Reconstruire le monde pour les agents (et non les humains)

Mon environnement de travail s'est transformé en quelques semaines. Pour les tâches personnelles, il m'arrive désormais assez rarement d'écrire un mail moi-même, de faire une recherche dans mon Drive, sur le web ou de réorganiser manuellement mon agenda.

Ce type de tâche est désormais traité dans un terminal via des sessions parallèles de Claude Code ou Codex.

Je réservais auparavant cette méthode de travail au développement informatique mais une réalité s'est imposée à moi : pour la majorité des tâches comparables, la machine me surpasse en vitesse, en endurance et souvent en finesse.

Je sais à quel point ce système est imparfait et j'observe d'ailleurs qu'il est assez peu partagé autour de moi. Mais je ne peux m'empêcher de constater qu'il existe une forme de décalage entre ce qui est aujourd'hui théoriquement permis par l'IA et ses usages assez pauvres au quotidien.

J'analyse cette situation dans cet article en expliquant :

• Pourquoi les développeurs subissent aujourd'hui ce que les avocats, consultants et médecins subiront demain
• Pourquoi nous vivons un changement de paradigme profond que très peu de personnes ont compris
• Ce qui est en train de se jouer : la course pour reconstruire le monde autour des agents IA plutôt que pour les humains
• Les opportunités entrepreneuriales qui en découlent, pour un temps seulement

Très peu de personnes mesurent le changement de paradigme profond auquel nous assistons

Chacun connaît la chronologie. ChatGPT n'était qu'un simple chatbot en décembre 2022. En mars 2023 (4 mois plus tard !) GPT-4 était capable de passer l'examen du barreau. En août 2025, GPT-5 était capable d'effectuer des démonstrations mathématiques avec un niveau de raisonnement similaire à des chercheurs.

La performance des modèles IA continue pour le moment de s'améliorer, tout comme la taille des fenêtres de contexte et la longueur des tâches auxquelles un agent peut se consacrer de manière autonome.

Toutefois, le changement le plus structurant repose à mon sens sur la capacité des modèles à interagir avec des outils extérieurs comme le web, un logiciel métier ou une base de données.

Autrement dit, la qualité du travail fourni par une IA semble aujourd'hui davantage reposer sur l'environnement dans lequel elle évolue que sur son modèle fondationnel.

Le récent succès d'OpenClaw en est une magnifique démonstration alors qu'il repose sur une hypothèse simple : se contenter de donner accès aux outils nécessaires (mail, Whatsapp, Google Chrome, Notion), puis laisser l'IA faire le reste.

Autrement dit : le goulot d'étranglement n'est plus l'intelligence du modèle ; c'est l'environnement de travail.

Les développeurs subissent aujourd'hui ce que les avocats, les consultants et les médecins subiront demain

Andrej Karpathy (ancien directeur IA de Tesla), Simon Last (CTO de Notion) ou Kieran Klaassen (co-fondateur de Cora) ont une chose en commun : ils n'ont plus écrit une ligne de code depuis des mois.

À la place, ils organisent des systèmes dans lesquels leurs agents IA prennent le relais sur l'essentiel du travail de développement informatique.

Un agent écrit la description technique d'une fonctionnalité à implémenter, un autre agent écrit le code nécessaire, un autre agent vérifie le travail effectué par son prédécesseur, un autre agent effectue des tests pour vérifier que le reste du code n'est pas endommagé…

Ce qui est difficile à appréhender est que ce système fonctionne vraiment.

Peu importe la complexité du projet, le secteur d'activité ou le langage de programmation. La seule exigence valable est de donner les bonnes instructions à l'IA.

Les développeurs peuvent créer un tel système parce qu'ils disposent d'un avantage structurel par rapport aux autres professions intellectuelles : la codebase.

Un projet informatique repose en général sur un seul dossier (le « repository ») lui-même découpé en petits fichiers de code divers (migrations de la base de données, identité graphique pour l'interface de l'application, fonctions pour la logique métier, etc.).

Autrement dit, il suffit de donner à l'IA accès à un seul dossier pour qu'elle comprenne 90 % de ce qui est en train d'être construit.

C'est précisément ce qu'il n'est pas encore possible de faire pour les autres professions intellectuelles.

Un juriste souffre par exemple d'une dispersion très forte de ses données entre ses mails, ses documents Drive, son logiciel métier, les réunions en présentiel, Légifrance et les bases de données juridiques…

Autant de contextes de travail différents auxquels les agents n'ont pas nécessairement accès contrairement au repository pour les développeurs.

