Bonjour à nos auditeurs. Bienvenue à nouveau sur No Priors. Aujourd'hui, Elad et moi sommes ici avec Andrew Ng. Andrew est l'un des parrains de la révolution de l'IA. Il a été le cofondateur de Google Brain, Coursera et du studio de capital-risque AI Fund. Plus récemment, il a inventé le terme d'IA agentique et a rejoint le conseil d'administration d'Amazon. De plus, il a été l'une des toutes premières personnes, il y a une décennie, à me convaincre que l'apprentissage profond était l'avenir. Bienvenue, Andrew.

Andrew, merci beaucoup d'être avec nous.

Non, c'est toujours un plaisir de vous voir.

Je ne sais pas par où commencer car vous avez une vision si large de ces sujets, mais j'ai l'impression que nous devrions commencer par la question la plus importante : si vous regardez la croissance des capacités à partir d'ici, d'où vient-elle ? Est-ce que cela vient d'une plus grande échelle ? Est-ce que cela vient du travail sur les données ?

Plusieurs vecteurs de progrès. Je pense donc qu'il reste probablement encore un peu de jus à tirer du citron de la scalabilité, donc j'espère que nous progresserons davantage là-bas, mais cela devient vraiment, vraiment difficile. La perception que la société a de l'IA a été très biaisée par la machine de relations publiques d'une poignée d'entreprises aux capacités de RP incroyables. Et parce que ce nombre d'entreprises a fait de l'échelle le récit principal, les gens pensent d'abord à l'échelle comme vecteur de progrès. Mais les flux de travail agentiques, la façon dont nous construisons des modèles multimodaux, il y a beaucoup de travail pour construire des applications concrètes. Je pense qu'il existe plusieurs vecteurs de progrès, ainsi que des jokers comme de toutes nouvelles technologies, par exemple, est-ce que les modèles de diffusion, qui sont principalement utilisés pour générer des images, peuvent fonctionner pour générer du texte ? Je pense que c'est passionnant. Je pense donc qu'il y aura de multiples façons pour l'IA de progresser.

En fait, vous avez inventé le terme d'IA agentique. Qu'entendiez-vous par là à l'époque ?

Alors, quand j'ai décidé de commencer à parler d'IA agentique, ce qui n'était pas courant quand j'ai commencé à utiliser le terme, mon équipe était un peu agacée par moi. L'un des membres de mon équipe que je ne nommerai pas a en fait dit : 'Andrew, le monde n'a pas besoin que tu inventes un autre terme'. Mais j'ai décidé de le faire quand même, et pour une raison quelconque, cela a pris. Et la raison pour laquelle j'ai commencé à parler d'IA agentique était qu'il y a quelques années, je voyais des gens passer beaucoup de temps à débattre : est-ce un agent ? Est-ce que ce n'est pas un agent ? Qu'est-ce qu'un agent ? Et je sentais qu'il y avait beaucoup de bon travail, et qu'il y avait un spectre de degrés d'agence. Qu'il s'agisse d'agents hautement autonomes capables de planifier, de suivre plusieurs étapes de raisonnement, de faire des choses par eux-mêmes, ou de choses avec des degrés d'agence moindres, où cela sollicitait un LLM et réfléchissait à son résultat. J'ai estimé qu'au lieu de débattre pour savoir si c'est un agent ou non, disons simplement les degrés d'agence et disons que tout est agentique, afin que nous puissions passer notre temps à construire réellement cela. J'ai donc commencé à pousser le terme d'IA agentique. Ce à quoi je ne m'attendais pas, c'est que quelques mois plus tard, un groupe de marketeurs s'emparerait de ce terme et l'utiliserait comme un autocollant à coller sur tout ce qui bouge. Et donc je pense que le terme d'IA agentique a vraiment décollé. J'ai l'impression que le battage médiatique marketing est allé incroyablement vite. Mais les progrès réels des entreprises ont également connu une croissance rapide, mais peut-être pas aussi rapide que le marketing.

Quels sont selon vous les plus grands obstacles actuels à la mise en œuvre de véritables agents en tant qu'applications d'IA ? Parce que, comme vous le dites, je pense que nous en parlons depuis un certain temps maintenant. Il y avait certaines choses qui manquaient initialement et qui sont maintenant en place, allant de certaines formes de calcul au moment de l'inférence à des formes de mémoire et d'autres choses qui permettent de maintenir une sorte d'état par rapport à ce que vous faites. Selon vous, qu'est-ce qui manque encore ou qui doit être construit ou qui favorisera les progrès de ce côté-là ?

Je pense qu'au niveau des composants technologiques, il y a des choses que j'espère voir s'améliorer. Par exemple, l'utilisation de l'ordinateur fonctionne un peu, mais souvent pas. Je pense que certains garde-fous, les évaluations (évals) sont un énorme problème. Comment évaluer rapidement ces choses et piloter les évals ? Je pense donc qu'au niveau des composants, il y a place à l'amélioration. Mais ce que je vois comme le plus grand obstacle à la mise en œuvre de davantage de flux de travail d'IA agentique, c'est en fait le talent. Ainsi, quand je regarde la façon dont de nombreuses équipes construisent des agents, le seul différenciateur majeur que je vois sur le marché est le suivant : l'équipe sait-elle mener un processus systématique d'analyse des erreurs avec des évals ? Vous construisez donc l'agent en analysant à tout moment ce qui fonctionne, ce qui ne fonctionne pas, ce que vous améliorez, par opposition à des équipes moins expérimentées qui essaient des choses de manière plus aléatoire, ce qui prend juste beaucoup de temps. Et quand je regarde un large éventail d'entreprises, petites et grandes, j'ai l'impression qu'il y a tellement de travail qui peut être automatisé grâce aux flux de travail agentiques, mais le talent et les compétences, et peut-être les outils logiciels, ne sont tout simplement pas là pour piloter ce processus d'ingénierie discipliné pour construire ces choses.

