Il y a là un paradoxe. D’un côté, des chiffres bien réels : des millions de gens qui fabriquent, des milliards investis. De l’autre, ces chiffres ne mesurent qu’une chose, la fabrication. Pourtant, combien de ces projets trouvent un utilisateur, durent, ou rapportent un centime ? Personne ne le montre jamais. On prouve qu’on fabrique énormément, et on appelle ça un marché. C’est ce glissement que je veux comprendre.

Fabriquer, c’est dans l’ADN

Si ces outils explosent, c’est qu’ils touchent le plus vieux ressort humain qui soit. L’envie de fabriquer ne date pas de 2026. On taille des outils depuis 3,3 millions d’années, avant même l’apparition du genre Homo. Le philosophe Henri Bergson appelait ça l’Homo faber, et définissait l’intelligence humaine comme « la faculté de fabriquer des objets artificiels, en particulier des outils à faire des outils ». Un siècle plus tard, des outils à faire des outils, ça porte des noms : Lovable, Replit, v0. Benjamin Franklin, l’un des pères fondateurs américains, en faisait sa définition de l’homme : « un animal qui fabrique des outils ». Et jamais on n’a autant aimé fabriquer que maintenant, à force de vivre dans l’écran, le travail de bureau et l’économie de service.

On le voit partout : les recherches de kits de laine ont bondi de 1 200 % en un an, la demande de pellicule argentique a doublé en cinq ans. On revient à la poterie, au tricot, au tangible, pour tenir à la fin de la journée quelque chose de réel dans les mains plutôt qu’un fil qu’on vient de scroller.

La vraie révolution, c’est que cette envie ne s’arrête plus au tangible. On peut désormais fabriquer du logiciel sans savoir coder. Le craft digital, impossible hier, s’ouvre à tout le monde. On a inventé un nouveau terrain pour un très vieux désir. Voilà le marché réel de ces outils : un marché de craft.

L’effet IKEA

Aimer fabriquer & créer de la valeur pour les autres sont deux choses différentes, et on les confond en permanence. Il y a un nom pour ça : l’effet IKEA. En 2011, trois chercheurs, Norton, Mochon et Ariely, ont montré qu’on accorde une valeur démesurée à ce qu’on a fabriqué soi-même. Les gens payaient 63 % plus cher un meuble qu’ils avaient monté de leurs mains, et estimaient leur propre origami cinq fois plus que ceux qui ne l’avaient pas plié. Leur formule : labor leads to love.

C’est exactement ce qui se joue avec ces outils. Le builder adore l’app qu’il vient de sortir parce qu’il l’a faite, pas parce qu’elle vaut quoi que ce soit pour quelqu’un d’autre. Les 100 000 projets par jour mesurent un amour-propre, pas une demande. Un loisir garantit que les gens vont essayer. Il ne garantit aucun marché.

Et cette ferveur s’épuise vite. On l’a déjà vu, à l’identique. En 2009, Apple en faisait son slogan : « there’s an app for that », et chacun voulait son app pour tout. Quelques années plus tard arrivait l’app fatigue : la plupart des gens téléchargeaient zéro app par mois (comScore), et 80 % du temps passé sur mobile se concentrait sur cinq applications (Forrester). L’explosion des mini-apps pour tout s’est résorbée en une poignée d’usages. Le « un logiciel pour tout » prendra le même chemin.

On me dira qu’on entre dans l’ère du custom, que chacun fera ses propres apps. Sans doute, et tant mieux. Mais faire une app pour soi et faire une app pour les autres, ce sont deux mondes. Pour soi, c’est facile et plaisant : le problème, on le connaît déjà, c’est le nôtre. Pour les autres, il faut comprendre un besoin qui n’est pas le sien, et c’est là que tout se complique. La hype parie que tout le monde franchira ce pas. Il ne se franchira pas, et la vague s’essoufflera avant. Tout le malentendu est là : fabriquer un outil, et fabriquer un outil dont quelqu’un se sert, ce sont deux choses. Et on a pris la première pour la seconde.

Un artefact ne coûte plus rien

Pour comprendre pourquoi, il faut regarder ce qu’on fabrique vraiment avec ces outils. Le mot juste, c’est artefact, et il mérite qu’on s’y arrête. Un artefact, c’est quelque chose qu’on produit pour atteindre autre chose, jamais pour lui-même. Une présentation PowerPoint est un artefact : personne ne la fabrique pour le plaisir d’avoir des slides, on la fabrique pour décrocher un budget. Une maquette est un artefact : on la fait pour valider une idée. L’objet produit n’a pas de valeur en propre, il n’en a que par l’objectif qu’il sert.

Une app, c’est pareil. Une landing page, un dashboard, un petit CRM : des artefacts, des moyens fabriqués pour atteindre un but (vendre, suivre, gérer), jamais le but lui-même. Et à l’ère de l’IA, produire le moyen ne coûte plus rien. Ce qui ne coûte plus rien à produire ne vaut plus rien. La rareté n’a jamais été dans la production, elle est dans ce que l’artefact provoque une fois lâché dans le monde. On célèbre une explosion de création en l’appelant une explosion de valeur, alors que ce sont deux choses sans rapport.

