Économie, tarifs, mouvements de marché et business de l'outillage IA.
52 fiches · 88 entities · Mis à jour
Comment l'outillage IA est tarifé, financé et vendu — et comment ces forces redessinent le marché logiciel — voilà le sujet. La tarification glisse de la licence par siège vers l'usage et le résultat ; les capitaux affluent vers fournisseurs de modèles et startups d'agents ; acquisitions, paris de plateforme et consolidation rebattent les cartes. Des questions plus larges affleurent : les valorisations actuelles reposent-elles sur une demande durable, comment la baisse du coût d'un token change ce qui se construit, où la valeur se dépose le long de la pile. Le passage de la vente de sièges à la vente de travail livré sous-tend nombre d'entrées. Les fiches lisent ce business par les chiffres et les opérations rapportés, non par des prévisions.
Annonce-benchmark d'**Artificial Analysis** (plateforme d'évaluation indépendante de modèles IA, via X/Twitter + page modèle) : **GLM-5.2** de **Z.ai** (Zhipu AI, @Zai_org) devient **le meilleur modèle à poids ouverts** et se hisse **#3 au classement général** de **GDPval-AA**, un benchmark de *travail de connaissance économiquement valorisable* du monde réel (tâches longue-horizon, multi-tours, agentiques). GLM-5.2 marque **1524 Elo**, derrière les seuls **Claude Fable 5 (1783)** et **Claude Opus 4.8 (1615)**, et à parité avec **GPT-5.5 (xhigh, 1509)**. Il devance d'une large marge le modèle ouvert suivant (**MiniMax-M3, 1408**) et de nombreux modèles propriétaires : **Gemini 3.5 Flash (1357)**, **Qwen 3.7 Max (1289)**, **Muse Spark (1158)**. Les tâches sont réellement agentiques : **~31 tours par tâche** en moyenne sur **1 999 matchs**. La même hiérarchie tient sur l'**Artificial Analysis Intelligence Index** (1er open weights), l'**Agentic Index** (#3) et **AA-Briefcase** (#3, devant GPT-5.5 xhigh, derrière Fable 5). Point saillant : un modèle **open weights** sous **licence MIT**, **MoE 753 Mds de paramètres / 40 Mds actifs**, contexte **1M tokens**, tarifé **1,40 $/4,40 $ par 1M tokens** entrée/sortie, rivalise avec la frontière propriétaire sur le travail agentique — un vrai pas pour les modèles ouverts.
Satya Nadella (Microsoft) théorise « le futur de la firme » dans une économie pilotée par l'IA : chaque entreprise devra bâtir, à côté de son capital humain (jugement, relations, reconnaissance de patterns), un « capital token » — sa capacité IA propriétaire. La vraie valeur n'est pas dans le choix du meilleur modèle mais dans une boucle d'apprentissage (private evals, RL environments, base de connaissances) qui encode le savoir institutionnel et compose dans le temps. Plaidoyer pour un « écosystème frontière », non un simple « modèle frontière », afin que la valeur se diffuse plutôt que d'être captée par quelques modèles.
Anthropic lance Claude Fable 5 (modèle de classe Mythos rendu sûr pour usage général) et Claude Mythos 5 (même modèle, garde-fous levés, réservé aux cyberdéfenseurs via Project Glasswing) : performances état de l'art en ingénierie logicielle, vision, mémoire long-contexte et sciences du vivant.
#Claude Fable 5#Claude Mythos 5#modèle de fondation
Analyse de **Olivier Rafal** pour **WeNvision** (cabinet de conseil FR), publiée le **4 juin 2026** (lecture ~4 min), qui commente le lancement de la **Tokenomics Foundation** par la **Linux Foundation** (annonce du 3 juin, en partenariat avec la **FinOps Foundation**) et y voit l'ouverture officielle de **l'ère du « FinOps appliqué à l'IA »**. **Thèse-pivot** : l'IA a transformé l'économie du développement logiciel ; le **token** est devenu *« la nouvelle unité de mesure des dépenses technologiques »*, à l'image du cloud des années 2010 (coûts **récurrents et variables** exigeant une gestion active), d'où la bascule des fournisseurs du forfait vers la **facturation au token**. **Ordre de grandeur (urgence)** : *« Selon Goldman Sachs, l'utilisation mondiale de tokens devrait être multipliée par 24 d'ici 2030 pour atteindre 120 millions de milliards de tokens par mois »* — ce qui fait passer l'efficience du token du *« détail technique »* au sujet de **comité de direction**. Citation reprise de **J.R. Storment** (créateur de la FinOps Foundation) : *« Les coûts et l'efficacité des tokens sont devenus une préoccupation au niveau des PDG, pas une note de bas de page technique. »* **Problème de transparence/standardisation** : les tarifs IA actuels ne sont pas comparables (tokens input / systèmes de cache / output diffèrent d'un modèle à l'autre) → la Tokenomics Foundation veut **étendre la spécification open source FOCUS** pour fournir un **langage commun** d'achat et de comparaison. **Message central de Rafal (au-delà du coût)** : *« L'enjeu du FinOps n'est pas tant de réduire les coûts que d'optimiser l'efficience »* — la vraie métrique est le **coût IA rapporté à l'impact métier** (*time to market, qualité, fonctionnalités, écoconception*). **Limite des standards seuls** : les normes techniques ne suffisent pas, il faut **repenser le Target Operating Model** (équipes, processus, culture de la donnée, alignement métier) ; les Américains annoncent déjà *« la fin des double pizza teams au profit des sandwich teams »*. **Avertissement-marqueur** : *« une SDLC dopée à l'IA se contentera […] d'amplifier les problèmes et de vous aider juste à aller plus vite… dans le mur »* (sans fondations organisationnelles). **Sponsors cités** de la fondation : Accenture, Booking.com, Google Cloud, Microsoft, IBM, Salesforce. **Offre WeNvision** : *« co-construire une feuille de route, repenser le modèle opérationnel à l'ère agentique et instaurer cette gouvernance financière devenue indispensable »*. **Lecture francophone, orientée dirigeants/transformation** de la fiche [[tokenomics-foundation-linux-finops-token-economics-about-2026-06-03]] ; converge avec le cluster FinOps agentique [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], [[gupta-token-budget-wars-marginal-token-utility-2026-05-28]] (token→outcome, valeur > volume).
