a16z Podcast

Que se passe-t-il lorsqu’un problème, autrefois considéré comme « infini » ou comme un goulot d’étranglement technique fondamental, devient soudainement un problème de capital ? Pendant des décennies, la règle d’or dans le logiciel était que d’injecter plus d’argent et plus d’ingénieurs dans un projet ne le faisait pas nécessairement progresser plus vite — un phénomène connu sous le nom de « mythe du mois-homme ». Cependant, l’ère actuelle de l’IA inverse totalement cette logique. Aujourd’hui, une minuscule équipe de 20 personnes peut déployer productivement un milliard de dollars en puissance de calcul, s’offrant ainsi un passage à travers une complexité qui nécessitait auparavant des décennies d’ingénierie humaine.

Ce changement dans les « lois de la physique » pour les startups crée un nouveau paysage concurrentiel étrange. Alors que les acteurs historiques comme Google et Microsoft possèdent des ressources massives, ils sont souvent entravés par leur propre inertie culturelle et la nécessité de protéger leurs flux de revenus existants. Parallèlement, des startups d’IA agiles lèvent des sommes colossales pour rivaliser à armes égales avec les géants, contournant les obstacles traditionnels de distribution car la demande mondiale de jetons (tokens) d’IA est virtuellement illimitée. La conversation passe de « comment construire cela ? » à « quelle quantité de puissance de calcul pouvons-nous nous permettre d’y consacrer ? »

La discussion aborde également le basculement philosophique dans notre manière d’utiliser les ordinateurs. Nous passons de la programmation impérative — où l’humain fournit une recette stricte que l’ordinateur doit suivre — à un modèle stochastique et statistique où nous « prions le dieu du modèle » avec les bons mots en espérant un résultat utile. Alors que certains craignent qu’il s’agisse d’une abdication de la logique humaine, d’autres soutiennent qu’il s’agit simplement du prochain niveau d’abstraction, tout comme la calculatrice n’a pas tué les mathématiques mais a permis aux mathématiciens de s’attaquer à des problèmes de niveau supérieur.

Perspectives Surprenantes

• Inversion du Capital : L’IA a fait passer l’industrie d’un état limité par l’ingénierie (où plus de personnel $\neq$ progrès plus rapide) à un état limité par le capital (où un financement massif peut être directement converti en capacités via le calcul).


• Le Raccourci de la Distribution : Historiquement, le « fossé » (moat) des acteurs établis était la distribution (acheminer le produit vers l’utilisateur). L’IA érode cet avantage car la demande d’intelligence est si élevée que la croissance est désormais portée par le capital et le calcul plutôt que par le marketing traditionnel.


• Le Paradoxe des « Mathématiques comme un Jeu » : Bien que la capacité de l’IA à résoudre des mathématiques complexes soit saluée comme un signe vers l’AGI, cela pourrait en réalité indiquer que l’IA est simplement excellente pour naviguer dans des « systèmes axiomatiques » — jouant essentiellement à un jeu de haut niveau — sans nécessairement comprendre la réalité ou créer de la valeur économique immédiate.


• Pile Déterministe vs Stochastique : Pour la première fois dans l’histoire de l’informatique, nous nous éloignons d’une pile déterministe (où les entrées mènent toujours à des sorties prévisibles) pour passer à une pile statistique, représentant un changement fondamental dans la nature de la « couche informatique ».

enseignements Pratiques

• Tirez parti de l’expertise sectorielle : Puisque l’IA abaisse la barrière à la création de logiciels, la plus grande valeur réside désormais dans les connaissances « spécifiques à un domaine ». Si vous comprenez une industrie complexe et mal servie (comme l’immobilier commercial ou la planification médicale), vous pouvez désormais utiliser l’IA pour construire une solution sans avoir besoin d’être un expert en codage.


• Remettez en question vos « a priori » : Si vous dirigez une entreprise basée sur d’anciennes hypothèses concernant vos avantages concurrentiels (comme le fait d’avoir une grande équipe d’ingénieurs ou un réseau de distribution propriétaire), réévaluez ces acquis. Ces avantages s’amenuisent face aux startups d’IA gourmandes en capital.


• Concentrez-vous sur la valeur « hors distribution » : Puisque l’IA est principalement un outil de prédiction basé sur des données existantes (« in-distribution »), la valeur humaine la plus élevée se trouve désormais dans la création de nouvelles données, la réflexion en dehors des modèles existants et l’orientation de l’IA vers des problèmes non résolus et « hors distribution ».