Les chiffres le disent crûment. Sur l’App Store, 97,5 % des éditeurs se partagent moins de 5 % des revenus. La masse ne trouve pas d’or, elle n’en a jamais trouvé, et baisser le coût de creuser ne déplace pas l’or d’un mètre. Le seul vrai succès qu’on cite en boucle, Base44, vendu 80 millions à Wix six mois après son lancement, était lui-même un outil pour fabriquer des apps. La preuve par l’exemple se mord la queue.

Alors, c’est quoi un produit ?

Si l’artefact ne vaut rien, où est passé le produit ? La réponse tient en une phrase : un produit n’a jamais été l’artefact.

Samuel Hulick, qui a passé des années à décortiquer l’onboarding des logiciels, le formule mieux que personne. Les gens n’achètent pas des produits, ils achètent une meilleure version d’eux-mêmes. Ce qu’on vend, ce n’est pas la fleur de feu de Mario, c’est le Mario qui lance des boules de feu. La fleur, c’est l’artefact ; le produit, c’est la transformation. Vendre un produit a toujours voulu dire ça : transformer un utilisateur, s’insérer dans ses habitudes, résoudre un problème qu’il a vraiment, libérer une opportunité qu’il n’atteignait pas seul.

Or cette transformation, l’IA ne la fabrique pas. Elle produit la fleur de feu, à la chaîne et pour rien. Le Mario, non. Bien sûr, l’IA fait déjà bien plus qu’écrire du code : elle cherche, elle analyse, elle orchestre, et les plus avancés bâtissent autour d’elle des systèmes entiers. Mais c’est là que ça se retourne : chaque tâche qu’on lui délègue pousse l’exigence d’un cran plus haut. Plus on lui en confie, plus ce qui reste est difficile, parce qu’il ne reste que le sommet du métier, la part qui ne se délègue pas. Comprendre le problème, connaître les utilisateurs, choisir l’architecture, arbitrer ce qui compte, tenir dans la durée. On devient le manager de l’IA, et un manager doit être expert de son sujet pour diriger. L’IA a effondré le coût de l’exécution, pas celui du jugement. Un PM passe ses journées à arbitrer un budget et à réduire le risque qu’un projet échoue, et un modèle probabiliste ne fait pas ces choix à sa place. Le travail derrière la page d’accueil de Stripe, ou derrière un vrai rebranding, n’est pas un problème de coût de production, c’est un problème de temps, d’analyse et de réflexion.

Et un produit, ça ne fait toujours pas une entreprise

Après tout ça, il reste encore un étage qu’on oublie. Une fonctionnalité fait une action, un produit résout un problème, une boîte délivre une valeur récurrente. Trois étapes, pas une.

Le saut vers le produit demande déjà tout le travail qu’on vient de décrire. Le saut vers le fait d’en faire une entreprise en demande un autre : la distribution, la rétention, l’intégration dans les process des clients, une économie qui tient sur la durée. Quand on regarde les success stories indie qu’on agite, elles ont presque toujours marché grâce à une audience déjà constituée et à une distribution maîtrisée, pas grâce à l’outil de build. Ce sont juste de nouvelles manières de valoriser des audiences, en aucun cas des playbooks réplicables facilement. Faire une app n’est pas faire un produit. Faire un produit n’est pas faire une boîte.

On nous a déjà fait le coup

La promesse n’est pas neuve. À chaque outil qui démocratise une création, on annonce la mort du métier et l’avènement du créateur pour tous. Le smartphone a mis un appareil photo dans chaque poche ; on prend tous des photos, et les photographes professionnels sont toujours là. CapCut a glissé une table de montage dans nos téléphones sans faire de nous des réalisateurs, comme GarageBand n’a jamais remplacé les producteurs ni Canva les graphistes. À chaque fois, l’outil démocratise la surface et laisse le métier là où il a toujours été : dans tout ce qui ne se voit pas.

Le code suivra. Faire une image n’a jamais fait un artiste, et faire une app ne fera jamais un builder. On l’admet sans broncher pour la photo. On refuse de le voir pour le logiciel, parce que cette fois on nous jure que tout va basculer pour de bon. Faire un bon logiciel n’a jamais été écrire du code.

La vraie question

Le build est réel, et c’est même une bonne nouvelle : fabriquer rend les gens heureux, et il y aura toujours de la valeur à tester une idée vite, à la jeter, à recommencer. Mais on a passé deux ans à compter des fleurs de feu en les appelant des Marios, et à prendre la joie de fabriquer pour la preuve d’un marché. La vague « un logiciel pour tout » refluera comme a reflué « une app pour tout ». Restera ce qui reste toujours : quelques produits qui ont vraiment transformé quelqu’un, et une montagne d’objets qu’on a adoré faire.