#Tokenomics Foundation#FinOps appliqué à l'IA#FinOps for AI
**Olivier Rafal** · pour **WeNvision** (cabinet de conseil français — bureaux à Paris, Lille, Strasbourg, Bordeaux, Nantes, Toulouse, Belgique, Luxembourg). Olivier Rafal écrit en analyste/conseil familier des préoccupations de comité de direction (ancien analyste IT, profil conseil-transformation). Publié le **4 juin 2026**.
Page **About** du site **tokeneconomics.com**, présentant la **Tokenomics Foundation** — un projet de la **Linux Foundation** annoncé le **3 juin 2026**, opéré en **partenariat étroit avec la FinOps Foundation**. **Mission déclarée** : *« establish open industry standards, benchmarks, and best practices for the economics of AI infrastructure »* — relier **production, consommation et monétisation** des tokens à la **valeur métier**. **Définition-cadre du tokenomics** : *« Tokenomics is not just about the cost of tokens, it's about the entire layer of AI that they drive from production, to consumption to monetization »* — c'est-à-dire **toute la couche économique de l'IA**, du coût d'infrastructure à la sélection de modèle jusqu'à l'optimisation de la valeur. **Thèse de phase** : l'adoption précoce de l'IA a priorisé la **capacité** ; la phase actuelle bascule vers **efficience et valeur**, ce qui exige une gestion systématique des coûts et de la **visibilité**. **5 principes fondateurs** : (1) ***« Efficiency is a design choice. AI cost is shaped by architecture, not just usage »*** ; (2) ***« Bigger is not always better. The best AI system is not always the one using the most expensive model »*** (right-tool / routage) ; (3) ***« Visibility comes before optimisation. Teams cannot manage what they cannot see »*** ; (4) ***« Value matters more than volume. More tokens, more calls, and more automation do not automatically mean better outcomes »*** ; (5) ***« Open knowledge benefits everyone »*** (standards partagés, apprentissage communautaire, transparence). **Gouvernance** : un **Governing Board** (direction industrielle + déploiement des fonds) et un **Technical Committee** (spécifications ouvertes + benchmarks). **Livrables** : extension de la **spécification FOCUS** (FinOps), specs ouvertes, benchmarks, frameworks et métriques partagées. **Public cible** : CAIO, CTO, CIO, CFO, ingénieurs, équipes produit, praticiens FinOps, chercheurs, startups, entreprises, secteur public. **But affiché** : faire passer les organisations *« from experimental AI adoption to sustainable AI operations »* en étendant la discipline du **variable technology spend** à l'ère du token. **Importance pour la veille** : institutionnalisation/standardisation du **FinOps agentique** au niveau d'une fondation industrielle — converge frontalement avec les fiches [[finops-foundation-finops-for-ai-overview-2026-02-17]], [[finout-finops-ai-agents-four-step-allocation-framework-2026-04-27]], [[orq-ai-finops-ai-agents-cost-per-outcome-hosseini-2026-04-15]], [[gupta-token-budget-wars-marginal-token-utility-2026-05-28]] (allocation layer, token-to-outcome) et avec la bascule **token → outcome** (Salesforce/Tallapragada, Sierra/Greenwald). Les 5 principes recoupent exactement les leviers déjà capitalisés : architecture > usage, **routage Haiku/Sonnet/Opus**, observabilité avant optimisation, valeur ≠ volume.
#Tokenomics Foundation#tokenomics#token economics
**Tokenomics Foundation** (entité collective, projet de **The Linux Foundation**, en partenariat avec la **FinOps Foundation**). Page institutionnelle *About* — **aucun auteur individuel nommé**. Annonce datée du **3 juin 2026**.
À la veille de l'IPO record de SpaceX (valorisation visée ~1,75 à 1,8 billion de dollars), le New York Times publie une analyse interactive du bilan des promesses publiques d'Elon Musk. Sur plus de 600 engagements chiffrés et datés (déclarations, posts, calls investisseurs), seuls ~19 % ont été tenus dans les délais, voire jamais. Le taux se dégrade dans le temps : ~75 % tenus en 2015, moins de 50 % en 2020. Mars, le robotaxi et l'autonomie totale concentrent l'essentiel des cibles répétées et repoussées. Le propos relie ce track record au prospectus SpaceX, qui mise désormais sur l'IA (xAI fusionnée) et reconnaît lui-même que le calendrier de ses grands chantiers est indéterminable.