Autrement dit, si l'IA produit des résultats insatisfaisants en droit (ou dans tout autre domaine), ce n'est pas parce qu'elle est moins performante qu'en informatique mais parce qu'elle n'a accès qu'à une fraction du contexte nécessaire.

Une nouvelle fois, la question n'est plus l'intelligence des modèles mais bien leur environnement de travail.

La course pour reconstruire le monde autour des agents IA est lancée

L'essentiel de ce à quoi nous allons assister dans les prochaines années consiste donc à reconstruire notre monde numérique — et sans doute un jour physique — pour offrir aux agents l'environnement dont ils ont besoin.

Tina He décrit ce phénomène comme une course (« The Race Is On to Redesign Everything for AI Agent ») qui a déjà commencé dans le secteur du logiciel.

De la même manière, Y Combinator a également transformé sa devise : « Make something people want » devient « Make something agents want ».

Ce nouveau paradigme implique notamment que la valeur d'un logiciel n'est plus dans l'interface utilisateur. Elle est dans la capacité à être accessible (et non remplaçable) par un agent.

Cela pose toute une série de questions techniques très concrètes :

• Vous travaillez sur des documents Word ? Le format XML rajoute des couches de complexité et atténue la qualité de raisonnement de l'IA.
• L'API de votre logiciel renvoie du JSON ? Les agents préfèrent le markdown, dont la structure consomme moins de tokens.
• Votre site web est sur Wordpress ? Une structure en MDX serait préférable au HTML si vous voulez que ChatGPT navigue et vous référence dans les résultats de recherche.

Autrement dit, c'est toute la gamme de services numériques que nous utilisons qui va être réinventée pour être avant tout pensée pour les agents.

J'observe d'ailleurs que de nouveaux produits sont construits en mettant en place cette stratégie :

• Postgres → Supabase
• Readme → Mintlify
• Sendgrid → Resend
• Stripe → MPP
• Google Docs → Proof

Dans chaque cas, la véritable question n'est pas de savoir comment intégrer l'IA à un produit existant. Elle est plutôt de repenser le produit en profondeur pour qu'il soit avant tout utilisé par un agent sans friction.

Pourquoi ces changements constituent de grandes opportunités pour les entrepreneurs

La domination des entreprises dans le secteur du logiciel repose sur des avantages concurrentiels et des barrières à l'entrée.

L'une d'entre elles reposait sur l'interface graphique : si un utilisateur a passé plusieurs mois à apprendre à utiliser un produit, il est fortement désincité à en changer.

Or, dans un monde où les principaux utilisateurs de logiciels vont devenir les agents IA et non les humains, les entreprises vont devoir profondément repenser les interfaces qu'elles ont mis des années à construire.

Cela suppose d'abord de passer à travers des centaines de milliers de lignes de code et de procéder à d'importantes mises à jour tous les 6 mois au gré de l'évolution des modèles IA.

D'autre part, ces mêmes entreprises ont basé leur modèle d'affaires sur une tarification par nombre d'utilisateurs alors que l'économie agentique suppose plutôt de privilégier une tarification par usage. Malgré cela, il apparaît difficile pour les acteurs dominants de scier la branche sur laquelle ils sont si bien assis…

Les entreprises entrantes sur un marché n'ont pas ce problème. Au contraire, elles présentent un avantage considérable : codebase vierge, facilement adaptable et modèle d'affaires en construction.

Elles sont également plus à même de bénéficier de ce que je définis comme le cercle vertueux de l'économie agentique :

1. Construction d'un produit à l'aide de l'IA (phase de développement)
2. Utilisation du produit construit par l'IA (phase d'utilisation)
3. Référencement du produit dans les moteurs de recherche IA (phase d'acquisition)
4. Apprentissage progressif de l'IA sur l'utilisation du produit (phase d'itération)
5. Leçons tirées par les entrepreneurs des phases d'acquisition et d'itération (phase d'apprentissage)
6. Développement de nouvelles fonctionnalités dans le produit (retour à la phase de développement)

Ces opportunités demeurent néanmoins temporaires. Les acteurs traditionnels accusent un retard structurel mais les nouveaux entrants doivent supporter un risque de dépendance par rapport aux fournisseurs de modèles (OpenAI, Anthropic, Google, etc.).

Il s'agit-là d'un cas d'arbitrage classique dans l'économie numérique avec plusieurs pistes de solutions.

Je les présenterai probablement dans un prochain article…