Tech • IA • Crypto
Construire des entreprises natives de l’IA dans tous les secteurs avec NTT, Mizuho et Mercari
7/10INTRO
Les startups nativement axées sur l’IA transforment rapidement la manière dont les produits sont conçus, tarifés et utilisés, avec des agents, l’automatisation et des créateurs non techniques qui impulsent une nouvelle vague de développement logiciel.
POINTS CLÉS
L’IA débloque de nouvelles capacités produit
Les avancées des modèles d’entreprises comme Anthropic ont permis aux startups d’aller au-delà de la simple automatisation vers des systèmes capables de décider et d’agir. Les outils peuvent désormais analyser des données non structurées, générer des insights et exécuter des tâches comme la prospection personnalisée ou le ciblage client en temps réel. Ce changement permet aux entreprises d’exécuter des workflows auparavant impraticables ou impossibles.
Des applications concrètes créatives émergent
Des entreprises utilisent l’IA de manière non conventionnelle, par exemple en analysant des images de Google Street View pour identifier des prospects via des indices visuels comme la couleur des bennes associées à des concurrents. Ces insights peuvent déclencher des campagnes marketing automatisées, illustrant comment l’IA combine extraction de données et exécution pour générer des revenus.
Les utilisateurs non techniques gagnent en puissance
Des plateformes comme Emergent comptent des millions d’utilisateurs créant des applications prêtes pour la production sans expérience en code. Avec plus de 10 millions d’apps créées et environ 100 millions de dollars de revenus annualisés, la tendance montre comment l’IA permet aux petites entreprises de développer des logiciels sophistiqués, parfois au niveau d’équipes d’ingénierie traditionnelles.
Montée des agents autonomes et “ambiants”
Les startups déploient de plus en plus d’agents opérant en continu en arrière-plan, surveillant les données et notifiant proactivement les utilisateurs. Ces « agents ambiants » réduisent le besoin d’interaction active, livrant automatiquement des insights ou des actions, notamment dans la finance personnelle et les outils de productivité.
Défis de coûts et leçons tirées
Les premières implémentations d’agents toujours actifs ont entraîné des coûts élevés, avec des dépenses mensuelles d’IA dépassant 500 000 $. Les entreprises évoluent désormais vers des systèmes plus contrôlés, où le comportement utilisateur guide l’automatisation et réduit l’usage inutile de tokens.
Évolution des modèles de tarification
Le cost-plus pricing a refait surface avec l’IA en raison des coûts liés aux tokens, mais les entreprises testent des approches hybrides. Certaines séparent la tarification en deux couches: l’une couvrant l’infrastructure, l’autre liée à la valeur client, reflétant la difficulté du secteur à adopter une tarification basée sur les résultats.
Architecture orientée flexibilité
Les développeurs réduisent les infrastructures rigides et accordent plus d’autonomie aux modèles. En concevant des systèmes où les agents agissent comme des développeurs avec accès à des outils, logs et environnements, les entreprises s’adaptent plus facilement aux progrès des modèles sans réingénierie constante.
Amélioration des modèles et impact économique
Les nouveaux modèles sont non seulement plus performants, mais aussi parfois plus efficaces, réduisant les coûts globaux malgré une intelligence accrue. Cette tendance remet en question l’idée que de meilleures performances impliquent forcément plus de dépenses.
Besoin persistant de supervision humaine
Malgré les progrès, les entreprises exigent encore un contrôle qualité strict, notamment dans des domaines sensibles comme le marketing. La validation humaine reste courante, signe que la confiance dans les systèmes entièrement autonomes est encore en construction.
Mémoire et personnalisation comme prochaine frontière
Des fonctionnalités comme la mémoire persistante et le contexte basé sur des systèmes de fichiers permettent une personnalisation plus poussée. Ces systèmes stockent préférences et historique, offrant des expériences plus adaptées et continues dans le temps.
La reconstruction constante devient la norme
Les startups rapportent réarchitecturer leurs systèmes plusieurs fois en quelques mois à cause de l’évolution rapide des modèles. L’adaptabilité et des systèmes d’évaluation internes sont essentiels, avec des tests et remplacements continus pour rester compétitif.
Les opportunités restent vastes
Malgré des marchés saturés, de nombreux produits existants ne répondent pas aux besoins des utilisateurs. Les fondateurs sont encouragés à se concentrer sur de vrais problèmes clients, car des lacunes persistent même dans des secteurs très financés.
CONCLUSION
L’IA transforme à la fois la création et l’exploitation des logiciels, favorisant des systèmes adaptables, des agents autonomes et une conception centrée utilisateur, tout en laissant de nombreuses opportunités à de nouveaux entrants pour challenger l’existant.