Thread X viral (**230,5K vues**, 28 mai 2026, 1h51) de **Jaya Gupta** (@JayaGup10, investisseuse — vraisemblablement Foundation Capital, auteure du cadre *Context Graphs*) intitulé ***« Token Budget Wars »***. **Thèse-pivot** : ***« Enterprise AI has moved from adoption to allocation »*** — la phase 1 de l'IA d'entreprise a prouvé que les modèles savent travailler ; la phase 2 décidera **combien de ce travail vaut la peine**. La nouvelle monnaie au sommet de l'entreprise est la **capacité à quantifier le ROI de l'IA** : *« show me the value »*. Concept canonique : ***marginal token utility*** = *« the business value created by each additional dollar of inference »* — le nombre qui compte à l'échelle, et que **la plupart des entreprises ne peuvent pas voir**. Chronologie : **Claude shippé novembre 2025**, après le lock des budgets annuels 2026 → dès le **Q1**, entreprises *« running multiples ahead of plan »* → l'inférence cesse d'être une ligne d'expérimentation pour devenir un **coût opérationnel récurrent**. Bascule **expérimentation (quelques 100K$) → infrastructure (7 chiffres, 1M$+)** : à l'échelle infra, **la variance technique produit des swings de P&L matériels — deux exécutions du même workflow sur le même input peuvent différer de 5-10× en coût de tokens** sans rien de visiblement cassé, *« a number the CFO has to explain to the CEO »*. **L'IA concurrence le travail** : 3 types de demandes budgétaires (remplacer du travail externalisé / interne / générer du revenu) → glissement vers le ***cost of a completed outcome*** (cost per resolved ticket, processed claim, reviewed contract, completed invoice, avoided hire, retained customer, dollar of revenue moved). **BPO = baseline le plus facile à benchmarker** (déjà tarifé en unités complétées) ; travail interne bien plus dur (employés polyvalents, gains diffus, résistance RH à réduire les effectifs). **Pourquoi c'est différent du SaaS** : le SaaS a appris à traiter l'usage comme proxy de valeur ; l'IA casse ce proxy — *« the signal and the noise share the same unit »* (le token), *« SaaS usage told you the software had been adopted. AI usage tells you the meter is running. It doesn't tell you whether your company is cooking »*. **Trois causes de l'invisibilité de la marginal token utility** : (1) ***retry tails*** — tokens par workflow résolu ≈ **T/p** ; passer de 90% à 70% de complétion augmente le coût effectif de ~**28%**, pas 20%, car les échecs composent ; (2) ***context inflation*** — coût d'inférence ≈ **O(n²)** en longueur de contexte (attention), doubler le contexte **quadruple** le coût de raisonnement (sur-récupération : 50 docs quand 5 suffisent) ; (3) ***routing*** — par défaut on prend le modèle le plus puissant (classification basique sur modèle de raisonnement complexe) ; sur des millions d'appels, la différence entre router les tâches faciles vers un petit modèle et tout envoyer au frontier = *« the difference between a manageable bill and a board-level problem »*. **Bifurcation sectorielle** : entreprises **software** = problème de **mesure de productivité** (déjà instrumenté : PRs, commits, deploys, incidents, cycle time, MTTR — tracke les *« AI layoffs »*) ; entreprises **non-software** = problème de **transformation** (travail opérationnel : claims, underwriting, support, compliance reviews, supply chain exceptions, payment disputes — *right under audit, not just right on average*). **La couche manquante = token-to-outcome attribution** : une couche de conversion reliant dépense d'inférence → travail effectué → outcome business, qui répond à 3 questions (coût réel incluant retries/corrections ; quelles parties du trace ont compté vs thrashing ; le travail a-t-il changé l'operating model). ***Measurement becomes memory*** : pour relier un token à un outcome il faut capturer les **decision traces** (ce que l'agent a vu, récupéré, appelé, ignoré, où il a retried, quand un humain a overridé) — *« decision rationale is one of the most perishable assets in a company »* (vit dans Slack, emails, escalation calls, têtes des gens). Les agents **créent** ces traces ; capturées d'abord pour justifier la dépense, elles deviennent *« more valuable than the cost report »* → un **context graph** (*« although I am so tired of that word these days »*). **The allocation layer is the prize** : qui possède le token-to-outcome attribution fait les **allocation calls** (quels workflows méritent plus de compute, lesquels cappés, lesquels en modèles cheaper, lesquels restent humains, lesquels remplacent le BPO). Les entreprises ne le feront pas seules — elles l'**achèteront comme une transformation** (playbook Fortune 500 : McKinsey + alumni Palantir + top-down CEO, à la manière ERP/BI/digital transformation, un *« program »* avec sponsor exécutif et une infra qui devient la **nouvelle source de vérité**). Cadre par **Charlie Munger** : *« show me the incentive and I will show you the outcome »*. Sous-thèse organisationnelle : instinct exécutif trentenaire *big teams = big jobs/scope/power* → quand l'intelligence devient la **ressource rare**, le nouveau marqueur est *« how much of it you're orchestrating »*. Pertinence directe pour le **positionnement Optimisation des coûts / FinOps agentique** : confirme empiriquement les leviers (routage modèles, prompt caching, hygiène contexte, sub-agents) et déplace le KPI vers le **coût par outcome complété**. Convergence forte avec Bain *cross-system labor* (execution data moat, Cursor), Ng *No AI jobpocalypse* (pricing ancré sur le salaire de l'employé remplacé), DORA ROI (coût par feature), Mensch/Mistral (electron→token), Ensarguet (économie de la computation), Foundation Capital *Context Graphs* (decision traces, même autrice), Wescale *Token Burning*, BFM/Girard (token = fuel de valeur).
**Jaya Gupta** (@JayaGup10) — investisseuse / VC. Très probablement **Foundation Capital** (le thread s'auto-réfère au cadre ***Context Graphs*** — *« ahem, context graph, although I am so tired of that word these days »* — concept porté par Foundation Capital, cf. fiche `bain-100b-saas-opportunity` qui cite *Foundation Capital — Context Graphs trillion-dollar opportunity, 2025-12-22*). Thread publié sur X le **28 mai 2026 à 1h51** · **230 · 5K vues** · format essai long en un seul post. Une réponse notable de **@tuning_engines** (*« DevSecFinOps for the Agentic Era »*) : *« Tokens will basically have to be managed like headcount […] model hierarchies too »*.
