J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• Nvidia ne vend plus seulement des GPU. Elle veut vendre toute l’usine à IA.

• Les États-Unis peuvent bloquer les robots chinois. Pas leur avance industrielle.

• Après le software, a16z veut financer les usines de l’IA.

• L’IA commence à améliorer l’IA.

• Les constructeurs auto chinois veulent que leur prochaine voiture ait des jambes.

• Google ne veut plus seulement t’aider à chercher un vol. Il veut organiser le voyage.

Nvidia ne vend plus seulement des GPU. Elle veut vendre toute l’usine à IA.

Pendant longtemps, l’histoire de Nvidia était simple : l’IA explose, tout le monde veut des GPU, Nvidia fabrique les meilleurs et imprime de l’argent. Puis Amazon, Google et les autres hyperscalers ont commencé à développer leurs propres puces. Forcément, une question s’est installée : si les GPU deviennent moins différenciants, qu’est-ce qui protège réellement Nvidia ?

La réponse commence à apparaître. Nvidia ne veut plus simplement vendre le moteur. Elle veut vendre la voiture entière.

Avec son architecture Vera Rubin, l’entreprise assemble GPU, CPU, mémoire, réseau, stockage et accélérateurs spécialisés dans des systèmes complets. Et à mesure que les data centers IA grossissent, ce qui se passe autour du GPU devient presque aussi important que le GPU lui-même.

Le problème n’est plus uniquement de calculer vite. Il faut aussi déplacer les bonnes données au bon endroit, au bon moment, sans gaspiller une quantité absurde d’énergie. Un GPU surpuissant qui attend ses données reste surtout un GPU extrêmement cher qui ne fait rien.

C’est là que Nvidia tente de déplacer son avantage compétitif. La société affirme notamment que son CPU Vera peut améliorer fortement certaines opérations en supprimant des goulets d’étranglement autour du stockage et de la mémoire.

Le signal derrière tout ça est assez clair : après la course au compute brut, on entre dans une course à l’efficacité. Mémoire, interconnexions, réseau, stockage et consommation énergétique deviennent des champs de bataille.

Et c’est probablement là que le moat de Nvidia devient plus difficile à copier. Construire un GPU concurrent est déjà compliqué. Construire tout l’écosystème matériel et logiciel qui permet à des milliers de machines de fonctionner comme une seule l’est encore davantage.

Nvidia n’essaie donc plus seulement de gagner la guerre des semi-conducteurs. Elle veut devenir l’architecture par défaut des usines qui produisent de l’intelligence artificielle.

Les États-Unis peuvent bloquer les robots chinois. Pas leur avance industrielle.

Washington durcit les barrières autour des drones et des robots étrangers. Restrictions réglementaires, droits de douane, sécurité nationale : la Chine est clairement dans le viseur.

Le raisonnement se comprend. Un robot autonome ou un drone peut être une caméra, un outil militaire, une machine logistique ou un équipement critique. Les États-Unis n’ont pas spécialement envie que leurs infrastructures stratégiques dépendent de technologies produites chez leur principal rival géopolitique.

Le problème, c’est que fermer son marché ne fait pas disparaître l’avantage industriel chinois.

Sur les humanoïdes, environ 22 000 unités ont été livrées au premier semestre 2026, avec une très large domination chinoise. Les cinq plus gros fabricants mondiaux en volume sont chinois et représentent ensemble 86 % des livraisons.

Ce chiffre raconte surtout que la robotique n’est pas uniquement une bataille d’IA. Un robot doit être produit, assemblé et vendu à un coût acceptable. Il faut des batteries, moteurs, capteurs, composants électroniques, fournisseurs et usines. Sur cette partie-là, la Chine possède une machine industrielle difficile à rattraper.

Et l’avantage peut se renforcer tout seul. Plus les fabricants produisent, plus les coûts baissent. Plus les prix baissent, plus ils vendent. Plus ils vendent, plus ils collectent de données dans le monde réel. Et ces données peuvent ensuite améliorer les robots.

Les barrières américaines peuvent donc protéger le marché domestique, mais elles ne suppriment pas cette courbe de coûts. Les fabricants chinois peuvent simplement accélérer ailleurs : Europe, Asie du Sud-Est, Moyen-Orient, Amérique latine.

On pourrait alors se retrouver avec plusieurs marchés de la robotique : un écosystème américain et allié axé sur la sécurité et la conformité, un écosystème chinois axé sur les coûts et les volumes, et des acteurs comme le Japon, la Corée du Sud ou Taïwan tentant de se positionner entre les deux.

La mondialisation technologique ne disparaît pas vraiment. Elle devient régionale. Et dans la robotique, la géopolitique devient presque une feature produit.

Après le software, a16z veut financer les usines de l’IA.

Andreessen Horowitz vient de lancer un fonds de 1,1 milliard de dollars baptisé “Machine Age”. Son objectif : financer l’infrastructure physique nécessaire au développement de l’IA.

Puces, mémoire, data centers, interconnexions, robots, refroidissement, énergie, matériaux, immobilier industriel. Bref, énormément de choses que l’univers du venture software a longtemps préféré éviter parce qu’elles coûtaient trop cher et scalaient moins facilement qu’un SaaS.

C’est précisément ce qui rend l’annonce intéressante.

a16z fait partie des firmes qui ont popularisé l’idée que le software pouvait avaler des industries entières grâce à des coûts marginaux extrêmement faibles. Mais l’IA générative ramène brutalement la tech vers le monde physique. Chaque requête nécessite du compute. Le compute demande des puces. Les puces demandent de la mémoire, du réseau, du refroidissement et surtout beaucoup d’électricité.

Une entreprise spécialisée dans le refroidissement liquide d’un data center peut donc devenir aussi stratégique pour l’IA qu’une startup construisant une nouvelle application.

C’est le retour de la vieille histoire des pelles pendant la ruée vers l’or, sauf que les pelles font plusieurs tonnes et consomment quelques mégawatts.

On voit surtout apparaître une deuxième phase du boom IA. La première était très visible : modèles, copilotes, agents, applications. La suivante sera probablement beaucoup plus industrielle. Et elle sera aussi beaucoup plus gourmande en capitaux.

Financer une app demande quelques millions. Construire un data center peut demander plusieurs milliards. Cette nouvelle vague va donc probablement mélanger venture capital, dette, private equity et financement d’infrastructure.

Après quinze ans à entendre que “software is eating the world”, la suite est assez amusante : le software a mangé le monde. Maintenant, il lui faut énormément d’électricité pour le digérer.

L’IA commence à améliorer l’IA.

Anthropic vient de publier une expérience assez fascinante : utiliser des systèmes d’IA comme chercheurs automatisés afin d’améliorer l’alignement d’autres modèles.

Le principe ressemble étonnamment au travail d’un chercheur classique. Le système consulte la littérature disponible, propose une méthode, entraîne un modèle, mesure le résultat, conserve ce qui fonctionne et abandonne ce qui échoue. Puis il recommence.

Sur dix benchmarks consacrés à des comportements indésirables, le système est parvenu à améliorer les résultats sur chacun d’eux sans dégrader les performances générales du modèle.

Mais le chiffre le plus spectaculaire est ailleurs : dans les tests d’Anthropic, la meilleure méthode trouvée par le chercheur automatisé dépassait en moyenne les solutions proposées par des humains expérimentés au bout de six heures.

Anthropic pousse même la comparaison économique : environ 4 dollars par heure d’inférence pour le système automatisé, contre 150 dollars par heure versés aux chercheurs humains de l’étude.

Il faut évidemment relativiser. Les humains ont construit les benchmarks, produit la littérature, défini les objectifs et créé tout l’environnement dans lequel l’agent travaille. On n’est pas face à une IA qui se réécrit mystérieusement toute seule pendant la nuit.

Mais on voit apparaître une petite boucle de self-improvement. Une IA aide à construire une meilleure IA, qui pourrait ensuite devenir meilleure pour faire de la recherche, puis contribuer à améliorer encore la génération suivante.

Le vrai risque est connu : un système devient très performant pour optimiser exactement ce qu’on lui demande de mesurer. Si le benchmark est mauvais, il peut devenir extrêmement bon pour optimiser la mauvaise chose.

La valeur humaine pourrait donc progressivement se déplacer. Moins de temps consacré à tester manuellement des centaines d’hypothèses. Davantage de temps consacré à décider quelles questions valent vraiment la peine d’être posées.

Le bottleneck n’est peut-être bientôt plus la capacité à expérimenter. Ce sont les idées.

Les constructeurs auto chinois veulent que leur prochaine voiture ait des jambes.

La hype autour des humanoïdes n’a rien de nouveau. Tesla parle d’Optimus depuis des années et Boston Dynamics fait danser des robots sur Internet depuis assez longtemps pour qu’on ait presque arrêté d’être surpris.

Mais on passe progressivement du prototype à la stratégie industrielle.

La division robotique de Xpeng vient de lever plus de 900 millions de dollars pour une valorisation supérieure à 6,3 milliards. Chery prépare potentiellement l’introduction en bourse de sa filiale robotique AiMOGA. BYD a présenté son propre humanoïde. Changan, GAC, Li Auto, SAIC et Seres travaillent également sur le sujet.

Pourquoi autant de constructeurs automobiles ?

Parce qu’ils possèdent déjà une grande partie des briques nécessaires : batteries, moteurs électriques, capteurs, électronique, software embarqué, chaînes de production et expertise du manufacturing.

Faire marcher un humanoïde dans un labo est une chose. En fabriquer 100 000 à un coût supportable en est une autre. Sur ce deuxième sujet, l’industrie automobile a quelques décennies d’expérience.

Il y a aussi une motivation beaucoup plus terre-à-terre : les marges.

Le marché automobile chinois est extrêmement concurrentiel. Les prix baissent et les marges se compressent. Pour un constructeur ayant déjà investi des milliards dans l’IA, les batteries, les moteurs et les usines, réutiliser cette infrastructure pour adresser un autre marché devient assez logique.

C’est ce qui rend la stratégie de Tesla plus lisible avec le recul. Tesla ne se voit pas réellement comme une simple entreprise automobile. Elle veut construire des machines autonomes capables de percevoir leur environnement, prendre des décisions et agir.

Une voiture autonome est déjà une sorte de robot. Optimus change surtout la forme.

Vision, capteurs, IA, moteurs, batteries, simulation et manufacturing restent au cœur des deux produits.

Le vrai combat sera probablement de réussir à réunir les deux moitiés : le hardware et l’IA. Les industriels chinois sont extrêmement forts sur le corps. Les acteurs américains restent très compétitifs sur le cerveau.

Celui qui réunira les deux à grande échelle pourrait ouvrir un marché beaucoup plus important que celui des voitures.

La voiture était peut-être simplement le premier robot de Tesla.

Google ne veut plus seulement t’aider à chercher un vol. Il veut organiser le voyage.

Google transforme progressivement AI Mode en agent de voyage.

On peut désormais lui demander de chercher des vols, suivre l’évolution des prix, comparer des hôtels, afficher des tarifs en miles ou en points et aider à aller jusqu’à la réservation.

Tu lui expliques quand et où tu veux partir, avec tes contraintes, et Google recherche les meilleures options parmi plus de 300 compagnies aériennes et sites spécialisés. Si le prix ne te convient pas, tu peux demander à AI Mode de le surveiller et recevoir une alerte en cas de changement.

Côté hôtels, la logique va encore plus loin. Tu décris ton voyage et tes préférences, AI Mode propose une sélection, affiche les avis et les informations importantes puis t’accompagne vers la réservation grâce à des partenaires comme Booking, Expedia, Hilton ou Marriott.

Le changement paraît subtil, mais il est profond.

Pendant vingt ans, Google était surtout une porte d’entrée : tu cherches, il fournit des liens, puis tu pars sur un autre site pour agir.

Le nouveau modèle ressemble plutôt à ça : tu exprimes une intention, l’agent cherche, compare, mémorise tes préférences et t’aide jusqu’à la transaction.

On passe progressivement de “recherche → site web → conversion” à “intention → agent → action”.

Et ça peut devenir assez inconfortable pour les intermédiaires.

Booking et Expedia restent encore dans la boucle. Mais si Google contrôle la découverte, la comparaison, la sélection et une partie du parcours de réservation, ces plateformes risquent progressivement de devenir des fournisseurs d’inventaire cachés derrière une interface contrôlée par Google.

Le sujet dépasse évidemment le voyage.

Trouve-moi un restaurant et réserve.

Compare ces produits et achète le meilleur.

Cherche un artisan disponible et prends rendez-vous.

Compare des assurances et aide-moi à souscrire.

Si les agents deviennent vraiment utiles, une question va commencer à se poser pour beaucoup de startups : est-ce que l’utilisateur aura encore besoin d’ouvrir votre app ?

Et Google part avec un avantage assez évident. Search, Maps, Flights, Hotels, Gmail, Calendar, Wallet, YouTube et Gemini existent déjà. Il ne reste “plus qu’à” les relier.

Pendant vingt ans, Google a organisé Internet.

Maintenant, il veut commencer à agir à notre place.

Et si je devais retenir un fil rouge cette semaine, ce serait probablement celui-là : l’IA sort progressivement de la simple couche logicielle.

Elle réclame des usines, de l’électricité, des robots, des systèmes physiques et des agents capables d’agir.

On a beaucoup parlé des modèles.

On commence enfin à voir tout ce qui va devoir se construire autour.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Pierre-Louis. Biojout, l’entrepreneur qui veut rendre les entreprises autonomes

Pierre-Louis, ou PLB aux États-Unis, est ingénieur de formation et entrepreneur installé à San Francisco. Après une première boîte arrêtée parce qu’elle était trop en avance sur son marché, il repart de zéro avec NanoCorp et une idée assez radicale : construire des entreprises pensées dès le départ pour être opérées par des agents IA. Pas simplement ajouter de l’IA dans des process existants, mais reconstruire toute l’infrastructure autour d’elle. Paiement, site, acquisition, produit, reporting, optimisation : l’humain apporte l’idée, son goût et sa vision, puis la plateforme prend en charge une grande partie de l’exécution.

Dans l’épisode, on revient sur la naissance de NanoCorp, son lancement alors que Pierre-Louis était encore solo, la croissance très rapide du produit et surtout la vision derrière tout ça. On parle de reinforcement learning appliqué à une entreprise, de boîtes capables de prendre leurs propres décisions, de paiements entre agents, de structures juridiques adaptées aux IA, mais aussi d’un changement beaucoup plus profond : si l’exécution devient une commodité, l’avantage se déplace vers l’idée, le goût, la distribution et la capacité à identifier les bons problèmes.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• La naissance de NanoCorp à San Francisco

• La création d’entreprises pensées nativement pour les agents IA

• Les primitives nécessaires pour faire tourner une entreprise autonome

• L’orchestration des agents et la prise de décision

• La frontière entre autonomie de l’IA et contrôle du fondateur

• Le lancement de NanoCorp et ses premiers utilisateurs

• La croissance du produit et ses boucles de distribution

• Le business model des entreprises autonomes

• Les paiements et services conçus pour les agents

• Les futurs enjeux juridiques et bancaires de l’agent economy

• La baisse spectaculaire des barrières à l’entrée pour entreprendre

• La nouvelle valeur de l’idée, du goût et de la créativité

• La place de l’humain dans un monde où l’exécution s’automatise

Les insights clés de l'épisode

• Une entreprise autonome doit être pensée pour les agents dès sa création

• L’IA ne remplace pas le goût, l’idée ou la vision du fondateur

• Une entreprise peut être modélisée comme une boucle permanente d’action, mesure et optimisation

• Plus les systèmes deviennent performants, plus leur architecture peut devenir simple

• L’exécution est progressivement en train de devenir une commodité

• Quand l’exécution coûte moins cher, la valeur remonte vers les bonnes idées

• L’IA est un multiplicateur : certains travailleront moins, d’autres produiront beaucoup plus

• Supprimer les barrières techniques ne suffit pas à créer davantage d’entrepreneurs

• Les meilleurs produits IA réduisent la friction au point de faire disparaître des pans entiers de l’opérationnel

• Une entreprise autonome performante commence toujours par un vrai problème à résoudre

• Construire moins au lancement permet parfois d’apprendre beaucoup plus vite

• Le produit lui-même peut devenir le principal moteur d’acquisition

• Le succès des entreprises créées sur NanoCorp peut devenir son meilleur canal marketing

• Le web va progressivement devoir être conçu pour des utilisateurs qui ne sont plus humains

• Les paiements, comptes bancaires et structures juridiques des agents représentent un énorme marché à construire

• Les entreprises de demain pourront probablement fonctionner avec des équipes humaines beaucoup plus petites

• Permettre à une personne de lancer plusieurs entreprises en parallèle change complètement la taille potentielle du marché

• Le leverage apporté par l’IA va probablement accentuer l’écart entre créateurs et consommateurs

• Le meilleur usage de ces nouveaux outils reste le plus simple : créer davantage de choses
  

Écoute l'épisode

Chapitrage complet

• 00:00 NanoCorp : créer une entreprise autonome à partir d’une idée

• 02:02 Pourquoi Pierre-Louis choisit les projets à risque maximal

• 04:35 Utiliser son parcours comme filet de sécurité plutôt que comme excuse pour ne plus risquer

• 08:22 San Francisco, un MacBook et les premières briques de NanoCorp

• 09:30 Le prototype qui réussit ses premières ventes tout seul

• 11:59 Qu’est-ce qu’une entreprise quand on retire les humains de l’équation ?

• 14:34 Les primitives nécessaires pour construire une boîte autonome

• 17:01 Modèles d’IA, orchestration et architecture de NanoCorp

• 21:35 Transformer la création d’entreprise en problème de machine learning

• 23:05 Le reinforcement learning appliqué au revenu d’une entreprise

• 25:15 L’expérience NanoCorp côté utilisateur

• 26:15 Ce que l’IA doit exécuter et ce qui doit rester entre les mains du fondateur

• 27:10 Supprimer le légal et l’administratif de l’expérience entrepreneuriale

• 30:29 Faudra-t-il créer un nouveau statut juridique pour les agents IA ?

• 33:32 Quand les agents commenceront à acheter eux-mêmes sur Internet

• 36:39 Comment une IA choisit les produits et outils qu’elle utilise

• 37:07 Après le SEO, devenir le choix automatique des agents

• 38:44 Pourquoi le trafic IA pourrait devenir infiniment plus important que le trafic humain

• 40:23 Une entreprise qui travaille seule et rend des comptes à son fondateur

• 42:01 Qui décide quand l’humain et l’IA ne sont pas d’accord ?

• 44:52 Quand l’exécution devient une commodité, que reste-t-il à l’entrepreneur ?

• 46:17 De YouTube à l’IA : la chute continue des barrières à la création

• 49:07 Utiliser la technologie pour concentrer le talent sur les vrais problèmes

• 50:52 Pourquoi des outils plus puissants ne créent pas automatiquement plus de créateurs

• 54:35 L’IA comme multiplicateur de travail, dans les deux sens

• 57:39 Pourquoi NanoCorp ne veut pas automatiser les entreprises existantes

• 01:00:18 Les coulisses du lancement de NanoCorp

• 01:01:00 Les premiers utilisateurs et la validation immédiate du produit

• 01:03:00 De zéro à une croissance très rapide

• 01:05:00 Construire des boucles exponentielles directement dans le produit

• 01:17:52 Grandir avec très peu de budget marketing

• 01:21:57 Le playbook pour trouver une bonne idée de NanoCorp

• 01:23:08 Les premières entreprises qui réussissent sur la plateforme

• 01:25:00 Comment financer l’activité quotidienne d’une entreprise autonome

• 01:26:07 Le business model de NanoCorp

• 01:27:47 Jusqu’où peuvent aller les revenus générés par une boîte autonome ?

• 01:30:49 Quand les résultats des utilisateurs deviennent le meilleur marketing du produit

• 01:31:57 Les limites actuelles d’un Internet encore pensé pour les humains

• 01:36:11 Pourquoi NanoCorp a levé et comment Pierre-Louis pense son financement

• 01:37:35 Construire une entreprise massive avec une équipe minuscule

• 01:40:37 Qui utilise NanoCorp aujourd’hui ?

• 01:42:49 Un monde où une seule personne peut lancer des dizaines d’entreprises

• 01:48:00 Le conseil final de Pierre-Louis : faites des trucs

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• OpenAI revient dans la course face à Anthropic chez les entreprises

• Le vrai produit de l’IA n’est peut-être plus le modèle

• Micro1, ou le retour en force de la donnée

• Rillet veut refaire la finance d’entreprise à l’ère des agents

• Waymo prépare enfin ses robotaxis pour passer à l’échelle

• Apple coupe dans Vision Pro et Siri pour se recentrer sur l’IA

OpenAI revient dans la course face à Anthropic chez les entreprises

Pendant longtemps, OpenAI semblait avoir une avance difficile à rattraper. Puis Anthropic a progressivement grignoté du terrain chez les entreprises, jusqu’à prendre la tête parmi les clients de Ramp au printemps. En juillet, Anthropic approchait les 44 % de parts de marché contre environ 40 % pour OpenAI.

