J'ai remarqué un paradoxe intéressant qui intrigue tout le monde en ce moment : lorsque une nouvelle technologie rend quelque chose accessible à tous, pourquoi l'inégalité ne cesse-t-elle de croître ?

Spotify a permis à n'importe quel musicien de diffuser ses morceaux. Résultat ? Le top 1 % des artistes ont capturé une part encore plus grande d'écoutes qu'à l'époque du CD. Internet a créé plus d'auteurs dans l'histoire de l'humanité, mais l'économie de l'attention est devenue plus dure. La photographie, la programmation, maintenant l'IA — chaque fois, la même histoire.

Nous avons l'habitude de penser de manière linéaire, en attendant que la croissance se répartisse uniformément. Mais les systèmes complexes ne fonctionnent pas ainsi. Ce n'est pas un bug de la technologie, c'est la nature. Regardez la loi de Kleiber — le métabolisme de tous les organismes vivants, des bactéries aux baleines, suit une loi de puissance. Personne ne l'a conçue, c'est simplement comme l'énergie s'organise dans des systèmes complexes.

Le marché — aussi un système complexe. Lorsque le frottement disparaît (géographie, logistique, coûts de distribution), le marché converge vers sa forme naturelle. Et cette forme n'est pas une courbe de Gauss, mais une loi de puissance. C'est précisément pourquoi chaque nouvelle vague technologique nous prend au dépourvu.

Mais voici ce qui est intéressant : lorsque l'exécution devient bon marché, l'esthétique devient un signal. Vous vous souvenez comment Steve Jobs insistait sur la beauté des circuits imprimés à l'intérieur du premier Macintosh ? Des pièces que personne ne voit. Ses ingénieurs pensaient qu'il était devenu fou. Mais il comprenait quelque chose d'important : la façon dont vous faites les parties cachées — c'est la façon dont vous faites tout.

Les dix dernières années dans le SaaS ont été différentes. L'exécution s'est standardisée à tel point que celui qui diffusait et vendait le mieux gagnait. Le produit comptait presque peu. La stratégie de mise sur le marché l'emportait même sur des solutions médiocres. Le signal esthétique était noyé dans le bruit des métriques de croissance.

L'IA a tout changé. Maintenant, chacun peut créer en une heure un produit fonctionnel, une interface attrayante, un code opérationnel. La question n'est plus : est-ce pratique ? La question est : est-ce vraiment exceptionnel ? Le créateur sait-il faire la différence entre bon et extraordinaire ? Est-ce suffisamment important pour aller jusqu'au bout, même si personne ne l'exige ?

C'est particulièrement critique pour les systèmes traitant les salaires, la déclaration fiscale, les données des employés. Ce ne sont pas des applications que l'on teste et abandonne. Le coût du changement est réel, les conséquences des erreurs graves. Les entreprises effectuent toutes les vérifications de confiance possibles. Et un produit attrayant est l'un des signaux les plus forts : les personnes qui l'ont créé ont investi non seulement dans ce qui est visible, mais aussi dans ce qui ne l'est pas.

Pendant l'apogée du SaaS, la force dominante était l'optimisateur rationnel, expert en métriques. Les fondateurs venaient de la vente, du conseil, de la finance. Ils vivaient dans des tableaux Excel, connaissaient NDR, ACV, le chiffre magique. Et ils avaient tout à fait raison pour leur époque.

Mais c'était une époque de limitations. L'IA élimine ces limitations et en crée de nouvelles. Désormais, la ressource rare n'est pas la distribution, mais la capacité à voir une opportunité — et à la réaliser avec des standards esthétiques et de conviction.

C'est pourquoi les fondateurs techniques ont aujourd'hui un avantage. Pas seulement en ingénierie, mais en perspicacité. Ils voient d'autres points d'entrée. Ils regardent un système que tout le monde considère « éternellement complexe » et demandent : qu'est-ce qui est nécessaire pour une automatisation véritable ? Et surtout — ils peuvent le construire eux-mêmes.

Je me souviens qu'à vingt ans, je regardais la scène des startups et je trouvais que les insights profonds semblaient hors de propos. Le marché récompensait le go-to-market, pas le produit. Créer des choses technologiquement parfaites semblait naïf. Puis, fin 2022, tout a changé. ChatGPT a montré ce que des années de recherche ne pouvaient exprimer : la courbe s'est courbée. La nouvelle courbe en S a commencé.

Les transitions de phase ne récompensent pas ceux qui ont mieux adapté leur stratégie à la phase précédente. Elles récompensent ceux qui ont vu les possibilités infinies de la nouvelle phase, alors que d'autres ne comprennent pas encore sa valeur.