Audition d'**Arthur Mensch** (cofondateur et DG de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice affaires publiques) devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** (présidée par Philippe Latombe, absent — séance présidée par la rapporteur). Témoignage sous serment, ~1h15, mai 2026. Thèse-pivot de Mensch : ***« le cloud, c'est l'intelligence artificielle »*** — pas de distinction entre services numériques et IA, l'IA est l'unité atomique de la chaîne de valeur cloud, du semi (ASML) au déploiement entreprise. **Mistral en 2026** : 1000 collaborateurs, valorisation 12 Md€, objectif **1 Md€ de revenus fin 2026**, 1 Md€ investi en R&D sur l'année, 30 % CA en France / 70 % hors France / ~75 % en Europe, clients : DINUM, Caisse des dépôts, France Travail, MACGM, Stellantis, TotalEnergies, BNP Paribas, ministère des Armées, Luxembourg (administration centrale). **Cadre conceptuel mensch-ien** : l'IA est une **ressource naturelle** — *« on transforme de l'électricité en intelligence, en génération de tokens »*. Économie : 1 GW de datacenter = **50 Md$ d'investissement sur 5 ans**, génère **20 Md$ de tokens/an** ≈ 50 % de marge brute. Sur la chaîne électron→token, **~10 % de la valeur est dans l'électron**, 90 % ailleurs (chips, logiciel, services). **Thèse macro alarmiste** : si l'Europe importe 10 % de sa masse salariale en IA non-européenne, c'est **1 trilliard € de déficit commercial supplémentaire** ; 20 trilliards d'investissement infrastructure à faire pour servir l'Europe (40 GW France / 400 GW Europe). **Stratégie de souveraineté** : ***« ne pas penser souveraineté comme isolationnisme mais comme levier »***. **Urgence temporelle** : *« on n'a pas le temps »* — fenêtre de **2 ans** avant monopolisation des ressources énergétiques européennes par les hyperscalers américains qui déploient **1 trilliard $/an**. **Cinq diagnostics opérationnels** : (1) Lourdeur réglementaire = 5 personnes compliance chez Mistral, 27 régulations désynchronisées, départ entrepreneurs vers US ; (2) Marché fragmenté = ~60 telcos européens vs 3 US ; (3) Commande publique sous-utilisée comme levier stratégique (50 % du PIB EU) ; (4) Énergie : 9 GW de surplus français risque d'être monopolisé par acteurs US dans les 2 ans ; (5) Distillation = technique de réduction de coûts, **pas** rattrapage technologique. **Doctrine défense** : Mistral travaille avec ministère des Armées, refuse explicitement le « droit de regard » sur l'usage final (« on n'a pas la légitimité démocratique »), positionnement *anti-Anthropic-Mythos*. **Cybersécurité** : reconnaît capacités offensives des modèles (« ça monte de manière linéaire, prédictible, chez tout le monde en même temps »), s'oppose au *marketing de la peur* d'un concurrent américain (Anthropic implicite). **Campus IA** : participation très minoritaire, fournisseur potentiel (Mistral + hyperscalers), 35 Md€ MGX/Abu Dhabi + Nvidia, 100 hectares Saint-Arnoult, 1,4-1,6 GW (= Flamanville), nucléaire français = empreinte carbone réduite. **Annotation** : équipes de thésards (plus de microtravailleurs), Madagascar pour robotique avec garanties salariales. **Modèle économique** : pas de bulle côté demande, **goulot d'offre** (chips, mémoire, hélium, électrons). **Conclusion-avertissement** : *« si on le fait pas suffisamment rapidement, on va devenir un État vassal »*.
#Arthur Mensch#Mistral AI#Audry Herblin-Stoupe
**Arthur Mensch** (cofondateur et directeur général de **Mistral AI**) accompagné d'**Audry Herblin-Stoupe** (directrice des affaires publiques et de la communication, Mistral AI). Mensch a cofondé Mistral AI le 28 avril 2023 avec **Guillaume Lample** et **Timothée Lacroix** — tous les trois précédemment dans les *« gros acteurs américains »* (Google DeepMind / Meta FAIR). Audition tenue devant la **commission d'enquête de l'Assemblée nationale sur les vulnérabilités numériques** · présidée par **Philippe Latombe** (député MoDem, Vendée — absent ce jour). Séance présidée par la **rapporteur** (non nommée dans le transcript) · avec interventions du président lui-même (revenu en cours) · du député **Arnaud Saint-Martin** (LFI/Saint-Arnoult — sa circonscription accueille Campus IA) · et de la rapporteur sur les questions économiques.
Lancement de **AI/works™**, **plateforme de développement agentique** revendiquée par **Thoughtworks** comme *"le nouveau standard pour construire et faire tourner des systèmes industriels à l'ère de l'IA"*. Le pitch fondamental est **économique** : *"le vieux modèle te faisait payer des millions pour construire, faire tourner, puis re-payer pour reconstruire — AI/works™ met fin à cette routine"*. La plateforme couvre **tout le SDLC** autour d'une notion centrale, la ***Super Spec*** (spécification dynamique unifiée couvrant architecture, workflows, sécurité, données, UX), avec **six capacités** : Reverse Engineering (legacy → specs as-is), Dynamic Spec Development (raw requirements → Super Spec), Spec to Code (agents coordonnés générant code testable), Developer Experience (golden paths gouvernés), Control Plane (orchestration agents avec cost transparency, guardrails actifs, end-to-end lineage), Runtime Ops (monitoring continu détectant les changements, mettant à jour la Super Spec, régénérant le code impacté). Méthodologie **3-3-3** : 3 jours pour aligner le concept produit, 3 semaines pour le prototype (desirability/viability/feasibility), 3 mois pour MVP en production. Reconnaissance **Constellation Research** : *"changing the economics of enterprise software delivery"* via une approche *"spec-driven, lifecycle"*. Slogan ouverture : ***"We are doing it again for the AI era"*** — invoquant l'héritage XP/CI-CD/microservices de Thoughtworks. Positionnement anti-hype : *"stands on an engineering foundation rather than enthusiasm"*, *"no consultant crowds"*, *"finance can open the bill without switching on emergency lighting"*. Partenaires affichés : AWS, GCP, Azure, Databricks, Snowflake + Claude, OpenAI, DeepSeek, Gemini, Grok + NVIDIA, Groq, Stripe, Spotify, CAST, Cyn DX, Mechanical Orchard.
#Thoughtworks#AI/works#AI works trademark
**Thoughtworks** (auteur collectif corporate, page produit/marketing). Aucun individu cité sur la page. Contexte des figures Thoughtworks pertinentes en arrière-plan : **Martin Fowler** (chief scientist emeritus, *Refactoring*, *Patterns of Enterprise Application Architecture*) · **Rebecca Parsons** (CTO emeritus) · **Birgitta Böckeler** (Distinguished Engineer, *Harness Engineering for Coding Agents*, fiche 2026-04-02) · **Matt Kamelman** (*Service-as-Software*, fiche 2025-12-03) · **Sam Newman** (*Building Microservices*).