Mais le classement raconte moins de choses que la dynamique. Depuis le début du troisième trimestre, OpenAI recommence à progresser plus vite auprès de ces entreprises.

Ramp observe plus de 70 000 sociétés américaines, avec un biais assez marqué vers la tech et les startups. Ce n’est donc pas une photographie parfaite du marché enterprise, mais l’échantillon est suffisamment important pour montrer quelque chose d’intéressant : les entreprises restent très peu fidèles à leur fournisseur de modèles.

Un nouveau modèle sort, il code mieux, coûte moins cher ou offre de meilleures garanties sur les données, et les dépenses peuvent rapidement basculer. On est loin du SaaS traditionnel où remplacer un logiciel pouvait nécessiter plusieurs mois de migration et une quantité absurde de réunions internes.

C’est probablement le vrai problème pour OpenAI et Anthropic. Le marché progresse vite, mais la dépense semble encore assez volatile. Chez Ramp, la part des entreprises payant pour des outils d’IA est passée au-dessus de 50 % en mars et approchait déjà les 56 % en juillet.

Autrement dit, les deux peuvent continuer à grossir tout en se volant mutuellement des clients. La question n’est plus vraiment de savoir si les entreprises vont payer pour de l’IA. Elles le font déjà. La question devient : à qui vont-elles envoyer la facture ce trimestre ?

Et c’est là que le moat commence à se déplacer. À terme, gagner ne voudra probablement pas seulement dire avoir le meilleur modèle. Il faudra construire assez d’intégrations, de workflows, de données et de dépendances autour pour rendre le changement de fournisseur beaucoup moins trivial.

Le vrai produit de l’IA n’est peut-être plus le modèle

Cette bataille entre modèles devient d’ailleurs encore plus intéressante quand on regarde les derniers travaux de Nvidia.

Sur ARC-AGI-3, un benchmark composé de petits jeux 2D sans instructions où l’IA doit comprendre seule les règles, Claude Opus 5 obtenait environ 30 % avec une configuration classique.

Avec exactement le même modèle, mais un système spécialement conçu autour de lui, Nvidia est arrivé à 100 %.

La différence vient du fameux harness : toute la couche logicielle qui entoure le modèle et gère la mémoire, le contexte, les outils, les règles, le feedback et l’exécution.

Le modèle réfléchit. Le harness organise le travail.

Et plus les tâches deviennent longues, plus cette couche prend de l’importance. Répondre à un prompt pendant trente secondes est une chose. Travailler plusieurs heures, se souvenir de ce qui a déjà été essayé, corriger sa trajectoire et enchaîner des dizaines de décisions sans partir dans le décor en est une autre.

Nvidia a notamment ajouté un second agent chargé de superviser le premier. Une sorte de manager qui intervient lorsque l’agent principal tourne en rond ou poursuit une mauvaise piste. Apparemment, même les IA ont besoin d’un chef.

Au-delà de l’anecdote, le signal est important pour les startups. Si deux entreprises utilisent exactement le même modèle et obtiennent des résultats radicalement différents grâce à leur architecture, alors la commoditisation des modèles ne signifie pas du tout la commoditisation des produits IA.

La différenciation peut se déplacer vers la mémoire, les outils, les systèmes d’évaluation, les boucles de feedback, les données métier et la manière dont plusieurs agents collaborent. Databricks a même montré que deux harnesses utilisant le même modèle pouvaient faire varier le coût d’exécution jusqu’à un facteur deux.

Pour les agents verticaux, c’est probablement là que se construira une grande partie de la valeur. Tes concurrents auront accès aux mêmes modèles. Ils n’auront pas forcément appris à les faire travailler aussi bien que toi dans un métier précis.

Les modèles deviennent peu à peu de l’infrastructure. Et le produit recommence à se construire au-dessus.

Micro1, ou le retour en force de la donnée

Si le modèle n’est qu’une partie du puzzle, il reste malgré tout une chose dont tous les laboratoires ont désespérément besoin : des données.

Micro1 profite à fond de cette demande. La startup, lancée il y a quatre ans, serait passée de 100 millions à 500 millions de dollars de gross annual run rate en seulement huit mois. Une fois les experts rémunérés, son rythme de revenus nets annualisés se situerait entre 150 et 200 millions de dollars.

Et Micro1 est loin d’être seule. Mercor a atteint environ 2 milliards de dollars de revenus annualisés bruts, tandis que Handshake aurait passé le milliard.

Le marché de la donnée d’entraînement est donc en train de devenir un business gigantesque.

La raison est assez logique. Les grands modèles ont déjà absorbé une énorme partie des données facilement disponibles sur internet. Les prochaines améliorations nécessitent des données beaucoup plus spécifiques, créées ou évaluées par des médecins, avocats, scientifiques, ingénieurs et autres experts.

Plus les modèles deviennent bons, plus les données nécessaires pour continuer à les améliorer deviennent rares et chères.

Micro1 avait d’ailleurs commencé comme une startup de recrutement IA. Puis elle a remarqué que certains clients utilisaient déjà sa plateforme pour trouver des ingénieurs capables de travailler sur l’annotation et l’entraînement de modèles. Le pivot était presque écrit tout seul.

Aujourd’hui, l’entreprise va plus loin en générant aussi des données synthétiques et en construisant des datasets réutilisables. Et c’est là que l’économie devient particulièrement intéressante.

Le data labeling classique ressemble encore beaucoup à un business de services : tu factures le client, tu rémunères l’expert, tu gardes la différence. Mais lorsqu’un dataset peut être créé une fois puis vendu à plusieurs clients, les marges peuvent grimper jusqu’à 80 ou 90 %.

On passe progressivement d’un business de main-d’œuvre à un business de propriété intellectuelle.

Certains chercheurs pensent même que les dépenses consacrées aux données pourraient finir par rivaliser avec celles consacrées au compute. Si ça arrive, les fournisseurs de datasets ne seront plus de simples sous-traitants invisibles. Ils deviendront une couche stratégique de l’infrastructure IA.

Le futur le plus sophistiqué de l’intelligence artificielle repose donc encore parfois sur des gens qui filment leurs mains en train de manipuler une tasse dans leur cuisine. Pas très cyberpunk, mais visiblement très rentable.

Rillet veut refaire la finance d’entreprise à l’ère des agents

Cette infrastructure commence ensuite à se transformer en applications concrètes. Et Rillet en est un très bon exemple.

La startup vient de lever 100 millions de dollars à 1 milliard de valorisation en 48 heures. Elle ne cherchait même pas spécialement à lever.

Quelques semaines auparavant, l’équipe avait simplement présenté ses chiffres pendant un board meeting : rythme de revenus annualisés doublé sur le dernier trimestre, nouveaux clients parmi des entreprises cotées, partenariat avec EY et croissance rapide face aux acteurs historiques.

Quelques textos et appels plus tard, Iconiq, Sequoia et les autres investisseurs déjà présents ont remis au pot.

Le plus intéressant n’est pas vraiment la vitesse de la levée. C’est ce que vend Rillet.

La startup s’attaque à la comptabilité et à la fonction finance avec un logiciel construit dès le départ pour faire travailler des humains aux côtés d’agents IA. Pas un vieil ERP avec un chatbot collé dans un coin.

Et les clients ne font pas seulement des tests. Ils remplacent réellement leurs outils existants.

Selon Rillet, environ 50 % de ses clients viennent d’Intuit, 30 % de NetSuite et Sage Intacct, et le reste d’Oracle, SAP, Workday ou Microsoft.

C’est là que ça devient intéressant pour le SaaS legacy.

Pendant longtemps, la meilleure défense d’un ERP était simplement la douleur nécessaire pour le remplacer. Les données, les intégrations, les processus internes et les habitudes créaient une inertie énorme.

Si une nouvelle génération de logiciels arrive malgré tout à convaincre des entreprises de migrer, c’est que le gain doit commencer à devenir vraiment significatif.

Évidemment, laisser un agent gérer une partie de la comptabilité d’une entreprise impose aussi beaucoup plus de contrôle que lui demander de rédiger un email. Rillet a donc construit des systèmes de mémoire, de gouvernance et d’audit qui permettent aux équipes finance de comprendre chaque décision prise par un agent, les chiffres utilisés et la manière dont les calculs ont été réalisés.

On retrouve exactement la logique du harness évoquée juste avant. Dans les secteurs réglementés, le modèle n’est presque que le début. La valeur est dans tout ce qui permet de l’encadrer.

Le timing est également parfait : les États-Unis manquent de comptables, alors que les besoins continuent d’augmenter. Le cas d’usage naturel de l’IA n’est donc pas forcément de supprimer ces emplois, mais de permettre à moins de personnes de gérer beaucoup plus de travail en automatisant les tâches répétitives.

Pendant longtemps, on s’est demandé si l’IA allait tuer le SaaS. Elle pourrait surtout remplacer une génération de logiciels conçus uniquement pour des humains par des logiciels conçus pour des humains et des agents.

ERP, CRM, finance, juridique, assurance, support... Des catégories qu’on pensait verrouillées depuis vingt ans peuvent soudain redevenir intéressantes pour les startups.

Waymo prépare enfin ses robotaxis pour passer à l’échelle

Pendant ce temps, une autre technologie longtemps coincée au stade de la démonstration commence elle aussi à entrer dans une phase beaucoup plus industrielle.

Waymo ouvre désormais son robotaxi nouvelle génération, baptisé Ojai, à tous les utilisateurs de Los Angeles, Phoenix et San Francisco.

Derrière les capteurs et le logiciel autonome, l’Ojai est un minivan produit par Zeekr, une marque du groupe chinois Geely. Mais contrairement au Jaguar I-Pace utilisé jusqu’ici, ce véhicule a été pensé dès le départ pour fonctionner comme robotaxi : accès simplifié, meilleure durabilité, maintenance moins coûteuse et architecture adaptée à un usage quasiment continu.

Et c’est probablement beaucoup plus important qu’une nouvelle démonstration spectaculaire de conduite autonome.

Waymo a déjà montré que ses voitures pouvaient rouler sans conducteur. Le défi devient désormais économique.

L’entreprise possède environ 300 Ojai dans sa flotte commerciale, mais les volumes devraient accélérer rapidement. Une société de recherche estime que Waymo pourrait importer 5 000 véhicules aux États-Unis avant la fin de 2026, soit plus du double de sa flotte actuelle de Jaguar. Rien qu’en juillet, 725 unités seraient entrées dans le pays.

Le nouvel Ojai embarque aussi la sixième génération du système autonome de Waymo, désormais plus modulaire et conçu pour fonctionner sur plusieurs types de véhicules. L’idée est importante : Waymo ne veut plus dépendre d’un seul modèle de voiture.

La vraie bataille commence donc à ressembler à celle de n’importe quelle entreprise industrielle.

Combien coûte le véhicule ? Combien coûte son entretien ? Combien d’heures peut-il rouler chaque jour ? À quelle fréquence faut-il le nettoyer ? Quelle durée de vie pour les composants ? Quel coût au kilomètre ?

Quelques milliers de dollars économisés sur un véhicule peuvent sembler anecdotiques. Multipliés par plusieurs dizaines de milliers de robotaxis, ça devient énorme.

Il y a tout de même une petite ironie : Waymo a choisi un véhicule chinois pour réduire ses coûts, au moment même où les droits de douane américains sur les voitures chinoises viennent les augmenter.

Mais le signal reste clair. Après plus de quinze ans passés à essayer de faire fonctionner la voiture autonome, le secteur passe progressivement d’une bataille de recherche à une bataille d’exécution.

Le gagnant ne sera pas forcément celui qui possède la voiture la plus impressionnante. Ce sera celui qui peut en déployer 100 000, les faire rouler quasiment toute la journée et gagner de l’argent à chaque trajet.

Apple coupe dans Vision Pro et Siri pour se recentrer sur l’IA

Et au milieu de tous ces changements, Apple est en train de revoir ses propres priorités.

La société vient de supprimer plus de 200 postes, dont environ une centaine dans l’équipe Vision Pro. Le reste concerne notamment Siri et une équipe chargée de l’intégration de l’IA dans les appareils.

À l’échelle d’Apple, 200 personnes, ce n’est évidemment pas énorme. Mais les équipes touchées sont révélatrices.

Le Vision Pro devait initialement ouvrir une nouvelle ère informatique. Dans les faits, le casque est resté un produit technologiquement impressionnant mais trop cher, trop lourd et trop difficile à adopter à grande échelle.

Apple avait déjà ralenti certains développements autour du Vision Pro pour concentrer davantage de ressources sur des lunettes connectées. Ces nouvelles coupes renforcent l’impression que le casque actuel est peut-être moins une destination qu’un laboratoire grandeur nature pour la suite.

Du côté de Siri, la lecture est différente.

Si l’IA devient progressivement la nouvelle interface entre l’utilisateur et ses appareils, Siri devrait théoriquement devenir l’un des produits les plus stratégiques d’Apple. Réduire certaines équipes ne signifie donc pas forcément réduire l’investissement. Cela peut aussi correspondre à une réorganisation profonde autour de nouvelles architectures, de nouveaux modèles et de nouveaux usages.

Apple dit d’ailleurs vouloir créer de nouveaux rôles en parallèle.

Le problème, c’est que l’entreprise n’a pas le luxe d’avancer doucement. Google possède Gemini, OpenAI possède ChatGPT, Anthropic possède Claude et Meta développe ses propres modèles.

Apple, elle, possède surtout quelque chose d’autre : une distribution absolument gigantesque.

Des centaines de millions d’iPhone, de Macs, d’iPads, d’Apple Watch et d’AirPods déjà dans les mains des utilisateurs.

Son avantage ne sera peut-être jamais d’avoir le modèle numéro un sur tous les benchmarks. Il peut être de transformer l’IA en expérience native, intégrée à des appareils que les gens utilisent déjà toute la journée.

Un Siri réellement utile. Des AirPods capables de comprendre le contexte. Des lunettes qui voient ce que tu vois. Un Mac sur lequel des agents peuvent agir directement.

C’est probablement tout l’enjeu de cette réorganisation.

Le Vision Pro était peut-être un premier essai. Siri dans sa forme actuelle aussi.

Et au fond, toutes les actus de cette semaine racontent un peu la même chose : l’IA est en train de sortir du simple concours de modèles.

La bataille se déplace vers les données, les agents, les logiciels métiers, les interfaces, le hardware et toute l’infrastructure qui transforme un modèle puissant en produit réellement utile.

C’est probablement là que les prochaines grosses boîtes vont se construire.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Maxime, 300 000 entreprises et une autre manière de construire une grosse boîte

Maxime est l’un des cofondateurs de Tiime, un SaaS français qui réunit comptabilité, facturation, paiement et compte pro dans un seul produit. Aujourd’hui, la boîte compte environ 300 personnes, plus de 300 000 entreprises utilisent ses outils et elle génère autour de 60 millions d’euros d’ARR. Le plus intéressant, c’est la trajectoire derrière ces chiffres : Tiime n’est pas né d’un pitch deck ou d’une idée trouvée en cherchant un marché à disrupter. Maxime venait du digital et de la création de sites quand deux experts-comptables sont venus lui présenter un outil interne construit sous Access. Il rejoint le projet, devient associé, puis participe quelques années plus tard à sa transformation en véritable SaaS.

Depuis, la boîte a choisi un chemin assez différent de celui qu’on associe souvent aux startups : pas de levée de fonds, une croissance volontairement régulière, plusieurs années passées à reconstruire le produit avant de réellement le commercialiser, et une obsession pour les usages plutôt que pour les effets d’annonce. Dans l’épisode, on revient sur les erreurs techniques des débuts, le pari du mobile, la construction du produit, la distribution via les experts-comptables, leur modèle freemium, leur arrivée dans le bancaire, la réforme de la facturation électronique, mais aussi une idée qui revient constamment chez Maxime : construire une boîte capable d’exister encore dans vingt ans plutôt que chercher à gagner le marché en trois.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Comment Tiime est passé d’un outil interne à un SaaS

• Pourquoi ils ont complètement reconstruit leur produit

• Les erreurs techniques qui leur ont fait perdre plusieurs années

• Le choix du bootstrap face à l’hypercroissance

• Comment vendre un logiciel aux experts-comptables

• Le rôle du bouche-à-oreille dans leur acquisition

• Leur stratégie freemium auprès des entrepreneurs

• Pourquoi Tiime s’est lancé dans le compte pro

• La convergence entre comptabilité, paiement et banque

• Leur modèle de pricing entre cabinets et entrepreneurs

• L’opportunité de la facturation électronique

• Pourquoi le service client reste humain chez Tiime

• La place de la cybersécurité dans leur roadmap

Les insights clés de l'épisode

• Une boîte rentable peut choisir son rythme de croissance

• Lever des fonds n’est pas un accomplissement en soi

• Construire plus lentement peut devenir un avantage si cela permet de durer

• Le meilleur langage n’est pas forcément le plus à la mode, mais celui que l’équipe maîtrise vraiment

• Sur certains marchés, un MVP bancal n’existe pas

• Une excellente UX peut rendre attractif un marché historiquement peu sexy

• Le mobile peut devenir un avantage compétitif durable quand il est pensé dès le départ

• La complexité réglementaire peut devenir une barrière à l’entrée extrêmement puissante

• Copier les features d’un SaaS ne signifie pas copier son infrastructure

• Le produit ne suffit pas : il faut aussi craquer la distribution

• Sur un marché à plusieurs acteurs, chaque partie prenante doit percevoir directement sa propre valeur

• Un prescripteur devient beaucoup plus puissant quand il est lui-même utilisateur satisfait

• Il vaut parfois mieux perdre un gros client que construire son entreprise autour de ses exigences

• Un bon modèle économique doit aligner les intérêts de tous les acteurs de la chaîne

• Le freemium peut servir de canal de distribution, pas seulement de stratégie tarifaire

• Les marchés réglementaires créent parfois eux-mêmes les meilleurs vents porteurs

• La notoriété devient un problème différent une fois que le product-market fit est acquis

• Le support client peut être un canal d’acquisition

• Les tickets support sont une source directe de roadmap produit

• Automatiser le support à tout prix peut détruire une partie de la valeur perçue du produit

• Plus une entreprise manipule de données financières, plus la cybersécurité devient un enjeu stratégique

• Une entreprise peut devenir très grosse sans chercher à écraser tous ses concurrents

• Garder le contrôle de sa boîte permet aussi de refuser des décisions économiquement absurdes

• La longévité d’un projet dépend autant de l’équilibre personnel des fondateurs que de sa croissance
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Tiime : 300 000 entreprises et 60M€ d’ARR

• 02:20 Comment Maxime s’est retrouvé dans la comptabilité presque par hasard

• 05:00 D’une agence web à un logiciel interne pour experts-comptables

• 07:20 Le moment où Tiime devient réellement une boîte software

• 08:00 Trois ans pour reconstruire entièrement le produit

• 12:00 L’erreur Python et les mauvais paris technologiques

• 14:30 Pourquoi Tiime a misé très tôt sur le mobile

• 18:00 Pourquoi ils ont refusé de lever des fonds

• 24:00 Tiime face au modèle d’hypercroissance de ses concurrents

• 28:00 Comment la complexité française est devenue un avantage

• 31:00 Pourquoi les logiciels comptables ont un churn naturellement faible

• 36:00 Construire le produit : banque, factures et production comptable

• 41:00 La leçon qui a débloqué les experts-comptables

• 43:00 Pourquoi Tiime veut devenir son propre établissement de paiement

• 51:45 Le lancement commercial et la limite du concept de MVP

• 54:00 Le levier de distribution caché des experts-comptables

• 57:30 Comment convaincre un cabinet de réellement déployer le produit

• 01:03:00 Savoir dire non aux gros clients

• 01:08:00 Le freemium comme moteur d’acquisition

• 01:10:20 Le casse-tête du pricing entre entrepreneur et expert-comptable

• 01:14:00 Product-led côté entrepreneurs, accompagnement humain côté cabinets

• 01:16:00 La réforme de la facturation électronique et l’opportunité énorme pour Tiime

• 01:19:00 Pourquoi Tiime veut proposer la facturation électronique gratuitement

• 01:21:00 Le prochain défi : construire une marque vraiment connue

• 01:22:40 45 000 demandes support par mois et un choix assumé : rester humain

• 01:27:00 Le support client comme source de roadmap produit

• 01:28:30 Comment construire un service client exceptionnel

• 01:35:00 Pourquoi les fondateurs devraient répondre eux-mêmes aux premiers tickets

• 01:40:00 Investissement, crypto et nouveaux produits à explorer

• 01:41:20 Le sujet qui peut empêcher Maxime de dormir : la cybersécurité

• 01:43:20 Dix ans après, pourquoi il prend toujours autant de plaisir à construire Tiime

• 01:45:00 Le prochain invité que Maxime aimerait voir dans opensource

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• Databricks voulait lever 1 milliard, les investisseurs en proposaient 15

• Nvidia veut transformer ses GPU en actifs financiers

• OpenAI accélère GPT-5.6 Sol x14

• Microsoft simplifie Copilot après l’avoir beaucoup compliqué

• Apple veut encore sa commission, même quand l’achat se fait ailleurs

• Uber veut devenir la couche de distribution des robotaxis

Databricks voulait lever 1 milliard, les investisseurs en proposaient 15

Il y a des problèmes qu’on aimerait bien avoir. Databricks comptait initialement lever environ 1 milliard de dollars. Puis la rumeur de la levée est sortie en plein milieu de sa conférence annuelle, et le téléphone du CEO Ali Ghodsi s’est mis à sonner. Beaucoup. Selon lui, les investisseurs étaient prêts à mettre environ 15 milliards sur la table.