Quelle part de ce processus d'ingénierie pourriez-vous imaginer être automatisée avec l'IA ?

Il s'avère qu'une grande partie de ce processus de construction de flux de travail agentiques nécessite l'ingestion de connaissances externes, qui sont souvent enfermées dans la tête des gens. Donc, tant que nous ne construirons pas d'avatars d'IA capables d'interviewer les employés effectuant le travail, et une meilleure IA visuelle capable de regarder l'écran de l'ordinateur, je pense que peut-être à terme, mais au moins pour l'instant, pour les un ou deux prochaines années, je pense qu'il y a beaucoup de travail à faire pour les ingénieurs humains afin de construire plus de flux de travail agentiques.

Et c'est donc plus la collecte de données, de retours, etc. pour certaines boucles que les gens font ? Y a-t-il d'autres choses, je suis curieux de savoir ce que cela donne concrètement par rapport à...

Oui, donnez-moi un exemple. Je vois beaucoup de flux de travail où, par exemple, un client vous envoie un document par e-mail, vous allez convertir le document en texte, puis peut-être faire une recherche sur le Web pour une raison de conformité afin de voir si vous travaillez avec un fournisseur avec lequel vous n'êtes pas censé travailler, puis consulter un enregistrement de base de données, voir si le prix est correct, l'enregistrer ailleurs et ainsi de suite. Ces flux de travail agentiques en plusieurs étapes sont la nouvelle génération d'automatisation robotisée des processus. Donc, si vous mettez cela en œuvre et que cela ne fonctionne pas, est-ce un problème si vous vous êtes trompé sur la date de la facture ? Est-ce un problème ou non ? Ou si vous avez envoyé un message à la mauvaise personne pour vérification ? Quand vous mettez ces choses en œuvre, presque toujours cela ne fonctionne pas la première fois, mais vous devez ensuite savoir ce qui est important pour votre processus métier. Est-ce grave si j'ai trop souvent dérangé le PDG de l'entreprise ? Ou peut-être que le PDG ne voit pas d'inconvénient à vérifier certaines factures ? Donc toute cette connaissance contextuelle externe, souvent au moins pour le moment, je vois des chefs de produit humains réfléchis ou des ingénieurs humains devoir simplement y réfléchir et prendre ces décisions. Un agent d'IA pourra-t-il faire cela un jour ? Cela semble assez difficile pour le moment. Peut-être un jour.

Mais ce n'est pas dans le jeu de données de pré-entraînement d'Internet et ce n'est pas dans un manuel que nous pouvons extraire automatiquement.

J'ai l'impression que pour beaucoup de travaux à faire pour construire des flux de travail agentiques, cet ensemble de données est propriétaire. Ce n'est pas une connaissance générale sur Internet. Donc, comprendre cela reste un travail passionnant à faire.

Quel est, si vous regardez cela sur ce spectre de l'IA agentique, l'exemple le plus fort d'agence que vous ayez vu ?

J'ai l'impression qu'à la pointe de l'IA agentique, j'ai été vraiment impressionné par certains agents de codage IA. Je pense donc qu'en termes de valeur économique, j'ai l'impression qu'il y a deux catégories très claires et très apparentes. L'une consiste à répondre aux questions des gens ; OpenAI ChatGPT semble être le leader du marché pour cela avec une croissance réelle et une vitesse de décollage. La deuxième catégorie massive de valeur économique est celle des agents de codage, où des agents de codage comme Claude Code actuellement sont hautement autonomes pour planifier ce qu'il faut faire pour construire ce logiciel, établir une liste de contrôle et les parcourir une par une. Ainsi, cette capacité à planifier une chose en plusieurs étapes et à exécuter les multiples étapes du plan est l'un des agents les plus autonomes utilisés et qui fonctionne réellement. Il y a d'autres choses qui, je pense, ne fonctionnent pas, comme certaines choses liées à l'utilisation de l'ordinateur où vous lui demandez d'aller faire des courses pour quelque chose et de naviguer en ligne. Certaines de ces choses sont de très belles démos mais ne sont pas encore prêtes pour la production dans la plupart des cas.

Pensez-vous que c'est à cause de critères plus souples en termes de ce qui doit être fait et d'une plus grande variabilité autour des actions ? Ou pensez-vous qu'il existe un meilleur ensemble d'entraînement ou de résultats pour le codage ? Je suis curieux de savoir pourquoi l'un fonctionne si bien ou semble presque magique par moments et d'autres ont vraiment du mal en tant que cas d'utilisation jusqu'à présent ?

Je pense que les ingénieurs sont vraiment doués pour faire fonctionner toutes sortes de choses. Mais la valeur économique du codage est tout simplement claire, apparente et massive. Ainsi, la quantité considérable de ressources dédiées à cela a conduit à beaucoup de gens intelligents pour qui ils sont eux-mêmes l'utilisateur, ils ont donc un bon instinct sur le produit, construisant des agents de codage vraiment incroyables.

Vous ne pensez pas qu'il s'agisse d'un défi de recherche fondamental ? Vous pensez simplement que c'est comme le capitalisme à l'œuvre puis la connaissance du domaine dans un laboratoire ?

Oh, je pense que le capitalisme est excellent pour résoudre les problèmes de recherche fondamentale.

À quel moment pensez-vous que les modèles s'auto-amorceront efficacement dans le sens où 99 % du code d'un modèle sera écrit par des agents de codage agentiques ?

Ou l'analyse des erreurs.