Édito d'Andrew Ng dans The Batch n°352 du 8 mai 2026 — **"There Will Be No AI Jobpocalypse"** — qui démonte la narration de chômage de masse provoqué par l'IA en s'appuyant sur le taux de chômage US **sain à 4,3 %** et un hiring tech robuste. Ng identifie **trois moteurs** du narratif jobpocalypse : **(1) tech incentives** — les labs IA bénéficient à se présenter transformative-disruptive (lèves de fonds, valorisations, talent) ; **(2) pricing power** — les éditeurs facturent **10 000$+/an** à leurs clients enterprise en **ancrant leur tarif sur le salaire de l'employé remplacé**, plutôt que sur le pricing SaaS traditionnel (per seat / per usage) ; **(3) corporate messaging** — les boîtes recadrent leurs layoffs en *"efficience IA"* plutôt que de reconnaître l'**overhiring pandémique** 2020-2022. Reconnaissance honnête : *"AI disrupts work"*. Mais Ng renverse en **"AI jobapalooza"** (jeu de mots sur Lollapalooza) — création de jobs en AI engineering et fields adjacents avec compétences en évolution. Tension implicite avec **Amodei** (50 % white-collar jobs supprimés d'ici 2030) — Ng souligne sans nommer que **Anthropic gagne à promouvoir cette narration** (tech incentives). Publié **le même jour** que **Wallace-Wells "AI Populism" NYT Magazine** : lecture en miroir parfaite — Ng = analyse économique froide / Wallace-Wells = panique populaire. Convergence pricing power avec **Bain "100Md$ cross-system labor"** (même thèse : ancrage tarifaire sur salaires).
#Andrew Ng#The Batch#DeepLearning.AI
Andrew Ng (fondateur DeepLearning.AI, Stanford, ex-Google Brain, ex-Baidu, ex-Coursera)
Brief Bain & Company **mai 2026** (David Crawford, Chris McLaughlin, Greg Fiore — partie d'une **série en 5 volets sur l'industrie du logiciel à l'ère IA**) qui chiffre à **~100 Md$ aux US (~200 Md$ avec Canada/Europe/AU/NZ)** l'opportunité SaaS encore captive du *cross-system labor* — le travail humain de coordination entre systèmes que les agents IA peuvent désormais automatiser. **Capture actuelle : 4-6 Md$ (10% de l'opportunité)** — donc **>90% encore à conquérir**. Thèse-pivot : l'opportunité majeure de l'agentic AI **n'est pas de remplacer les SaaS existants** mais d'**automatiser le travail de coordination cross-systèmes** (employés extrayant des données ERP, vérifiant l'inventaire dans un spreadsheet, interprétant des réponses libres, exerçant un jugement). Distribution : Sales (20 Md$) + COGS/operations (26 Md$) + R&D/engineering (6-12 Md$) + support (6-12 Md$) + finance (6-12 Md$). **Six facteurs d'automatisation** : output verifiability, consequence of failure, digitized knowledge availability, integration complexity, process variability, physical world dependency. **Potentiel d'automatisation par fonction** : Customer support & R&D **40-60%**, Finance & HR **35-45%**, Sales & IT **30-40%**, Legal **20-30%**. **Bascule stratégique** : l'avantage concurrentiel se déplace du *system of record ownership* (Salesforce, SAP, Workday) vers le ***cross-workflow decision context*** — la capacité de voir et agir à travers plusieurs systèmes intégrés. **Exemples** : Sierra (autonomous customer issue resolution), Glean (cross-function employee request coordination), GitHub Copilot (étendu au-delà du source control), **Cursor** (ARR doublé en un trimestre, 2 Md$). **Moat durable** : *"accumulated execution data that grows more valuable over time and becomes harder for competitors to replicate"*. **Playbook 3 phases** : Assessment (six factors + market sizing) → Strategic Positioning (data assets + adjacent workflows + actual operational maps) → Execution (build/buy/partner + restructure org + redesign data foundations for agent readiness). Pertinence majeure pour CIO/CDO/Strategy en SaaS B2B et entreprises clientes : reformule la conversation *"AI vs SaaS"* en ***"AI = SaaS qui automatise enfin le coordination labor"***. À articuler avec : DORA ROI (cadre financier), Tatsyi/Raiffeisen (case study banque créateur de 7 produits IA inédits), Wescale (X3-X4 réalistes), MIT NANDA (95% pilotes fail), Foundation Capital *Context Graphs trillion-dollar opportunity* (2025-12-22), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
**David Crawford · Chris McLaughlin · Greg Fiore** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS. Article publié en **mai 2026** sur bain.com/insights · partie 2/5 d'une série sur *"the software industry in the age of AI"* (la partie 1 traite du Rule of 40, fiche `bain-ai-rule-of-40-headwinds-tailwinds-saas-2026-04.md`).
Tribune-enquête majeure de Jasmine Sun (NYT Opinion, 30 avril 2026) sur le *San Francisco consensus* : la peur du *permanent underclass* — théorie virale selon laquelle l'IA pourrait figer la mobilité économique et créer une classe rendue inutile par l'automatisation. L'article documente la dissonance interne des labs (Amodei sur "white-collar blood bath" et 50% des emplois junior white-collar disparus d'ici 2030 ; Altman 2021 → silence Lehane → white paper *Industrial Policy for the Intelligence Age* avril 2026 ; Anthropic Institute mars 2026 dirigé par Jack Clark), les benchmarks orientant la R&D vers le remplacement humain (A.I. Productivity Index, GDPVal OpenAI : *"over 80% win rate compared to human professionals"* en quelques mois), les actions corporate (Block/Dorsey -50% effectifs avec Opus 4.6 + Codex 5.3, ARR Anthropic 30B$ contre 9B$ fin 2025), et la stratégie politique Shor (79% des votants inquiets, jobs guarantee > UBI, *"They work for the bots. We work for you."*). Référence du dossier *AI labor 2026*.