La vraie question n’a jamais été de savoir si tout le monde peut construire. Tout le monde peut construire. La question, c’est ce qu’on a pris pour un produit. Parce que le jour où fabriquer ne coûte plus rien, la rareté se déplace : elle quitte la main qui produit pour la tête qui sait quoi produire, pour qui, et pourquoi. C’est peut-être ça, le vrai âge du builder. Pas celui qu’on nous vend.

Parce que les modèles ne sont que de la puissance brute. On s’extasie devant, mais un moteur de Formule 1 monté sur un karting ne fait pas un bolide : sans le châssis, la transmission et les pneus, la puissance ne sert à rien. Et cette forêt, c’est tout ce qu’on construit autour des modèles : les outils AI native & autres agents autonomes qui s’apprêtent à avaler des pans entiers du travail tel qu’on le connaît.

En 2026, c’est là que la vraie bataille se joue. Et c’est précisément vers cette forêt qu’OpenAI et Anthropic, les deux plus gros labs d’IA, sont en train d’être forcés de changer de métier en direct, sous nos yeux.

Le plus gros pivot de l’histoire.

Ce qu’ils sont déjà en train de faire

Anthropic et OpenAI sont en train de quitter le métier de lab qui vend l’accès à un modèle pour devenir des boîtes qui font des produits. Claude Code, Claude Cowork, Codex, Frontier : ce ne sont pas des verticales adjacentes, c’est un changement de métier. La nature de l’entreprise change.

Au tout début, ces entreprises vendaient deux choses : un chatbot et une API. ChatGPT a explosé fin 2022. Mais à la base, c’était une expérimentation, sortie en research preview, devenue virale presque par accident. Une interface ultra-flexible, jamais pensée pour la plupart des usages qu’on lui a prêtés ensuite. On l’a détournée dans tous les sens. Et le chatbot est devenu le produit grand public des laboratoires d’IA par défaut : pas par choix, mais parce que la viralité était là, et l’argent avec. Difficile de l’analyser avec une grille produit classique : c’est plus une tentative qui a marché qu’un bon produit au sens habituel.

Ensuite, Anthropic a vu plus tôt qu’il fallait pivoter vers les outils. Claude Code est sorti mi-2025 comme outil CLI pour développeurs (pas un modèle, un outil qui utilise un modèle), suivi de Claude Cowork en 2026 comme outil de travail agentique pour knowledge workers.

Alors pendant qu’OpenAI tirait encore la valeur de ChatGPT, Anthropic construisait déjà l’étage suivant de la fusée. Et ça paye. Anthropic vient de passer devant OpenAI sur les revenus en avril 2026 : 30 milliards d’ARR contre 24. C’est l’effet du pivot pris plus tôt, avec une stratégie 100% enterprise et outils plutôt que consumer. Conséquence : sa valorisation sur les marchés secondaires dépasse même celle d’OpenAI en mai 2026.

Dernier signe en date : en mai 2026, Anthropic a annoncé qu’ils coupaient Claude Code de tous les outils tiers, même via leur propre SDK. Les wrappers qui revendaient Claude Code dans leurs produits doivent désormais passer par des crédits Anthropic directs. Si le choix peut être complexe à comprendre au premier abord, c’est pourtant cohérent avec le pivot vers les outils. Car la lecture est brutale : ils refusent de subventionner leurs concurrents. L’outil est leur nouveau produit, alors ils ne peuvent pas laisser des tiers le repackager. Est-ce la bonne décision ? On verra dans dix-huit mois.

Mais OpenAI ne se laisse pas faire et rattrape. Ils rebrandent Codex en 2026 comme une super app qui fait tout : code, agent, productivité. C’est l’équivalent de ce que Claude Desktop fait déjà chez Anthropic, qui intègre Code et Cowork dans la même app. À côté, Frontier, leur plateforme pour construire et déployer des agents en entreprise. Le même mouvement qu’Anthropic, plus tard, avec un effet de levier différent : les 900 millions de MAU ChatGPT à reconvertir vers la super app.

On a vu beaucoup de startups pivoter. Slack depuis un jeu vidéo, Instagram depuis une app de check-in, Twitter depuis un projet podcast. Ces pivots se font à des valos de quelques millions, parfois quelques dizaines. Aujourd’hui, c’est inédit. OpenAI tourne autour de 850 milliards, Anthropic autour de 900 sur les marchés secondaires en mai 2026. On n’a jamais vu une boîte à cette échelle changer de métier en direct.

Pourquoi ils n’ont pas le choix

Mais pourquoi des boîtes aussi valorisées sont-elles forcées de se réinventer ? Parce que leur métier d’origine, vendre l’accès à un modèle, n’a tout simplement, en 2026, plus aucun moat.

Faisons l’état des lieux.

