L’impact de l’IA sur les jeunes entreprises n’est plus seulement de permettre aux ingénieurs d’écrire du code plus vite, d’automatiser les processus du support client, ou d’ajouter un Copilot à un produit existant. Diana, partenaire de YC, a récemment souligné que le véritable changement réside dans le fait que l’IA est en train de réécrire « comment une entreprise devrait être créée à partir de zéro ». Pour les fondateurs en phase initiale, l’IA ne devrait pas être seulement un outil d’efficacité utilisé occasionnellement par l’entreprise : elle doit, dès le premier jour, être conçue pour devenir le système d’exploitation de toute la société.
Le point de vue de la productivité est dépassé : l’IA réécrit le point de départ du design d’une entreprise
Diana pense qu’à l’heure actuelle, quand le marché parle d’IA, il s’attarde encore trop souvent sur le cadre de « l’amélioration de la productivité », par exemple : les ingénieurs peuvent écrire du code plus vite, les équipes peuvent automatiser davantage de processus, l’entreprise peut lancer plus de fonctionnalités. Mais cette façon de voir sous-estime en réalité les changements structurels que l’IA apporte. Elle souligne que, grâce à l’association d’outils IA et des bonnes personnes, on peut désormais créer des fonctionnalités qui, auparavant, nécessitaient une équipe entière, voire développer des produits auparavant impossibles.
Ainsi, la question que les fondateurs doivent vraiment se poser n’est pas « quels processus de l’entreprise peut-on ajouter avec de l’IA », mais « si on créait une entreprise à partir de zéro aujourd’hui, quels travaux ne devraient pas être traités couche par couche par de la main-d’œuvre humaine ? »
C’est aussi le cœur de ce qu’on appelle les entreprises AI-native. Diana indique que l’IA ne devrait pas être placée en dehors des processus de l’entreprise, comme une extension qui améliorerait l’efficacité de certains départements ; au contraire, chaque processus de travail, chaque décision et chaque action importante de l’entreprise doit passer par une couche de systèmes intelligents qui apprennent en continu et s’améliorent.
Autrement dit, les jeunes entreprises de demain ne commenceront pas par établir un organigramme, des départements, des processus de réunion et des règles de management, puis intégreront l’IA en dernier : elles concevront l’entreprise dès le jour de sa création comme un système que l’IA peut comprendre, interroger, analyser et améliorer par elle-même.
Première étape : transformer toute l’entreprise en un centre intelligent consultable par l’IA
Dans ce cadre, la première étape pour créer une entreprise consiste à rendre l’ensemble de l’organisation « consultable ». Dans une entreprise traditionnelle, l’information est souvent dispersée entre les réunions, les messages privés, les emails, les documents, le CRM, GitHub, le système de support client et le cerveau des dirigeants.
Cela transforme l’entreprise en un système en boucle ouverte : le fondateur prend des décisions, l’équipe exécute des tâches, mais le fait que les résultats soient efficaces, où se situent les problèmes et comment ajuster la suite dépend souvent des retours manuels et de l’interprétation des responsables. Diana estime que ce modèle provoque naturellement une perte d’informations et ralentit aussi la vitesse de l’entreprise.
Les entreprises AI-native doivent au contraire passer à un système en boucle fermée. Chaque réunion, chaque ticket, chaque retour client, chaque décision produit, chaque appel de vente et chaque itération de livraison d’ingénierie doivent générer des enregistrements lisibles par l’IA, puis être renvoyés à la couche intelligente de l’entreprise.
Diana recommande que les jeunes entreprises enregistrent les réunions importantes, utilisent des outils de prise de notes IA, réduisent les informations cachées dans les DM et les email, et intègrent des agents dans Slack, Linear, GitHub, Notion, Google Docs, les outils de support client, les appels commerciaux et les données d’exploitation. Ce que l’entreprise doit vraiment construire n’est pas une multitude d’outils dispersés, mais un centre intelligent capable de répondre en temps réel à la question « qu’est-ce qui se passe exactement dans l’entreprise actuellement ? ».
Vu côté gestion de l’ingénierie : réduire le temps de Sprint de moitié, avec une production proche de 10 fois
Elle prend l’exemple de la gestion de l’ingénierie pour expliquer qu’si un Agent peut lire les tickets Linear, les canaux d’ingénierie sur Slack, GitHub, les emails des clients, des outils de support client comme Pylon, les plans de haut niveau dans Notion ou Google Doc, les enregistrements d’appels commerciaux et les comptes rendus des daily stand-up, alors il ne s’agit pas seulement d’aider à compiler des résumés de réunion : il peut analyser ce qui a réellement été livré pendant le Sprint précédent, si le résultat a effectivement satisfait les besoins des clients, et quelles fonctionnalités ont été terminées sans pour autant produire l’effet attendu.
