour les acteurs établis et les plus précieux à exploiter pour les agents d’IA.


• Étudier les cadres stratégiques : Pour prédire les mouvements du marché, lisez les textes fondamentaux du business tels que Le Dilemme de l’innovateur et La Solution de l’innovateur conjointement, et complétez-les par 7 Powers et Crossing the Chasm.


• Nommer son anxiété : Identifiez et nommez les schémas psychologiques comme la « catastrophisation » pour raccourcir le cycle de récupération émotionnelle lorsque les choses tournent mal dans les affaires.