OpenAI comprend un élément important et rare

OpenAI a compris quelque chose de spécial et de rare, qui se cache pourtant à la vue de tous. À savoir, comme le disait Peter Drucker il y a un demi-siècle, que le but d’une entreprise est de créer un client.

OpenAI ne va pas l’emporter parce qu’ils ont les meilleurs modèles, les puces les plus avancées, la meilleure courbe coût-performance, ou même le meilleur produit — même si nous pensons qu’ils possèdent effectivement tout cela. Nous pensons plutôt qu’OpenAI gagnera parce qu’ils excellent dans l’art de créer de nouveaux types de clients, et parce qu’ils détiennent la stratégie de distribution la plus durable.

Au moment où nous écrivons ces lignes, en septembre 2026, les classements des produits d’intelligence-as-a-service ne sont plus vraiment la question centrale. L’intelligence est partout. N’importe qui peut faire presque n’importe quoi ; mais la plupart des gens ne le font pas encore. Ce qui compte désormais, c’est votre capacité à éveiller ces nouveaux comportements et à remporter la bataille de la distribution.

Le dossier en faveur d’OpenAI repose sur l’argument suivant. Pour bâtir une entreprise pérenne à l’échelle de la frontière de l’IA, vous disposez de quatre leviers :

1. Créer de nouveaux types de comportements
2. Distribuer à un grand nombre d’utilisateurs
3. Fixer le prix de votre produit de manière à capter de la valeur
4. Imposer des coûts de changement élevés

Le point 4 est pratiquement hors jeu. La frontière de l’IA est une course de la Reine Rouge, du moins au niveau des modèles. Il est tellement facile de passer d’un modèle à l’autre, jusqu’à changer de modèle tâche par tâche, et tout le monde s’améliore en permanence.

Le point 3 est ce que tout le monde espère accomplir. Mais là encore, le monde est extrêmement concurrentiel, et OpenAI (comme d’autres) est déterminé à dominer la frontière coût-calcul, en s’appuyant sur les économies d’échelle, l’intégration verticale et d’autres stratégies pour faire baisser le coût des tokens. Celui qui finira par offrir le meilleur rapport qualité-prix sera de toute façon celui qui aura gagné la bataille de l’échelle.

Ce qui nous ramène aux points 1 et 2. Et nous pensons qu’OpenAI est clairement le meilleur sur le premier :

• Ils ont fait leurs preuves dans l’IA en découvrant ces avancées simples et évidentes après coup qui débloquent de nouveaux comportements de consommation.

Et ils sont également les meilleurs sur le second :

• Aujourd’hui, tous les laboratoires d’IA essaient de « speedrunner » leur distribution, bien au-delà de leurs propres produits. Et il existe deux façons d’y parvenir : en tant que plateforme, ou via des partenariats. Le faire en tant que véritable plateforme est préférable sur le long terme : les revenus arrivent un peu plus lentement, mais ils sont beaucoup plus durables et précieux une fois obtenus.

Il y a une raison de fond à la domination d’OpenAI sur ces deux points : ils disposent de l’une des intelligences générales les plus vastes et les plus complètes, non seulement dans leurs modèles, mais aussi dans leur entreprise et leur base de clients. Ils touchent la base d’utilisateurs la plus large (grand public, prosumers et entreprises), ils possèdent la stack technologique auto-améliorante la plus profonde (jusqu’à leurs puces propriétaires), et c’est pourquoi ils découvrent systématiquement les nouveaux schémas et primitives qui fonctionnent. Ils adoptent une vision à long terme pour bâtir la plateforme d’IA gagnante, et ça marche.

OpenAI excelle pour découvrir la prochaine grande nouveauté

OpenAI n’avait pas prévu de devenir une entreprise grand public. Ils y sont en quelque sorte tombés par hasard, avec le lancement de ChatGPT. Et c’est un heureux accident, car ce moment marque l’un des tournants de l’histoire technologique. Sans cela, le monde serait très différent. L’IA serait probablement restée jalousement gardée entre les mains des laboratoires et de quelques clients privilégiés, elle ne progresserait pas à cette vitesse fulgurante, et nous serions coincés dans une chronologie « fermée par défaut », et non dans celle infiniment plus riche que nous connaissons aujourd’hui.

Sam Altman a récemment raconté une anecdote sur les semaines qui ont suivi le lancement de ChatGPT, quand la plupart des équipes d’OpenAI avaient cet état d’esprit : « Bon, c’était amusant, mais on devrait peut-être passer à la création de vrais produits. Un chatbot, ça ne peut pas être notre aboutissement, si ? » C’est précisément Peter Thiel qui a conseillé Sam : non, c’est exactement ça. Vous avez créé un nouveau type de client. Rien d’autre n’a autant d’importance.