C'est alors que j'ai fondé Warp. La tâche est spécifique : aux États-Unis, plus de 800 administrations fiscales, chacune avec ses exigences. Pas d'API, pas d'accès programmatique. Pendant des années, chaque fournisseur a résolu cela en embauchant des gens. Des milliers d'experts ont géré manuellement des systèmes non conçus pour la scalabilité. Les géants traditionnels comme Paychex ont intégré la complexité dans leur modèle au lieu de l'éliminer.

En 2022, je voyais que les agents IA étaient fragiles, mais je voyais aussi la courbe d'amélioration. Une personne profondément impliquée dans des systèmes à grande échelle et observant l'évolution des modèles peut faire une mise sur l'avenir précise : les technologies qui sont fragiles aujourd'hui seront incroyablement puissantes dans quelques années.

Nous avons construit une plateforme native IA à partir de zéro, en commençant par le processus de travail le plus complexe — celui que les géants traditionnels n'ont jamais pu automatiser à cause de limitations architecturales. Aujourd'hui, cette mise est payante.

Mais l'essentiel ici, c'est la reconnaissance des patterns. Les fondateurs techniques, à l'ère de l'IA, voient d'autres points d'entrée, font d'autres paris. Ils regardent un système que tout le monde considère comme « éternellement complexe » et demandent : qu'est-ce qui est nécessaire pour une automatisation réelle ? Et surtout — ils peuvent le créer eux-mêmes.

Mais il y a un autre facteur qui décide de tout. Et ici, la majorité des fondateurs d'IA commettent des erreurs catastrophiques.

Dans le cercle entrepreneurial, un meme populaire : tu as deux ans pour sortir du sous-sol. Lance rapidement, attire rapidement des fonds — sinon, tu échoues ou tu te casses la figure. Je comprends d'où ça vient. La vitesse de l'IA donne une sensation de menace existentielle. La fenêtre semble incroyablement étroite.

Mais c'est une erreur. La vitesse d'exécution est critique — c'est même ce que reflète le nom de ma société. Mais la vitesse d'exécution n'est pas synonyme de vision étroite. Les fondateurs qui créeront les entreprises les plus précieuses à l'ère de l'IA ne sont pas ceux qui courent deux ans, mais ceux qui courent dix ans et profitent de l'effet composé.

Car les éléments les plus précieux du logiciel — données privées, relations profondes avec les clients, barrières réelles à la transition, expertise réglementaire — prennent des années à se construire. On ne peut pas les accumuler rapidement, peu importe le capital ou les capacités d'IA du concurrent.

Quand Warp traite la paie pour des entreprises dans plusieurs États, nous accumulons des données sur la conformité dans des milliers de juridictions. Chaque notification traitée, chaque cas limite, chaque enregistrement auprès des organismes publics — tout cela entraîne le système, qui devient de plus en plus difficile à copier avec le temps. Ce n'est pas juste une fonction. C'est une barrière de protection, qui existe parce que nous avons travaillé assez longtemps avec une qualité exceptionnelle.

Ce taux d'effet composé est invisible la première année. La deuxième année, il ne se manifeste que timidement. Au bout de cinq ans, c'est l'essence même du jeu.

Frank Slootman, ancien CEO de Snowflake, l'a exprimé ainsi : il faut s'habituer à une douleur constante. Ce n'est pas un sprint, c'est un état. Le brouillard de la guerre aux premiers stades — la sensation de perte de direction, d'informations incomplètes — ne disparaîtra pas en deux ans. Il évolue simplement. De nouvelles incertitudes remplacent les anciennes.

Les fondateurs qui réussissent ne sont pas ceux qui ont trouvé la confiance, mais ceux qui ont appris à avancer clairement dans le brouillard.

Créer une entreprise est un processus brutal. On vit dans une peur légère constante, parfois interrompue par des horreurs plus fortes. On prend des milliers de décisions avec des informations incomplètes, en sachant qu'une série d'erreurs mènera à la faillite. Ces « succès du jour au lendemain » sur Twitter ne sont pas seulement des extrêmes dans une distribution de puissance, ce sont des extrêmes parmi des extrêmes. Optimiser leur stratégie sur eux, c'est comme s'entraîner pour un marathon en analysant des gens qui se sont perdus et ont couru accidentellement cinq kilomètres.

Pourquoi faire cela ? Pas parce que c'est pratique. Pas parce que les chances sont élevées. Mais parce que pour certains, ne pas le faire, c'est ne pas vivre vraiment. Parce que la seule chose pire que la peur de créer quelque chose à partir de rien, c'est la suffocation silencieuse de ne même pas avoir essayé.

