La startup à croissance composée qui a pris sa pilule d’IA

• Après avoir visité en personne des entreprises AI-native à San Francisco et observé leurs méthodes de travail réelles, il apparaît qu’un modèle opérationnel fondamentalement différent des startups classiques est en train d’émerger, de la disparition du rôle de product manager à l’accélération de la vitesse d’expérimentation à l’échelle de toute l’organisation
• Parmi les 5 entreprises visitées, une seule comptait un PM dédié, et la structure bascule vers un modèle où les ingénieurs parlent directement aux clients et prennent en charge les décisions produit
• Comme il devient possible d’implémenter n’importe quoi en une journée, la tentation de devenir une « feature factory » émerge comme le plus grand risque stratégique
• La stack technique converge vers Slack, Claude Code, GitHub, Codex et Linear, Slack jouant le rôle de hub central pour l’orchestration des agents
• Avec l’effondrement du coût de l’expérimentation, les entreprises atteignent des itérations 3 à 5 fois plus rapides, et l’écart se creuse chaque semaine entre celles qui ont internalisé l’IA et celles qui en sont encore à discuter de leur stratégie

---

Disparition du rôle de PM

• Dans les 5 entreprises visitées en une journée, une seule avait un PM dédié, y compris une entreprise d’environ 40 personnes
• Les ingénieurs parlent aux clients tous les jours et prennent directement en main les décisions produit de bout en bout
• Le PM n’est pas simplement « assisté » : son rôle lui-même est en train d’être absorbé par l’ingénierie et le design

L’effet secondaire le plus dangereux : la feature factory

• Maintenant qu’il est possible d’implémenter une demande client en une seule journée, la tentation de tout construire devient écrasante
• Plusieurs entreprises citent cela comme leur plus grand risque stratégique actuel
• Celles qui parviennent à surmonter ce problème imposent des contraintes strictes
  • Chez l’une d’elles, les agents peuvent uniquement modifier la configuration de fonctionnalités existantes via JSON, sans pouvoir générer de nouveau code applicatif
  • Une autre élimine des idées avant lancement à l’aide d’une North Star metric au niveau des squads
  • Plusieurs entreprises insistent sur le fait que les fondateurs doivent eux-mêmes décider quels aspects du produit sont non négociables et lesquels sont flexibles
• Quand le coût d’exécution devient proche de zéro, le goût (taste) devient le moat, mais la manière de l’institutionnaliser reste encore à définir

Convergence de la stack technique

• Presque toutes les entreprises visitées utilisent la même stack cœur : Slack, Claude Code, GitHub, Codex pour la revue de code, ainsi que Linear
• Linear n’a pas seulement survécu à la crise du SaaS, mais semble aussi tracer une feuille de route vers la prospérité
• Slack s’impose comme la couche centrale d’orchestration des agents
  • Une réaction emoji crée automatiquement un ticket
  • Des bots produisent des rapports de diagnostic et classent les problèmes clients
  • Lorsqu’un agent est mentionné dans un thread, il commence immédiatement le travail de correction
• Il y a 6 mois, Cursor revenait dans toutes les conversations, alors qu’aujourd’hui il n’est plus mentionné que de manière sporadique
• Les ingénieurs vivent dans Claude Code ; un chercheur qui utilisait Cursor et Claude en parallèle a fini par se demander pourquoi il avait besoin d’une deuxième fenêtre
• Le fait que les ingénieurs aient très peu de fidélité ou d’attachement à un outil de coding donné est un sujet d’inquiétude pour les plateformes de coding
  • À moins d’entraîner les modèles sur les données générées par les ingénieurs, il sera difficile de préserver une valeur de long terme ; sur ce point, Anthropic est en position favorable avec l’actualité autour de Mythos

Extension des capacités à l’échelle de l’organisation

• Un enterprise account manager demandait depuis des mois à l’équipe produit d’automatiser l’upload de comptes, mais la tâche restait en bas de la pile des priorités → en le demandant à un agent IA dans Slack, le problème a été résolu en 1 heure
• L’équipe comptable écrit directement des requêtes de base de données et utilise MCP pour analyser ses propres données métier
• Le Chief of Staff produit des mailings papier et des supports marketing en moins de 30 minutes
• Le changement le plus sous-estimé n’est pas ce que l’IA fait pour les ingénieurs, mais ce qu’elle fait pour tous les autres

Effondrement du coût d’expérimentation et effet composé

• Un chercheur expérimente en testant 10 designs d’interface, en faisant tourner chacun pendant une journée, puis en en jetant 9
• Un designer génère plusieurs itérations concurrentes dans un onglet séparé en moins de 6 minutes
• Un growth PM sans aucune expérience en code a construit en deux jours un pipeline Meta Ads complet (brief stratégique, publicités vidéo générées par IA, publication automatique sur Meta)
• Avant même de parler à de vrais clients, des équipes réalisent des simulations de clients avec l’IA
  • Une équipe a créé des agents IA jouant différents personas utilisateurs pour stress-tester le produit sans feedback réel
  • Une autre mène des centaines d’entretiens de recherche par semaine au lieu de 50 par trimestre
  • Une entreprise a construit des personas clients intégrant l’historique complet des négociations, les préférences de communication et les schémas de décision afin de préparer les appels commerciaux
• Les entreprises atteignent des itérations 3 à 5 fois plus rapides, et cette vitesse se manifeste de deux façons
  • Elles terminent plus vite chaque expérience individuelle, ce qui permet d’en mener davantage sur la même période
  • Elles exécutent plusieurs expérimentations en parallèle
• Les phases de build et d’apprentissage se compressent à l’échelle de toute l’organisation, et la connaissance s’accumule de manière composée
• Un changement comparable au passage de l’aviation de combat des chasseurs aux essaims de drones est en train de se produire aussi dans les opérations d’entreprise

Perspectives

• D’autres visites d’entreprises sont prévues, avec la publication à venir de case studies approfondies accompagnées d’exemples plus concrets
• Un schéma est déjà clair : l’écart est énorme entre les entreprises qui ont intégré ces pratiques et celles qui en sont encore à discuter de leur « stratégie IA », et il se creuse chaque semaine

[daumkakao]

Le fait que l’écart soit énorme — et qu’il se creuse chaque semaine — entre les entreprises qui ont intégré cette approche et celles qui en sont encore à discuter d’une « stratégie IA » me parle vraiment beaucoup… De notre côté, on en est encore à discuter de la stratégie (??), alors à ce rythme, je me demande quand on va se faire distancer… enfin, on l’est probablement déjà T_T