#Jasmine Sun#NYT Opinion#permanent underclass
Jasmine Sun (Ms. Sun écrit sur l'IA et la culture Silicon Valley sur Substack)
FinOps pour agents IA : framework d'allocation en 4 étapes pour les coûts des coding assistants (Claude Code, Cursor, Copilot) et pourquoi le tagging cloud traditionnel échoue - Finout
#FinOps agentique#allocation des coûts#coding assistants
FinOps pour agents IA centré sur le « cost per outcome » : pourquoi le FinOps traditionnel échoue face au comportement runtime, guardrails, observabilité comportementale et cycle de vie en 4 phases - Orq.ai
#FinOps agentique#cost per outcome#comportement runtime
Brief Bain & Company **avril 2026** (David Lipman, Greg Callahan, Daniel Goetz, George Sunderland — partie 1/5 de la série *"software industry in the age of AI"*) qui analyse l'impact de l'IA sur la **Rule of 40** (métrique canonique SaaS : *growth rate + profit margin ≥ 40%*) et conclut à une **double pression** : **headwinds** (croissance marché qui ralentit + coûts AI infrastructure massifs) et **tailwinds** (productivité IA + transformation 10-25% EBITDA + outcome-based pricing). **Donnée centrale qui choque** : un cas client *marketing technology* — **coûts AI multipliés par 3,49 (+349%) tandis que revenue n'a augmenté que de 38%** sur un an. **Thèse-pivot** : les SaaS leaders pourraient devoir ***"settle for the Rule of 30"*** temporairement pour rester compétitifs face aux **AI-natives**, en acceptant une compression de marge court terme contre un positionnement long terme. **Deux paths forward explicites** : (1) ***Financialize*** — minimiser AI investment, optimiser cash, opérer comme *"durable generator"* mais limite future growth ; (2) ***Invest to Grow*** — accepter pression marge court terme, réinvestir agressivement dans capabilities AI sur produit et operations. **Tailwinds détaillés** : productivité sales/marketing/R&D, transformations réussies = **+10-25% EBITDA**, opportunité future *outcome-based pricing* (revenue déplacé du fixed seats vers labor/operations economics), incumbents peuvent leverager customer relationships et embedded workflows contre AI-native challengers. **Headwinds détaillés** : *"software penetration is topping out in some areas"* (saturation marché), AI infrastructure + inference + model access introduisent **variable costs significatifs dans des businesses historiquement à hautes marges**. **Signal CFO/board** : la Rule of 40 elle-même comme **norme stable** est en train de basculer ; certains acteurs vont temporairement sortir de cette norme et **c'est rationnel stratégiquement**. **Pertinence majeure** pour CFO/CEO/board SaaS B2B et investisseurs PE/VC software évaluant portefeuille — premier benchmarking institutionnel chiffré du dilemme *protect margins / invest aggressively* en 2026. À articuler avec : Bain **part 2/5 cross-system labor 100 Md$** (2026-05), DORA ROI 2026 (cadre financier), Wescale (X3-X4 réalistes), Tatsyi/Raiffeisen (banque −75 personnes), Curran/Intercom (3× R&D 16 mois), Menlo Ventures *State of Generative AI Enterprise* (2025-12-09).
#Bain & Company#Rule of 40#growth rate plus profit margin
**David Lipman · Greg Callahan · Daniel Goetz · George Sunderland** — partners et experts Bain & Company spécialistes industrie logicielle / SaaS / private equity software. Article publié en **avril 2026** sur bain.com/insights · **partie 1/5** d'une série Bain sur *"the software industry in the age of AI"*. La partie 2 (*The $100-Billion SaaS Opportunity Hiding in Cross-System Labor*, mai 2026) est dans le dossier de veille.
Article-méthode d'Alex Pawlowski (The Strategy Stack, #151, 30 mars 2026) qui propose un déplacement épistémique majeur de la *market research* : ne plus collecter des rapports statiques mais maintenir une ***living decision surface*** — un modèle évoluant en continu des dynamiques de marché. Contribution centrale : la **Tension Map**, qui cartographie *contradictions et points de pression* (écarts entre attente et délivrance, prix toléré sans être embrassé, incumbents sans résonance émotionnelle) plutôt que parts de marché. Outillage en trois modes (Discovery / Tension / Decision), workflow en 7 étapes, et stack outils orchestré (Perplexity pour expansion → Claude pour profondeur/continuité → ChatGPT pour itération → Multi-agent pour challenge). Référence implicite : la méthode *Analysis of Competing Hypotheses* de Richards Heuer (CIA).
#Alex Pawlowski#The Strategy Stack#AI market research
Alex Pawlowski (auteur de la newsletter Substack *The Strategy Stack*, focus stratégie et IA opérationnelle).
Analyse du coût total de possession (TCO) des LLM en local versus API cloud en 2026. L'article démontre que le prix au token est un piège et que seul le TCO complet (matériel, électricité, refroidissement, main d'œuvre) éclaire la décision. Point saillant : les points de break-even local/cloud ont chuté de 40 % entre 2024 et 2026. Source : SitePoint (média technique développeurs).
**Dossier consolidé** mars 2026 sur la **mort du modèle billable hours dans l'industrie publicitaire/communication** — combinaison du **rapport VoxComm** *"Redesigning the Agency Value Model"* (95 pages, mars 2026, **Brian Kessman** de **Lodestar Agency Consulting** + foreword **Tim Williams** de **Ignition Consulting Group**, intro **Charley Stoney** Présidente VoxComm / CEO **EACA European Association of Communication Agencies**) et de l'**article opinion MediaPost** *"Billable Hours Are Dead, AI Killed Them, Here's How To Survive"* (3 mars 2026, **Joe Mandese**, Editor-in-Chief MediaPost). **Thèse-pivot commune** : le modèle économique des agences de communication (billable hours / labor-based compensation / service business model) est **structurellement disqualifié par l'IA** ; les agences doivent ***"découpler revenue et profit du staffing numbers"*** (Stoney). **Données chiffrées MediaPost (Mandese)** : marges agences **30% (golden age) → 10% (current average)** ; créatifs produisent **~5× output** pour la même rémunération ou moins qu'il y a 10 ans. **Diagnostic Mandese** : *"We are defining and monetizing our value through time and effort rather than business impact"* — quand les agences vendent des **services horaires**, elles vendent des **commodities** vulnérables à la **compression de coût IA**. **Citation Tim Williams** : ***"At the heart of our industry's challenges lies a simple economic truth: incentives matter. When agencies embraced the hourly rate model, they unknowingly created a structural misalignment. What agencies are rewarded for — more hours — clients are incentivized to minimize."*** Rapport zéro-sum, **race to the bottom**. **Solution-pivot Williams** : ***"You are not in the service business. Agencies don't sell services and capabilities, but rather solutions to business problems."*** **Framework 4-shift Mandese** : (1) Define narrow expertise areas ; (2) Codify repeatable productized solutions ; (3) Build teams around outcomes, not utilization ; (4) Replace rate cards with value-based models (fixed fees, subscriptions, performance-based pricing). **Exemples concrets** : **FIG** (decoupled pricing from staffing), **72andSunny** (modular product menus), **Monks** (single subscription combining talent + tech + improvement). **Critique méthodologique** : commenters MediaPost contestent la marge historique 30%, suggérant des chiffres réels plutôt 12-15%. **Rapport VoxComm** structuré en 8 chapitres : When Your Model Works Against You / Mapping Your Value Model / Case Studies / How to Pivot / How to Price / How to Plan / How to Navigate / Online Tools. **Pertinence majeure** pour le dossier : c'est le **pendant agences** des bascules consulting (McKinsey/Sternfels 60 000 = 40 000 humains + 20 000 agents, janvier 2026) et SaaS (Bain Rule of 40 → Rule of 30, avril 2026). **Convergence transversale services intellectuels** : consulting + agences + SaaS basculent simultanément du *time-and-materials* vers l'*outcome-based*. À mobiliser pour COMEX agences/cabinets/marketing/communication, présentations stratégiques sur transformation IA des services, sourcing chiffrage marges 30%→10%.