Je soupçonne que nous y arrivons doucement. Certaines des principales entreprises de modèles de fondation ont déclaré publiquement qu'elles utilisaient l'IA pour écrire beaucoup de code. Peut-être une chose que je trouve passionnante, ce sont les modèles d'IA utilisant des flux de travail agentiques pour générer des données pour la prochaine génération de modèles. Je pense que le document de recherche Llama en parlait, où d'anciennes versions de Llama seraient utilisées pour réfléchir pendant longtemps afin de générer des énigmes, que vous entraînez ensuite la prochaine génération du modèle à essayer de résoudre très rapidement sans avoir besoin de réfléchir aussi longtemps. Je trouve cela passionnant aussi. Plusieurs vecteurs de progrès. On a l'impression que l'IA n'est pas seulement un moyen de progresser ; il y a tellement de gens intelligents qui avancent de tant de manières différentes.

Je pense que vous avez rejeté le terme de 'vibe coding' au profit du codage assisté par l'IA. Quelle est la différence ?

Je suppose que vous faites ce dernier, vous n'êtes pas dans la 'vibe'.

Oui, le 'vibe coding' laisse penser aux gens que je vais juste suivre les ondes et accepter tous les changements suggérés par Cursor ou autre. Et c'est bien que l'on puisse parfois faire cela et que ça marche, mais j'aimerais que ce soit aussi simple. Donc, quand je code pendant une journée ou une après-midi, je ne suis pas en train de suivre les ondes. C'est un exercice profondément intellectuel et je pense que le terme 'vibe coding' fait croire aux gens que c'est plus facile que ça ne l'est. Donc, franchement, après une journée d'utilisation du codage assisté par l'IA, je suis épuisé mentalement. Je vois donc cela comme de l'ingénierie rapide, où l'IA nous permet de construire des systèmes sérieux et de construire des produits beaucoup plus rapidement que jamais, mais c'est de l'ingénierie, juste faite très rapidement.

Pensez-vous que cela change la nature des startups, le nombre de personnes dont vous avez besoin, la façon dont vous construisez les choses, la façon dont vous abordez les choses ? Ou pensez-vous que c'est toujours le même type d'approche, mais que vous avez simplement des gens qui ont plus de levier parce qu'ils ont ces outils maintenant ?

À l'AI Fund, nous construisons des startups, et c'est vraiment passionnant de voir comment l'ingénierie rapide, le codage assisté par l'IA, change la façon dont nous construisons des startups. Il y a tellement de choses qui auraient nécessité une équipe de six ingénieurs pendant trois mois pour être construites qu'aujourd'hui l'un de mes amis ou moi-même construirions simplement en un week-end. Et la chose fascinante que je vois, c'est que si nous pensons à la construction d'une startup, la boucle centrale de ce que nous faisons, je veux construire un produit que les utilisateurs adorent, et donc la boucle d'itération centrale consiste à écrire du logiciel, c'est le travail d'ingénierie logicielle, puis les chefs de produit font des tests utilisateurs, regardent et décident à l'instinct comment améliorer le produit. Ainsi, quand nous regardons cette boucle, la vitesse de codage s'accélère et le coût chute, et donc de plus en plus, le goulot d'étranglement est en fait la gestion de produit. Le goulot d'étranglement de la gestion de produit est maintenant que nous pouvons construire ce que nous voulons beaucoup plus rapidement, le goulot d'étranglement est de décider ce que nous voulons réellement construire. Auparavant, s'il vous fallait trois semaines pour construire un prototype, si vous avez besoin d'une semaine pour obtenir les retours des utilisateurs, c'est bien. Mais si vous construisez maintenant un prototype en un jour, alors là, si vous devez attendre une semaine pour les retours des utilisateurs, c'est vraiment pénible. Je vois donc mes équipes s'appuyer de plus en plus sur leur instinct parce que nous allons collecter beaucoup de données, cela informe notre modèle mental humain de ce que veut l'utilisateur, et ensuite nous devons avoir une empathie client profonde pour pouvoir prendre des décisions sur le produit très, très rapidement afin de faire avancer les choses.

Avez-vous vu quelque chose qui automatise réellement certains aspects de cela ? Je sais qu'il y a eu des versions de choses où des gens essaient de générer des études de marché en faisant réagir une série de bots en temps réel et cela forme presque votre marché ou votre base d'utilisateurs comme un environnement simulé d'utilisateurs. Avez-vous vu des outils de ce genre fonctionner ou décoller ? Ou pensez-vous que cela arrive ? Ou pensez-vous que c'est trop difficile à faire ?

Il existe une série d'outils pour essayer d'accélérer la gestion de produit. Je pense que l'introduction en bourse de Figma est un excellent exemple d'IA de conception, Dylan a fait un excellent travail. Ensuite, il y a ces outils qui essaient d'utiliser l'IA pour aider à interviewer des utilisateurs prospectifs, et comme vous le dites, nous examinons certains articles scientifiques sur l'utilisation d'un essaim d'agents d'IA pour simuler un groupe d'utilisateurs et comment calibrer cela. Tout cela semble prometteur et précoce et, espérons-le, extrêmement excitant à l'avenir. Mais je ne pense pas que ces outils accélèrent les chefs de produit autant que les outils de codage accélèrent les ingénieurs logiciels. Cela crée donc davantage un goulot d'étranglement du côté de la gestion de produit.

Cela me semble logique, mon partenaire Mike a cette idée qui est largement applicable de plusieurs manières, à savoir que les ordinateurs peuvent désormais interroger les humains à grande échelle. Et donc il y a des entreprises comme Listen Labs qui travaillent là-dessus pour des tâches de type recherche sur la consommation, n'est-ce pas ? Mais vous pourriez aussi l'utiliser pour comprendre des tâches pour la formation ou pour la partie collecte de données que vous avez décrite. Quand vous pensez à vos équipes qui sont dans cette boucle d'itération, est-ce que le profil de fondateur qui a du sens a changé avec le temps ?