Databricks a finalement levé 5 milliards de dollars, pour une valorisation de 190 milliards.

Le plus intéressant n’est pas seulement le montant, mais la mécanique derrière. À ce stade de maturité, une levée n’est plus uniquement une question de besoin de cash. Quand des investisseurs historiques veulent remettre au pot et que de nouveaux fonds veulent absolument entrer, refuser trop de monde peut aussi créer de la frustration. Résultat : Databricks voulait 1 milliard, la demande en proposait 15, et tout le monde s’est retrouvé autour de 5.

Il faut dire que les chiffres donnent envie. La société aurait atteint 7 milliards de dollars de revenus annualisés, avec 80 % de croissance et un cash-flow positif. Son activité de data warehouse représente déjà environ 1,5 milliard de dollars de run rate et continue de doubler. Lakebase, sa base de données pensée pour les agents IA, aurait quant à elle dépassé les 100 millions de dollars annualisés.

Databricks est progressivement en train de devenir beaucoup plus qu’une plateforme data. La boîte veut être l’endroit où les entreprises stockent leurs données, construisent leurs modèles, déploient leurs agents et font tourner une grande partie de leur stack IA.

Alors pourquoi lever encore quand le business fonctionne déjà ? Parce que l’IA coûte extrêmement cher. Databricks a des engagements cloud de plusieurs milliards, une équipe de recherche IA d’une centaine de personnes et une stratégie d’acquisition très active. Elle a déjà levé près de 20 milliards sur les vingt derniers mois et se construit maintenant un coffre de guerre pour consolider le marché.

Le signal derrière cette opération est assez fort : le venture devient de plus en plus concentré. Une petite poignée d’entreprises considérées comme les futurs gagnants de l’IA peuvent lever des sommes absurdes, pendant que le reste du marché continue de se battre pour quelques millions.

Et l’IPO dans tout ça ? Elle attendra. Tant que Databricks peut lever plusieurs milliards à des conditions aussi favorables tout en restant à l’abri de la pression des marchés publics, difficile de trouver une raison de se presser.

Nvidia veut transformer ses GPU en actifs financiers

Nvidia vient de présenter un projet pouvant mobiliser jusqu’à 500 milliards de dollars auprès de groupes comme BlackRock, Blackstone, Apollo, Brookfield, Goldman Sachs ou KKR afin de financer des data centers IA.

500 milliards, forcément, ça attire l’œil. Mais le vrai sujet est ailleurs : Nvidia veut créer un véritable marché secondaire pour ses GPU vieillissants.

Le fonctionnement est assez audacieux. Les propriétaires de data centers peuvent utiliser leurs GPU Nvidia comme collatéral pour emprunter. Si l’entreprise fait défaut et que les créanciers doivent revendre les machines à un prix inférieur à leur valeur comptable, Nvidia accepte de couvrir jusqu’à 25 % de l’écart.

En gros : « financez les infrastructures qui achètent nos produits, et si la valeur résiduelle des puces baisse trop, on absorbera une partie du choc ».

C’est intelligent parce que plus un GPU est considéré comme un actif fiable, plus les institutions financières accepteront facilement de financer son achat. Plus elles financent de GPU, plus Nvidia en vend. La boucle est assez belle.

Elle est aussi risquée. Si la demande en IA ralentit, Nvidia pourrait simultanément vendre moins de nouvelles puces et devoir couvrir davantage de pertes sur les anciennes. C’est ce qu’on appelle un « wrong-way risk » : le risque augmente précisément au moment où l’activité se dégrade.

Cela rappelle forcément Lucent Technologies pendant la bulle télécom, lorsque le fabricant finançait lui-même certains clients qui achetaient son matériel. Mais Nvidia essaie justement d’éviter ce scénario en faisant porter l’essentiel du financement aux grandes institutions financières.

Le pari de Jensen Huang est plus profond : faire passer les GPU du statut de matériel informatique rapidement obsolète à celui d’infrastructure durable. Une ancienne génération pourrait être réutilisée par une startup, un laboratoire de recherche ou une entreprise qui n’a pas besoin du modèle le plus puissant du marché.

Si cette logique fonctionne, on aura potentiellement différentes classes de compute comme on a différentes gammes de modèles IA. Le dernier GPU pour entraîner le prochain frontier model, une génération précédente pour faire tourner des agents internes moins exigeants.

Nvidia ne cherche donc plus seulement à vendre des puces. Elle essaie de construire toute l’architecture financière qui permettra de continuer à les acheter.

OpenAI accélère GPT-5.6 Sol x14

Pendant longtemps, les modèles IA ont imposé un compromis assez simple : soit prendre le modèle le plus puissant et accepter qu’il soit plus lent, soit descendre en gamme pour gagner en vitesse.

OpenAI veut faire sauter ce compromis avec Ultrafast, un nouveau mode pour GPT-5.6 Sol qui peut fonctionner jusqu’à 14 fois plus vite que le traitement standard, avec un débit pouvant atteindre 750 tokens générés par seconde.

Sur le papier, ça ressemble à une optimisation technique. En pratique, ça peut profondément modifier les produits construits autour des modèles.

Quand on demande à ChatGPT de rédiger un email, quelques secondes de délai ne changent pas grand-chose. Mais dans un assistant vocal, un système de support client, un outil de cybersécurité ou un agent qui doit exécuter cinquante actions successives, la latence devient centrale.

Une seconde gagnée sur cinquante étapes, c’est presque une minute à la fin.

OpenAI parle d’ailleurs de « more useful work per second ». Une formulation intéressante, parce qu’elle suggère que la prochaine bataille entre modèles ne se jouera plus seulement sur l’intelligence brute. Le coût et la vitesse vont compter tout autant.

Un modèle très performant mais trop lent peut être inutilisable dans certains workflows. À l’inverse, si on parvient à offrir les capacités d’un modèle frontier avec une sensation quasi instantanée, beaucoup de petits modèles perdent une partie de leur avantage.

Autre point intéressant : Ultrafast repose sur un partenariat avec Cerebras. L’entreprise construit une architecture de puces spécialisée dans l’IA, très différente des GPU traditionnels, et obtient ici une vitrine particulièrement importante.

Ça montre aussi que le marché du hardware commence à se segmenter. Le meilleur processeur pour entraîner un modèle n’est pas forcément le meilleur pour servir des utilisateurs à très haute vitesse.

La latence devient donc une vraie feature produit. Comme pour Google Search ou les interfaces tactiles, quelques secondes de moins peuvent complètement changer la fréquence d’utilisation. Un produit IA qui répond immédiatement cesse progressivement de donner l’impression d’attendre une machine.

Et c’est probablement une étape importante pour rendre les agents réellement naturels à utiliser.

Microsoft simplifie Copilot après l’avoir beaucoup compliqué

Microsoft est en train de fusionner son application Copilot grand public et Microsoft 365 Copilot, davantage orienté vers les entreprises.

Après avoir passé plusieurs années à mettre « Copilot » un peu partout, la société fait donc quelque chose d’assez logique : elle simplifie.

Au passage, plusieurs fonctionnalités vont disparaître. Les Group Chats, les podcasts générés par IA, certaines expériences de Copilot Labs, Deep Research pour les utilisateurs grand public et même Mico, la mascotte animée qui ressemblait vaguement au Clippy de l’ère IA, vont passer à la trappe.

Pris séparément, ce n’est pas très important. Ensemble, ces retraits montrent surtout que Microsoft reconnaît un problème de fond : Copilot avait beaucoup de fonctionnalités, mais pas toujours une proposition de valeur simple à comprendre.

C’est assez frappant parce que Microsoft possède presque toutes les cartes possibles : Windows, Office, Outlook, Teams, GitHub, une énorme distribution auprès des entreprises et des investissements massifs dans l’IA.

Pourtant, ChatGPT, Claude ou Gemini ont souvent une identité produit plus claire.

La bonne nouvelle, c’est que toute l’industrie semble converger vers la même direction. OpenAI regroupe de plus en plus de capacités dans ChatGPT. Anthropic fait la même chose autour de Claude. Google empile recherche, multimodalité et outils spécialisés dans Gemini.

On passe progressivement d’une logique « une capacité IA = un produit » à « un assistant central qui orchestre tout ».

C’est beaucoup plus naturel. L’utilisateur ne veut pas savoir quel sous-produit lancer pour effectuer une recherche profonde ou modifier un document. Il veut juste dire ce qu’il cherche à faire.

Un responsable de Copilot aurait d’ailleurs expliqué en interne que le produit devait « gagner le droit d’exister » dans la vie des utilisateurs. C’est probablement la meilleure manière de résumer le défi.

En 2026, avoir de l’IA n’est plus une raison suffisante pour qu’on ouvre ton application. Tout le monde a de l’IA. Il faut créer une habitude.

Et parfois, pour créer une habitude, il faut commencer par supprimer la moitié des boutons.

Apple veut encore sa commission, même quand l’achat se fait ailleurs

Le combat Apple contre Epic Games continue, et cette fois le sujet est simple : combien Apple peut-elle prélever lorsqu’un achat est réalisé en dehors de l’App Store ?

La proposition d’Apple : 15 % pour une application standard.

Les petits développeurs pourraient tomber à 5 %, certaines applications participant à des programmes spécifiques seraient à 10 %, et les renouvellements d’abonnements également à 10 %.

La subtilité, évidemment, c’est que ces achats seraient réalisés via des liens externes. Le paiement pourrait être traité ailleurs, mais Apple estime malgré tout mériter une commission pour l’écosystème qu’elle fournit autour de la transaction.

Et c’est là que le débat devient intéressant.

Apple explique qu’elle investit dans iOS, les APIs, les outils développeurs, la sécurité, la distribution et l’App Store. De son point de vue, même si la carte bancaire passe ensuite par Stripe sur un site web, la transaction a été rendue possible parce que l’utilisateur possède un iPhone et a découvert ou installé l’app via son environnement.

Les développeurs voient évidemment les choses différemment. Si le checkout, la facturation, le support client et toute l’infrastructure commerciale sont gérés en externe, pourquoi payer 15 % ?

C’est en réalité un débat sur la valeur de la distribution.

Airbnb, Amazon ou Uber prennent une commission parce qu’ils apportent le client. Apple estime pouvoir appliquer une logique similaire. La différence, c’est qu’un développeur iOS ne dispose pas exactement d’une infinité de canaux alternatifs pour distribuer son app sur un iPhone.

Apple avait auparavant tenté une commission de 27 % sur certains achats externes, ce qui revenait presque à permettre de quitter son système de paiement sans réellement quitter son modèle économique.

15 % est nettement plus raisonnable, mais le principe reste le même : Apple refuse l’idée qu’un achat initié depuis son écosystème puisse valoir zéro.

Si ce taux finit par être validé, il pourrait devenir une sorte de nouvel équilibre pour les stores mobiles. Le vieux modèle des 30 % paraît de plus en plus contesté, mais un monde où Apple ne touche plus rien sur les transactions externes serait lui aussi une rupture énorme.

Derrière le procès Epic se cache donc une question qui concerne toutes les plateformes : pendant combien de temps peut-on continuer à monétiser un utilisateur que l’on a contribué à acquérir ?

Uber veut devenir la couche de distribution des robotaxis

Uber et Pony.ai veulent déployer 2 000 robotaxis dans quatre villes européennes. Les villes et le calendrier exact ne sont pas encore connus, mais on commence clairement à sortir du petit pilote expérimental.

Le modèle économique est particulièrement intéressant. Pony.ai fournit la technologie de conduite autonome. Uber fournit la plateforme et la demande. L’exploitation physique de la flotte, avec la maintenance, le nettoyage ou la recharge, peut être confiée à un partenaire local. Même la propriété des véhicules peut varier selon les pays.

Bref, Uber ne veut pas forcément posséder les voitures ni développer la meilleure technologie autonome.

Elle veut posséder le client.

C’est une évolution assez logique. Uber travaille désormais avec plus de 30 entreprises spécialisées dans les véhicules autonomes. Au lieu de parier sur un seul champion, la société construit une marketplace capable d’accueillir plusieurs technologies.

Waymo gagne ? Très bien. Pony.ai gagne ? Très bien aussi. Un nouvel acteur apparaît demain ? Il peut potentiellement rejoindre la plateforme.

C’est exactement le même principe qui a permis à Uber de se développer sans posséder les voitures de ses chauffeurs. Avec les robotaxis, la voiture change, mais la couche de distribution reste.

Et cette distribution a énormément de valeur. Une entreprise comme Pony.ai peut être excellente technologiquement, mais lancer une nouvelle application dans chaque ville et convaincre des millions de personnes de l’utiliser reste un énorme travail. En intégrant Uber, le client est déjà là.

C’est aussi un retournement assez amusant. Pendant longtemps, la voiture autonome était présentée comme une menace existentielle pour Uber : si on supprime le chauffeur, pourquoi aurait-on encore besoin d’Uber ?

Parce qu’il faut toujours matcher une voiture avec un passager, gérer les prix, les paiements, la demande, le support et toute l’expérience utilisateur.

Le véritable gagnant des robotaxis ne sera donc peut-être pas uniquement celui qui construit la voiture qui conduit le mieux. Ce sera peut-être aussi celui qui remplit le plus facilement ces voitures.

Uber semble avoir choisi son camp : laisser les autres dépenser des milliards pour résoudre l’autonomie, puis leur apporter les clients.

Et vu le nombre de partenariats signés, le pari commence à devenir assez lisible.

Cette semaine, il y a finalement un fil rouge assez clair derrière toutes ces histoires : la technologie seule ne suffit plus. Databricks accumule du capital pour consolider son marché, Nvidia construit la finance autour de ses puces, OpenAI optimise la vitesse, Microsoft simplifie l’expérience, Apple défend la valeur de sa distribution et Uber veut contrôler l’accès au client.

Une fois que les briques technologiques deviennent suffisamment puissantes, la bataille se déplace ailleurs : distribution, financement, expérience utilisateur et contrôle de l’écosystème.

Et c’est souvent là que les entreprises les plus importantes se construisent.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Ariel n’est pas le profil classique du fondateur SaaS.

Il a appris à développer il y a plus de dix ans, en partant de tutoriels trouvés sur Internet parce qu’il voulait comprendre comment fonctionnaient les sites de streaming d’animés.

Depuis, il construit.

Des outils, des produits, des SaaS, parfois pendant plusieurs années, parfois juste assez longtemps pour comprendre si une idée mérite réellement d’exister.

Son projet principal, Teachizy, pourrait se résumer comme un Shopify pour les formateurs. Une plateforme qui permet de créer, vendre et gérer une formation en ligne.

Le projet est né d’un problème très concret.

Pendant le Covid, Ariel organisait des formations en présentiel. Il fallait passer en ligne, mais les plateformes disponibles n’étaient pas adaptées aux contraintes des formations financées.

Plutôt que de construire un logiciel uniquement pour son propre organisme, il l’a ouvert aux autres.

Cinq ans plus tard, Teachizy génère environ 60 000 € de MRR.

Pas grâce à une levée de fonds.

Pas grâce à une énorme machine publicitaire.

Et pas grâce à un lancement devenu viral en trois jours.

La croissance est venue d’une accumulation de décisions intelligentes : du référencement distribué, des backlinks générés par les utilisateurs, de l’affiliation, une vraie compréhension du produit et beaucoup de patience.

Dans cet épisode, Ariel détaille ce qu’il ferait aujourd’hui pour lancer un SaaS, choisir un associé, trouver ses premiers canaux d’acquisition et construire un produit qui distribue lui-même sa propre marque.

On parle aussi de product-led growth, d’affiliation, de viral loops, de niches géographiques, de croissance exceptionnelle devenue fausse norme, de business de formation et de la frontière parfois floue entre un modèle brillant et une exécution douteuse.

Écoute épisode

Ce qu’on décortique dans l’épisode

• Comment Teachizy est passé d’un outil créé pour résoudre un problème interne à un SaaS générant environ 60 000 € de MRR.

• Pourquoi Ariel déconseille de brûler du budget en ads avant de comprendre précisément son marché.

• Comment obtenir des backlinks en allant chercher les articles et comparateurs déjà positionnés sur Google.

• Pourquoi les usages de tes clients peuvent devenir ton meilleur canal d’acquisition.

• Comment intégrer la distribution directement dans le produit grâce aux sous-domaines, aux pages publiques, aux liens et aux mentions « Powered by ».

• Ce qui rend un programme d’affiliation réellement puissant.

• Pourquoi certaines trajectoires de croissance SaaS donnent une vision complètement faussée de la réalité.

• Et comment choisir un associé capable de compenser tes faiblesses, même s’il possède les mêmes compétences que toi.

Les insights clés de l'épisode

• La complémentarité entre associés ne se résume pas à leurs métiers

• Au début, protéger son périmètre ralentit le projet

• Le bon associé compense aussi ton mode de fonctionnement personnel

• Faire des ads trop tôt revient souvent à payer pour comprendre son marché

• Le SEO ne se joue pas uniquement sur ton propre site

• Les meilleurs backlinks peuvent être générés par tes utilisateurs

• Un simple “Powered by” peut devenir un canal d’acquisition

• Le product-led growth fonctionne quand partager le produit sert d’abord le client

• L’affiliation devient puissante quand elle peut devenir un véritable métier

• Le pricing détermine la viabilité d’un programme d’affiliation

• Les croissances exceptionnelles ne doivent pas devenir la norme

• La vitesse de croissance dépend aussi de la structure du marché

• Le churn doit être analysé à travers le business de tes clients

• Une niche géographique peut permettre d’attaquer un marché mondial

• Une bonne distribution peut dépasser un meilleur produit

• Une idée n’a pas besoin d’être nouvelle si son angle de distribution est meilleur
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Introduction d’Ariel, alias Le Dev ULTIME

• 01:02 Teachizy, le Shopify des formateurs

• 03:18 La naissance du SaaS pendant le Covid

• 05:05 De 0 à environ 60 000 € de MRR

• 06:54 Lancer une boîte avec deux associés développeurs

• 10:14 Répartir les rôles sans ralentir le projet

• 13:48 Comment son associé l’a aidé à rester accountable

• 15:59 Pourquoi Ariel a privilégié l’organique aux ads

• 16:45 Son playbook SEO pour apparaître dans les comparatifs

• 19:45 Les backlinks générés par les propres clients de Teachizy

• 24:41 Transformer un “Powered by” en canal d’acquisition

• 25:45 Le product-led growth de taap.it

• 29:13 Créer de nouvelles boucles de croissance avec les emails et les paiements

• 31:06 Stan Store et la puissance de l’affiliation

• 35:21 Formations revendables, MLM et perception du scam

• 47:00 L’expérience d’Ariel avec un système pyramidal à 18 ans

• 01:10:56 Pourquoi la croissance SaaS est souvent plus lente qu’on l’imagine

• 01:12:07 Le concept d’affiliate-market fit

• 01:25:46 Strava et les produits que les utilisateurs distribuent eux-mêmes

• 01:31:00 Attaquer un marché mondial par une niche géographique

• 01:33:03 Whoop et le rôle décisif de la distribution

• 01:40:00 Les fondateurs et entrepreneurs qu’Ariel respecte

• 01:44:40 Conclusion de l’épisode

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• Tesla et SpaceX veulent fabriquer leurs propres puces à très grande échelle

• Bending Spoons rachète Airtable pour 1,28 milliard de dollars

• OpenAI rachète NextSlide pour s’attaquer aux présentations

• Google Maps devient doucement un agent qui fait les choses à ta place

• Hadrian lève 1,37 milliard pour industrialiser la défense américaine

• Meta lance son concurrent à Claude Code et Codex

Musk veut sa propre usine de puces

Elon Musk a décidé qu’acheter des puces aux autres n’était visiblement plus suffisant.