#VoxComm#Redesigning the Agency Value Model#Brian Kessman
**Rapport VoxComm "Redesigning the Agency Value Model"** :
Guide officiel FinOps Foundation pour l'IA : token economics, KPIs, caching, prompt optimization, sélection de modèle et extension des 14 capacités du Framework FinOps aux services GenAI - FinOps Foundation
#FinOps Foundation#token economics#cost per token
FinOps Foundation — groupe de travail (Brent Eubanks/Wayfair, James Barney/MetLife, Eric Lam/Google, Adam Richter/AWS, Rahul Kalva/Wells Fargo, JJ Sharma/KPMG, Karl Hayberg/EY, et al.)
**OfficeChai** rapporte le **14 janvier 2026** une déclaration majeure de **Bob Sternfels** (Managing Partner Global, **McKinsey & Company**) : ***"my latest answer to you would be 60,000, but it's 40,000 humans and 20,000 agents."*** Effectif McKinsey désormais comptabilisé **humains + agents** : **60 000 = 40 000 humains + 20 000 agents IA**. **Trajectoire d'accélération massive** : *"Little over a year and a half ago, that was 3 000 agents and I originally thought it was going to take us to 2030 to get to one agent per human."* La parité humains/agents projetée initialement pour **2030** est maintenant atteignable en **18 mois** — accélération **>5×** par rapport à la projection. **Bascule modèle économique explicite** : *"We're migrating pretty quickly away from, let's call it pure advisory work... moving to much more of an outcomes-based model."* — McKinsey **abandonne le modèle billable hours / advisory** au profit d'un **outcomes-based model** où la rémunération est alignée sur les résultats mesurables. **Contexte McKinsey 2024-2026** : Lilli (chatbot interne) utilisé par **70% des employés**, **200 postes technologiques supprimés en novembre 2024**, offre de départ **9 mois de salaire** (avril 2024). **Pertinence majeure pour le dossier 2026** : c'est le **premier acteur top-tier consulting** qui (a) déclare publiquement et (b) chiffre précisément l'intégration agents IA dans ses effectifs comptables. La phrase ***"60,000 people but 20,000 of them are agents"*** est destinée à **redéfinir** la conception même du headcount dans les services intellectuels — comparable au moment où les organisations ont commencé à compter contractors + employees. **Convergence avec corpus 2026** : Bain Rule of 40 (outcome-based pricing tailwind), Bain cross-system labor 100 Md$, MediaPost Mandese *"billable hours are dead, AI killed them"* (3 mars 2026), VoxComm *Redesigning the Agency Value Model* (Brian Kessman / Tim Williams, mars 2026), Tatsyi/Raiffeisen (−75 personnes), Cherny Sequoia *"7 Powers reordering"*. **Tension productive** avec position normative DORA *"do not adopt headcount-reduction strategy"* — McKinsey assume publiquement la **réduction d'effectifs humains** (200 postes 2024) tout en réinjectant la capacité dans agents IA + outcome-based revenue. À mobiliser pour COMEX cabinet, présentations stratégiques cabinets/SSII/agences, débats sur l'avenir du modèle services intellectuels.
#Bob Sternfels#McKinsey & Company#McKinsey Managing Partner Global
Article rapporté par **OfficeChai Team** (publication indienne tech/startup news) · **14 janvier 2026**. **Source primaire** : déclarations de **Bob Sternfels** · **Managing Partner Global de McKinsey & Company** · lors d'une intervention publique. McKinsey est le cabinet conseil top-tier mondial fondé en 1926. Sternfels dirige le cabinet depuis 2021.
**Matt Kamelman** publie sur le **blog Thoughtworks** le **3 décembre 2025** un article-pivot conceptuel qui formalise la bascule économique majeure des services intellectuels : ***"Service-as-Software" (SaS)*** comme **nouveau modèle économique** succédant au **SaaS**. **Distinction-pivot** : ***"Traditional SaaS is about tools: software that enables humans to solve problems. Service-as-Software (SaS), meanwhile, sells outcomes."*** SaS est *"a new class of tool that doesn't just enable work but instead automates the reasoning process itself"*. **Bascule pricing** : ***"Companies will no longer pay for an agent based on seats or features. Instead they'll pay based on its demonstrated alignment and impact."*** **Trois exemples-types d'agents SaS** : marketing agents (campagnes end-to-end), financial agents (modélisation des prévisions), operations agents (triage des demandes). **Trois capacités** des systèmes agentic SaS : (1) opérer dynamiquement sur des **goals**, pas des fixed workflows ; (2) retenir la **mémoire** à travers les interactions ; (3) coordonner autonomement à travers tools et APIs. **Le "Cognitive Contract" — trois principes** : (1) **Interpretable and auditable** — *"users need to be able to understand why the system made a decision"* ; (2) **Aligned with human goals** — *"the system's objectives must match human intent and ethical boundaries"* ; (3) **Trained and iterated in real time** — *"systems continuously refine behavior based on feedback"*. **Nouveau rôle organisationnel** : le ***"cognitive orchestrator"***, avec trois fonctions opérationnelles : (a) **feedback loop design** (examiner étape par étape) ; (b) **managing uncertainty with guardrails** (règles métier + circuit breakers) ; (c) **measuring alignment** (score d'alignement quantifiable). **Analogie historique structurante** : *"mainframes → client-server → web/cloud, where the cognitive contract remained the same: humans had to instruct the machine"* ; aujourd'hui ce contrat **évolue vers la collaboration** humain-machine. **Pertinence majeure** : c'est la **formalisation conceptuelle anglo-saxonne** la plus claire de la bascule **billable hours / per-seat → outcome-based** observée empiriquement chez **McKinsey/Sternfels** (60 000 = 40 000 humains + 20 000 agents, janvier 2026), **VoxComm/Mandese** (mars 2026, agences), **Bain Rule of 40** (avril 2026, SaaS), **Bain cross-system labor 100 Md$** (mai 2026). Le terme ***"Service-as-Software"*** est destiné à devenir **canonique** comme l'a été *"Software-as-a-Service"* dans les années 2000-2010. À mobiliser pour **vocabulaire stratégique 2026** dans présentations COMEX, business cases agentic, modèles de pricing.