Tout d’abord, les labs ne possèdent pas l’infrastructure qui fait tourner leurs modèles. Anthropic vient de signer en mai 2026 pour louer toute la capacité de Colossus 1 à xAI pour environ cinq milliards de dollars par an, et a annoncé en novembre dernier un partenariat data center de cinquante milliards avec Fluidstack, encore en construction. OpenAI joue sa partition différemment avec Stargate, joint-venture à cinq cents milliards avec SoftBank, Oracle et MGX, où c’est Oracle qui opère les data centers. Les deux dépendent par ailleurs d’AWS et de Google Cloud. Enfin, tous deux paient une rente à Nvidia pour le hardware. Les annonces sont massives, mais ce sont des courses pour suivre la demande, pas des rentes patrimoniales. À ce niveau de la chaîne, ils sont locataires.

Ensuite, du côté de la distribution, ce n’est pas mieux. ChatGPT a neuf cents millions d’utilisateurs hebdomadaires, ce qui est une distribution réelle, mais majoritairement une distribution gratuite qu’il faut convertir. 95% des utilisateurs sont en gratuit, la conversion vers le payant tourne autour de 5-6%, et l’utilisateur moyen n’y va qu’une fois par semaine pour une question ponctuelle. Or l’enjeu de la distribution est en train de se déplacer. Demain, l’IA ne sera plus un chat qu’on lance, ce sera une couche d’agents qui fait le travail dans les outils qu’on a déjà ouverts, parfois sans même qu’on l’ait demandé.

J’aime beaucoup la formulation qu’ont eue Barry Zhang et Mahesh Murag d’Anthropic dans leur talk Don’t Build Agents, Build Skills Instead (AI Engineer, décembre 2025) : les modèles sont les processeurs de l’ère IA, les agents sont les systèmes d’exploitation, les skills sont les applications. Même ceux qui construisent Claude le disent : une nouvelle stack émerge, et dans cette stack, l’intelligence n’est pas dans le modèle nu mais dans tout ce qu’on assemble autour : mémoire, contexte, outils, agents, intégrations. Le modèle est le composant le plus visible, pourtant le moins différenciant.

Car oui, le produit qu’ils vendent à l’origine est lui-même devenu interchangeable. Les modèles open source (DeepSeek V4 Pro, Kimi K2.6, GLM-5, Qwen 3.6) sont à trois mois en moyenne du top frontier selon Epoch AI. Le chiffre exact peut se discuter selon les analyses, la tendance beaucoup moins. Pour la majorité des usages, les modèles frontier sont aujourd’hui substituables : sur un autre compute, avec un autre modèle open source, on obtient à peu près la même chose.

Vu sous cet angle, les labs frontier ressemblent moins aux grands gagnants de l’IA qu’aux wrappers IA qu’on critique habituellement. On a l’habitude d’entendre que Cursor, Lovable ou Bolt vendent une fine couche au-dessus de Claude ou GPT, sont dépendants du pricing power de leur fournisseur, et sont exposés aux produits concurrents lancés par ces mêmes fournisseurs. Le constat est juste. Sauf qu’il vaut aussi, en miroir, pour les labs eux-mêmes. Cursor dépend d’Anthropic, qui dépend de Nvidia, qui dépend de TSMC pour la fabrication, qui dépend d’ASML pour ses machines lithographiques EUV. À chaque cran de cette chaîne, les marges sont insolentes : ASML tourne autour de 30% de marge nette, TSMC près de 50%, Nvidia 55%. Les labs frontier, eux, brûlent du cash, coincés au milieu : ni le haut de la chaîne, ni la distribution en bout. Or dans toute chaîne de valeur, c’est au milieu qu’on se fait écraser.

Enfin, il y a une dimension de plus, et elle aggrave tout ce qu’on vient de voir. Ces boîtes n’ont pas démarré comme des entreprises commerciales. OpenAI a été fondée en 2015 comme non-profit, avec une mission affichée de service à l’humanité. Anthropic a été créée en 2021 par d’anciens d’OpenAI, dans la même filiation culturelle. Quand elles ont publié leurs papiers de recherche, ouvert leurs benchmarks, donné leurs protocoles, ce n’était pas un choix stratégique. C’étaient des réflexes de chercheurs qui pensaient travailler pour tout le monde.

Le problème, c’est que ces réflexes-là ne disparaissent pas du jour au lendemain. L’actualité le rappelle : le procès Musk contre Altman, qui se déroule en ce moment, ressort exactement cette question : OpenAI était une non-profit, qu’est-elle devenue ? Le pivot qui s’amorce n’est donc pas un simple changement d’offre. C’est un passage de non-profit de recherche scientifique à une boîte de produits commerciaux. Un changement de nature.

Et c’est là que tout se rejoint. Rien qui ne les protège durablement : ni le compute, ni la distribution. Un produit interchangeable. Et une histoire où tout se construit en ouvert : leur R&D publiée (papiers de recherche, méthodes, benchmarks) et des standards partagés comme MCP ou skills. Les modèles eux-mêmes restent fermés, mais tout l’écosystème qui les entoure est ouvert. Tout le monde peut en bénéficier, y compris ceux qui s’apprêtent à les rattraper.