Et cela ne se limite pas à ChatGPT : OpenAI mérite d’être reconnu pour sa capacité globale à trouver les schémas et les primitives décisifs qui comptent vraiment, et à éveiller de nouveaux comportements utilisateurs. Ben Hylak l’a très bien formulé dans un article récent : « OpenAI est le roi (presque) invaincu de la découverte de la “prochaine grande chose”. C’est toujours beaucoup plus simple qu’on ne l’imagine et parfaitement évident après coup. » L’interface de chat GPT, le raisonnement, l’appel d’outils et le Computer Use ont tous été des percées majeures qui ont simplifié et recentré la trajectoire technologique pour la rendre utilisable. La seule exception notable où OpenAI n’a pas été le pionnier est le code, et ils ont su rattraper leur retard sans problème.

Pourquoi sont-ils si doués pour cela ? Peut-être que dans les premières années, ils avaient simplement cette recette magique ; personne ne peut vraiment expliquer l’énergie et la magie fondatrices qui donnent naissance à un tel phénomène. Mais avec le temps, c’est clairement devenu une compétence qu’ils ont cultivée. Trois éléments clés entrent en jeu :

• Ils pensent et agissent comme une entreprise qui veut être une plateforme. « Plateforme » est un terme chargé de sens que nous détaillerons dans un instant, mais il s’agit d’une entreprise qui croit sincèrement que ses utilisateurs sont intelligents et capables de faire leurs propres choix, dans un cadre soigneusement défini.
• Ils misent doublement sur la profondeur technique, c’est-à-dire qu’ils cherchent à posséder ou contrôler chaque couche de leur stack, et à affiner continuellement les primitives de plateforme dont leurs utilisateurs ont besoin comme blocs de construction.
• Et surtout, peut-être, ils bénéficient d’une largeur grand public exceptionnelle. Ils restent les leaders en termes de diversité pure des profils de consommateurs et des cas d’usage, tant dans la vie personnelle que professionnelle.

La diversité des personnes qui les utilisent est le facteur le plus sous-estimé ici. Comme le résume simplement Hylak : « Le “Computer use” [par exemple] est un concept très générique et imprécis. Pour y exceller, vous devez augmenter votre intelligence de manière générale. Dans de nombreux domaines, à travers de nombreux workflows. » On sous-estime constamment la difficulté de passer d’une solution spécifique à une solution générale. Mais ce n’est généralement qu’en visant cette solution générale que l’on découvre ce qui est simple et évident (après coup), bien que générique et imprécis (en tant que problème à résoudre).

Pourquoi si peu d’entreprises visent-elles des « solutions générales » ? Parce que cela coûte cher et va à l’encontre de la plupart des bonnes pratiques de gestion d’une organisation produit focalisée. Il faut recueillir des retours d’une immense variété de clients, de comportements et d’actions, en les laissant faire essentiellement tout ce qu’ils souhaitent, pour progresser de manière générale sur un domaine, plutôt que spécifiquement sur un produit.

Cela signifie que la capacité à intégrer des « connaissances générales » dans votre produit dépend en réalité de votre stratégie de distribution. Ce n’est pas évident, mais c’est crucial, et OpenAI l’a compris.

Comment servir « exactement ce que je veux » (qui peut être une demande très personnalisée, spécifique et capricieuse) à tout le monde, à une échelle massive ?

Il existe fondamentalement trois approches. Vous pouvez le proposer via un produit autonome, via des partenariats, ou en tant que plateforme.

• Les produits autonomes ont une contrainte avantageuse : votre produit doit, par nature, permettre à l’utilisateur de « faire ce qu’il veut » (c’est-à-dire demander n’importe quoi à ChatGPT). Vous créez donc véritablement l’expérience client, de la mise à disposition jusqu’à l’observation de son usage quotidien.
• La distribution par partenariats offre l’avantage d’une portée rapide et étendue sur de nombreux cas d’usage. Mais c’est finalement le partenaire qui possède et oriente l’instinct du client voulant faire « tout ce qu’il veut ». Par conséquent, sur le long terme, non seulement il captera probablement la meilleure part économique, mais il contrôlera aussi ce que l’utilisateur peut réellement faire et ce qui est appris. De plus, vos clients peuvent ignorer que c’est vous qui fournissez la technologie sous-jacente, ce qui ne vous rapporte ni confiance ni capital sympathie.
• La distribution en tant que plateforme signifie que les gens construisent ce qu’ils veulent par-dessus votre technologie. C’est lent, car vous devez créer de zéro tous les nouveaux produits prenant en charge le « tout ce que je veux ». Mais c’est extrêmement puissant une fois établi : même si les revenus arrivent plus tard ou avec des taux de commission plus faibles, vous avez mis en place une boucle d’apprentissage sur le monde incroyablement puissante, car les utilisateurs emploient vos primitives et schémas, ce qui vous enseigne comment fonctionne le monde et ce que les gens attendent de vous. Pas dans le sens « entraînement sur les données clients », mais dans le sens où « les primitives deviennent une meilleure carte du territoire ».

