Un vendredi soir de novembre 2025, Peter Steinberger a construit la première version d'OpenClaw.
Le prototype n'a pris qu'environ une heure, mais en quelques semaines, OpenClaw a dépassé les 145 000 étoiles sur GitHub, devenant ainsi le projet open-source à la croissance la plus rapide de l'histoire de GitHub.
La plateforme a été largement construite par des agents IA, et elle a marqué le passage des chatbots à une IA autonome et orientée vers les tâches.
Et cette accélération se poursuit. L'IA génère désormais 75 % du nouveau code de Google et jusqu'à 30 % du nouveau code de Microsoft. Les commits quotidiens de Claude Code sur GitHub ont dépassé les 134 000 début 2026, contre près de zéro lors de son lancement en mars 2025.
C'est un changement structurel dans la manière dont le logiciel, et de plus en plus le travail du savoir, est réalisé.
Les agents IA sont à la pointe de ce changement.
Alors, qu'est-ce qu'un agent IA exactement, et en quoi est-il différent d'un chatbot ou d'un LLM ? Qu'est-ce qui rend ce changement structurel plutôt qu'une simple phase passagère ? Et à mesure que la pile technologique mûrit, où la valeur s'accumule-t-elle, et où se commoditise-t-elle ?
Ce sont les questions auxquelles nous avons cherché à répondre.
Le résultat est un cadre en cinq couches pour comprendre ce qu'est réellement un agent, où la technologie se dirige, et qui est bien placé pour gagner à chaque couche.
Certaines réponses sont déjà visibles dans les chiffres. Anthropic est passé de 1 à 44 milliards de dollars de revenus annualisés en dix-sept mois, presque entièrement grâce aux agents de codage. Parallèlement, les harnais d'agents open-source traitent désormais des dizaines de billions de tokens par mois. Ces deux chiffres semblent pointer vers le même endroit : la couche du harnais.
Mais les agents commettent encore régulièrement des erreurs évidentes. En décembre 2025, un agent de codage Amazon a supprimé et recréé de manière autonome un environnement de production en direct, mettant AWS en Chine hors ligne pendant 13 heures. En avril 2026, un agent Cursor propulsé par Claude a supprimé l'intégralité d'une base de données d'entreprise en 9 secondes.
Quatre modes de défaillance apparaissent de manière récurrente en production, et la plupart ne figurent jamais sur une fiche de prix de fournisseur.
L'enquête 2025 de McKinsey sur l'état de l'IA a révélé que moins de 10 % des organisations ont déployé des agents à une échelle significative. La plupart ne les utilisent pas du tout.
L'écart entre ce qui est techniquement possible et ce qui est opérationnellement déployé est l'opportunité.
Le guide de 84 pages sur notre Substack est notre effort pour fournir une carte, espérons-le. Voici ce que vous y trouverez :
- Les cinq couches d'un agent, et comment elles s'assemblent
- Six études de cas sur la façon dont les premiers adoptants déploient des agents aujourd'hui, y compris ma société, 8090
- Les quatre façons dont les agents tombent systématiquement en production
- La couche qui, selon nous, accumulera la valeur la plus durable à mesure que les modèles se commoditisent
- Qui est bien placé pour contrôler chacune des cinq couches
Abonnez-vous pour lire et dites-moi ce que vous en pensez dans le groupe : https://chamath.substack.com/p/ai-agents-primer