Ce que révèlent leurs valorisations

Reste un paradoxe, et il est plus profond qu’il n’y paraît. Vues de loin, ces boîtes ressemblent à des entreprises ultra-solides : ChatGPT à 900 millions d’utilisateurs hebdomadaires, un ARR passé de 1 à 30 milliards de dollars en moins de dix-huit mois chez Anthropic, et des niveaux de valorisation astronomiques. Normalement, pour atteindre ces chiffres, il faut un produit validé, un marché verrouillé, des positions que personne ne peut vous arracher. Mais quand on regarde les fondamentaux produit, ce sont encore des startups early stage : Claude Code a un an, Cowork quelques mois, la super app Codex tout juste unifiée en 2026. Les outils sont récents, leur traction n’est pas encore stabilisée. Pas de rétention entreprise prouvée, pas de différenciation durable. Les KPIs financiers explosent, mais les KPIs produit de solidité, ceux qui prédisent la pérennité, sont ceux d’une boîte qui cherche encore son marché. Parce qu’au fond, le modèle n’est pas le produit, et ces boîtes n’ont pas encore construit le leur.

Alors qu’est-ce que ces valorisations nous disent ? La même chose que celle de Tesla, qui vaut vingt fois General Motors tout en vendant trois fois moins de voitures : le marché ne la valorise pas sur ses voitures d’aujourd’hui, mais sur les promesses qu’elle porte sur le futur de la mobilité. Pour les labs, c’est pareil. L’attente s’est déplacée. Ce qu’on attend désormais de ces entreprises, ce n’est plus de produire le meilleur modèle, c’est de devenir le graal que tout le monde vise : la nouvelle interface où le knowledge worker fera son métier demain. La course est déjà lancée, et féroce : Gamma veut remplacer PowerPoint, Granola la prise de notes en réunion, Cursor l’éditeur de code, et des dizaines d’autres s’attaquent à Office, Notion, au support client… Le poste de travail tout entier est en jeu. Et sur ce terrain-là, leur avance sur les modèles ne leur garantit pas de gagner la course aux outils.

Le pari ouvert

Le pivot est lancé, et tout l’argent du monde parie sur sa réussite. Reste qu’il est loin d’être joué.

Car c’est fragile. Les outils sont jeunes, faciles à répliquer, et des boîtes natives qui souvent font un meilleur travail spécifique innovent tous les jours sur le même terrain : Conductor sur le dev, Glean sur le knowledge work, des dizaines d’autres… Elles n’ont qu’un métier, elles le font à fond. Et elles vont plus vite que des géants à mille milliards.

Et ces spécialistes ne sont pas le seul vent contraire. À côté d’eux, il y a Google. Pas un lab parmi d’autres, mais un acteur qui possède les trois rails à la fois. Le modèle frontier avec Gemini et Veo. La distribution massive avec Gmail, Chrome, Workspace, Android. Et le compute propriétaire avec ses TPU, qu’il revend même à Anthropic depuis avril 2026. Un million de chips, plus d’un gigawatt de capacité dédiée. Là où OpenAI et Anthropic doivent se réinventer pour survivre, Google n’a qu’à ajouter un étage à un édifice déjà construit. Et la Google I/O 2026 nous montre de quoi il est capable…

Alors voilà le pari. D’un côté, un ancien métier qui ne suffit plus & que n’importe qui peut désormais répliquer. De l’autre, un nouveau métier déjà disputé par des spécialistes plus rapides, et par un Google qui tient les trois rails. Entre les deux, une transformation que personne n’a jamais réussie à cette échelle. La croissance spectaculaire qu’on observe aujourd’hui pourrait être tout aussi spectaculaire dans l’autre sens.

Alors sortez les pop-corns, car on a un siège au premier rang d’une histoire sans précédent. Deux entreprises à mille milliards de dollars en train de changer de métier pour jouer leur survie, sous nos yeux, en temps réel.

Aujourd’hui on dit la même chose de l’IA : elle va nous rendre paresseux, nous donner l’illusion de comprendre & produire des esprits superficiels.

Mot pour mot. Le même argument à 2400 ans d’écart. La technique change, mais la peur reste la même.

On peut s’arrêter à dire que les peurs se ressemblent. Et tomber dans une vulgaire opposition pro IA vs anti IA, comme on a pu le voir sur nombre de sujets. Les pros contre les antis. Je pense qu’on peut faire un pas de côté, prendre du recul. Surtout, regarder la complexité de l’enjeu, et analyser ce qu’on défend, et ce à quoi on s’oppose quand on est pro ou anti.

Parce que si l’argument est le même depuis 2400 ans, c’est qu’il y a un mécanisme qui se rejoue. Et le mécanisme dit quelque chose de plus profond que la peur du nouveau. Il dit qu’à chaque rupture technique, on s’oppose à ce qu’on finira par appeler un jour… “normal”.