Et si vous avez deviné, si vous avez vu une vérité que d'autres n'ont pas encore prise en compte, si vous avez agi avec esthétique et conviction sur une période suffisamment longue — le résultat ne sera pas seulement financier. Vous créez quelque chose qui change vraiment la façon dont les gens travaillent. Vous créez un produit que les gens aiment utiliser. Vous embauchez des personnes qui s'épanouissent pleinement.

C'est un projet sur dix ans. Et l'IA ne le changera pas.

Alors, à quoi ressemblera l'architecture logicielle dans le futur ? Les optimistes disent que l'IA crée une abondance — plus de produits, plus de valeur. Ils ont raison. Les pessimistes disent que l'IA a tué l'avantage concurrentiel — tout peut être copié en une heure. Ils ont aussi partiellement raison.

Mais les deux côtés regardent le fond. Personne ne regarde le plafond.

Dans le futur, il y aura des milliers de solutions jetables — de petits outils fonctionnels générés par l'IA. Beaucoup ne seront même pas des entreprises, mais simplement des projets internes. Pour les catégories de logiciels à faible barrière d'entrée, le marché deviendra vraiment démocratique. La concurrence sera féroce, la marge mince.

Mais pour les logiciels critiques pour l'entreprise — systèmes traitant des flux financiers, la déclaration fiscale, les données des employés, les risques juridiques — la situation sera complètement différente. Ce sont des processus de travail avec un taux d'erreur extrêmement faible acceptable. Quand le salaire n'arrive pas, quand l'administration fiscale vient vérifier, quand l'assurance est interrompue — ce sont des conséquences réelles.

Pour ces processus, les entreprises continueront à faire confiance à leurs fournisseurs. Et la dynamique du « gagnant-tomme-tout » sera plus extrême que jamais. Non seulement à cause des effets de réseau, mais parce qu'une plateforme native IA, qui se scale et accumule des données privées à partir de millions de transactions et de milliers de scénarios de conformité, possède un avantage composé, rendant pratiquement impossible pour les nouveaux entrants de démarrer de zéro.

Le barrière d'entrée n'est pas une liste de fonctionnalités. C'est la qualité, accumulée au fil du temps, grâce à des standards élevés dans un domaine où les erreurs sont punies.

Cela signifie une consolidation du marché logiciel, dépassant l'époque du SaaS. J'anticipe qu'en dix ans, il n'y aura pas 20 entreprises dans le domaine RH et paie avec quelques pourcentages chacune. Mais deux ou trois plateformes domineront avec une part de valeur écrasante, et une longue liste de solutions jetables qui en tireront presque rien.

Le même modèle se manifestera partout où la complexité de la conformité, l'accumulation de données et les coûts élevés de changement de fournisseur sont présents.

Les entreprises au sommet se ressemblent : elles sont fondées par des spécialistes techniques avec un sens du produit ; construites sur une architecture native IA dès le départ ; opérant sur des marchés où les géants actuels ne peuvent pas fournir de réponse structurelle sans détruire leur modèle existant.

Elles ont fait une prédiction unique à un stade précoce, vu la vérité créée par l'IA que personne n'a encore appréciée, et ont tenu assez longtemps pour que l'effet composé devienne évident.

J'ai fondé Warp en 2022 parce que je croyais que toute la stack liée à la gestion du personnel — salaires, conformité fiscale, avantages, onboarding, gestion du matériel — est construite sur un travail manuel et des architectures obsolètes que l'IA peut complètement remplacer. Pas améliorer. Remplacer.

Les grands acteurs ont créé des milliards d'affaires en absorbant la complexité du personnel. Nous construisons une entreprise en éliminant la complexité à la racine.

Trois ans ont confirmé cette mise. Nous avons traité plus de 500 millions de transactions, nous croissons activement, nous servons des entreprises qui créent des technologies essentielles. Chaque mois, les données accumulées sur la conformité, les cas extrêmes traités, les intégrations créées rendent la plateforme de plus en plus difficile à copier et de plus en plus précieuse pour les clients.

L'avantage concurrentiel est encore à ses débuts, mais il s'est formé et s'accélère.

Je raconte tout cela non parce que le succès était prédestiné — dans un monde de lois de puissance, rien n'est prédestiné —, mais parce que la logique qui nous a menés ici est celle que j'ai décrite : voir la vérité, creuser plus profondément que les autres, établir des standards que l'on maintient sans pression extérieure, et tenir assez longtemps pour savoir si l'on avait raison.

Les entreprises qui se démarqueront à l'ère de l'IA seront celles qui ont compris : l'accès n'a jamais été une ressource rare, l'insight oui ; l'exécution n'a jamais été une protection, le goût oui ; la vitesse n'a jamais été un avantage, la profondeur oui.

La loi de puissance ne se soucie pas de vos intentions. Mais elle récompense les bonnes intentions.