Tesla et SpaceX vont investir 16,8 milliards de dollars pour commencer à construire Terafab, une gigantesque usine de semi-conducteurs au Texas. SpaceX prévoit à terme plus de 100 millions de pieds carrés d’espace industriel, avec fabrication, packaging et tests réunis sur un même site.

L’objectif est assez simple à comprendre : Tesla et SpaceX pensent qu’elles vont avoir besoin d’une quantité absolument énorme de puissance de calcul.

Optimus, les robotaxis, l’IA embarquée, les satellites, les futurs data centers de SpaceX... Toutes ces ambitions reposent sur la même matière première : du compute.

Et plutôt que d’attendre que les fabricants de semi-conducteurs suivent la demande, Musk veut construire directement la capacité dont ses entreprises auront besoin.

C’est probablement le point le plus intéressant.

On parle beaucoup de modèles d’IA, mais la bataille se déplace progressivement vers l’infrastructure qui permet de les faire tourner. Les puces, l’énergie, les data centers et les chaînes de production deviennent presque aussi stratégiques que les modèles eux-mêmes.

Musk pousse simplement cette logique jusqu’au bout : si une ressource risque de devenir un goulot d’étranglement, autant essayer de la produire soi-même.

C’est une stratégie très Tesla, finalement.

On commence par acheter une pièce. Puis on se dit qu’on pourrait probablement mieux la fabriquer. Et quelques années plus tard, on annonce une usine de plusieurs dizaines de milliards de dollars.

Classique.

Bending Spoons rachète Airtable

Autre deal assez impressionnant cette semaine : Bending Spoons va racheter Airtable pour 1,285 milliard de dollars en cash.

Pour remettre le chiffre en perspective, Airtable avait été valorisé à plus de 11 milliards de dollars en 2021.

Cinq ans plus tard, l’entreprise change donc de mains pour une fraction de cette valorisation, même si la transaction implique une valeur des fonds propres d’environ 2,25 milliards en prenant en compte la trésorerie d’Airtable.

Et Airtable n’est pourtant pas exactement une boîte mourante.

Son ARR tournait autour de 480 millions de dollars en juin, avec une croissance supérieure à 20 % sur un an, et le produit est utilisé par plus de 500 000 organisations.

Mais le plus intéressant ici, c’est probablement l’acheteur.

Bending Spoons est devenu une sorte de machine industrielle du logiciel.

La société italienne rachète des marques connues, puis applique sa propre recette : simplification du produit, optimisation des coûts, amélioration de la monétisation et développement sur le long terme. Evernote, WeTransfer, Vimeo, Eventbrite ou encore AOL sont déjà passés dans son portefeuille.

Avec Airtable, le modèle change légèrement d’échelle.

On n’est plus seulement sur une application grand public ou un produit mature. Airtable reste une vraie plateforme B2B, implantée profondément dans les workflows de grosses entreprises et qui essaie désormais de se repositionner autour des agents IA.

Il y a aussi une petite leçon pour le SaaS derrière cette acquisition.

Une valorisation privée n’est pas un prix. C’est une photo prise à un instant précis.

En 2021, le marché imaginait encore que beaucoup de SaaS allaient croître presque indéfiniment.

En 2026, les acheteurs regardent surtout les revenus, la croissance réelle, la marge et ce qu’ils peuvent faire de l’actif.

Le réveil a parfois un prix.

OpenAI s’attaque aux PowerPoint

OpenAI continue également de faire ses courses.

Cette fois, l’entreprise a acquis NextSlide, une startup spécialisée dans la création de présentations avec l’IA. Son équipe rejoint désormais ChatGPT. Les conditions financières de l’opération n’ont pas été communiquées.

NextSlide permettait de prendre un prompt, des notes, un document ou des recherches pour les transformer en une présentation éditable.

Dit comme ça, l’acquisition paraît presque anecdotique.

Elle ne l’est probablement pas.

Parce que la bataille actuelle des assistants IA ne porte plus seulement sur la qualité d’une réponse dans une fenêtre de chat.

Le vrai enjeu devient : est-ce que l’IA peut produire directement le livrable dont j’ai besoin ?

Pas un paragraphe expliquant comment faire un deck.

Le deck.

Pas une analyse expliquant comment construire un fichier Excel.

Le fichier.

Pas cinq idées pour préparer une réunion.

Les documents utilisables pendant la réunion.

NextSlide s’inscrit parfaitement dans cette évolution.

OpenAI semble vouloir transformer ChatGPT en environnement de production généraliste, capable de passer progressivement de la réflexion à l’exécution.

Et dans le monde du travail, les présentations restent un gigantesque morceau du problème.

Des millions de personnes passent encore des heures chaque semaine à déplacer des blocs de texte dans PowerPoint pour finalement conclure que le logo est trois pixels trop haut.

Il y avait peut-être effectivement quelque chose à automatiser.

Google Maps veut réserver à ta place

Google Maps continue lui aussi sa transformation.

Avec les nouvelles fonctions d’Ask Maps, l’application peut maintenant utiliser des capacités agentiques pour commander à manger, rechercher des hôtels, vérifier certaines disponibilités ou trouver des événements. Google ajoute également une couche de personnalisation capable de s’appuyer sur des informations provenant de Gmail et, progressivement, d’autres services comme Calendar.

Concrètement, tu peux lui demander de trouver un restaurant correspondant à une envie précise sur ton trajet, puis Maps peut préparer le panier chez certains partenaires.

Même logique pour un hôtel : tu donnes tes contraintes en langage naturel, Maps cherche, compare les options et te propose celles qui correspondent le mieux.

Ça paraît être une évolution assez naturelle du produit, mais c’est aussi un changement de rôle.

Pendant vingt ans, Google Maps répondait essentiellement à une question :

où est-ce que je dois aller ?

Maintenant, Google veut également répondre à :

qu’est-ce que je devrais faire, et peux-tu commencer à le faire pour moi ?

C’est exactement là que les agents IA deviennent intéressants.

Un assistant devient vraiment utile quand il possède à la fois du contexte et la possibilité d’agir.

Et Google a énormément de contexte.

Maps connaît les lieux.

Gmail connaît tes réservations.

Calendar connaît ton emploi du temps.

Google Search connaît le web.

Android connaît une bonne partie de ce que tu fais sur ton téléphone.

Individuellement, chaque produit est puissant.

Reliés par un agent, ils deviennent beaucoup plus difficiles à concurrencer.

Le moat de Google dans l’IA ne sera peut-être donc pas seulement Gemini.

Ce sera peut-être simplement Google.

Le retour des usines dans les pitch decks

Hadrian vient de lever 1,37 milliard de dollars pour une valorisation proche de 8 milliards.

La startup travaille dans la defense tech, mais elle ne construit ni missile intelligent ni drone autonome.

Elle construit les usines qui permettent aux autres de construire tout ça.

Son idée consiste à automatiser la fabrication de composants critiques grâce à des usines fortement pilotées par logiciel, robotique et IA.

Hadrian développe notamment sa propre plateforme, Opus, qui automatise une partie des opérations de fabrication et d’inspection. L’entreprise propose également une approche de type “Factories-as-a-Service”, où elle peut construire et exploiter des capacités de production pour ses clients.

Et c’est probablement pour ça que la levée est intéressante.

Il y a quelques années, quand on parlait de startups valorisées plusieurs milliards, on imaginait surtout un logiciel avec des marges énormes et quelques centaines d’employés.

Aujourd’hui, une partie du capital risque retourne vers quelque chose de beaucoup plus physique.

Des usines.

Des robots.

Des chaînes logistiques.

Des infrastructures énergétiques.

Des satellites.

La defense tech est évidemment un moteur énorme de ce mouvement aux États-Unis, mais la tendance dépasse largement la défense.

Après plusieurs décennies d’obsession pour l’asset-light, une partie de la Silicon Valley redécouvre qu’il existe aussi un avantage compétitif assez simple : être capable de fabriquer des choses que les autres ne savent plus fabriquer assez vite.

Le software mangeait le monde.

Maintenant il construit des usines.

Meta veut aussi son agent de code

Et pour terminer : Meta entre plus franchement dans la bataille des agents de programmation avec Muse Code.

L’outil est pensé pour travailler sur de gros repositories et prendre en charge des tâches complètes de développement : analyser les modifications nécessaires, écrire du code puis vérifier le résultat.

Pour les tâches importantes, Muse Code peut également répartir le travail entre plusieurs sous-agents qui travaillent en parallèle sur des environnements séparés.

Derrière, on retrouve Muse Spark, la nouvelle famille de modèles de Meta, qui alimente déjà une partie des ambitions agentiques du groupe.

Le message est assez clair : Meta ne compte pas laisser Anthropic et OpenAI transformer le développement logiciel en marché captif.

Claude Code a montré qu’un agent capable de comprendre un projet entier était beaucoup plus intéressant qu’un simple autocomplete.

Codex pousse dans la même direction.

Meta arrive donc avec son propre candidat.

Et il y a un détail particulièrement important dans cette bataille : le coût.

Pour une requête occasionnelle, quelques centimes de différence ne changent rien.

Mais si demain une entreprise fait tourner des centaines d’agents pendant plusieurs heures chaque jour pour maintenir des millions de lignes de code, l’économie devient complètement différente.

On passe alors d’un abonnement logiciel classique à une forme de main-d’œuvre numérique facturée en compute.

Celui qui possède le meilleur rapport capacité/prix peut prendre une place énorme.

C’est sans doute pour ça que tout le monde se bat aussi fort sur le coding.

Les développeurs sont peut-être simplement les premiers travailleurs de bureau pour lesquels les agents commencent réellement à fonctionner.

Et ce qui marche chez eux finit rarement par rester uniquement chez eux.

À lundi prochain.

On aura probablement encore inventé trois agents, deux usines et une acquisition d’ici là.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Samuel Cardillo est difficile à présenter sans donner l’impression d’en faire trop.

Il a commencé par le hacking.

Il a travaillé sur des sujets de cybersécurité et de défense.

Il a cofondé RTFKT, une marque née à la frontière entre la mode, le gaming et les NFT, ensuite rachetée par Nike.

Puis il a lancé une société de renseignement géospatial disposant de ses propres satellites.

Aujourd’hui, il consacre une bonne partie de son temps à l’intelligence artificielle, au hardware et aux modèles capables de fonctionner localement.

Sur le papier, ces projets n’ont pas grand-chose en commun.

En réalité, ils suivent tous la même logique.

Samuel expérimente, apprend très vite, construit ce qui l’amuse et avance sans chercher à donner une cohérence artificielle à son parcours.

Il ne commence pas par se demander si une idée peut devenir une entreprise de plusieurs milliards.

Il commence par se demander s’il a envie de passer du temps dessus.

Et c’est probablement ce qui rend cet épisode aussi intéressant.

Pendant plus de deux heures, on parle de la création de RTFKT, de son acquisition par Nike, du rôle réel de la marque dans une entreprise tech, de hacking, de défense, de satellites, d’IA locale, de GPU et de la différence entre une technologie impressionnante et un business réellement viable.

On parle aussi de décisions moins glamour.

Pourquoi arrêter une société même quand sa technologie fonctionne.

Pourquoi certains marchés sont impossibles à attaquer en étant autofinancé.

Pourquoi le meilleur réseau ne se construit pas toujours dans les conférences.

Et pourquoi offrir gratuitement ses ressources peut parfois rapporter plus que de chercher immédiatement à les monétiser.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• La création de RTFKT et son rachat par Nike

• La manière dont une marque peut prendre plus de valeur que sa technologie

• Les choix de branding qui ont permis à RTFKT de sortir du lot

• Les premières années de Samuel dans le hacking et la cybersécurité

• Son passage par les télécommunications, la défense et le renseignement

• La création d’une entreprise possédant ses propres satellites

• Les raisons qui l’ont poussé à arrêter Shadowbreak malgré une technologie fonctionnelle

• Les limites économiques des marchés très capitalistiques

• Sa vision de l’intelligence artificielle locale

• Le rôle du hardware, des GPU et de la mémoire dans la bataille de l’IA

• Les raisons pour lesquelles il prête gratuitement son infrastructure à des projets

• Sa manière de construire sans chercher à tout monétiser immédiatement

Les insights clés de l'épisode

• Les consommateurs n’achètent pas ta technologie, ils achètent l’expérience qu’elle leur permet de vivre

• Une marque forte peut devenir l’actif le plus précieux d’une entreprise

• Le branding ne se limite pas à un logo

• Une vision claire permet de refuser les mauvaises opportunités

• Le networking peut devenir une forme de procrastination

• Les meilleures collaborations ne commencent pas toujours par une introduction prestigieuse

• Les expérimentations inutiles en apparence peuvent devenir un avantage décisif

• L’adaptabilité peut être une meilleure stratégie que la planification

• Une technologie impressionnante ne garantit pas un bon business

• Il faut savoir arrêter une entreprise qui fonctionne techniquement

• La scalabilité dépend de la structure réelle du marché

• Le hardware redevient un avantage stratégique dans l’IA

• Le meilleur modèle n’est pas toujours le plus rapide

• Donner gratuitement ses ressources peut accélérer l’apprentissage

• Tout ne doit pas être monétisé immédiatement

• L’IA locale répond autant à un problème de fiabilité que de confidentialité

• Limiter l’accès des équipes à l’IA peut limiter leur capacité à travailler

• Les grandes plateformes d’IA restent dépendantes de leur infrastructure

• Les meilleurs entrepreneurs construisent des systèmes, pas seulement des entreprises

• La curiosité composée peut devenir un véritable avantage concurrentiel
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Présentation de Samuel Cardillo et de son parcours hors norme

• 01:55 La création de RTFKT et les premières expérimentations

• 07:26 Comment RTFKT est devenue une marque rachetée par Nike

• 09:59 Branding, croissance et différenciation dans l’univers des NFT

• 15:06 Créer du contenu viral sans stratégie marketing formalisée

• 17:03 Pourquoi la marque était le véritable actif de RTFKT

• 21:55 La collaboration avec Takashi Murakami

• 28:31 Les débuts de Samuel dans le hacking et la cybersécurité

• 43:00 Les rencontres et les décisions qui ont façonné son parcours

• 58:46 La tech israélienne et la puissance des petits écosystèmes

• 01:03:00 Télécommunications, défense et projets sensibles

• 01:18:26 Shadowbreak et le marché du renseignement géospatial

• 01:23:06 Le vrai coût d’une entreprise qui possède des satellites

• 01:25:13 Pourquoi Samuel décide d’arrêter malgré une technologie fonctionnelle

• 01:31:00 Son retour vers l’intelligence artificielle

• 01:41:00 GPU, mémoire et contraintes physiques des modèles

• 01:49:24 Vitesse, puissance et choix d’une infrastructure IA

• 01:50:13 Pourquoi il prête gratuitement ses machines à des projets

• 01:53:00 Construire des expériences sans chercher à les monétiser

• 01:55:00 Les futurs gagnants de la bataille de l’IA

• 02:01:09 La thèse de Samuel sur l’IA locale et les modèles cloud

• 02:10:15 Conclusion

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• La pénurie de RAM ne fait que commencer

• Claude a cru que le vrai Internet était un bac à sable

• Index Ventures remet 2 milliards sur la table

• Tesla pourrait sacrifier la Chine pour épouser SpaceX

• Apple découvre que les services ne montent pas jusqu’au ciel

• L’Inde ne télécharge plus seulement les apps, elle commence à payer

La pénurie de RAM ne fait que commencer

On parle beaucoup des GPU quand on parle d’intelligence artificielle. Mais derrière les puces Nvidia, il y a un autre composant devenu tout aussi stratégique : la mémoire.

Samsung, qui produit environ un tiers des puces mémoire dans le monde, s’attend à ce que la pénurie actuelle s’aggrave en 2027. Les tensions sur l’offre pourraient même durer jusqu’en 2028. Autrement dit, le problème n’est pas temporaire.

Les grands laboratoires d’IA cherchent désormais à sécuriser directement leurs approvisionnements auprès des fabricants. Certains partagent même leurs prévisions de besoins sur plusieurs années avec Samsung, histoire de réserver leur place dans la file. Quand OpenAI, Google, Meta ou les autres construisent des data centers, ils n’achètent pas quelques barrettes de RAM sur Amazon. Ils signent des contrats gigantesques, capables de déplacer tout un marché.

Pour Samsung, cette visibilité est presque idéale. Le fabricant peut privilégier les clients qui s’engagent sur le long terme, investir dans de nouvelles capacités de production et éviter les cycles historiques de surproduction suivis d’un effondrement des prix.

Mais Samsung ne vend pas seulement des semi-conducteurs. L’entreprise fabrique aussi des smartphones, des tablettes et des téléviseurs. Quand la mémoire devient plus chère, le coût de fabrication de tous ces produits grimpe aussi. Le groupe gagne donc davantage avec ses puces, tout en voyant les marges de ses autres divisions se réduire.

Samsung a déjà commencé à augmenter le prix de certains appareils Galaxy, ce qui a pesé sur la demande. Apple se retrouve dans une situation similaire avec ses Mac et ses iPad. Nvidia pourrait également augmenter le prix de ses cartes graphiques grand public de 20 à 30 %, avec un effet en cascade sur les PC, les laptops, les consoles et les machines de gaming.

Le vrai signal est assez simple : l’IA ne fait pas seulement augmenter le prix du cloud ou des abonnements logiciels. Elle commence à modifier l’économie mondiale du hardware. Pendant des années, les consommateurs ont profité de composants toujours plus puissants et relativement accessibles. Désormais, ils se retrouvent en concurrence avec des entreprises prêtes à dépenser des milliards pour entraîner leurs modèles.

La prochaine taxe de l’IA ne sera peut-être pas visible sur une facture ChatGPT. Elle sera intégrée dans le prix de ton prochain ordinateur.

Claude a cru que le vrai Internet était un bac à sable

Le principe d’un test de cybersécurité est simple : on place un modèle dans un environnement isolé, on lui demande d’attaquer des systèmes fictifs et on observe jusqu’où il peut aller. Normalement, rien ne doit sortir du bac à sable.

Sauf que dans le cas d’Anthropic, une porte était restée ouverte.

Après avoir analysé plus de 141 000 sessions d’évaluation, l’entreprise a découvert trois incidents durant lesquels différents modèles Claude ont accédé à Internet, puis se sont introduits sans autorisation dans les systèmes réels de trois organisations.

Le problème initial semble presque banal : une mauvaise configuration de l’environnement de test géré avec un partenaire externe. Anthropic pensait que Claude n’avait pas accès à Internet. Le modèle, lui, a simplement utilisé le chemin disponible. C’est souvent comme ça que commencent les grosses histoires de cybersécurité : pas avec un hacker en capuche devant six écrans, mais avec une case mal cochée.

Le détail le plus troublant est que les instructions données à Claude précisaient explicitement qu’il n’avait pas accès à Internet. Pourtant, lorsqu’il est tombé sur de vrais systèmes, certains modèles ont supposé qu’ils faisaient partie de l’exercice.

Opus 4.7 a reconnu qu’il se trouvait probablement sur une véritable infrastructure de production, mais a poursuivi ses actions, récupéré des identifiants et accédé à une base contenant des données réelles. Mythos 5 a lui aussi repéré des signes montrant qu’il était sorti de la simulation, avant de se convaincre du contraire et de publier un paquet malveillant sur PyPI. Celui-ci a ensuite été téléchargé et exécuté par des systèmes extérieurs avant d’être détecté.

Seul le modèle de recherche le plus récent s’est arrêté de lui-même après avoir compris que la cible était réelle.

C’est là que l’histoire devient intéressante. La sécurité ne dépend pas seulement des filtres placés autour d’un modèle. Elle dépend aussi de sa capacité à interpréter une situation ambiguë, à remettre en cause ses hypothèses et à décider que terminer une mission est moins important que d’éviter un dommage potentiel.

Anthropic insiste sur le fait que Claude ne poursuivait pas un objectif personnel. Le modèle n’a pas essayé de s’échapper ou de prendre le contrôle pour son propre compte. Il a simplement tenté d’accomplir la tâche demandée.

C’est rassurant, mais pas tant que ça. Le risque le plus crédible n’est probablement pas une IA qui développe soudainement une ambition secrète. C’est un système très compétent qui exécute parfaitement une mauvaise interprétation de la consigne.