Pour moi, il y a tellement de choses que le monde faisait en 2022 qui ne fonctionnent tout simplement plus en 2025. En fait, je me demande souvent s'il y a quelque chose que nous faisons aujourd'hui que nous faisions aussi en 2022 ? Et si c'est le cas, jetons un coup d'œil et voyons si cela a encore du sens aujourd'hui car beaucoup de flux de travail de 2022 n'ont plus de sens aujourd'hui. Je pense qu'aujourd'hui, la technologie évolue si vite que les fondateurs qui sont à la pointe de la technologie d'IA générative, c'est-à-dire des leaders de produits orientés vers la technologie, ont selon moi beaucoup plus de chances de réussir que quelqu'un qui est peut-être plus orienté vers les affaires, plus avisé en affaires, mais qui n'a pas un bon pressentiment de la direction que prend l'IA. À moins que vous n'ayez une bonne idée de ce que la technologie peut et ne peut pas faire, il est vraiment difficile de réfléchir à la stratégie et à la direction à donner à l'entreprise.

Nous le pensons aussi.

Ouais, cool. Ouais, ouais, ouais.

Je pense que c'est même le style 'vieille école' de la Silicon Valley. Si vous regardez Gates ou Steve Jobs/Wozniak ou beaucoup des tout premiers pionniers de l'ère de l'informatique à semi-conducteurs et du début d'Internet, ils étaient tous hautement techniques. On a donc presque l'impression que nous avons un peu perdu cela pendant un certain temps et maintenant il est très clair que vous avez besoin de leaders techniques pour les entreprises technologiques.

Je pense que nous avions l'habitude de nous dire : 'oh, ils ont déjà réussi une sortie, ou même deux, alors soutenons à nouveau ce fondateur'. Mais si ce fondateur est resté à la pointe de l'IA, alors c'est fantastique. Cela s'explique en partie par le fait que dans les moments de rupture technologique, où l'IA change rapidement, c'est le savoir rare. Prenons la technologie mobile par exemple. Tout le monde sait à peu près ce qu'un téléphone mobile peut et ne peut pas faire, ce qu'est une application mobile, il y a le GPS et tout ça. Donc vous n'avez pas besoin d'être très technique pour avoir une intuition sur 'est-ce que je peux construire une application mobile pour ça'. Mais l'IA change si rapidement, ce que vous pouvez faire avec la technologie vocale, ce que font les flux de travail agentiques, la rapidité avec laquelle les modèles de fondation évoluent, ce qu'est le modèle de raisonnement. Donc avoir cette connaissance est un bien plus grand différenciateur, alors que savoir ce qu'une application mobile peut faire pour construire une application mobile est...

C'est un point intéressant parce que quand je regarde les plus grandes applications mobiles, elles ont toutes été lancées par des ingénieurs. WhatsApp a été lancé par un ingénieur, Instagram a été lancé par un ingénieur. Je pense que Travis chez Uber était plutôt technique.

Proche de la technique.

Proche de la technique. Instacart, Apoorva était ingénieur chez Amazon.

Oui, et Travis avait vraiment compris que le GPS permettait une nouvelle chose. Mais il fallait être l'une des personnes qui a vu venir le GPS sur mobile tôt pour aller faire ça.

Oui, il faut être vraiment conscient des capacités. C'est ce que j'entends.

Il faut connaître la technologie. Oui, super intéressant.

Quelles autres caractéristiques jugez-vous courantes ? Je veux dire, je sais que les gens ont parlé du fait, par exemple, qu'on avait presque l'impression qu'il y avait une époque où le fait d'être travailleur était un peu mal vu. Pensez-vous que les fondateurs doivent travailler dur ? Pensez-vous que les gens qui réussissent étaient... je suis curieux de savoir comme l'agressivité, les heures travaillées, quoi d'autre pourrait corréler ou non selon vous ?

Je travaille très dur dans les périodes de ma vie où j'encourage les autres qui veulent avoir une grande carrière d'impact à travailler dur. Mais même maintenant, je ressens une petite nervosité à dire cela car dans certaines parties de la société, il est considéré comme n'étant pas politiquement correct de dire que travailler dur est probablement corrélé à votre succès personnel. Je pense que ce est juste une réalité. Je sais que tout le monde n'est pas, à chaque moment de sa vie, dans une période où il peut travailler dur. À la naissance de mes enfants, cette semaine-là, je n'ai pas travaillé très dur. C'était normal, n'est-ce pas ? Donc, tout en reconnaissant que tout le monde n'est pas dans des circonstances où il peut travailler dur, une réalité factuelle est que les gens qui travaillent dur accomplissent beaucoup plus.

Je dirais quelque chose d'un peu moins politiquement correct, c'est que je pense qu'il y a au une époque où les gens pensaient qu'on pouvait affirmer que les startups sont pour tout le monde. Je ne crois pas que ce soit vrai. Vous essayez de faire une chose déraisonnable, qui est de créer beaucoup de valeur en impactant les gens très rapidement. Quand vous essayez de faire une chose déraisonnable, vous devez probablement travailler assez dur. Je pense que l'éthique de travail requise pour faire bouger les choses dans le monde très rapidement a disparu.

Il y avait une citation, j'aimerais me rappeler de qui elle était, mais c'était 'les seules personnes qui changeront le monde sont celles qui sont assez folles pour penser qu'elles le peuvent ?' Je pense qu'il faut quelqu'un avec de l'audace, de la détermination, pour aller dire 'vous savez quoi, voici le monde, je vais tenter de le changer'. C'est seulement les gens avec cette conviction qui, je pense, peuvent le faire.