Je pense que la vraie question est ailleurs : qu’est-ce qu’on a accepté comme normal aujourd’hui ? Et est-ce que ce qui nous parait “normal” aujourd’hui doit le rester demain ?

Tout est normal

Premier exemple. En 2026, trouver son chemin en ville, c’est sortir son téléphone, rentrer l’adresse, et suivre son GPS. Ça nous paraît complètement normal. Il y a 20 ans, c’était impensable. On regardait des plans de ville. On demandait son chemin à un passant. On apprenait les rues de sa ville par cœur. Mais aujourd’hui, on a accepté de ne plus savoir s’orienter sans assistance. La technologie a élargi ce que l’on peut faire, sa manière de nous assister, et c’est devenu normal. Le glissement s’est fait, en silence, à coup de mises à jour d’application, de réseaux toujours plus rapides, et d’interfaces de plus en plus intuitives.

Deuxième exemple. Avant la généralisation du frigo, dans les années 50-60, manger relevait d’un autre savoir-faire : on salait, on fumait, on séchait, on allait au marché tous les jours. On ne stockait pas, on conservait. Aujourd’hui ce mode de vie nous paraît exotique, presque touristique. Avant, c’était ça la norme. Pas pendant la préhistoire. Il y a 70 ans.

Quelque chose se joue dans ces déplacements. L’humain ne se contente pas d’utiliser ses outils, il se transforme avec. Bergson parlait de l’homo faber : l’homme qui fabrique. L’idée est simple. On ne juge jamais ses outils depuis un ailleurs neutre. On juge depuis ce que les outils ont déjà fait de nous. Quand on n’a plus de carte papier, on n’a plus le sens de l’orientation qui allait avec. Quand on n’a plus de garde-manger, on n’a plus le rapport au temps de la nourriture qui allait avec. La technique transforme à mesure qu’elle s’utilise. On finit par appeler normal ce qu’elle a sédimenté.

Dernier exemple. Pendant des dizaines d’années, ceux qui écrivent du logiciel apprennent des langages qui ne sont pas faits pour eux. Ils sont faits pour la machine. JavaScript, Python, Rust, Go : ce sont des conventions inventées pour qu’un compilateur puisse traduire des intentions humaines en instructions électriques. Personne ne parle Python avec ses enfants. Personne n’écrit Rust à un ami. Ces langages sont l’envers d’une langue : on s’y plie pour qu’une machine fasse ce qu’on veut. Vu de loin, c’est un peu absurde. On apprend une langue inverse pour parler à une chose qui n’a pas de langue. Mais encore une fois, c’est devenu normal.

Et le mouvement n’est pas isolé. Depuis 70 ans, l’informatique vit une montée d’abstraction continue. Au départ, les premiers programmeurs écrivaient en langage machine… pur, des suites de chiffres. Puis l’Assembleur est arrivé, plus lisible, et on a entendu : on s’éloigne de la machine. Puis le C, plus haut niveau, s’est imposé : on perd la rigueur. Puis Python et JavaScript ont éloigné encore l’humain du métal : ce n’est pas du vrai code. À chaque montée, on s’est rapproché un peu plus de la langue humaine. Et à chaque étape, levée de boucliers. Pourtant, personne ne lit le code binaire qui est généré par du Python…

On pourrait voir l’IA générative comme l’étape suivante de cette même chaîne. Pour la première fois, on peut parler avec une machine dans la langue qu’on parle déjà, et elle traduit. Karpathy a eu cette phrase : “The hottest new programming language is English.”

La force de l’habitude

Mais tout ça n’est pas nouveau, et a déjà été pensé. Au XVIᵉ siècle, un jeune homme de 18 ans appelé Étienne de La Boétie écrit un texte court : Discours de la servitude volontaire. Il y pose une question simple : pourquoi est-ce qu’une multitude obéit à un seul tyran ? Si c’était la force qui faisait tenir l’ordre, dit-il, le tyran n’aurait pas tenu : il est seul contre tous. C’est l’habitude qui le maintient. Les gens obéissent parce qu’ils ont vu leurs parents obéir, et que l’obéissance est devenue, à leurs yeux, la chose ordinaire. La première raison de la servitude volontaire, c’est la coutume.

La Boétie parlait de tyrannie politique. Le mécanisme s’applique à toute norme. Politique, sociale, technique. On se soumet à ce qu’on a vu autour de soi. On finit par défendre cet ordre comme s’il avait été choisi.

C’est ce qui se joue dans les exemples qui précèdent. Si on accepte sans broncher d’apprendre des langages faits pour des compilateurs, ce n’est pas parce qu’on a délibéré et décidé que c’était la meilleure chose à faire pour l’humanité. C’est parce que l’habitude a fait son travail. Elle a transformé une situation contingente en évidence indiscutée. On s’asservit à ce qu’on a fini par considérer comme normal, même quand ce normal a un coût. Coût en attention, en temps perdu, en aliénation à la machine, en inégalités d’accès.