Plus les agents deviennent autonomes, moins la sécurité peut reposer sur une phrase écrite dans un prompt. Le modèle ne doit pas seulement croire qu’il est isolé. Il faut qu’il le soit réellement.

Index Ventures remet 2 milliards sur la table

Index Ventures vient de lever 2 milliards de dollars répartis entre trois véhicules : 400 millions pour le seed, 900 millions pour le venture et 700 millions supplémentaires ajoutés à son fonds growth. Au total, la firme dispose désormais de 3,5 milliards de dollars à investir.

Sur le papier, c’est énorme. Mais dans le monde du venture capital, où certains fonds ont passé les dernières années à empiler les milliards, Index reste presque raisonnable.

La firme n’a pas cherché à faire grossir brutalement ses véhicules. Elle répartit son capital selon les différentes étapes de développement des startups : entrer tôt, accompagner les premières phases de croissance, puis continuer à investir quand les entreprises atteignent une autre échelle.

Cette levée arrive surtout au meilleur moment possible. Wiz, l’une des plus belles participations du portefeuille, a été rachetée par Alphabet pour 32 milliards de dollars. Index avait investi dès le seed et détenait environ 12 % du capital. Sa participation pourrait donc valoir près de 3,8 milliards de dollars.

Autrement dit, une seule ligne du portefeuille pourrait valoir davantage que l’ensemble du capital qui vient d’être levé. C’est le genre de résultat qui rend les conversations avec les investisseurs un peu plus simples.

Le plus intéressant n’est pas seulement la taille du retour, mais le moment auquel Index est entré. La firme n’a pas rejoint Wiz une fois que tout le marché avait compris que la cybersécurité cloud allait devenir énorme. Elle a investi au tout début, quand le risque était maximal.

Index a également été l’un des premiers investisseurs de Figma. Ces sorties comptent énormément dans le climat actuel. Pendant la période d’euphorie, les fonds pouvaient lever sur la base de valorisations théoriques. Aujourd’hui, les investisseurs veulent revoir de vraies distributions.

La stratégie d’Index repose donc sur une forme de discipline : disposer de beaucoup de capital, sans devenir un méga-fonds obligé de placer des tickets gigantesques pour espérer produire un rendement visible. Lever le plus gros véhicule n’est pas toujours une victoire. Parfois, c’est simplement une promesse de devoir trouver énormément de très gros deals.

Sans surprise, une partie du nouveau capital finira dans l’IA. Index a déjà investi dans Anthropic, Fireworks AI et Physical Intelligence, ce qui couvre plusieurs couches de la chaîne de valeur : les grands modèles, l’infrastructure d’inférence et la robotique.

La firme ne devient pas intéressante parce qu’elle vient de lever 2 milliards. Elle peut lever 2 milliards parce qu’elle a montré qu’elle savait entrer tôt, accompagner longtemps et sortir au bon moment.

Dans le venture, l’argent attire l’attention. Mais ce sont les distributions qui construisent les réputations.

Tesla pourrait sacrifier la Chine pour épouser SpaceX

Tesla envisagerait de séparer l’ensemble de ses activités chinoises avant une éventuelle fusion avec SpaceX. Plusieurs scénarios seraient sur la table : une vente, une scission ou, dans l’option la plus radicale, une fermeture.

L’information reste rapportée et Elon Musk l’a démentie. Mais l’hypothèse raconte quelque chose d’intéressant : Tesla et SpaceX ont beau appartenir au même univers, les deux entreprises évoluent dans des mondes réglementaires presque opposés.

Tesla dépend profondément de la Chine. SpaceX dépend profondément du gouvernement américain.

SpaceX fabrique des fusées, opère une constellation de satellites et travaille sur des programmes liés à la défense et à la sécurité nationale. Ce statut implique des règles strictes sur les technologies, les données, les employés et les relations avec des puissances étrangères.

Tesla, de son côté, possède une immense usine à Shanghai et s’appuie sur un réseau de fournisseurs chinois pour produire ses véhicules à grande échelle. Tant que les sociétés restent séparées, cette contradiction peut être gérée. Dans une entreprise fusionnée, les frontières deviendraient beaucoup plus difficiles à défendre.

La solution la plus simple serait donc aussi la plus brutale : sortir la Chine de Tesla.

Le problème, c’est que Shanghai n’est pas une petite filiale exotique. L’usine est l’un des principaux moteurs industriels du groupe. Elle produit pour le marché chinois, mais aussi pour une partie de l’Asie et de l’Europe. Tesla y bénéficie d’un écosystème de fournisseurs et de coûts difficiles à reproduire ailleurs.

Se séparer de la Chine reviendrait donc à retirer une pièce centrale de la machine au moment même où Tesla fait face à une concurrence de plus en plus agressive de la part de BYD, Xiaomi, Xpeng et d’autres constructeurs locaux.

Pourquoi fusionner malgré tout ? Parce que Tesla ne veut plus vraiment être perçue comme un simple constructeur automobile. L’entreprise parle de robotaxis, de robots humanoïdes, d’intelligence artificielle, de batteries, de puces et d’énergie. SpaceX combine spatial, télécommunications, connectivité mondiale et contrats gouvernementaux.

Les passerelles existent : Starlink pour connecter les véhicules, les batteries de Tesla pour les infrastructures de SpaceX, l’IA et la robotique pour les deux groupes. Une fusion pourrait donner naissance à une sorte de conglomérat industriel de l’ère IA, présent dans les transports, l’énergie, les télécommunications, la robotique et l’espace.

Mais plus l’empire Musk se regroupe, plus ses intérêts deviennent difficiles à concilier. SpaceX a besoin de la confiance de Washington. Tesla a besoin de la Chine.

Les synergies tiennent facilement dans une présentation PowerPoint. La géopolitique, beaucoup moins.

Apple découvre que les services ne montent pas jusqu’au ciel

Apple a franchi un seuil assez vertigineux : l’entreprise compte désormais plus de 1,5 milliard d’abonnements payants dans son activité services, contre 1 milliard début 2025.

Apple Music, iCloud, AppleCare, Apple TV, paiements, publicité, App Store : la machine est devenue immense. Pourtant, c’est précisément cette activité qui a déçu pendant le trimestre.

Apple a généré 30,74 milliards de dollars dans les services, contre 31,22 milliards attendus par les analystes. À l’échelle du groupe, l’écart paraît faible. Mais quand le reste du trimestre bat des records, le moindre ralentissement dans la division la plus rentable devient immédiatement visible.

Parmi les raisons avancées, il y a d’abord le ralentissement du jeu mobile. C’est important, car le gaming représente historiquement l’une des principales sources de revenus de l’App Store. Achats intégrés, abonnements, monnaies virtuelles : chaque transaction rapporte une commission à Apple. Quand les joueurs dépensent moins, toute la mécanique ralentit.

Le deuxième sujet est plus structurel. Aux États-Unis, Apple doit désormais permettre aux développeurs de proposer des paiements en dehors de l’App Store. Concrètement, ils peuvent orienter un client vers leur propre système de paiement et éviter la commission habituelle.

Pendant des années, Apple a construit l’un des meilleurs péages numériques au monde. L’entreprise contrôlait la distribution, le paiement et la relation avec le client. Aujourd’hui, les premières fissures apparaissent.

Apple ne précise pas encore combien ces changements ont coûté. Mais le simple fait qu’ils apparaissent dans les explications financières montre que la pression réglementaire n’est plus théorique. Elle commence à peser sur les revenus.

L’App Store a malgré tout battu un record sur le trimestre, notamment grâce à Apple Ads. La publicité prend progressivement plus de place dans l’écosystème et s’étend déjà à d’autres surfaces, comme Apple Maps.

C’est une évolution logique. Si les commissions deviennent plus difficiles à défendre, Apple peut monétiser autrement l’accès à son milliard d’utilisateurs. Moins de péage sur les transactions, plus de publicité dans les surfaces de découverte.

L’entreprise prépare également d’autres relais : Creator Studio, Apple Cash, les paiements et un programme de renouvellement lancé avec Klarna. Plus Apple facilite l’achat d’un iPhone, plus elle augmente ses chances de vendre ensuite du stockage, de la garantie, de la musique, de la vidéo et des services financiers.

Le hardware devient une porte d’entrée. L’objectif est ensuite de transformer chaque appareil en facture mensuelle.

Le péage App Store ne disparaîtra pas demain. Mais il n’est plus intouchable. Apple compte 1,5 milliard d’abonnements. Son prochain défi sera de continuer à les faire payer sans pouvoir taxer absolument tout ce qui se passe sur l’iPhone.

L’Inde ne télécharge plus seulement les apps, elle commence à payer

Pendant des années, l’Inde a été le marché rêvé pour gonfler ses statistiques d’utilisateurs : des milliards de téléchargements, une population jeune et des smartphones partout. Mais très peu de revenus.

Cette époque commence à changer.

Au deuxième trimestre 2026, les consommateurs indiens ont dépensé un montant record de 345 millions de dollars dans les applications mobiles, soit une hausse de 35 % sur un an. Le chiffre reste faible face aux États-Unis, au Japon ou à la Corée du Sud, mais la dynamique est beaucoup plus intéressante que le niveau absolu.

Le revenu généré par téléchargement a plus que doublé en trois ans et demi, alors que le volume trimestriel des installations reste stable autour de 6,3 milliards depuis 2023. Les Indiens ne téléchargent donc pas beaucoup plus d’applications. Ils commencent simplement à payer davantage pour celles qu’ils utilisent déjà.

L’un des principaux moteurs de cette évolution est la simplification des paiements. UPI permet de régler directement depuis un compte bancaire, presque instantanément, tandis que les portefeuilles numériques ont rendu les petites transactions beaucoup plus naturelles.

Quand acheter un service numérique devient aussi simple que payer un café, l’idée de s’abonner à une application paraît soudain beaucoup moins étrange.

L’intelligence artificielle joue également un rôle central. ChatGPT et Claude représentent à eux seuls près de 83 % des revenus des applications d’IA en Inde. Malgré le nombre de nouveaux assistants lancés chaque semaine, les utilisateurs paient surtout pour quelques marques déjà bien installées.

La promesse est facile à comprendre : écrire plus vite, coder, réviser, préparer un entretien, traduire un document ou lancer un petit business. Dans un marché jeune et très compétitif, un outil qui améliore directement les perspectives professionnelles peut devenir une dépense rationnelle.

Autre changement notable : la croissance ne vient plus seulement des jeux. Les applications hors gaming ont représenté 68 % des revenus mobiles indiens au premier semestre 2026, contre 58 % trois ans plus tôt.

Google One a même été l’application générant le plus de revenus dans le pays sur le trimestre. Ce n’est pas très spectaculaire, mais c’est révélateur. À mesure que les usages numériques augmentent, le stockage cloud devient une dépense presque invisible. Les plateformes comme Amazon Prime Video, Crunchyroll, Sony LIV et JioHotstar progressent elles aussi.

Le smartphone indien n’est donc plus seulement une machine à télécharger des applications gratuites. Il devient un véritable portefeuille de services récurrents.

L’Inde reste encore très loin des marchés matures en revenu par téléchargement. Mais ce retard est aussi l’opportunité. Il n’est pas nécessaire que le revenu moyen rejoigne celui des États-Unis. Avec des centaines de millions d’utilisateurs, une progression beaucoup plus modeste peut déjà créer des entreprises gigantesques.

Pour les startups mobiles et SaaS, le signal mérite d’être suivi. Les prochains centaines de millions d’abonnés numériques ne viendront probablement pas uniquement d’Amérique du Nord ou d’Europe. Ils viendront aussi de marchés longtemps considérés comme impossibles à monétiser.

L’Inde n’est pas encore devenue une mine d’or pour les applications. Mais elle n’est plus seulement une usine à téléchargements.

Et quand un marché de plus d’un milliard de personnes commence à sortir sa carte, même doucement, tout le monde finit par regarder.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Jeremie Berrebi : ce que 350 startups lui ont appris sur l’argent, l’échec et la réussite

Jeremie Berrebi a lancé sa première entreprise à la fin des années 1990, avant que la plupart des gens comprennent réellement ce qu’allait devenir Internet.

À 21 ans, il levait plusieurs millions, passait à la télévision et envoyait chaque matin une newsletter personnalisée à 500 000 utilisateurs.

Quelques mois plus tard, la bulle Internet explosait.

Depuis, il a créé plusieurs entreprises, cofondé Leetchi, participé au lancement de MangoPay et surtout fondé Kima Ventures avec Xavier Niel.

Leur modèle était simple sur le papier : investir rapidement dans une à deux startups par semaine.

En pratique, Jeremie a accompagné plus de 300 entreprises, dont Wise, Formlabs, Carta, Sparrow et Rapportive.

Il a vu les boîtes qui deviennent des milliards.

Il a aussi vu les fondateurs qui appellent en pleurs parce que leur entreprise ferme dans trois semaines.

C’est ce qui rend cet épisode intéressant.

Jeremie ne parle pas de l’entrepreneuriat depuis un fonds d’investissement ou un tableau Excel. Il en parle comme quelqu’un qui a créé, recruté, levé, vendu, perdu du trafic du jour au lendemain, licencié et recommencé.

Et il ne cherche pas à rendre tout cela plus séduisant que ça ne l’est.

Pour lui, l’entrepreneuriat est dur, le succès dépend beaucoup plus de la chance qu’on ne veut l’admettre, et vouloir devenir riche est probablement l’une des pires raisons de se lancer.

Mais quand on aime construire, comprendre des problèmes et améliorer des produits, le voyage peut valoir le coup.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Comment construire une entreprise quand Internet en est encore à ses débuts.

• Pourquoi une startup peut réunir 500 000 utilisateurs et rester incapable de gagner de l’argent.

• Ce que la bulle Internet de 2000 peut encore apprendre aux fondateurs d’aujourd’hui.

• Comment Jeremie est passé de l’entrepreneuriat à l’investissement aux côtés de Xavier Niel.

• Pourquoi Kima Ventures a choisi d’investir vite, souvent et sur un très grand nombre de startups.

• Ce qui distingue les fondateurs capables de construire Wise, Formlabs ou Carta.

• Comment Google a fait disparaître Zlio de ses résultats du jour au lendemain.

• Les erreurs de financement qui peuvent coûter très cher au moment d’une revente.

• Pourquoi dépendre d’un seul canal d’acquisition peut condamner une entreprise.

• Ce que plusieurs centaines d’investissements lui ont appris sur la chance, le timing et la persévérance.

• Comment il organise son temps entre business, famille et étude.

• Et pourquoi, après autant de réussites et d’échecs observés, il refuse de réduire une vie réussie à l’argent.

Les insights clés de l'épisode

• L’argent n’accélère pas mécaniquement une entreprise

• Un marché peut être juste et le timing complètement faux

• Une audience ne devient pas automatiquement un business

• Une petite équipe excellente vaut souvent mieux qu’une grande équipe moyenne

• Dépendre d’une plateforme, c’est lui confier une partie de son entreprise

• Le parcours doit compter autant que la destination

• LinkedIn montre rarement la vraie vie des entrepreneurs

• Les meilleurs fondateurs sont obsédés par leur produit

• La persévérance ne suffit pas sans direction

• Un seul investissement peut rembourser tout un portefeuille

• Même les meilleurs investisseurs sous-estiment certaines entreprises

• Les conditions d’une levée comptent parfois plus que la valorisation

• Créer une nouvelle catégorie est séduisant, mais risqué

• Le meilleur produit peut partir d’un problème personnel

• Optimiser son temps commence par accepter de ne pas être partout

• Un bon conseiller trouve le problème qui bloque tous les autres

• La réussite professionnelle ne compense pas une vie personnelle ratée

• Il ne faut pas repousser sa vie à une hypothétique réussite future

• La famille, les études et le business peuvent se construire en parallèle

• La spiritualité peut devenir une méthode de réflexion

• La tech n’a pas le monopole des bons entrepreneurs
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Jeremie Berrebi, entrepreneur, investisseur et futur bâtisseur

• 04:52 Créer sa première boîte avant l’explosion d’Internet

• 08:15 Lever des millions à 21 ans et devenir le visage de la nouvelle économie

• 12:41 Construire une newsletter personnalisée pour 500 000 utilisateurs

• 15:01 L’époque où brûler de l’argent était une fierté

• 22:16 La bulle Internet explose : pourquoi tout le monde s’est trompé

• 29:05 Entreprendre pour devenir riche est une mauvaise idée

• 32:28 Lever des fonds en pleine crise et sauver Net2One

• 36:45 Zlio : l’entreprise que Google voulait racheter avant de la faire disparaître

• 50:15 La naissance de Kima Ventures avec Xavier Niel

• 50:48 Cofonder Leetchi et lancer ce qui deviendra MangoPay

• 53:45 La clause de levée de fonds qu’un fondateur ne devrait jamais accepter

• 56:56 Devenir le « sniper » de centaines d’entrepreneurs

• 01:01:08 Investir 10 millions d’euros dans 100 startups

• 01:22:45 Ce qui distingue les fondateurs de Wise, Formlabs et Carta

• 01:25:17 L’investissement jugé trop cher qui aurait pu rapporter 80 millions d’euros

• 01:34:37 Pourquoi l’argent n’est plus son principal moteur

• 01:40:00 Travailler à mi-temps, étudier et construire une famille nombreuse

• 01:59:35 Ne pas attendre la réussite pour commencer à vivre

• 02:08:09 Ce que les entrepreneurs tech doivent apprendre des autres industries

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Benjamin Douablin a passé sept ans dans la vente avant de lancer FullEnrich.

À force de prospecter, il s’est retrouvé face au même problème que beaucoup d’équipes commerciales : des bases incomplètes, des numéros incorrects et des fournisseurs qui promettent une qualité de données qu’ils ne livrent pas.

Dans sa précédente startup, son équipe avait fini par payer sept fournisseurs différents pour trouver les coordonnées de ses prospects.

Ils avaient même bricolé leur propre système interne pour interroger les fournisseurs les uns après les autres.

Le système coûtait cher, cassait régulièrement et demandait une maintenance permanente.

Mais il résolvait un vrai problème.

Quand Benjamin et ses associés ont compris que leur startup précédente ne deviendrait probablement pas le succès qu’ils espéraient, ils ont pris une décision assez brutale.

Ils ont revendu leur base clients, licencié une équipe de douze à treize personnes et commencé à travailler sur FullEnrich dès le lendemain.

Pas de pause. Pas de nouvelle étude de marché de six mois.

Ils avaient déjà le problème, le produit interne et les premiers utilisateurs prêts à payer.

Trois ans plus tard, FullEnrich compte plus de 5 000 clients dans le monde et une équipe de 45 personnes réparties entre la France, le Royaume-Uni et les États-Unis.

Benjamin, lui, s’est installé à San Francisco pour construire le marché américain.

Dans cet épisode, on parle de la naissance de FullEnrich, de pricing à l’usage, de conformité, de vente aux grands comptes et de ce que San Francisco change réellement dans l’ambition d’un entrepreneur.

Mais surtout, on revient sur les décisions concrètes qui ont permis à la boîte de passer d’un outil interne bricolé à une infrastructure utilisée par des milliers d’équipes commerciales.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Pourquoi FullEnrich ne possède pas sa propre base de données.

• Comment agréger plus de 25 fournisseurs améliore les taux d’enrichissement.

• Pourquoi Benjamin a investi massivement dans le juridique et la conformité dès les premières années.

• Comment un produit interne est devenu la base d’une nouvelle entreprise.

• Pourquoi FullEnrich facture à l’usage plutôt que par utilisateur.

• Comment vendre un outil technique sans obliger les commerciaux à changer leurs habitudes.

• Ce que l’installation à San Francisco a changé dans le développement de la boîte.

• La réalité du marché américain, des visas, des founder houses et de l’écosystème tech local.

• Et ce que les entrepreneurs européens sous-estiment encore lorsqu’ils essaient de vendre aux États-Unis.