Quand ces informations peuvent être connectées par l’IA, l’Agent peut aller plus loin en proposant le plan du prochain Sprint, ce qui rend la planification d’ingénierie plus précise, plus prévisible et davantage alignée sur les besoins du marché. Cela signifie qu’en créant une jeune entreprise à partir de zéro, on ne devrait pas d’abord copier les systèmes de gestion de l’ingénierie des grandes entreprises. Dans le passé, les responsables engineering devaient consacrer beaucoup de temps à collecter l’état d’avancement, organiser les progrès et faire des rapports en interne, parce que l’information n’était pas transparente et qu’il fallait des humains pour transporter et interpréter sans cesse.
Mais si l’entreprise conçoit, dès le départ, tous les processus clés de manière consultable, de nombreuses tâches de management intermédiaire traditionnelles deviennent inutiles. Diana souligne qu’elle a déjà vu des approches similaires dans plusieurs entreprises de YC : certaines équipes ont donc réduit le temps des Sprints d’ingénierie de moitié, et obtenu à temps comparable près de 10 fois la production.
Deuxième étape : redéfinir qui écrit du code grâce à une « usine à logiciels » alimentée par l’IA
La deuxième étape consiste à reconstruire le processus de développement de produit avec une usine à logiciels IA. Diana pense que les entreprises AI-native ne devraient pas se contenter d’utiliser l’IA comme une simple assistance à côté du code pour les ingénieurs : elles devraient redéfinir « qui est responsable de l’écriture du code ».
Dans le nouveau mode de développement de produits, les humains sont principalement chargés d’écrire les spécifications et les tests, de définir les critères de réussite ; les agents IA sont chargés de produire l’implémentation, d’écrire le code, de tester et de corriger de manière itérative jusqu’à ce que le résultat corresponde aux spécifications. Le rôle des humains devient de définir le problème, d’évaluer les résultats et de calibrer la direction, plutôt que de terminer personnellement chaque ligne de code.
Ce modèle peut être compris comme la prochaine étape du développement piloté par les tests. Dans le passé, le TDD consistait à ce que les humains écrivent d’abord les tests, puis que les humains écrivent le code pour passer les tests ; l’usine à logiciels IA, elle, fait que les humains écrivent les spécifications et le cadre de tests, permettant à l’Agent de générer le code et d’itérer.
Diana mentionne que certaines entreprises ont poussé cette approche à l’extrême : dans leur base de code, il n’y a presque plus de code écrit manuellement par des humains ; l’implémentation est réalisée par l’IA guidée par les spécifications, les tests et la validation des scénarios. C’est aussi la véritable signification de ce qu’on appelle « 1 000 fois l’ingénieur » : ce n’est pas qu’un ingénieur devient soudain 1 000 fois plus travailleur que les autres ; c’est qu’un ingénieur a derrière lui tout un système d’Agents, lui permettant d’accomplir un travail que toute une équipe pouvait faire auparavant.
Troisième étape : repenser la première vague d’employés, en ne gardant que trois types de personnes
Ainsi, si l’on veut créer une entreprise de zéro avec l’IA, les fondateurs doivent redéfinir la notion de première vague d’employés. Diana cite l’avis du fondateur de Block, Jack Dorsey : si une entreprise se contente d’ajouter des outils IA à l’organigramme existant, tout en conservant les niveaux de management et les chemins de flux d’information existants, elle passera à côté de la véritable transformation.
À l’avenir, une entreprise ne devrait pas mettre en place une grande quantité de « médiateurs humains » pour que l’information passe couche par couche entre les responsables, les coordinateurs et les chefs de projet ; au contraire, l’entreprise devrait être conçue comme une couche intelligente : l’IA assume l’intégration et la circulation de l’information, tandis que les humains, aux marges, sont responsables du jugement, de la création, de la prise de décision et de l’assomption des résultats. Dans une telle entreprise, les rôles des employés deviennent moins nombreux et plus clairs.
Le premier type est l’individual contributor, c’est-à-dire le builder-operator : non seulement les ingénieurs doivent savoir construire, mais les opérations, le support client et les ventes devraient aussi pouvoir utiliser l’IA pour créer des prototypes, des processus ou des systèmes d’automatisation.