Cela me semble vrai dans n'importe quel domaine. Je travaillais comme biologiste et je pense que c'est vrai en biologie, je pense que c'est vrai en technologie, je pense que c'est vrai dans presque tous les domaines que j'ai vus : les gens qui travaillent vraiment dur réussissent très bien. Et puis dans les startups du moins, ce que j'ai eu tendance à oublier pendant un moment, c'était l'importance de la compétitivité ou des gens qui voulaient vraiment concourir et gagner. Et parfois, les gens semblent très discrets, mais ils ont toujours cette détermination et cette envie et ils veulent être ceux qui gagnent. Je pense donc que cela compte et, de la même manière, cela a été mis de côté pendant un petit moment, du moins d'un point de vue sociétal par rapport aux entreprises.

J'ai vu deux types. L'un est qu'ils veulent vraiment que leur entreprise gagne. C'est bien, certains réussissent très bien. D'autres veulent vraiment que leurs clients gagnent. Et ils sont tellement obsédés par le service au client que cela a fonctionné. Je dirais en fait qu'aux débuts de Coursera, oui, je connaissais la concurrence, mais j'étais vraiment obsédé par les apprenants, par les clients, et cela a dicté beaucoup de mes comportements.

No, c'est un très bon cadre. Et quand je dis concurrence, je ne veux pas forcément dire avec d'autres entreprises, mais c'est presque comme avec n'importe quel indicateur que vous vous fixez ou n'importe quelle chose pour laquelle vous voulez gagner ou être le meilleur.

Une chose que j'ai découverte, c'est que dans un environnement de startup, vous devez simplement prendre tellement de décisions chaque jour, vous devez simplement vous fier à votre instinct la plupart du temps, n'est-ce pas ? Construire une startup ressemble plus à jouer au tennis qu'à résoudre des problèmes de calcul. Vous n'avez tout simplement pas le temps de réfléchir, vous devez juste prendre une décision. C'est pourquoi les gens qui sont obsédés jour et nuit par le client, par l'entreprise, réfléchissent très profondément et ont cette connaissance conceptuelle que lorsque quelqu'un demande 'est-ce que je lance la fonctionnalité A ou la fonctionnalité B du produit', vous devez simplement savoir la plupart du temps. Il s'avère qu'il y a tellement de, pour reprendre le terme de Jeff Bezos, 'portes à double sens' dans les startups, car franchement, vous avez très peu à perdre. Alors prenez une décision, si elle est mauvaise, changez-la une semaine plus tard, ce n'est pas grave. Mais pour être vraiment décisif et avancer très vite, vous devez avoir été obsédé par le client et la technologie pour avoir cet état de connaissances permettant de prendre des décisions vraiment rapides tout en ayant raison la plupart du temps.

Comment voyez-vous ce goulot d'étranglement en termes de gestion de produit que vous avez mentionné ou de personnes qui ont de bons instincts de produit ? Parce que je parlais à l'un des PDG d'entreprises technologiques publiques les plus connus et son opinion était que dans toute la Silicon Valley ou dans toute la technologie mondiale, il n'y a probablement que quelques centaines au plus de grands spécialistes du produit. Pensez-vous que ce soit vrai ? Ou pensez-vous qu'il existe un plus large éventail de personnes très capables dans ce domaine ? Et puis, comment trouver ces personnes ? Car je pense que c'est en fait un ensemble de compétences très rare, tout comme il y a un ingénieur 10x, on a l'impression qu'il y a des intuitions de produit 10x.

C'est une excellente question. J'ai l'impression qu'il doit y avoir plus que quelques centaines de grands spécialistes du produit. Je pense qu'une chose que je trouve très difficile est cette empathie client. Pour former un modèle de l'utilisateur ou du client, il y a tellement de sources de données. Vous menez des enquêtes, parlez à une poignée de personnes, lisez des rapports de marché, observez le comportement des gens sur d'autres applications parallèles ou concurrentes. Prendre toutes ces données et sortir de sa propre tête pour former un modèle mental de ce que votre profil client idéal ou un utilisateur que vous voulez servir penserait et ferait afin de pouvoir prendre très rapidement des décisions pour mieux les servir demande de l'empathie humaine. L'un de mes échecs au début de ma carrière, pour une raison stupide, j'ai essayé de transformer une série d'ingénieurs en chefs de produit, je leur ai donné une formation de chef de produit, et j'ai trouvé que j'avais bêtement fait en sorte que de très bons ingénieurs se sentent mal de ne pas être de bons chefs de produit. Mais j'ai découvert qu'une corrélation pour savoir si quelqu'un aura de bons instincts de produit est cette très haute empathie humaine où l'on peut synthétiser des signaux pour vraiment se mettre à la place de l'autre personne afin de prendre ensuite très rapidement des décisions de produit sur la façon de les servir.

Pour en revenir aux assistants de codage, c'est vraiment intéressant. Il est assez bien connu que l'équipe de Cursor prend ses décisions à l'instinct plutôt que de passer beaucoup de temps à parler aux utilisateurs. Et je pense que cela a du sens si vous êtes l'utilisateur et que votre modèle mental de vous-même et de ce que vous voulez est en fait applicable à beaucoup de gens. De même, je ne pense pas que Claude Code intègre, malgré l'ampleur de son utilisation, des données de retour aujourd'hui du point de vue d'une boucle d'entraînement.