https://x.com/GavinSBaker/status/2100240010695827959

Sur une période suffisamment longue, les produits vont et viennent, les dynamiques de partenariat évoluent, et leur rentabilité peut décevoir par rapport aux attentes. Mais OpenAI revient sans cesse à la charge avec cette volonté de bâtir la plateforme pérenne. Et leur approche fonctionne.

Les véritables plateformes sont rares, mais elles valent l’effort

Les plateformes sont difficiles à construire et complexes à appréhender. Elles sont même difficiles à définir !

En général, nous avons une conception vague et large de la plateforme, du genre : « une plateforme permet aux gens de construire ce qui répond à leur besoin spécifique. »

Dans le logiciel, il y a plusieurs façons d’y parvenir. Il y a dix-neuf ans, Marc a écrit un essai intitulé « Three kinds of platforms you meet on the internet » qui reste pertinent aujourd’hui. Voici sa définition : « Une “plateforme” est un système qui peut être programmé et donc personnalisé par des développeurs externes — les utilisateurs — et ainsi adapté à d’innombrables besoins et niches que les créateurs originaux de la plateforme n’auraient jamais pu imaginer, et encore moins eu le temps de prendre en charge. »

Les « trois types » correspondent à trois manières différentes d’organiser les ordinateurs pour qu’un utilisateur obtienne le résultat personnalisé qu’il souhaite. Ils sont de plus en plus difficiles à construire (à mesure que l’on passe de 1 à 3), mais de plus en plus magiques quant aux comportements et aux possibilités de création qu’ils débloquent.

• Le type 1 est ce que nous appellerions aujourd’hui « Headless » : donner aux utilisateurs accès à quelque chose d’utile via une API (comme Flickr à l’époque, ou même certaines entreprises aussi précieuses que Stripe entreraient dans cette catégorie).
• Le type 2 utilise ce qu’on appelle des « Plugins » : comme l’ancienne plateforme Facebook, ou la plupart des applications Shopify ou HubSpot actuelles. Vous avez un service central qui couvre les premiers 80 % des besoins des utilisateurs, puis des applications personnalisées qui tournent sur leur propre serveur, probablement gérées via une sorte de store, offrant aux utilisateurs les expériences sur mesure qu’ils recherchent.
• Le type 3 est le plus crucial : il s’agit d’un véritable environnement d’exécution que les gens peuvent programmer pour créer ce qu’ils veulent. C’est extrêmement difficile à construire, mais c’est de la pure magie quand ça fonctionne. iOS, AWS, Ethereum et, plus récemment, Cloudflare en sont des exemples.

Ce qui est intéressant avec l’IA aujourd’hui, c’est que toutes les entreprises de modèles et les fournisseurs d’inférence peuvent, dans une certaine mesure, prétendre contribuer à une « plateforme de type 3 ». (Les modèles sont une forme d’environnement d’exécution, pilotés par des instructions personnalisées !) Mais les modèles seuls ne débloquent pas de nouveaux comportements, et ils ne sont pas si faciles à défendre. Comme nous l’avons vu avec le code, où l’environnement d’exécution compte tout autant, c’est la superstructure de contraintes et de primitives qui importe réellement ici. Voici une raison théorique et une raison pratique à cela.

La raison théorique est que, si vous voulez découvrir les schémas et primitives évidents après coup qui comptent vraiment, vous devez être exposé à la gamme la plus large possible d’usages, de connaissances tacites et d’essais-erreurs de la part de vos utilisateurs, afin de pouvoir évoluer d’un produit spécifique (une percée locale) vers un produit général (une percée globale). Et la manière la plus pure d’y parvenir est de les laisser écrire des instructions arbitraires (c’est-à-dire du code) pour ce qu’ils veulent faire. Sécuriser correctement l’accès, les structures de données et les contraintes représente un chantier colossal que les entreprises « orientées produit » ont du mal à prioriser ; seuls les plus engagés atteindront la terre promise.

La raison pratique, pour l’IA actuelle, est que pour que les agents soient utiles, ils doivent écrire du code. Ce n’est peut-être pas évident, mais c’est ce que nous avons appris au cours de l’année écoulée. Malgré leur talent incroyable pour coder, les modèles d’IA sont étonnamment mauvais pour appeler des outils et exécuter des instructions dans le travail intellectuel quotidien — à moins de renverser la vapeur et de leur dire : « écris un programme qui effectue ces tâches », et là, ils excellent. L’une des grandes questions ouvertes de l’adoption de l’IA en entreprise aujourd’hui est : « comment les individus et les organisations vont-ils encadrer cela, en toute sécurité ? » Et vous devriez probablement parier sur ceux qui pensent en termes de plateforme pour trouver la bonne réponse.