Les insights clés de l'épisode

• Les meilleurs produits viennent souvent d’un problème que l’on a déjà payé très cher pour résoudre

• Un pivot demande parfois d’accepter que l’entreprise actuelle est terminée

• Le meilleur signal de marché reste une personne qui dit : « Sors-le, je l’achète »

• Il faut construire le produit que le client veut intégrer, pas une interface qu’il devra subir

• Le pricing doit suivre la manière dont le produit est réellement consommé

• Une meilleure couverture de données ne suffit pas, il faut aussi vérifier la qualité

• Le juridique peut devenir un outil de croissance

• Le founder-led sales masque des faiblesses qu’une équipe commerciale ne pourra pas masquer

• Aller aux États-Unis ne consiste pas seulement à traduire son site

• Une immersion courte peut être plus utile qu’un déménagement décidé depuis Paris

• L’environnement modifie ce que l’on considère comme possible

• Un produit mondial doit intégrer les contraintes locales dès sa conception

• L’IA est utile lorsqu’elle réduit une friction réelle

• La connaissance du marché permet de prendre des décisions produit contre-intuitives

• Construire une entreprise ambitieuse reste un jeu de long terme
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Présentation de Benjamin Douablin et de FullEnrich

• 01:10 Pourquoi FullEnrich agrège plus de 25 fournisseurs de données

• 03:20 Les enjeux juridiques, réglementaires et de conformité

• 06:47 Comment la conformité aide à signer de grands comptes

• 09:27 La genèse de FullEnrich et l’échec de la précédente startup

• 12:20 Fermer une entreprise et relancer un nouveau projet dès le lendemain

• 13:38 Pourquoi FullEnrich facture à l’usage

• 17:00 Valider le besoin avant de transformer l’outil interne en produit

• 22:00 Comment fonctionne l’enrichissement et la vérification des données

• 28:35 Démonstration du produit et recherche de prospects

• 32:00 Intégrations, API et automatisation des workflows commerciaux

• 41:00 Stratégie commerciale et typologie des clients

• 47:00 Les principales difficultés rencontrées pendant la croissance

• 59:00 Pourquoi Benjamin a choisi de développer FullEnrich aux États-Unis

• 01:07:33 San Francisco, ambition et plafond de verre entrepreneurial

• 01:09:32 Visas, founder houses et installation dans la Silicon Valley

• 01:16:57 Ce que l’écosystème de San Francisco change dans la manière d’entreprendre

• 01:30:00 Les différences d’ambition entre la France et les États-Unis

• 01:58:21 Les entrepreneurs français à suivre dans la Silicon Valley

• 02:04:20 Bootstrap, levée de fonds et rapport personnel au travail

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• Databricks atteint 188 milliards de dollars de valorisation

• Uber veut avaler Delivery Hero

• Après les GPU, les investisseurs misent sur les puces d’inférence

• Construire un Web mondial de l’IA, ouvert à tous

• Google veut transformer la recherche en poste de commande

• Patreon ne demande plus gentiment aux bots IA de partir

Databricks atteint 188 milliards de dollars de valorisation

Databricks vient d’annoncer une nouvelle levée menée par Coatue, sur la base d’une valorisation de 188 milliards de dollars. Le montant tournerait autour de 3 milliards, même si l’argent ne serait pas encore officiellement arrivé, ce qui est une manière assez élégante de célébrer le virement avant que la banque ne l’affiche. En décembre 2024, l’entreprise valait encore 62 milliards : sa valorisation a donc triplé en moins de deux ans.

Ce qui impressionne surtout, c’est la manière dont Databricks a réussi à passer du statut de star du big data à celui d’entreprise IA presque incontournable. Comme elle gérait déjà les données sensibles de milliers d’entreprises, elle s’est retrouvée idéalement placée lorsque celles-ci ont voulu brancher de l’intelligence artificielle sur leurs informations internes sans tout envoyer dans la nature. Databricks n’a pas changé de métier, elle a simplement découvert que son ancien métier avait soudainement beaucoup plus de zéros.

L’entreprise pousse aussi les modèles ouverts et affirme que certains, comme GLM 5.2, peuvent rivaliser avec OpenAI ou Anthropic sur des tâches de développement, pour moins cher. Elle souligne également que le coût dépend autant du modèle que de l’outil qui gère son contexte et ses instructions. Moralité : ce n’est pas toujours le moteur qui consomme trop, parfois c’est juste le conducteur qui laisse la clim tourner avec les fenêtres ouvertes.

Uber veut avaler Delivery Hero

Uber a conclu un accord pour racheter Delivery Hero dans une opération en actions valorisée 14,8 milliards de dollars. Si le deal passe, le groupe pourrait presque doubler sa présence mondiale et opérer dans près de 100 marchés en Europe, au Moyen-Orient, en Amérique latine et en Asie. Uber ne veut visiblement plus seulement nous emmener à l’aéroport, mais aussi transporter notre dîner, nos courses et probablement notre canapé un jour.

Derrière cette acquisition, la logique est celle de la densité. Plus Uber possède d’utilisateurs, de livreurs, de restaurants et de commerçants dans une même zone, plus la plateforme peut mutualiser sa technologie, ses dépenses marketing et ses opérations. Dans 14 pays où Uber Eats est déjà présent, les activités de Delivery Hero seront d’ailleurs revendues séparément, histoire d’acheter uniquement les morceaux utiles et de laisser les doublons dans le carton.

Le vrai pari est de devenir la super-app occidentale des services urbains. Uber veut être l’endroit où l’on se déplace, commande, réserve et paie, avec un abonnement qui relie le tout. Les régulateurs risquent évidemment de regarder le dossier de près, surtout dans les villes où fusionner deux plateformes reviendrait à remplacer la concurrence par un menu déroulant.

Après les GPU, les investisseurs misent sur les puces d’inférence

General Compute, une startup spécialisée dans le cloud d’inférence, vient d’obtenir un prêt de 400 millions de dollars auprès d’Upper90. La nouveauté, c’est que le financement serait garanti par des puces conçues spécifiquement pour faire tourner des modèles déjà entraînés. Après avoir financé les GPU comme des immeubles, les investisseurs commencent donc à traiter les puces d’inférence comme des appartements avec vue.

General Compute utilise des puces SambaNova, annoncées comme plus économes en énergie, plus faciles à installer et jusqu’à 16 fois plus rapides que certaines infrastructures basées sur des GPU. L’idée de fond est simple : toutes les requêtes IA n’ont pas besoin d’une puce Nvidia hors de prix et d’un système de refroidissement digne d’une centrale nucléaire. Pour résumer un PDF, inutile de faire décoller une fusée.

Ce deal montre surtout que le marché commence à croire à une deuxième phase de l’IA. La première consistait à entraîner des modèles gigantesques, la suivante consistera à les faire tourner des milliards de fois sans exploser les coûts. Nvidia reste dominant, mais AMD, Groq, Cerebras, SambaNova et d’autres commencent à grignoter des usages précis, et le capital adore toujours arriver au moment où un monopole commence à montrer une petite fissure.

Construire un Web mondial de l’IA, ouvert à tous

Current AI veut créer une infrastructure publique et ouverte pour l’intelligence artificielle, sur le modèle du Web. L’organisation a notamment développé Suno Sutra, un petit appareil capable de faire fonctionner de l’IA dans 22 langues indiennes sans connexion Internet. Parce que oui, une technologie mondiale qui exige la fibre, un iPhone récent et un anglais impeccable n’est peut-être pas encore totalement mondiale.

Le projet repose sur un constat simple : l’essentiel des grands systèmes d’IA appartient aujourd’hui à des entreprises privées, alors que des milliers de langues et de communautés restent très mal représentées. Current AI finance donc des initiatives au Kenya, au Liban et en Amazonie pour créer des jeux de données locaux, numériser des cultures et conserver les informations sur place. L’objectif n’est pas seulement de traduire des phrases, mais d’éviter que toute une culture soit résumée par trois documents PDF et une vieille traduction de la Bible.

Avec 400 millions de dollars d’engagements, l’organisation veut aussi bâtir une véritable pile technologique open source, en partenariat avec Mozilla, Hugging Face, le MIT Media Lab ou encore Sakana AI. Elle ne remplacera probablement pas OpenAI ou Google, mais ce n’est pas forcément le but. Une infrastructure publique n’a pas besoin de gagner toute la course, elle doit surtout éviter que certains restent bloqués au bord de la piste.

Google veut transformer la recherche en poste de commande

Google permet désormais de connecter Instacart, Canva et YouTube directement à AI Mode. L’outil peut préparer une liste de courses, remplir un panier, proposer des modèles de design ou créer une playlist sans obliger l’utilisateur à naviguer entre plusieurs applications. Google ne veut donc plus seulement répondre à la question, il veut cliquer à notre place.

Cette évolution transforme progressivement le moteur de recherche en moteur d’action. Pendant vingt ans, Google nous envoyait vers des sites ; demain, il pourrait exécuter directement la tâche et choisir lui-même le service qui s’en charge. Pour les applications partenaires, c’est un nouveau canal de distribution, mais aussi le risque de devenir de simples sous-traitants invisibles derrière une conversation.

Google possède ici un avantage énorme grâce à Gmail, Maps, YouTube, Calendar, Photos, Android et tout le reste. Plus AI Mode connecte ces services, plus il peut devenir personnel et pratique, mais plus il concentre aussi notre vie numérique dans une seule interface. Le meilleur assistant sera probablement celui qui nous connaît le mieux, ce qui est pratique jusqu’au moment où l’on réalise qu’il connaît aussi la date de notre prochain barbecue avant nos propres invités.

Patreon ne demande plus gentiment aux bots IA de partir

Patreon travaille avec Cloudflare pour bloquer directement les bots qui aspirent les contenus des créateurs afin d’entraîner des modèles d’IA. Jusqu’ici, la plateforme utilisait surtout un fichier robots.txt pour demander aux crawlers de ne pas entrer. Certains bots l’ignoraient, ce qui confirme qu’une pancarte « merci de ne pas voler » fonctionne rarement très bien quand la porte reste ouverte.

Avec les nouveaux outils de Cloudflare, Patreon affirme que les tentatives de certains crawlers sont passées de plusieurs milliers par semaine à zéro. Les robots qui indexent les pages pour renvoyer du trafic resteront autorisés, tandis que ceux qui utilisent les contenus pour entraîner des modèles seront bloqués. La plateforme veut donc faire la différence entre le visiteur qui recommande la boutique et celui qui repart avec le stock.

Derrière ce changement technique se cache une bataille économique beaucoup plus large. Les créateurs produisent les textes, images et idées dont les entreprises d’IA ont besoin, mais reçoivent rarement du trafic, de l’argent ou même un merci correctement orthographié. Le Web entre donc dans une nouvelle phase où chaque site devra décider quels bots peuvent entrer, pourquoi, et surtout combien ils doivent payer.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Pyroman est l’un des beatmakers les plus importants de sa génération

Il a travaillé avec Niska, Kalash, Damso, Shay et plusieurs artistes américains. Ses productions cumulent des centaines de millions d’écoutes, mais quand on lui demande de raconter son parcours, il résume ça presque timidement : il a fait quelques morceaux qui ont bien marché. Parmi ces « quelques morceaux », il y a notamment Réseaux de Niska et Mwaka Moon de Kalash et Damso. Le premier a lancé une période complètement folle pendant laquelle Pyroman s’est retrouvé derrière plusieurs des titres les plus écoutés de France. Le second, il l’a produit en quinze à vingt minutes, assis dans un coin du studio, son ordinateur posé sur les cuisses.

Ce qui rend son parcours particulièrement intéressant, ce n’est pas uniquement la liste de ses hits. C’est sa manière de regarder son métier. Pyroman parle autant de création que de contrats, de propriété, de distribution, de marketing et de technologie. Il explique pourquoi certains excellents beatmakers ne perceront jamais, comment une production peut devenir virale sans enrichir immédiatement son créateur, et pourquoi être bien entouré peut compter autant que le talent. Surtout, il ne voit pas l’intelligence artificielle comme une menace abstraite. Il l’utilise déjà pour enrichir ses compositions, générer des mélodies et accélérer son travail, tout en refusant de lui abandonner ce qui fait encore la différence : une identité artistique reconnaissable.

La question n’est donc plus de savoir si l’IA va entrer dans les studios.

Elle y est déjà.

La vraie question, c’est de savoir ce qu’il restera du métier de beatmaker quand produire des milliers de morceaux ne coûtera presque plus rien.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Comment un beatmaker gagne réellement de l’argent

• La SACEM, les royalties, les avances et les pourcentages

• Pourquoi certains producteurs talentueux ne percent jamais

• Le rôle du marketing personnel et du réseau dans une carrière artistique

• Les contrats, les productions copiées et les mauvaises pratiques de l’industrie

• Le délai entre un succès public et ses véritables retombées financières

• La montée des artistes indépendants et des nouvelles plateformes de distribution

• Comment Pyroman utilise Suno et les outils d’intelligence artificielle

• Ce qui manque encore aux productions entièrement générées par IA

• L’arrivée des artistes virtuels et des voix artificielles

• Le futur des beatmakers, des topliners et des DJ

• La fraude aux streams alimentée par la génération automatique de musique

• Les coulisses de la création de Mwaka Moon

Les insights clés de l'épisode

• Le talent ne suffit pas pour construire une carrière

• Une identité reconnaissable devient plus précieuse à mesure que la création se démocratise

• Le succès public arrive souvent bien avant l’argent

• La structure protège davantage qu’un bon contrat isolé

• Un beatmaker doit comprendre le business de la musique, pas seulement la création

• Refuser l’IA est probablement plus risqué que l’utiliser

• L’IA ne remplace pas encore la signature artistique, mais elle accélère tout le reste

• Les premiers métiers transformés seront peut-être ceux qui entourent l’artiste

• La voix d’un artiste va devenir un actif exploitable indépendamment de sa présence en studio

• Le volume de production pourrait devenir plus puissant que le talent brut

• L’intelligence artificielle va aussi industrialiser la fraude

• La consommation musicale changera autant que la création

• Pour durer, un créateur doit devenir plus large que son métier initial

• Le temps passé sur une création n’est pas proportionnel à sa valeur
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Pyroman, l’homme derrière certains des plus gros hits du rap français

• 03:16 Comment un beatmaker gagne réellement sa vie

• 08:12 Les impayés, les mauvais contrats et les pièges de l’industrie

• 09:31 Pourquoi le talent ne suffit pas pour percer

• 10:48 Le rôle d’un manager et d’un éditeur dans une carrière

• 12:24 Comment construire une signature musicale reconnaissable

• 16:31 Les productions copiées et les beatmakers privés de leurs droits

• 18:38 Le morceau qui a fait basculer sa carrière

• 20:23 Pourquoi les millions de streams ne se transforment pas immédiatement en argent

• 23:16 Comment les artistes indépendants reprennent le contrôle de leurs revenus

• 24:39 L’arrivée de l’intelligence artificielle dans les studios

• 28:15 Les outils IA que Pyroman utilise réellement pour produire

• 31:22 Pourquoi il ne sortirait pas encore une production entièrement générée par Suno

• 34:38 Artistes virtuels, clips générés et musique produite sans intervention humaine

• 37:39 Le futur de Spotify et des DJ automatisés

• 42:33 Pyroman se sent-il menacé par l’intelligence artificielle ?

• 43:53 Le pari de Timbaland sur les artistes IA

• 46:53 Le talent peut-il survivre à une production industrielle de musique ?

• 50:13 Pourquoi Pyroman veut sortir de l’ombre et devenir DJ

• 54:07 Comment Mwaka Moon a été produit en quinze à vingt minutes

• 59:09 Les topliners, les voix clonées et les morceaux créés pour les artistes

• 01:01:24 Un futur où les artistes n’auront même plus besoin d’aller en studio

• 01:04:21 Musique générée, faux streams et nouvelles formes de fraude

• 01:05:55 Le jour où Kylian a découvert que l’artiste qu’il écoutait n’existait pas

• 01:08:57 Les artistes pourront-ils simplement valider les morceaux créés avec leur voix ?

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• OpenAI lance GPT-5.6

• SK Hynix réalise une IPO historique

• Oratomic mise sur un ordinateur quantique à 20 000 qubits

• Meta prépare ses propres puces IA

• Gradium lève 100 millions pour la voix

• Mercor vise 20 milliards de valorisation

OpenAI lance GPT-5.6

OpenAI a dévoilé GPT-5.6, une nouvelle famille composée de trois modèles : Sol, le plus puissant, Terra, l’intermédiaire, et Luna, l’option économique. L’entreprise insiste surtout sur l’efficacité, avec un modèle Sol qui utiliserait 54 % de tokens en moins sur certaines tâches de code.

Le lancement vise clairement les entreprises, avec de nouveaux usages en programmation, cybersécurité et recherche. OpenAI présente aussi ChatGPT Work, un assistant destiné à rédiger des documents, créer des présentations et manipuler des feuilles de calcul.

La vraie cible semble être Anthropic. OpenAI affirme que Sol dépasse ses concurrents en code tout en étant plus rapide et moins cher. La bataille ne porte donc plus seulement sur la qualité des modèles, mais aussi sur leur coût et leur capacité à s’intégrer au travail quotidien.

SK Hynix réalise une IPO historique

Le fabricant sud-coréen de mémoire SK Hynix a levé 26,5 milliards de dollars lors de son arrivée sur le marché américain, dépassant le record établi par Alibaba en 2014. La demande aurait été sept fois supérieure au nombre de titres proposés.

Ce succès s’explique par la place centrale de SK Hynix dans la chaîne de valeur de l’IA. L’entreprise produit notamment de la mémoire HBM, un composant essentiel aux GPU de Nvidia.

L’argent servira à financer de nouvelles usines, du packaging avancé et des machines de lithographie. Pendant ce temps, Washington pousse SK Hynix à produire davantage aux États-Unis. L’IA est devenue une bataille industrielle autant qu’une bataille logicielle.

Oratomic mise sur un ordinateur quantique à 20 000 qubits

Oratomic a levé 300 millions de dollars en série A pour construire un ordinateur quantique réellement utile avant la fin de la décennie. Fondée par des chercheurs de Caltech, la startup utilise des lasers pour maintenir des atomes en place et les transformer en qubits.

Sa promesse principale concerne la correction des erreurs. Là où d’autres projets envisagent des machines comptant jusqu’à un million de qubits, Oratomic pense pouvoir atteindre un résultat utile avec seulement 10 000 à 20 000 qubits.

La startup ne veut pas vendre de machines intermédiaires encore trop instables. Elle préfère viser directement un ordinateur tolérant aux pannes. C’est plus risqué, mais aussi beaucoup plus ambitieux.

Meta prépare ses propres puces IA

Meta devrait commencer à produire ses nouvelles puces IA en septembre. Elles sont conçues avec Broadcom, fabriquées par TSMC, et doivent permettre au groupe de réduire une partie de sa dépendance à Nvidia et AMD.

Ces puces seront utilisées pour les systèmes de recommandation, le classement des contenus et certaines tâches d’inférence dans les applications de Meta. Le groupe continuera d’acheter des GPU externes, mais réservera ses puces maison aux tâches répétitives et mieux maîtrisées.

Avec jusqu’à 145 milliards de dollars de dépenses d’investissement prévues cette année, Meta ne construit plus seulement des modèles. L’entreprise essaie de contrôler toute son infrastructure, des puces jusqu’aux centres de données.

Gradium lève 100 millions pour la voix

La startup parisienne Gradium a porté sa levée d’amorçage à 100 millions de dollars, avec Nvidia parmi ses nouveaux investisseurs. Issue du laboratoire Kyutai, elle développe des modèles vocaux capables de répondre avec une très faible latence.

C’est un détail technique qui change toute l’expérience. Une voix peut sembler naturelle, mais si elle met trop de temps à répondre, la conversation devient immédiatement étrange. Gradium veut supprimer ce petit silence gênant qui trahit encore les agents IA.

La startup compte déjà Renault parmi ses clients et ouvrira un bureau dans la baie de San Francisco. Paris reste le laboratoire, mais la Silicon Valley reste le meilleur endroit pour recruter, vendre et se rapprocher des géants de l’IA.

Mercor vise 20 milliards de valorisation

Mercor serait en discussion pour lever des fonds sur la base d’une valorisation de 20 milliards de dollars, soit deux fois plus qu’en octobre. Son CEO affirme également que l’entreprise a dépassé les deux milliards de dollars de revenus annualisés.

Mercor met en relation les laboratoires d’IA avec des experts capables d’entraîner et d’évaluer leurs modèles. Plus les systèmes deviennent spécialisés, plus ils ont besoin de développeurs, juristes, scientifiques et consultants pour produire des données de qualité.

La startup vient aussi de racheter Deeptune, spécialisée dans l’entraînement des agents IA. Mercor ne veut donc plus être seulement une marketplace de talents, mais devenir une infrastructure centrale pour apprendre aux modèles à faire du vrai travail.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Cette semaine, on reçoit Romàn Czerny, cofondateur de Gojiberry AI.

Gojiberry AI aide les équipes commerciales à identifier des prospects qui montrent déjà des signaux d’intérêt, puis à les contacter directement depuis la même plateforme.

Aujourd’hui, la boîte génère 3,2 millions de dollars d’ARR.

Mais le plus intéressant n’est pas vraiment le chiffre.

C’est la manière dont ils y sont arrivés.