Le deuxième type est le DRI, c’est-à-dire la personne directement responsable : ce n’est pas un manager traditionnel, mais quelqu’un qui assume la responsabilité d’un résultat précis ; une personne correspond à un résultat, et ne peut pas se cacher derrière des processus ou des départements.
Le troisième type est le type de fondateur AI, c’est-à-dire que le fondateur lui-même doit se tenir directement sur le front, en utilisant l’IA de manière concrète, en montrant ce que signifie une capacité amplifiée, plutôt que de confier la stratégie IA à quelqu’un qui serait « responsable de l’IA ».
Ce que le fondateur doit maximiser n’est pas le nombre d’employés, mais l’usage des tokens
Cela amène aussi un point le plus contre-intuitif des entreprises AI-native : à l’avenir, ce que les fondateurs devront maximiser n’est peut-être pas le nombre d’employés, mais l’usage des tokens. Diana estime que les start-ups devraient accepter de supporter des factures API élevées, même si elles peuvent être inconfortables, parce que ces dépenses remplacent des coûts de main-d’œuvre auparavant plus chers et plus lourds. Une personne compétente dans l’utilisation des outils IA pourrait accomplir le travail d’une équipe entière en ingénierie, en design ou en opérations de l’ère précédant l’IA.
Par conséquent, le fondateur qui construit une entreprise de zéro ne devrait pas considérer « recruter rapidement plus de monde » comme un symbole de croissance ; il doit plutôt se demander : quels travaux peuvent être gérés via des Agents, des boucles de processus fermées et des usines logicielles, plutôt que d’en embaucher une autre personne ?
C’est particulièrement crucial pour les jeunes entreprises en phase initiale, car elles n’ont pas d’héritage historique. Les grandes entreprises qui doivent se transformer en AI-native doivent, tout en maintenant leurs produits existants, démanteler les SOP, les systèmes de management, la politique interne et les anciennes piles technologiques accumulées pendant des années ; chaque ajustement de processus risque de perturber les systèmes qui fonctionnaient encore.
Les jeunes entreprises, elles, n’ont pas ces contraintes : elles peuvent concevoir dès le premier jour les réunions, l’ingénierie, le support client, les ventes, le recrutement, les opérations et le développement produit de manière à ce qu’ils soient lisibles par l’IA, consultables et pourvus de boucles de rétroaction. Diana pense que c’est précisément un avantage majeur des start-ups face aux grandes entreprises.
Le seuil de l’entrepreneuriat futur : être capable de réinventer une entreprise avec l’IA
Ainsi, la réponse à « comment construire une entreprise à partir de zéro avec l’IA » n’est pas de fourrer ChatGPT, Claude, Cursor, Devin ou divers outils d’Agents dans des processus existants ; c’est au contraire de repenser l’entreprise elle-même.
Le fondateur devrait d’abord établir une organisation consultable, en transformant toutes les informations importantes en contexte que l’IA peut lire ; puis créer des processus en boucle fermée, afin que la prise de décision, l’exécution et les résultats se rétroalimentent en continu ; ensuite, développer le produit en pilotant par les spécifications et les tests, de sorte que l’Agent prenne en charge une grande partie de l’implémentation ; enfin, former une équipe avec moins de personnes, mais plus fortes : builder-operator, DRI et AI founder type.
Les idées de Diana mènent à une conclusion plus radicale : dans l’ère de l’IA, les start-ups ne seront pas seulement « les mêmes entreprises, mais avec une meilleure efficacité ». Les véritables entreprises AI-native seront différentes de la structure organisationnelle, des processus, du développement de produit, de la répartition des rôles à la structure des coûts.
Ce n’est pas une entreprise qui utilise l’IA pour aller plus vite, c’est une entreprise qui, dès le départ, conçoit un système intelligent qui apprend, qui renvoie des retours et qui s’auto-améliore. Pour les fondateurs, ce pourrait être le seuil le plus important de l’entrepreneuriat dans les prochaines années : pas seulement de savoir utiliser l’IA, mais d’être capable d’utiliser l’IA pour réinventer l’entreprise elle-même.
Cet article, partagé par un partenaire de YC sur comment construire une entreprise de zéro avec l’IA, indique que les start-ups doivent considérer l’IA comme un système d’exploitation plutôt que comme un outil. Apparition la plus ancienne sur Chaîne d’actualités ABMedia.