L’une des grandes questions en suspens concerne les effets de réseau, les coûts de changement et autres douves économiques qui émergeront aux différentes couches de la stack IA. À ce jour, la couche modèle reste étonnamment substituable. On sent bien que le « mode multijoueur » (par exemple, la collaboration sur des projets, ou des agents approuvés par les agents de vos amis) contient de bons ingrédients pour défendre un modèle économique, mais cela n’a pas encore vraiment influencé la bagarre générale autour du « plus d’usage, moins de coûts » que l’on observe sur la consommation de tokens. La vraie question n’est pas « votre modèle est-il captif ? », mais « créez-vous de nouveaux comportements ? ». Comme l’a très bien dit Steve Hou : « L’élasticité qui compte n’est pas l’élasticité de substitution entre les modèles, mais l’élasticité de la demande globale en IA. »

Le parallélisme historique n’est jamais parfait, mais si les quatre dernières années d’IA nous enseignent quelque chose, c’est que les prochaines grandes percées en matière d’utilisation multijoueur défendable de l’IA par le grand public naîtront de moments de révélation, lorsque nous trouverons la superposition optimale entre modèles intelligents, primitives informatiques et schémas comportementaux, faisant émerger quelque chose de simple et d’évident. Cela pourrait venir de startups qui s’appuient sur les entreprises de modèles comme plateformes, ou de ces entreprises de modèles elles-mêmes. Quoi qu’il en soit, OpenAI veut évidemment fournir l’infrastructure sous-jacente et livrer le résultat aux utilisateurs.

Dans un monde d’abondance, la causalité s’inverse

Les vieilles habitudes ont la vie dure. Si vous analysez un laboratoire à la frontière de l’IA comme une entreprise classique, vous examinerez toutes sortes d’évidences pour évaluer ses avantages concurrentiels : qui a les meilleurs modèles ? Qui a les meilleures puces ? Qui a le meilleur rapport coût-performance ? Qui a les meilleurs produits ?

Bien sûr, tout cela compte encore. Mais dans un monde d’intelligence abondante, disponible à la demande partout, nous inversons probablement la causalité si nous pensons que posséder tous ces atouts garantit la victoire. Nous pensons qu’à l’avenir, OpenAI aura les meilleurs modèles, puces et produits parce qu’ils auront la meilleure distribution, et non l’inverse. Jusqu’ici, ils ont pris d’excellentes décisions pour sécuriser suffisamment de puissance de calcul, entraîner leurs modèles très efficacement, développer Jalapeno comme puce optimisée, et gérer d’autres aspects pratiques qui font la différence parmi l’offre d’IA. Mais à l’avenir, nous pensons qu’ils continueront à gagner parce qu’ils resteront à la pointe de la collecte d’informations sur le monde, grâce à leurs propres utilisateurs nouvellement éveillés, pour ensuite s’améliorer en continu.

De nouvelles offres de produits ou de modèles peuvent capter l’attention générale pendant une semaine ou deux, mais sur le long terme, nous ne voyons pas vraiment OpenAI céder sa position de leader sur ce qui compte :

• Ils ont conservé la marque grand public dominante et une immense diversité d’utilisateurs.
• Ils ont éveillé de nouveaux comportements utilisateurs, évidents après coup, qui changent la donne sur ce qui est possible.
• Ils ont repoussé la frontière des « meilleurs modèles, meilleurs prix » dans leur offre.
• Leur « flywheel » ne s’arrête jamais, et tout s’améliore simultanément.

Sam décrit le futur état produit d’OpenAI comme n’ayant que deux options : soit vous pouvez créer tout ce que vous voulez, soit vous pouvez simplement discuter avec ChatGPT. Voilà à quoi ressemble une véritable abondance dans un produit. Vous pouvez soit décrire exactement ce qui vous aidera et l’obtenir, soit revenir à l’essentiel : « ou alors je peux juste parler à cette zone de texte et voir où cela me mène. »

Cette abondance est accessible à tous, dès aujourd’hui. Il y a un groupe assez restreint de personnes qui utilisent l’IA à outrance pour tout dans leur vie ; et un groupe un peu plus large et diversifié qui utilise ChatGPT régulièrement. Ces derniers n’ont pas encore été éveillés en tant que clients. Qui y parviendra ?

Nous pensons qu’OpenAI sait comment faire.