Un avantage qu'ont les startups est que tant que vous êtes au début, vous pouvez servir un seul profil d'utilisateur. Aujourd'hui, si vous êtes Google, Google sert un ensemble si diversifié de profils d'utilisateurs que vous devez vraiment penser à beaucoup de profils d'utilisateurs différents et cela ajoute de la complexité aux changements de produits. Mais quand vous êtes une startup essayant de trouver votre premier créneau sur le marché, si vous choisissez ne serait-ce qu'un humain qui est assez représentatif d'un large ensemble d'utilisateurs, et que vous construisez simplement un produit pour un utilisateur que vous avez ou un profil client idéal, une personne hypothétique, alors vous pouvez en fait aller assez loin. Pour certaines de ces entreprises, si elles ont en interne une image mentale d'un utilisateur qui est assez proche d'un très grand groupe d'utilisateurs potentiels, vous pouvez en fait aller très loin comme ça.

L'autre chose que j'ai observée, c'est que c'est un terrain mouvant. Le sol change tout le temps en termes de capacités et la concurrence est aussi très féroce dans les catégories qui sont déjà manifestement importantes et comptent plusieurs acteurs. Les leaders qui étaient vraiment efficaces dans des entreprises il y a une génération ne sont pas nécessairement aussi efficaces lorsqu'ils sont recrutés dans ces entreprises au fur et à mesure qu'elles se développent en raison de la vélocité des opérations ou du rythme du changement. C'est intéressant de vous entendre dire 'je regarde ce que je faisais aujourd'hui et en 2022 et je me demande si c'est encore juste', alors que si vous êtes un responsable de l'ingénierie ou un responsable de la mise sur le marché et que vous avez bâti votre carrière en étant vraiment excellent dans la façon dont cela se fait, cela peut ne plus être applicable.

Je pense que c'est un défi pour beaucoup de gens. Je connais beaucoup de grands leaders dans de nombreuses fonctions différentes qui font encore les choses comme elles l'étaient en 2022 et cela doit simplement changer. Quand une nouvelle technologie arrive, il fut un temps où la recherche sur le Web n'existait pas. Aujourd'hui, embaucheriez-vous quelqu'un pour n'importe quel poste qui ne sait pas comment faire une recherche sur le Web ? Je pense que nous avons largement dépassé le point où, pour beaucoup de postes, si vous ne pouvez pas utiliser les LLM de manière efficace, vous êtes tout simplement beaucoup moins efficace que quelqu'un qui le peut. Tout le monde dans mon équipe à l'AI Fund sait coder ; tout le monde a un compte GitHub. Je vois pour beaucoup de membres de mon équipe que, lorsque mon avocat général adjoint ou mon directeur financier ou mon réceptionniste apprennent à coder, ils ne sont pas des ingénieurs logiciels, mais ils font mieux leur travail car en apprenant le langage des ordinateurs, ils peuvent maintenant dire à un ordinateur plus précisément ce qu'ils veulent qu'il fasse pour eux et l'ordinateur le fera pour eux. Cela les rend plus efficaces dans leur fonction. Je pense que le rythme rapide du changement est déconcertant pour beaucoup de gens, mais quand le monde bouge à ce rythme, nous devons simplement changer au rythme du monde pour l'égaler.

J'ai vu cela se manifester dans les embauches, particulièrement autour du produit ou du produit et du design. Une entreprise d'IA à un stade plus avancé dans laquelle je suis impliquée cherchait quelqu'un pour diriger le produit et quelqu'un pour diriger le design, et dans les deux cas, ils ont sélectionné des personnes qui comprenaient vraiment comment utiliser certains des outils de 'vibe coding' et de codage assisté par l'IA parce que vous pouvez prototyper quelque chose si rapidement. Si vous ne pouvez même pas simplement faire une maquette très rapide pour montrer à quoi cela pourrait ressembler ou ce que cela pourrait faire de manière très simple, vous perdez énormément de temps à discuter et à rédiger le document de spécifications du produit et tout le reste. Je pense que les gens oublient aussi le fait que A, il y a l'efficacité de l'IA, B, il y a une sorte de capital à haute valeur qui fait l'objet d'un arbitrage sur des marchés qui normalement n'en auraient pas. Le domaine juridique en est un bon exemple. Les excellents ingénieurs ne voulaient pas travailler dans le juridique, maintenant ils le veulent à cause de choses comme Harvey.

Ou la santé.

Ou la santé, où encore une fois, on voit soudainement ces gens formidables arriver. Mais je pense aussi que l'autre partie, c'est que les petites équipes ont tendance à être plus efficaces et l'IA vous aide à avancer d'autres raisons de garder des équipes très restreintes et performantes, ce qui est un peu sous-discuté.

J'ai l'impression que c'est une autre raison pour laquelle cet instinct de l'IA est si important. Je me souviens qu'une semaine, j'ai eu deux conversations avec deux membres de l'équipe différents. Une personne est venue me voir pour dire : 'Hé Andrew, je veux faire ça, peux-tu me donner plus d'effectifs pour le faire ?' Et j'ai dit no. Plus tard dans la semaine, indépendamment, quelqu'un d'autre, de manière très similaire, a dit : 'Hé Andrew, peux-tu me donner un budget pour embaucher une IA pour faire ça ?' Et j'ai dit oui. Et donc cette réalisation que vous embauchez une IA, pas beaucoup plus d'humains pour cela, vous devez juste avoir ces instincts.

C'est tellement intéressant. Si vous considérez ce qui se passe dans l'ingénierie logicielle comme le signe avant-coureur des prochaines transformations industrielles, vous passez beaucoup de temps à investir au niveau des applications ou à y construire des choses, que pensez-vous qu'il y aura ensuite ? Ou que voulez-vous qu'il y ait ensuite ?

J'ai l'impression qu'il y a beaucoup au niveau de l'outillage...

Je préférerais en fait une liste classée pour tout ce qui concerne l'investissement dans ces choses.