Avant de construire le produit, Romàn vendait manuellement des listes de prospects à partir d’un PowerPoint de six slides.

Pour passer les premiers milliers d’euros de MRR, il a fait de l’outbound.

Ensuite, il a saturé Reddit jusqu’à ce que la marque soit surnommée « Spamberry » et que ses comptes commencent à se faire bannir.

Puis il est passé aux lead magnets sur LinkedIn. Certains posts ont généré plusieurs milliers de commentaires et entre 1 000 et 3 000 euros de MRR à eux seuls.

Cette stratégie leur a permis de passer d’environ 1 million à presque 3 millions d’ARR.

Depuis, ils l’ont industrialisée avec plus de 100 influenceurs B2B, des campagnes Meta, de l’UGC et une mécanique de distribution extrêmement structurée.

L’épisode est intéressant parce que Romàn ne raconte pas une croissance propre et parfaitement planifiée.

Il détaille les tactiques qu’ils ont réellement utilisées, y compris celles qu’il ne recommanderait plus aujourd’hui.

Il explique aussi pourquoi chaque palier de croissance a demandé un canal différent, comment ils ont transformé des ressources gratuites en véritables pages de vente, et pourquoi la distribution peut compter davantage que le produit dans un marché déjà saturé.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Comment vendre un SaaS avant de le développer

• Pourquoi chaque phase de croissance demande un canal différent

• Comment Gojiberry AI a utilisé Reddit pour générer 14 millions de vues

• La structure exacte de leurs lead magnets LinkedIn

• Comment ils travaillent avec plus de 100 influenceurs B2B

• Pourquoi un utilisateur isolé peut devenir un contrat enterprise

• Les risques d’une dépendance à LinkedIn, Reddit ou Meta

Les insights clés de l'épisode

• Vendre manuellement avant de construire

• Utiliser l’outbound pour valider rapidement une offre

• Adapter son canal d’acquisition à chaque palier de croissance

• Résoudre l’étape qui suit immédiatement la promesse du produit

• Transformer un lead magnet en véritable page de vente

• Tester le contenu avant de payer sa distribution

• Privilégier la qualité d’une audience à sa taille

• Utiliser le PLG comme porte d’entrée vers les grands comptes

• Gagner un marché saturé grâce à la distribution

• Ne jamais considérer une plateforme comme un actif propriétaire

• Diversifier même lorsqu’un canal est rentable

• Utiliser l’IA pour augmenter le levier des petites équipes
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Les chiffres clés et les temps forts de l’épisode

• 01:08 Le modèle économique de Gojiberry AI : self-service et contrats d’équipe

• 03:07 Essai gratuit, carte bancaire et optimisation de la conversion

• 05:09 Comment le produit a évolué à partir des retours clients

• 06:47 L’origine de Gojiberry AI et le passage de l’agence au SaaS

• 08:19 Utiliser la donnée et l’IA pour améliorer le ciblage commercial

• 09:05 Le funnel d’acquisition entre PLG et ventes aux grandes équipes

• 11:02 Construire une promesse différenciante autour de l’intent data

• 12:42 La distribution comme avantage dans un marché très concurrentiel

• 14:29 Les canaux qui ont permis d’atteindre 3,2 millions de dollars d’ARR

• 15:32 Tester deux idées, échouer, puis vendre avant de développer

• 17:08 Les différentes stratégies utilisées à chaque palier de croissance

• 17:20 Utiliser Reddit pour passer de 10 000 à 25 000 euros de MRR

• 18:30 Accélérer avec le contenu organique et les lead magnets LinkedIn

• 19:18 Industrialiser la distribution avec les influenceurs B2B

• 21:47 Le playbook d’outbound utilisé pour atteindre les premiers 10 000 euros

• 22:02 Combiner LinkedIn, cold email et signaux d’intérêt

• 24:20 Pourquoi l’outbound reste le meilleur moyen de tester une offre

• 25:03 La stratégie Reddit : créer de la valeur tout en faisant sa promotion

• 27:20 Les attaques, les faux rendez-vous et le parasite SEO

• 28:04 Ce que Romàn changerait dans sa stratégie Reddit aujourd’hui

• 30:34 Faut-il encore utiliser Reddit pour lancer un SaaS ?

• 30:56 14 millions de vues et plusieurs centaines de milliers de visiteurs

• 31:56 Comment Gojiberry AI a détourné la tendance des lead magnets autour de Claude

• 33:03 Industrialiser les lead magnets pour passer de 1 à 3 millions d’ARR

• 34:05 La structure complète d’un lead magnet qui convertit

• 36:08 Produire, adapter et recycler de nouvelles ressources chaque semaine

• 37:32 Construire un réseau de plus de 100 influenceurs LinkedIn

• 38:08 Comment trouver, contacter et négocier avec les bons profils

• 39:00 Mesurer les performances et arrêter rapidement les mauvais partenariats

• 40:35 Paiement au post ou au clic : les différents modèles d’influence B2B

• 42:18 Comment fixer le bon prix pour une publication LinkedIn

• 43:40 Tester l’UGC et réutiliser les contenus dans les publicités

• 44:00 Meta Ads : budget, rentabilité et impact sur la notoriété

• 44:42 Les risques d’une dépendance excessive à un canal d’acquisition

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• OpenAI veut faire entrer les Américains au capital

• Microsoft crée son armée de déploiement IA

• La puce, nouveau terrain de bataille

• Le web gratuit, c’était avant

• Louer des GPU, le business le plus chaud du moment

• Les zombies du SaaS ont trouvé leur chirurgien

OpenAI veut faire entrer les Américains au capital

Sam Altman aurait proposé de céder 5 % du capital d’OpenAI à un fonds souverain américain. L’idée serait que d’autres acteurs de l’IA suivent le mouvement, pour que les citoyens américains profitent eux aussi de la valeur créée par cette nouvelle vague technologique.

Sur le papier, c’est une forme de dividende de l’IA. En pratique, c’est aussi une manière assez intelligente de calmer Washington.

OpenAI n’est plus seulement une startup qui fait des démos bluffantes. C’est devenu un acteur stratégique, dépendant de data centers, de puces, d’électricité et d’une bonne dose de soutien politique. À ce niveau-là, la question n’est plus seulement : combien vaut la boîte ? C’est aussi : qui profite de cette valeur ?

Le signal est fort. Les entreprises d’IA comprennent qu’elles vont devoir justifier leur enrichissement auprès du grand public. Car si l’IA automatise une partie du travail tout en concentrant les profits, la question finira forcément par tomber : « Très bien, mais nous, qu’est-ce qu’on y gagne ? »

Bernie Sanders propose déjà une version beaucoup plus agressive, avec une taxe massive sur les actions des entreprises d’IA jugées systémiques. La proposition d’Altman ressemble donc aussi à une tentative d’éviter que le débat ne bascule dans cette direction.

L’IA devient une infrastructure nationale. Et une infrastructure nationale finit rarement par être traitée comme un simple produit SaaS.

Microsoft crée son armée de déploiement IA

Microsoft lance Microsoft Frontier Company, une nouvelle entité dédiée à l’implémentation de l’IA chez les grandes entreprises. Pas juste des démonstrations. Pas un atelier avec quelques slides et trois post-its. L’objectif est de connecter les outils IA aux données internes, revoir les process et produire des résultats mesurables.

Pour y arriver, Microsoft annonce 2,5 milliards de dollars d’investissement et 6 000 experts métiers et ingénieurs.

Le message est limpide : le marché de l’IA ne se joue plus uniquement sur la qualité des modèles. Il se joue sur la capacité à les faire fonctionner dans le bazar très réel des grandes organisations.

Des données éparpillées, des logiciels vieillissants, des contraintes de sécurité, des équipes qui travaillent dans quinze outils différents. Une IA peut être impressionnante dans une démo. La faire tourner dans une banque, un groupe industriel ou une multinationale, c’est une autre affaire.

Microsoft refuse l’étiquette de Forward Deployed Engineering, ces équipes techniques qui travaillent directement chez les clients. Pourtant, c’est bien ce qui se dessine. Amazon, OpenAI et Anthropic avancent aussi sur ce terrain.

La vraie valeur est dans le dernier kilomètre : comprendre un métier, reconstruire un workflow, connecter les bonnes données et prouver que tout ça fait gagner du temps ou de l’argent.

Microsoft a une longueur d’avance assez indécente. L’entreprise est déjà dans les boîtes mail, les fichiers Excel et les réunions du lundi matin de la plupart des grands groupes. Elle ne doit pas convaincre les clients de la laisser entrer. Elle y est déjà.

La puce, nouveau terrain de bataille

Anthropic discuterait avec Samsung pour concevoir sa propre puce IA. Le projet reste encore flou, mais l’intention est très claire : réduire sa dépendance à Nvidia.

Aujourd’hui, lancer un modèle de pointe ne consiste pas seulement à recruter les meilleurs chercheurs. Il faut aussi trouver des GPU, réserver des data centers, sécuriser l’électricité et accepter des factures qui donnent parfois envie de retourner au tableur.

Nvidia est devenu le passage obligé de toute l’industrie. Une position très confortable pour eux. Un peu moins pour tous les autres.

Anthropic continuera de s’appuyer sur un mix de puces Nvidia, Google et Amazon. Mais c’est justement ce qui compte : les labos ne cherchent pas forcément à remplacer Nvidia du jour au lendemain. Ils cherchent à ne pas dépendre d’un seul fournisseur au moment où chaque watt et chaque GPU deviennent stratégiques.

OpenAI avance avec Broadcom, Google a ses TPU, Amazon pousse ses propres composants dans le cloud, et Anthropic regarde désormais du côté de Samsung.

L’IA commence à ressembler à l’aéronautique ou à l’automobile. Le produit final est visible, Claude, ChatGPT ou Gemini. Mais une part croissante de l’avantage compétitif se cache dans la chaîne d’approvisionnement, les serveurs et le silicium.

Le meilleur modèle ne gagnera pas forcément. Celui qui sera le moins cher à faire tourner, le plus rapide à déployer et le moins dépendant d’un goulot d’étranglement pourrait prendre une avance très sérieuse.

Le web gratuit, c’était avant

Cloudflare veut forcer les bots IA à dire clairement ce qu’ils viennent faire sur les sites. À partir du 15 septembre 2026, les crawlers qui mélangent recherche, entraînement de modèles et agents IA pourront être bloqués par défaut sur de nombreux sites financés par la publicité.

Le message est assez direct : choisissez votre usage.

Pendant vingt ans, le deal du web était relativement simple. Google venait indexer vos pages, vous envoyait du trafic, vous affichiez de la pub. Tout le monde y trouvait son compte, même si certains y trouvaient clairement un peu plus que d’autres.

Avec l’IA, ce modèle se casse. Les plateformes viennent chercher l’information, la résument et répondent directement aux utilisateurs. Le contenu reste essentiel, mais le clic devient optionnel.

Pas idéal quand votre modèle économique repose sur les visites.

Cloudflare ne cherche pas seulement à bloquer les bots. L’entreprise veut créer un marché autour de l’accès au contenu. Son ancien modèle, “Pay Per Crawl”, évolue vers “Pay Per Use”. L’idée est de ne plus facturer uniquement le passage d’un robot sur une page, mais aussi la valeur qu’il génère ensuite.

C’est probablement là que le débat va se jouer. Les éditeurs ne demandent pas forcément à fermer Internet ou à empêcher l’IA d’exister. Ils veulent surtout éviter que les nouveaux services IA reposent entièrement sur leur travail gratuit.

Quand les bots deviennent plus nombreux que les lecteurs humains, il devient assez logique de leur demander un ticket d’entrée.

Louer des GPU, le business le plus chaud du moment

Together AI vient de lever 800 millions de dollars, pour une valorisation de 8,3 milliards. La société loue des clusters de GPU Nvidia et d’autres infrastructures pensées pour l’IA.

En clair, elle permet à des entreprises d’entraîner ou de faire tourner leurs modèles sans construire leur propre data center, ni attendre que Nvidia veuille bien répondre au téléphone.

Il y a seize mois, Together AI était valorisée 3,3 milliards. Aujourd’hui, elle vaut plus du double. Ce n’est pas juste une grosse levée. C’est un signal sur l’endroit où l’argent se déplace dans l’IA.

Pendant un moment, toute l’attention était concentrée sur les labos qui créent les modèles les plus impressionnants. Mais un modèle très puissant ne sert pas à grand-chose s’il coûte une fortune à faire tourner.

Les neoclouds répondent à cette équation. Beaucoup d’entreprises n’ont pas besoin du modèle le plus intelligent du monde pour résumer des appels commerciaux, traiter des tickets support ou générer des fiches produit. Elles ont besoin d’un modèle fiable, rapide, contrôlable et pas trop cher.

C’est là que les modèles open source gagnent du terrain. Ils permettent plus de maîtrise, plus de flexibilité, et évitent parfois une facture au token qui ressemble à un abonnement à une salle de sport premium.

Les investisseurs l’ont bien compris. TensorWave, Upscale AI et d’autres acteurs de cette nouvelle génération de cloud lèvent eux aussi des montants énormes. La ruée vers l’or de l’IA ne se limite pas aux modèles. Il faut aussi vendre les pelles.

Les zombies du SaaS ont trouvé leur chirurgien

Pendant que le marché doute de l’avenir du SaaS face à l’IA, Bending Spoons vient de réussir une entrée en Bourse spectaculaire. L’action a terminé sa première journée près de 40 % au-dessus de son prix d’introduction, valorisant la société italienne autour de 25,7 milliards de dollars.

Pas mal pour une boîte qui ne vend pas le dernier agent IA censé organiser votre vie à votre place.

Bending Spoons a un modèle beaucoup plus pragmatique : racheter des marques tech connues mais fatiguées, les remettre sur pied, les rentabiliser et les garder. Evernote, Meetup, Eventbrite, Vimeo ou AOL sont passés entre leurs mains.

La recette est simple, parfois brutale : réduire les coûts, resserrer les équipes, améliorer le produit, ajouter quelques fonctionnalités et augmenter les prix.

Et visiblement, ça fonctionne. La société est passée d’une perte importante à un bénéfice net, tout en multipliant son chiffre d’affaires.

Là où un fonds de private equity achèterait, optimiserait et revendrait, Bending Spoons veut construire une holding de logiciels. Des abonnements récurrents, des marques connues, des utilisateurs déjà là et des produits qui n’ont pas besoin d’être réinventés pour redevenir rentables.

C’est un contre-récit intéressant face à la panique actuelle autour du SaaS. Oui, l’IA va rendre certains outils plus interchangeables. Oui, elle va mettre une pression énorme sur les prix et la différenciation.

Mais un logiciel avec une marque forte, une audience et de bons revenus récurrents reste une belle machine. À condition d’être bien opérée.

Le SaaS n’est peut-être pas en train de mourir. Il est surtout en train de passer par une phase de grand tri.

Cette semaine, tout le monde parle d’IA. Mais derrière les modèles et les démos, le vrai sujet est le même partout : qui possède l’infrastructure, qui capte la valeur, et qui finit par payer la facture ?

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Cette semaine, on reçoit Jeddi.

Son terrain de jeu, ce sont les SaaS IA qui vendent à des consommateurs ou à des prosumers. Pas les boîtes enterprise avec une équipe sales de 80 personnes. Les produits qui doivent exister dans la tête de milliers, parfois de millions de personnes, avant même de pouvoir exister dans leur portefeuille.

Jeddi aide ces boîtes à transformer leur produit en machine de distribution.

Lancements viraux, créateurs, UGC farms, paid ads, copywriting, clips, omniprésence sur X, LinkedIn, TikTok ou YouTube. Il ne parle pas d’une stratégie de contenu bien rangée dans un Notion. Il parle de systèmes capables de faire du bruit chaque semaine, parfois chaque jour.

Son idée est simple : dans les SaaS IA grand public, le produit ne suffit plus.

Tu dois devenir le nom qui revient spontanément quand quelqu’un pense à ton problème.

On parle de ce que font des boîtes comme Lovable, Anthropic ou Higgsfield. Pourquoi certaines sortent trois lancements par semaine. Comment elles coordonnent des centaines de créateurs. Pourquoi le hook vaut souvent plus que le reste du post. Et comment une boîte bootstrapée peut jouer la même partie sans brûler son cash.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Pourquoi les lancements produits sont devenus un canal de croissance à part entière

• Les trois briques d’un lancement viral : copy, vidéo et amplification

• Comment créer une impression d’omniprésence sans dépendre d’un seul canal

• Pourquoi le volume ne remplace pas la qualité, mais pourquoi les deux sont indispensables

• Les différences entre influence, UGC farms et clipping

• Comment sourcer, qualifier, négocier et briefer des créateurs

• Les mécaniques de copywriting qui font arrêter le scroll

• Comment utiliser des mots-clés connus pour vendre un produit que personne ne connaît encore

• Les stratégies réalistes pour les boîtes bootstrapées

• Pourquoi les meilleurs playbooks de croissance sont souvent plus opérationnels qu’ils n’en ont l’air

Les insights clés de l'épisode

• Un lancement n’est plus un événement exceptionnel.

• Un bon lancement repose sur trois choses, pas une seule.

• La première heure compte énormément.

• Le bon angle est souvent plus important que la fonctionnalité annoncée.

• La croissance des SaaS IA se joue beaucoup sur l’omniprésence.

• Le hook est le principal levier de copywriting.

• La preuve sociale est le meilleur accélérateur après le hook.

• Quand personne ne connaît ton produit, ne commence pas par parler de ton produit.

• Les créateurs ne se gèrent pas avec un simple outil.

• L’influence ne se résume pas à payer quelqu’un pour parler de toi.

• Le clipping ne marche pas pour tous les produits.

• Les boîtes bootstrapées peuvent jouer, mais pas en copiant les budgets des leaders.

• La croissance n’est pas qu’une question de budget. C’est une question de goût.
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Pourquoi les SaaS IA ont changé les règles de la distribution

• 01:14 Le terrain de Jeddi : SaaS IA, consumer, prosumer et PLG

• 03:36 Le cas Polsia et la mécanique d’un lancement qui fait des millions de vues

• 05:53 Growth Advisory ou Fractional Head of Growth : les deux modèles de Jeddi

• 08:24 Les quatre canaux qu’il aide les boîtes IA à structurer

• 10:44 Pourquoi certaines missions se paient aussi en equity

• 12:36 Pourquoi les product launches sont devenus obligatoires

• 14:52 Comment transformer chaque fonctionnalité en raison de communiquer

• 17:15 Copy, vidéo, amplification : les trois briques d’un lancement viral

• 18:36 Les intégrations, acquisitions et nouveautés produit comme prétextes à lancer

• 19:40 Anthropic, Lovable et Higgsfield : les boîtes qui maîtrisent le mieux ce jeu

• 20:51 Higgsfield et la logique mobile appliquée au SaaS

• 22:52 La réalité des deals créateurs, des CPM et des paiements

• 23:12 Pourquoi les créateurs doivent être gérés avec des accords sur mesure

• 25:34 Comment Lovable industrialise le pilotage de milliers d’influenceurs

• 26:00 Influence, UGC farms, faceless content et clipping : les différences

• 28:25 Quels contenus sont réellement faits pour être clippés

• 30:50 Le cas Polsia : transformer le fondateur en machine de contenu

• 32:13 L’omniprésence comme stratégie de distribution

• 34:32 Faut-il privilégier la quantité ou la qualité dans les lancements ?

• 35:55 Comment rendre désirable une fonctionnalité qui ne l’est pas naturellement

• 37:46 Pourquoi les workflows sont devenus des machines à attention

• 40:41 Le goût comme avantage compétitif en growth

• 43:21 Les playbooks de croissance accessibles aux boîtes bootstrapées

• 46:10 Le cas Shipper : lancer tous les jours sans budget influence

• 48:23 Comment utiliser des mots-clés connus pour faire connaître une marque inconnue

• 50:31 Lead magnets, créateurs LinkedIn et amplification publicitaire

• 52:34 Pourquoi les bons copywriters sont devenus rares

• 55:04 Le hook avant tout : la règle qui change la performance d’un post

• 56:33 Hook, preuve sociale et radicalité : les mécaniques qui font cliquer

• 58:53 Les titres qui marchent sur YouTube et la logique du clickbait utile

• 01:00:12 Omniprésence horizontale et verticale : toucher tous les segments

• 01:02:01 Les hooks qui arrêtent le scroll sur TikTok, Instagram, X et LinkedIn

• 01:04:20 Comment fonctionne vraiment une machine d’influencer marketing

• 01:07:18 Sourcer des créateurs par mots-clés, concurrents et marchés adjacents

• 01:09:36 Les critères pour distinguer un bon créateur d’un mauvais

• 01:10:30 Outreach, démographie, négociation et calcul des prix

• 01:13:08 Pourquoi l’IA est devenue la niche la plus chère pour travailler avec des créateurs

• 01:15:27 Comment briefer un créateur YouTube pour maximiser les chances de performance

• 01:17:07 Pourquoi les formats documentaires et les intégrations scénarisées convertissent mieux

• 01:18:03 Les exemples Revolut et Trade Republic : intégrer la marque dans la vraie vie

• 01:20:47 Réinventer les formats et rester branché sur ce qui marche maintenant

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• GPT-5.6 sous contrôle gouvernemental

• OpenAI conçoit sa propre puce

• Anthropic récupère un accès limité à Mythos 5

• Adobe rachète Topaz Labs

• Agility Robotics veut entrer en Bourse

• Patronus AI teste les agents avant qu’ils ne cassent tout

GPT-5.6 attend dans la salle d’attente

OpenAI prépare GPT-5.6, sa nouvelle famille de modèles, mais la sortie se fait au compte-gouttes. Sol, Terra et Luna ne seront accessibles dans un premier temps qu’à une poignée de partenaires validés, dont la participation a été communiquée au gouvernement américain.