**Matt Kamelman** — auteur de l'article publié sur le blog Thoughtworks le 3 décembre 2025. **Thoughtworks** est un cabinet de conseil en technologie et software engineering global · fondé en 1993 · fortement associé à des figures emblématiques du software engineering (Martin Fowler, Rebecca Parsons, Sam Newman, etc.) et à des contributions historiques majeures (continuous delivery, microservices, expansion XP/Agile). Le blog Thoughtworks est une référence de premier plan dans l'écosystème software engineering et architectural.
Effondrement coût et complexité logiciel, IA démocratise développement, logiciel devient "permissionless", dette technique sociétale, productivité développeurs +55% - Cobus Greyling - Medium
Guide CPO FinOps des architectures IA : multiplicateurs de tokens (6×, 5-10×) à travers LLM workflows, RAG, agents et systèmes agentiques, avec le concept de Cost Iceberg - Finout
a16z — Top 100 des applications Gen AI grand public (5e édition) : stabilisation du marché, montée de Gemini et Grok, vibe coding, apps chinoises (a16z.com)
#IA générative#applications grand public#écosystème IA
Billet de blog **Sierra** (10 décembre 2024, **Elliot Greenwald**) qui pose le **texte fondateur de l'*outcome-based pricing*** pour agents IA. **Thèse-pivot** : les agents IA qui exécutent des processus de façon autonome rendent possible un **modèle de tarification entièrement nouveau** — ***« you pay only when the software achieves specific, valuable outcomes: outcome-based pricing »***. L'article retrace une **généalogie de la tarification logicielle en quatre âges** : (1) **shrink-wrapped software** (années 1980-90, boîte de disquettes/CD-ROM chez Fry's Electronics — *« Whether you actually used it or not, you paid for it »*) → (2) **SaaS / seat-based** (pionnier **Salesforce**, suivi de Google/Microsoft/Adobe — Internet permet de vendre le logiciel *as a service*) → (3) **consumption-based** (**Amazon/AWS** et **Snowflake** — *« charged only for what you used »*) → (4) **outcome-based** (agents IA). **Définition canonique** : ***« outcome-based pricing is tied to tangible business impacts—such as a resolved support conversation, a saved cancellation, an upsell, a cross-sell, or any number of valuable outcomes. If the conversation is unresolved, in most cases, there's no charge »***. **Principe d'alignement des incitations** : ***« With outcome-based pricing, Sierra gets paid only when we complete a task for you. Our incentives are aligned »***. **Critique du seat-based & concept de *shelfware*** : *« Unused seats sit idly on a proverbial store shelf, hence the derisive moniker "shelfware" »* — on paie des milliers de dollars/an par licence, utilisée ou non. **Conflit structurel des fournisseurs CX legacy** : leur revenu dépend du seat-based, or *« the more effective their AI becomes, the fewer contact center seats their clients need—undermining the provider's own revenue model »* — un agent IA efficace **cannibalise** le modèle de revenu de l'éditeur dont la tarification repose sur les sièges. **Granularité de l'outcome** : distinction entre **résolutions simples** (répondre à une question) et **résolutions complexes** (gérer un cas nécessitant un appel L2 de 20 minutes) ; **les escalades n'entraînent en général aucune facturation** ; **tarification mixte (*blended*)** possible (ex. consumption-based pour les interactions de routage/accueil). **Engagement d'optimisation continue** côté fournisseur : *« we continue to deploy concerted, directed optimizations to refine the agent's performance over time »* — l'éditeur est aligné pour améliorer la performance puisqu'il n'est payé qu'au résultat. Importance : posé **fin 2024**, ce billet **précède et fonde** tout le débat 2026 sur l'économie agentique — il fournit le **vocabulaire de l'unité de facturation** (l'*outcome* complété plutôt que le siège, l'usage ou le token) que reprendront Gupta (*cost of a completed outcome*, *token-to-outcome attribution*), Bain (*outcome-based pricing déplace le revenue de fixed seats vers labor/operations economics*), Ng (*pricing power ancré sur le salaire de l'employé remplacé*). Sierra étant l'**exemple-référence** cité par Bain (*autonomous customer issue resolution*), ce texte donne la **vue côté fournisseur** de la mécanique que les autres analysent côté acheteur. Pertinence directe pour le positionnement **tarification de la delivery agentique / value-based** du cabinet et pour le slot **Optimisation des coûts** (le pendant *vendor* du *cost per outcome*).
#outcome-based pricing#tarification au résultat#AI agents
**Elliot Greenwald** — Sierra (entreprise fondée par Bret Taylor & Clay Bavor, plateforme d'agents IA conversationnels pour l'expérience client). Billet publié sur le blog Sierra le **10 décembre 2024**. Sierra est l'**exemple-référence** cité par Bain (*The $100-Billion SaaS Opportunity*) pour l'*autonomous customer issue resolution* · et fait l'objet de plusieurs fiches du dossier (recrutement AI-native, interview Plan/Build/Review).