Il y a en fait une chose que je trouve vraiment intéressante, c'est l'endroit où les économistes font beaucoup d'études sur quels sont les emplois les plus menacés par la disruption de l'IA. Je pense que vous êtes sceptique. En fait, je les regarde parfois pour m'inspirer d'endroits où nous devrions trouver des idées pour construire des projets. L'un de mes amis, Erik Brynjolfsson, et son entreprise Workhelix, dans laquelle nous sommes impliqués, est très perspicace sur la nature du travail.

Oui, je l'aime bien.

Bien. Donc je trouve que leur parler est parfois utile. Même si en fait l'une des leçons que j'ai apprises, c'est qu'au lieu d'une analyse de marché descendante, je pense que l'IA est un environnement si riche en cibles, il y a tellement d'idées sur lesquelles personne ne travaille encore parce que la technologie est si nouvelle. À l'AI Fund, nous avons une obsession pour la vitesse. Toute ma vie, j'ai toujours eu une obsession pour la vitesse, mais maintenant nous avons des outils pour aller encore plus vite que nous le pouvions. Nous aimons vraiment les idées concrètes. Donc si quelqu'un dit 'j'ai fait une analyse de marché, l'IA va transformer la santé'. C'est vrai, mais je ne sais pas quoi en faire. Mais si un expert en la matière ou un ingénieur vient dire 'j'ai une idée, regardez cette partie des opérations de santé, nous pouvons améliorer l'efficacité là-dessus', nous nous disons 'd'accord, super, c'est une idée concrète'. Je ne sais pas si c'est une bonne ou une mauvaise idée, mais c'est concret, au moins nous pourrions déterminer très efficacement si les clients veulent cela, si c'est techniquement faisable, et nous lancer. Je trouve qu'à l'AI Fund, quand nous essayons de décider quoi construire, nous examinons une longue liste d'idées pour essayer d'en sélectionner un petit nombre que nous voulons poursuivre. Nous n'aimons pas regarder des idées qui ne sont pas concrètes.

Que pensez-vous que les sociétés d'investissement ou les studios d'incubation comme le vôtre ne feront plus dans deux ans ? Enfin, ne feront plus manuellement, pardon.

Je pense qu'il y a beaucoup de choses qui pourraient être automatisées, mais la question est de savoir quelles sont les tâches que nous devrions automatiser. Par exemple, nous ne prenons pas de décisions de suivi si souvent à cause d'un portefeuille de quelques dizaines d'entreprises, alors avons-nous besoin d'automatiser complètement cela ? Probablement pas car c'est probablement difficile à automatiser. J'ai l'impression que faire des recherches approfondies sur des entreprises individuelles et des recherches concurrentielles semble mûr pour l'automatisation. Personnellement, j'utilise beaucoup d'outils de recherche approfondie pour faire au moins des études de marché rapides. Oh, le reporting pour les LP, c'est une quantité massive de paperasse que nous pourrions peut-être simplifier.

Oui, j'adopte cette stratégie d'évitement général en dehors de la conformité de base. L'une de mes partenaires, Bella, a travaillé chez Bridgewater auparavant, où ils avaient un effort interne pour prendre une partie du capital et essayer de perturber ce que Bridgewater faisait avec l'IA. L'investissement macro est un style très différent, mais je pense que cela nous donne probablement quelques indications là où la partie jugement humain de notre activité n'est pas évidente. Un entrepreneur a-t-il les qualités que nous recherchons alors que votre CV sur papier ou votre GitHub ou votre faible historique de travail en tant que nouveau diplômé n'est pas très révélateur ? Les gens ont d'autres idées, comme regarder des enregistrements de réunions avec des entrepreneurs et voir s'ils peuvent tirer un signal du style de communication, par exemple. Mais je pense que cette partie est très difficile. Je pense que l'on peut être programmatique pour examiner des documents et classer la qualité des équipes globalement.

Nos modèles d'IA deviennent vraiment intelligents, mais il y a un ensemble d'endroits où les humains ont encore un avantage énorme sur l'IA, et c'est souvent si l'humain a un contexte supplémentaire auquel, pour une raison quelconque, le modèle d'IA ne peut pas accéder. Et cela peut être des choses like rencontrer le fondateur et évaluer comment il est en tant que personne et ses qualités de leadership, sa communication, ou autre. Ces choses-là, peut-être en examinant des vidéos, peut-être qu'un jour nous pourrons intégrer ce contexte dans un modèle d'IA, mais je trouve qu'en tant qu'humains, nous faisons une vérification de références et quelqu'un fait un commentaire désinvolte qui affecte une décision, alors comment un modèle d'IA obtient-il cette information ? Surtout quand un ami me parle mais qu'il ne parle pas vraiment à mon modèle d'IA. Je trouve donc qu'il y a beaucoup de ces tâches où les humains ont encore un énorme avantage informationnel parce que nous n'avons pas compris la plomberie ou ce qui est nécessaire pour transmettre cette information au modèle d'IA.

L'autre chose que je pense être très durable, ce sont les choses qui reposent sur un avantage de relation. Si je convaincs quelqu'un de travailler dans l'une de mes entreprises, et qu'il me fait confiance à cause d'un rôle précédent, toutes les informations du monde sur les raisons pour lesquelles c'est une bonne opportunité ne sont pas la même chose que moi disant : 'Sally, tu dois faire ça, ça va marcher'. Il reste à voir si la construction d'une entreprise est réellement corrélée aux rendements des investissements, mais je pense que ce côté-là semble plus difficile à automatiser complètement.

Je pense que cette confiance existe parce que les gens vous connaissent et vous font confiance, et j'ai confiance en vous. On ne peut dire qu'un nombre limité de choses, et il est très facile de perdre la confiance, donc c'est logique.