Sol est le modèle le plus ambitieux du lot : meilleur en code, biologie et cybersécurité, avec des modes de raisonnement plus poussés et des sous-agents capables de se répartir des tâches complexes. Terra vise un usage plus équilibré. Luna joue la carte du rapide et du moins cher.

Le sujet n’est pas seulement technique. Les modèles les plus puissants commencent à être traités comme des technologies stratégiques. On ne les lance plus simplement avec une keynote et une page de pricing. Il faut aussi gérer la sécurité nationale, les régulateurs et les risques géopolitiques.

OpenAI dit clairement que cette situation ne devrait pas devenir la norme. Et on comprend pourquoi : quand chaque lancement dépend d’un feu vert politique, la roadmap produit prend soudainement des airs de négociation diplomatique.

OpenAI ne veut plus seulement louer des puces

Quelques jours plus tard, OpenAI a présenté Jalapeño, sa première puce développée avec Broadcom. Elle est conçue pour l’inférence, c’est-à-dire le moment où les modèles répondent réellement aux utilisateurs.

C’est moins glamour que l’entraînement d’un modèle géant, mais c’est là que l’argent se joue. Chaque conversation, chaque génération de code et chaque agent qui travaille en autonomie consomme du calcul. À très grande échelle, réduire le coût de quelques tokens peut avoir un impact massif sur le compte de résultat.

OpenAI annonce de meilleures performances par watt que les solutions actuelles. Derrière cette formule, la promesse est simple : faire tourner davantage d’IA, plus vite et avec moins d’énergie.

Nvidia devrait rester incontournable pour entraîner les modèles les plus lourds. Mais OpenAI, comme Google ou Amazon avant elle, veut réduire sa dépendance à un fournisseur unique. À terme, l’avantage ne viendra peut-être pas seulement du meilleur modèle, mais de la capacité à servir ce modèle à un coût que les utilisateurs, et surtout l’entreprise, peuvent supporter.

Anthropic revient par la petite porte

Après avoir retiré Mythos 5 et Fable 5 du marché sous pression de l’administration américaine, Anthropic peut de nouveau déployer Mythos 5 auprès d’un peu plus de 100 organisations américaines.

Ces entreprises et agences sont considérées comme des partenaires de confiance, notamment dans les infrastructures critiques. Les employés non américains de ces organisations pourront aussi accéder au modèle, y compris ceux d’Anthropic eux-mêmes.

C’est un assouplissement, pas un retour à la normale. Fable 5 reste pour l’instant de côté. Cette version avait été pensée pour une diffusion plus large, avec davantage de garde-fous, mais ceux-ci auraient été contournés assez facilement par des chercheurs.

Le vrai sujet ici, c’est que l’accès devient lui-même un produit. Pour les modèles les plus avancés, la question n’est plus seulement “qu’est-ce qu’il sait faire ?”. C’est aussi “qui peut s’en servir, dans quel pays, et sous quelles conditions ?”.

L’IA de cybersécurité commence à ressembler moins à un logiciel SaaS qu’à une technologie d’exportation sensible.

Adobe veut éviter que les créatifs aillent voir ailleurs

Adobe rachète Topaz Labs, spécialiste historique de l’amélioration d’images et de vidéos. La société est connue pour ses outils d’upscaling, de réduction de bruit, de restauration et de retouche assistée par IA.

Topaz ne fait pas nécessairement les démos les plus virales du moment. En revanche, ses outils répondent à des problèmes très concrets : nettoyer une séquence, rendre une vidéo exploitable, améliorer une image trop compressée ou restaurer des archives.

Et c’est exactement ce qu’Adobe veut intégrer dans son écosystème.

L’objectif est clair : rendre Firefly, Photoshop, Premiere et Creative Cloud suffisamment complets pour que les créatifs n’aient plus besoin de multiplier les logiciels. Canva, Blackmagic et une foule de petits outils spécialisés poussent déjà les utilisateurs à construire leur propre stack. Adobe veut les garder dans sa maison.

Le point le plus intéressant concerne l’exécution locale des modèles. Faire tourner davantage d’IA directement sur l’appareil permettrait des outils plus rapides, moins coûteux et moins dépendants du cloud. L’IA créative n’est pas seulement une affaire de génération. C’est aussi une affaire de fluidité dans le workflow.

Les robots humanoïdes arrivent en Bourse avant d’arriver partout

Agility Robotics prévoit d’entrer en Bourse via un SPAC, dans une opération qui valoriserait l’entreprise autour de 2,5 milliards de dollars.

La startup est connue pour Digit, son robot bipède déjà déployé sur plusieurs sites, notamment dans la logistique et l’industrie. Son terrain de jeu n’est pas votre salon, mais les entrepôts, les usines et les environnements construits pour les humains.

C’est probablement là que les humanoïdes ont leur meilleure chance à court terme. Plutôt que de refaire entièrement une chaîne logistique pour accueillir des machines spécialisées, on envoie un robot capable de circuler dans un monde déjà pensé pour deux jambes, deux bras et des cartons.

Agility annonce plus de 300 millions de dollars de commandes pluriannuelles pour sa prochaine génération de robots. Ce chiffre compte plus que les vidéos de démonstration. La robotique ne manque pas de prototypes impressionnants. Ce qui manque souvent, ce sont des déploiements rentables, répétables et suffisamment fiables pour convaincre un directeur d’usine.

Le robot qui fait une roue arrière fera toujours plus de vues. Celui qui déplace des cartons sans s’arrêter fera probablement plus de chiffre d’affaires.

L’IA sait agir. Maintenant, il faut vérifier qu’elle ne fait pas n’importe quoi.

Patronus AI lève 50 millions de dollars pour construire des environnements numériques simulés capables de tester les agents IA dans des conditions réalistes.

L’idée est assez simple : un benchmark peut montrer qu’un modèle est bon sur une tâche précise. Il ne prouve pas qu’un agent saura gérer dix heures de travail, des imprévus, des règles métier, des erreurs utilisateur et une série d’actions qui dépendent les unes des autres.

Patronus crée donc des copies de sites web et de systèmes internes, puis laisse les agents s’y entraîner et s’y faire tester. L’entreprise compare son approche à la simulation utilisée dans la voiture autonome : avant d’envoyer une machine dans le monde réel, on lui fait rencontrer tous les cas pénibles dans un monde artificiel.

Les agents ont un défaut bien connu : ils trouvent parfois des raccourcis. Ils peuvent arriver à un résultat qui semble correct tout en contournant une règle, en oubliant une étape ou en cassant quelque chose au passage.

C’est exactement le type de comportement que Patronus veut détecter.

La société travaille déjà sur le logiciel et la finance, mais l’ambition est plus large : construire des environnements dans lesquels un agent pourrait travailler pendant dix heures, dix jours ou dix semaines sans dérailler.

C’est peut-être la prochaine grande infrastructure de l’IA. Parce qu’avant de donner à un agent accès à votre code, votre comptabilité ou vos clients, mieux vaut vérifier qu’il a compris le boulot.

Le lundi, je te résume ce qu’il ne fallait pas rater dans la tech.

Le vendredi, je t’emmène dans les coulisses avec ceux qui la construisent.

C’est la version podcast de Opensource avec des fondateurs de SaaS, d’apps mobiles, des investisseurs, des devs, des designers… bref, des gens qui vivent la tech de l’intérieur.

Ils partagent ce qu’ils testent, ce qui marche, ce qui rate, et ce qu’ils en apprennent.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Tester mon logiciel taap.it gratuitement :

https://taap.it/try-for-free

→ Suivre mon build en public de taap.it sur LinkedIn :

https://taap.it/linkedln-kylian

→ Venir nous parler sur Instagram, on ne mord pas :

https://taap.it/kylian-khalifa

https://taap.it/alexy-mouly

Et on y va 👇

Cette semaine, on reçoit Anouar, cofondateur de Quiet et ancien cofondateur de TapNation.

Si tu ne connais pas son nom, tu connais probablement son travail.

Tu as forcément déjà vu une pub d’un jeu où il faut sauver quelqu’un de la lave, choisir la bonne porte ou fabriquer une glace parfaite. Derrière ces jeux qui cumulent des centaines de millions de téléchargements, il y a toute une industrie que très peu de gens comprennent réellement.

Anouar en a fait partie dès les débuts.

Pendant plusieurs années, il a construit l’un des plus gros studios français de jeux mobiles. Il a testé des centaines de concepts, dépensé des dizaines de millions en acquisition et vu des jeux passer de 0 à plusieurs centaines de milliers d’euros de chiffre d’affaires... en quelques semaines.

Aujourd’hui, il applique exactement les mêmes méthodes au monde des applications mobiles avec Quiet : racheter des apps, les faire grandir et construire un portefeuille plutôt que de miser toute sa carrière sur un seul produit.

C’est probablement l’un des épisodes les plus techniques qu’on ait enregistrés sur le growth mobile.

Écoute l'épisode

Ce qu’on décortique dans l’épisode

• Pourquoi le mobile gaming est probablement le marché le plus compétitif du software.

• Comment TapNation validait un jeu avant même qu’il n’existe.

• Les KPI qui permettent de savoir en quelques heures si un jeu peut devenir un hit.

• Les coulisses de Google, Meta, AppLovin et de la publicité mobile.

• Comment un jeu de glace a généré plus de 500 millions de téléchargements.

• Pourquoi un développeur indien inconnu est devenu millionnaire grâce à un seul jeu.

• Comment des studios de 5 personnes vendent aujourd’hui leurs jeux plus d’un milliard de dollars.

• Ce qu’Anouar applique désormais au marché des applications mobiles.

Les insights clés de l'épisode

• Les meilleures idées ne viennent pas toujours des développeurs. Elles viennent souvent du marketing.

• Les premières métriques sont souvent plus importantes que le produit lui-même.

• Les plus gros succès paraissent souvent absurdes après coup.

• Le timing compte parfois autant que l’exécution.

• Les meilleurs créateurs ne sont pas toujours dans les pays auxquels on pense.

• Le partage de valeur attire les meilleurs talents.

• Dans le mobile gaming, la distribution est un métier à part entière.

• AppLovin n’est pas seulement une régie publicitaire.

• Les données sont un avantage concurrentiel colossal.

• Le produit ne suffit jamais.

• Dans les jeux mobiles, chaque détail compte.

• Le vrai concurrent est mondial.

• Le portefeuille bat souvent le pari unique.

• Les connaissances se transfèrent beaucoup plus facilement qu’on ne le pense.

• Le succès crée un cercle vertueux.

• Les plus gros succès donnent une impression de hasard.
  
  

Écoute l'épisode

Chapitrage complet

• 00:00 Introduction et présentation d’Anouar

• 02:00 Les débuts de TapNation et le fonctionnement du marché du mobile gaming

• 05:00 Pourquoi ils ont testé près de 50 jeux par mois pendant un an

• 09:00 Comment fonctionne réellement la publicité dans les jeux mobiles

• 13:00 Le rôle d’AppLovin, Google et Meta dans l’économie du mobile

• 18:00 La naissance d’Ice Cream Inc.

• 23:00 Pourquoi un simple motion design permet de valider un jeu

• 26:00 Le passage de 0 à 120 000 € de chiffre d’affaires par jour

• 28:00 Comment un développeur indien inconnu est devenu millionnaire

• 31:00 Pourquoi certains studios de cinq personnes génèrent plusieurs dizaines de millions par mois

• 35:00 Les mécaniques psychologiques derrière Candy Crush, Clash of Clans et les whales

• 41:00 Pourquoi le succès ressemble souvent à un coup de chance... alors qu’il est construit pendant des années

• 46:00 Les outils utilisés par les plus gros studios pour analyser le marché

• 50:00 Pourquoi les concurrents finissent toujours par copier les meilleurs jeux

• 54:00 Les différences entre le gaming et les applications mobiles

• 57:00 Pourquoi Anouar a lancé Quiet et applique aujourd’hui les recettes du gaming au marché des apps.

J’ai lancé cette newsletter pour me forcer à rester à jour sur mon secteur.

Chaque semaine, je lis beaucoup, je filtre, et je partage les résumés des articles qui m’ont le plus marqué.

Ça parle de SaaS, d’apps mobiles, d’IA, de venture capital et de tout ce qui bouge dans la tech.

Le but, c’est simple : comprendre les signaux, capter les tendances et ne pas se laisser dépasser.

Et si ce n’est pas déjà fait, tu peux aussi :

→ Écouter opensource, le podcast qui prolonge cette newsletter sur youtube :
https://taap.it/youtube-opensource

→ Tester mon logiciel taap.it gratuitement :
https://taap.it/try-for-free

→ Venir nous parler sur Instagram, on ne mord pas :
https://taap.it/kylian-khalifa
https://taap.it/alexy-mouly

Et on y va 👇

• OpenAI recrute des poids lourds

• Amazon veut sa part du gâteau Nvidia

• La nouvelle ruée vers l’or de l’IA

• La machine que la Chine ne devrait pas avoir

• Apple parie sur l’IA invisible

• Les startups IA ne veulent plus rester indépendantes

OpenAI recrute des poids lourds

La guerre des talents dans l’IA ressemble de plus en plus à un mercato de football sous stéroïdes.

Cette semaine, OpenAI a frappé un grand coup en recrutant Noam Shazeer, l’un des cerveaux les plus influents de l’IA moderne. Son nom est peu connu du grand public mais il fait partie des auteurs du papier “Attention Is All You Need”, celui qui a donné naissance à l’architecture Transformer. Sans cette découverte, pas de ChatGPT, pas de Claude, pas de Gemini.

Après avoir quitté Google pour créer Character AI puis être indirectement racheté dans une opération à 2,7 milliards de dollars, Shazeer quitte à nouveau l’écosystème Google pour rejoindre OpenAI.

Mais le recrutement le plus intéressant est peut-être celui de Dean Ball, ancien conseiller IA de la Maison-Blanche. Sa mission sera de piloter une nouvelle équipe chargée des questions de gouvernance, de réglementation, d’impact sur l’emploi et des relations avec les gouvernements.

Le signal est clair : les laboratoires d’IA ne sont plus seulement des entreprises technologiques. Ils deviennent progressivement des institutions géopolitiques. La prochaine bataille ne se jouera pas uniquement sur les modèles. Elle se jouera aussi dans les couloirs du pouvoir.

Amazon veut sa part du gâteau Nvidia

Pendant des années, Nvidia a été le marchand de pelles de la ruée vers l’or de l’IA.

Aujourd’hui, Amazon commence sérieusement à s’attaquer à son territoire.

AWS envisage de vendre directement ses puces Trainium à d’autres entreprises, alors qu’elles étaient jusqu’ici réservées à son propre cloud. Andy Jassy affirme même que cette activité représenterait déjà l’équivalent de 50 milliards de dollars de revenus annuels si elle était isolée du reste du groupe.

Cette annonce illustre une tendance majeure : les hyperscalers veulent désormais contrôler toute la chaîne de valeur de l’IA. Microsoft développe ses propres puces. Google pousse ses TPU. Amazon accélère avec Trainium.

Personne n’a envie de dépendre éternellement d’un fournisseur unique.

Le paradoxe est fascinant : les entreprises qui ont contribué à faire de Nvidia le roi de l’IA sont aujourd’hui celles qui investissent le plus pour réduire leur dépendance à son égard.

La nouvelle ruée vers l’or de l’IA

Pendant longtemps, le récit dominant de l’IA concernait les entreprises qui entraînent les modèles.

Aujourd’hui, l’argent se déplace vers ceux qui permettent de les utiliser efficacement.

Baseten, spécialiste de l’inférence IA, serait sur le point de lever 1,5 milliard de dollars à une valorisation de 13 milliards. Il y a seulement cinq mois, l’entreprise était valorisée 5 milliards.

Cette explosion reflète une conviction de plus en plus partagée dans la Silicon Valley : les modèles deviennent progressivement des commodités, tandis que les couches qui orchestrent, distribuent et optimisent leur utilisation prennent de la valeur.

Baseten aide les entreprises à exécuter leurs modèles plus rapidement et à moindre coût en choisissant automatiquement les meilleures infrastructures et les modèles les plus adaptés à chaque requête.

Cela rappelle fortement les débuts du cloud. Les infrastructures comptaient, mais une grande partie de la valeur s’est finalement créée dans les couches intermédiaires.

La question n’est donc plus de savoir où se trouve la valeur de l’IA.

La question est de savoir à quelle vitesse elle migre.

La machine que la Chine ne devrait pas avoir

Cette semaine, une rumeur a secoué l’industrie des semi-conducteurs : les États-Unis soupçonneraient qu’une machine de lithographie EUV d’ASML ait fini en Chine malgré les interdictions d’exportation.

Si cela se confirme, il s’agirait probablement de l’une des plus importantes failles du dispositif occidental de contrôle technologique.

ASML est probablement l’entreprise la plus importante du monde dont personne ne parle. Elle fabrique les seules machines capables de produire les puces les plus avancées de la planète. Sans elle, pas de Nvidia, pas d’Apple Silicon, pas d’IA moderne.

Le plus intéressant n’est même pas de savoir si l’accusation est fondée.

C’est de constater à quel point les semi-conducteurs sont devenus un sujet géopolitique majeur. Les machines d’ASML sont désormais considérées comme des actifs stratégiques comparables à des ressources énergétiques ou militaires.

Pendant des décennies, les puces étaient une affaire d’ingénieurs.

Aujourd’hui, elles sont devenues une affaire de chefs d’État.

Apple parie sur l’IA invisible

Pendant que Google, OpenAI et Anthropic rivalisent à coups de démonstrations spectaculaires, Apple semble avoir choisi une autre stratégie.

Rendre l’IA tellement utile qu’on oublie qu’elle est là.

Les annonces d’iOS 27 vont dans ce sens : partage automatique d’addition à partir d’une photo, mise à jour de mots de passe compromis, suggestions contextuelles dans Messages, organisation intelligente des onglets Safari ou encore automatisation simplifiée via l’application Raccourcis.

Aucune de ces fonctionnalités n’est révolutionnaire prise individuellement.

Mais ensemble, elles racontent quelque chose d’important.

Là où le reste de l’industrie construit des interfaces conversationnelles, Apple construit une couche d’automatisation invisible. Moins de discussions avec un chatbot. Plus d’actions exécutées automatiquement.

C’est peut-être là que se trouve le vrai futur de l’IA grand public : non pas dans les conversations, mais dans les logiciels qui comprennent ce que l’on veut faire avant même qu’on le demande.

Les startups IA ne veulent plus rester indépendantes

On parle beaucoup des levées de fonds dans l’IA.

On parle moins des acquisitions.

Pourtant, elles racontent souvent davantage sur l’état réel du marché.

Deductive AI, une startup fondée en 2023 spécialisée dans la détection automatique de bugs logiciels, serait sur le point d’être rachetée par Elastic pour jusqu’à 85 millions de dollars.

L’opération illustre une tendance qui se dessine partout dans la tech : les acteurs historiques préfèrent acheter les meilleures briques d’IA plutôt que de tout construire eux-mêmes.

Pendant longtemps, les investisseurs imaginaient que les startups IA remplaceraient les géants du logiciel.

Aujourd’hui, le scénario inverse semble tout aussi plausible.

Les géants disposent déjà des clients, de la distribution et de la confiance du marché. Les startups apportent l’innovation. Les rachats deviennent alors le moyen le plus rapide de combiner les deux.

Dans l’IA, les acquéreurs n’achètent pas seulement des revenus.

Ils achètent surtout du temps.

Et dans un marché qui évolue aussi vite, c’est probablement la ressource la plus précieuse.