Et c’est pour ça que l’IA dérange à ce point. Pas parce qu’elle remplace, comme on l’entend trop souvent. Parce qu’elle interrompt cette lente & confortable soumission à l’habitude. Elle remet la question de ce qui est normal dans le champ. Elle force la délibération sur des choses qu’on avait fini par cesser d’interroger.

Aussi, elle met un coup de pied dans la fourmilière de privilèges qui s’étaient forgés à coup de personnes qui étaient devenus les gagnants de cette norme. De personnes qui se sentent aujourd’hui menacées.

• Est-ce que c’est normal de remplir des fichiers Excel absurdes parce que c’est le process ?
• Est-ce que c’est normal de faire une réunion pour préparer la réunion de cadrage de la réunion de décision ?
• Est-ce que c’est normal de saisir 12 fois la même information dans 12 systèmes différents parce que les outils ne se parlent pas et que ça a été conçu comme ça ?

Est-ce que tout ce qu’on accepte est vraiment normal et légitime parce qu’à une époque ça a été fait comme ça ?

Le verrou n’était pas technique

Voici un cas plus serré. Plus récent, plus contestable, plus actuel.

En 2013, Marissa Mayer prend la tête de Yahoo et bannit le télétravail. Le mémo officiel est un classique : Speed and quality are often sacrificed when we work from home. We need to be one Yahoo!, and that starts with physically being together. À l’époque, moins de 2% des 12 000 salariés sont en télétravail full-time. Ils sont rappelés au bureau quand même. C’est une décision d’identité d’entreprise, pas de productivité. Travailler chez soi, ça ne fait pas un Yahoo.

En 2017, IBM rappelle 40% de ses non-traditional workers au bureau, pour favoriser la collaboration. Même grammaire.

À ce moment-là, la technologie du télétravail existe depuis 15 ans. Skype est sorti en 2003. Les outils collaboratifs sont là. Le haut débit est partout. Tout est là, sauf une chose : la croyance que ça marche. La culture managériale tient un bord clair. Un humain au bureau est un humain qui travaille. Un humain chez lui est un humain dont on doute.

Mars 2020. Tout ferme. Par la force des choses, il faut bien du jour au lendemain, faire confiance aux gens chez eux. La techno qui marchait depuis 15 ans est utilisée à grande échelle pour la première fois. Aux États-Unis, le télétravail passe de 5,7% des actifs en 2019 à environ 22% en 2025, après s’être stabilisé entre 18% et 24% depuis fin 2022.

Chez les knowledge workers, l’hybride est devenu le mode par défaut : 51% en hybride, 28% full-remote, 21% en présentiel total. Les chercheurs parlent du most drastic shift to the global workforce since World War II.

Et quelque chose s’est inversé qui ne reviendra pas tout à fait en arrière. Un glissement s’est opéré, et le paradigme a changé. Car même si en 2025-2026, beaucoup d’entreprises rappellent au bureau (Google, Apple, Amazon, JPMorgan), le télétravail effectif reste quatre fois supérieur à pré-COVID. Et surtout, il est devenu discutable. Le télétravail est une option qu’on négocie, qu’on retire, qu’on impose, qu’on aménage. Avant 2020, dans la grande majorité des entreprises, ce n’était pas dans le champ du discutable.

Le COVID a rendu le télétravail légitime. Le retour partiel au bureau ne l’a pas effacé. La transformation du normal, c’est l’extension du discutable.

Et le mécanisme qui se joue là est exactement celui des autres exemples. Une technique disponible attend pendant des années qu’une rencontre se fasse. Une rupture sociale arrive. Le verrou saute. Le normal se réorganise.

Alors vers quel nouveau normal va-t-on aujourd’hui ?

L’IA a une particularité par rapport à tout le reste.

Le frigo, le GPS, les langages de programmation, le télétravail : ces ruptures-là se sont faites lentement. Le frigo a mis 30 ans à devenir norme domestique en France. Les langages de programmation ont monté en abstraction sur 70 ans. Le télétravail a mûri 20 ans dans l’ombre avant d’être légitimé en deux ans pendant le COVID. Lentes, étalées, suffisamment douces pour qu’on glisse dedans sans rien questionner. Le mécanisme habituel, c’est le glissement silencieux.

L’IA, c’est l’inverse. Massif et court. Les capacités ont changé en trois ans, pas en trente. Et c’est précisément cette rapidité qui produit l’inconfort. Le lent développement de la technologie qui nous fait glisser dans l’habitude n’a pas eu le temps de se faire. En octobre 2024, 25% du code écrit chez Google était généré par IA. Dix-huit mois plus tard, c’est 75%. Sundar Pichai l’a annoncé lui-même. Et le mouvement n’a aucune raison de ralentir.

Alors c’est inconfortable, mais c’est rare. Les ruptures techniques visibles sont une chance philosophique. Pour une fois, on observe la fabrication du normal en train de se faire, à la place de la subir vingt ans plus tard en se demandant comment on en est arrivé là.