En fait, l'une des choses pour lesquelles je suis curieuse d'avoir votre avis est que nous voyons de plus en plus de personnes hautement techniques essayer d'être des fondateurs pour la première fois. Nous mettons en place des processus pour aider les fondateurs débutants à apprendre toutes les leçons difficiles et toute la folie nécessaire pour être un fondateur prospère. Je passe beaucoup de temps à réfléchir à la manière de mettre les fondateurs sur la voie du succès lorsqu'ils possèdent 80 % des compétences nécessaires pour être vraiment excellents, mais qu'il y a un petit plus pour lequel nous pourrions les aider.

C'est un processus très manuel.

Je ne m'en fais pas.

Tu ne t'en fais pas ?

Je vois cela comme un mélange de groupes de pairs. Pouvez-vous entourer les gens d'autres personnes qui sont soit similaires, soit ont une ou deux étapes d'avance sur eux dans l'aventure de la création d'entreprise ? Et la deuxième chose, ce sont les embauches complémentaires. Je pense qu'en général, l'un de mes grands enseignements est qu'au début de leur carrière, les gens essaient de développer l'ensemble des compétences qu'ils n'ont pas. Tard dans leur carrière, ils s'appuient sur ce pour quoi ils sont vraiment bons et embauchent ensuite des gens pour faire le reste. Si l'entreprise fonctionne, vous embauchez simplement des gens. Bill Gates disait notoirement que son COO était toujours la personne de qui il apprenait le plus, et une fois qu'il atteignait un certain niveau d'échelle, he embauchait son prochain COO. Je vois cela à travers ce prisme pour les fondateurs.

Les embauches complémentaires, c'est logique.

Mais je pense que la meilleure façon d'apprendre quelque chose est de le faire. Et par conséquent, allez-y, vous ferez des erreurs, ce n'est pas grave, tant que ce n'est pas existentiel pour l'entreprise, qui s'en soucie ? J'ai tendance à être très décontracté.

Je pense probablement que trop de choses sont existentielles pour les entreprises.

Je ne pense tout simplement pas que ce soit comme 'est-ce que vous avez des clients et est-ce que vous construisez un produit' ?

Est-ce que vous construisez un produit que les utilisateurs adorent ? Et ensuite, bien sûr, la mise sur le marché est importante et tout cela est important, mais vous réglez d'abord le problème du produit, puis vous pouvez généralement trouver le reste aussi.

Je suis d'accord avec cela la plupart du temps, mais pas toujours. Je pense qu'il existe des contre-exemples, mais je suis généralement d'accord avec vous.

Parfois, vous pouvez construire un produit médiocre et avoir un canal de vente par lequel vous pouvez le forcer à passer, mais je préférerais ne pas le faire. Ce n'est pas mon mode de fonctionnement par défaut, mais cela fonctionne.

Je n'aime pas ça non plus, c'est juste que ça fonctionne. Il y a beaucoup de très mauvaises technologies qui sont de grandes entreprises actuellement.

Ouais.

D'accord, si vous avez ces fondateurs techniques débutants avec des lacunes dans leurs connaissances ou leurs compétences qui constituent le profil de base des personnes que vous soutenez à nouveau, les aidez-vous d'une manière ou d'une autre ? Qu'est-ce qui les aide quand ils commencent ?

Je pense que beaucoup de choses. C'est en fait une chose dont je me suis rendu compte : dans les sociétés de capital-risque, les studios de capital-risque, nous faisons tellement de répétitions que nous voyons beaucoup de choses que même les fondateurs récurrents n'ont faites qu'une ou deux fois dans leur vie. Je trouve donc que lorsque mon cabinet s'assoit aux côtés des fondateurs et partage nos instincts sur le moment où nous obtenons des retours clients plus rapidement, si vous êtes vraiment au courant des dernières tendances technologiques, comment simplement accélérer les choses, ou comment lever des fonds ? La plupart des fondateurs ne le font que quelques fois. Cela aide même de très bons fondateurs avec des choses pour lesquelles, en raison de ce que nous faisons, nous avons eu plus de répétitions. Et puis je pense à embaucher d'autres personnes autour d'eux, le groupe de pairs, je sais que ce sont des choses que vous faites. Je pense qu'il y a beaucoup de choses que nous pourrions faire. Il s'avère que même les meilleurs fondateurs ont besoin d'aide. Espérons donc que les VCs, les studios de capital-risque, nous puissions apporter cela aux grands fondateurs.

Elad est plus sage que moi à ce sujet. Je ne peux pas m'empêcher de vouloir essayer spécifiquement d'améliorer les compétences des fondateurs sur quelques points qu'ils doivent être capables de faire, comme le recrutement. Mais je serais d'accord pour dire que la voie à plus fort levier est absolument de s'entourer de personnes pour faire cela et de l'apprendre sur le tas. Dernière question pour vous, que croyez-vous à propos de l'impact global de l'IA au cours des cinq prochaines années que la plupart des gens ne croient pas ?

Je pense que beaucoup de gens seront beaucoup plus autonomes et beaucoup plus capables dans quelques années qu'ils ne le sont aujourd'hui, et la capacité des individus qui adoptent l'IA sera probablement bien plus grande que ce que la plupart des gens réalisent. Il y a deux ans, qui aurait réalisé que les ingénieurs logiciels seraient aussi productifs qu'ils le sont aujourd'hui lorsqu'ils adoptent l'IA ? Je pense qu'à l'avenir, les personnes dans toutes sortes de fonctions professionnelles et aussi pour les tâches personnelles, qui adopteront cela, seront tellement plus puissantes et tellement plus capables qu'elles ne peuvent probablement l'imaginer.

Très excitant.

Merci, Andrew.

Merci, Andrew. Merci, Elad. Merci, Sarah.