La question utile n’est plus “pour ou contre”. C’est : qu’est-ce qu’on accepte de construire comme nouveau normal, maintenant qu’on voit le mécanisme.

En 1811, près de Nottingham, des ouvriers du textile cassent des métiers à tisser au marteau, dans des raids nocturnes. On les appelle les Luddites, du nom d’un personnage fictif, le Général Ludd. Ils s’opposent à une certaine manière dont les machines les écrasent : salaires en baisse, produits de mauvaise qualité, apprentis non formés à leur place. Pas à l’idée de machine. L’État envoie 13 000 soldats. Le Parlement vote la peine de mort pour bris de machine. Dispersés. La technique passe.

L’histoire ne garde que la version courte. Et la version courte dit : ceux qui ont voulu casser les machines ont perdu.

Donc il y a deux trajectoires.

Première trajectoire. On défend l’ancien aussi longtemps qu’on peut. On s’oppose sans chercher à comprendre. On colle un flag rouge sur tout ce qui touche à l’IA. Rédiger avec l’IA, c’est mal. Faire une image avec l’IA, c’est mal. Coder avec l’IA, c’est mal. On rejette en bloc, sans regarder la différence entre les usages.

Le problème, c’est que pendant qu’on rejette, on n’apprend pas. Et si on n’apprend pas à utiliser ces outils, on devient incapable de les maîtriser. Si ce n’est pas nous qui les maîtrisons, c’est eux qui nous maîtrisent. Les paramètres par défaut s’imposent. Les choix des trois ou quatre plateformes qui dominent le marché s’imposent. Et nous, on suit.

C’est déjà ce qui se passe. En 2026, ChatGPT a plus de 900 millions d’utilisateurs hebdomadaires. Environ 95% sont en version gratuite. La version par défaut. Un modèle bridé, des règles qu’on subit, un system prompt qu’on ne choisit pas. C’est l’usage que la masse a aujourd’hui.

Le web a déjà raconté cette histoire. Il a commencé avec des idéaux de partage, de protocoles ouverts, d’utilisateurs souverains. Il a fini avec des géants technologiques et tout ce qu’on connaît : capture de l’attention, économie de l’extraction. Les normes se sont faites sans nous parce qu’on regardait ailleurs.

Deuxième trajectoire. On accepte que la rupture est là. On cesse de la combattre comme une nuisance. On choisit ce qu’on en fait.

L’IA est un nouveau normal à construire, à apprendre, à apprivoiser. Une chose à façonner, pas à recevoir. Bien travailler avec l’IA, c’est difficile. Ça demande du travail. Ça demande de remettre en question la manière dont on fonctionne aujourd’hui. Et d’accepter que beaucoup de ce qu’on faisait n’avait peut-être pas besoin d’être fait.

C’est aussi aller à contre-courant du discours majoritaire de l’IA qui nous vend des promesses de facilité. Que le prompt magique suffit, et qu’on peut devenir consultant senior du BCG en lançant un deep research sans réfléchir. Mais la réalité est tout autre. Tout travail de qualité est exigeant et difficile. Et l’IA n’échappe pas à la règle.

C’est dans cette trajectoire-là que se joue quelque chose. La possibilité de garder des systèmes ouverts. Que les gens utilisent l’IA pour leur compte, plutôt que pour celui de trois plateformes. D’en faire un outil de libération du travail absurde, plutôt qu’un accélérateur d’industrialisation du sens.

C’est inconfortable. Ça demande du travail collectif. Mais c’est le seul scénario où le prochain normal nous appartient un peu.

Et il y a déjà des terrains où ça se joue dans ce sens-là. Très peu de choses sont vraiment propriétaires en IA.

Les modèles open source les plus récents, comme DeepSeek V4 Pro, Llama 4 ou Kimi K2.6, suivent les plus gros modèles propriétaires de quelques mois en moyenne. Trois mois selon Epoch AI. Pour un coût d’entraînement qui reste une fraction de celui des modèles propriétaires.

Au-delà des modèles, les standards aussi sont ouverts. Le MCP, le protocole qui permet aux IA de se connecter à n’importe quel outil ou source de données, a été lancé par Anthropic en novembre 2024. En quelques mois, OpenAI, Google et Microsoft l’ont adopté. En décembre 2025, Anthropic l’a donné à la Linux Foundation. Aujourd’hui, plus de 10 000 serveurs MCP tournent en clair, partout, gratuitement.

Aucun acteur n’a vraiment le verrou. Les modèles propriétaires sont contrés en quelques mois. Les standards sont ouverts par construction. Les outils, les skills, les manières de faire se partagent.

Pour l’instant.

Il y a tout à inventer aujourd’hui avec l’IA. Alors inventons-le. Construisons l’IA qu’on sera fiers d’utiliser demain.

Le nouveau normal n’est pour l’instant qu’en puissance. Alors qu’est-ce qu’on veut en faire ?