La révolution du revenu par employé
Quelque chose d'étrange a commencé à apparaître dans les données vers 2024. Les entreprises natives de l'IA généraient des chiffres de revenu par employé qui faisaient passer les références traditionnelles du SaaS pour des erreurs d'arrondi.
Midjourney, l'outil de génération d'images, aurait approché les 500 millions de dollars de revenus annuels en 2025 avec environ 40 à 100 employés. Même avec l'estimation haute, cela représente 3 à 5 millions par personne. Lovable, la plateforme suédoise de vibe coding, a atteint 100 millions d'ARR en seulement huit mois avec 45 employés, soit 2,2 millions de revenus par tête. Bolt.new est passé de zéro à 20 millions d'ARR en 60 jours avec environ 15 personnes, puis a continué à grimper à 40 millions d'ARR en mars 2025.
Pour contexte, la médiane des entreprises SaaS privées génère 130 000 dollars de revenus par employé, selon les données de référence de SaaS Capital 2025. Les meilleures entreprises dans la tranche de 20 à 50 millions d'ARR atteignent environ 175 000 à 187 000 dollars.
Voici la comparaison :
| Entreprise | Revenu/Employé | vs. Médiane SaaS (130 000 $) |
|---|---|---|
| Midjourney | 3-5 M$ | 23-38x |
| Lovable (juillet 2025) | 2,2 M$ | 17x |
| Bolt.new (déc. 2024) | 1,3 M$ | 10x |
| ElevenLabs | 825 000 $ | 6x |
| Perplexity AI | ~800 000 $ | 6x |
| Médiane SaaS privé | 130 000 $ | 1x |
Ce ne sont pas des valeurs aberrantes dans la même industrie. Ils représentent un type d'entreprise fondamentalement différent : un type où l'IA gère le travail qui nécessitait auparavant des dizaines ou des centaines de personnes.
ElevenLabs, la startup d'IA vocale, a dépassé 330 millions d'ARR en 2025 avec environ 400 employés et a levé des fonds à une valorisation de 11 milliards. Perplexity AI a atteint environ 150 à 200 millions d'ARR avec une équipe centrale d'environ 90 à 100 personnes. Replit, la plateforme de codage IA, est passée de 16 millions à 265 millions d'ARR en une seule année (croissance de 1 556 %) et a levé des fonds à une valorisation de 9 milliards en mars 2026.
Le schéma est constant : les entreprises natives de l'IA atteignent des chiffres de revenu par employé 6 à 38 fois supérieurs au SaaS traditionnel. Il ne s'agit pas simplement d'être plus efficace. Des catégories entières de travail (support client, création de contenu, génération de code, itération de design) sont absorbées par le produit lui-même.
Pourquoi Dario Amodei estime la probabilité à 70-80 %
En mai 2025, lors de la conférence développeurs « Code with Claude » d'Anthropic à San Francisco, le CPO Mike Krieger (cofondateur d'Instagram) a posé une question directe au PDG d'Anthropic, Dario Amodei : une seule personne pourrait-elle créer une entreprise d'un milliard de dollars avec l'IA ?
La réponse d'Amodei : « Cela arrivera certainement, peut-être dès l'année prochaine. » Il a ensuite légèrement nuancé auprès des journalistes, estimant la probabilité à « probablement plutôt 70 à 80 pour cent » pour 2026. Il a ajouté que les secteurs les plus probables seraient ceux « où l'on n'a pas besoin de beaucoup d'éléments humains et institutionnels pour gagner de l'argent », citant le trading propriétaire et les outils de développement comme premiers candidats.
Sam Altman avait planté la graine encore plus tôt. Fin 2023, en discussion avec le cofondateur de Reddit, Alexis Ohanian, il a révélé : « Dans mon petit groupe de discussion avec mes amis PDG de la tech, il y a un pari sur la première année où une entreprise d'un milliard sera créée par une seule personne. Quelque chose qui aurait été inimaginable sans l'IA et qui va maintenant se produire. »
Dans une conversation séparée avec Garry Tan de YC, Altman est allé plus loin : « L'avenir des startups pourrait être simplement une personne et 10 000 GPUs. »
Ce ne sont pas des observateurs occasionnels. Amodei dirige l'entreprise qui construit Claude. Altman dirige l'entreprise qui construit GPT. Quand les deux PDG parient indépendamment sur le même changement structurel, il convient de prêter attention au raisonnement, pas seulement à la prédiction.
La logique est la suivante : les agents de codage IA gèrent l'implémentation. L'IA gère le support client à un coût marginal quasi nul (l'agent IA Fin d'Intercom traite déjà des millions de résolutions à 0,99 dollar chacune). L'IA gère l'itération de design, la création de contenu, l'analyse de données et, de plus en plus, la prospection commerciale. Les tâches humaines restantes (définir la direction produit, prendre des décisions de goût, construire des relations, naviguer les réglementations) représentent une part décroissante du travail total de l'entreprise. Et cette part pourrait se réduire suffisamment pour qu'une seule personne la gère.
Le nouveau stack de startups
Les outils qui rendent les petites équipes possibles ne sont pas théoriques. Ils sont en production et croissent plus vite que presque tout dans l'histoire du logiciel.
Claude Code a atteint environ 2 milliards de dollars de revenus annualisés début 2026, en faisant l'un des outils de développement à la croissance la plus rapide de l'histoire. Il représente désormais environ 4 % de tous les commits publics sur GitHub, un chiffre qui devrait dépasser les 20 % d'ici fin 2026. Claude Code capture environ 54 % du marché du codage IA, soit environ 2,5 fois la part de 21 % d'OpenAI.
Cursor (d'Anysphere) est passé de 100 millions à plus de 2 milliards d'ARR en environ 12 mois, soit une augmentation de 1 100 % en glissement annuel. C'est l'entreprise SaaS la plus rapide à avoir évolué de 1 million à 500 millions d'ARR, avec des revenus qui doublent environ tous les deux mois. L'entreprise a levé des fonds à une valorisation de 29,3 milliards en novembre 2025, contre 400 millions seulement 15 mois plus tôt. Plus d'un million d'utilisateurs sont abonnés payants.
GitHub Copilot a atteint 4,7 millions d'abonnés payants en janvier 2026, en hausse de 75 % en glissement annuel, avec un nombre total d'utilisateurs dépassant 20 millions. À environ 19 dollars par mois par abonné, cela représente plus d'un milliard d'ARR.
Devin (de Cognition) est passé d'environ 1 million d'ARR en septembre 2024 à 73 millions en juin 2025. Après l'acquisition de Windsurf mi-2025, l'entité combinée a atteint 155 millions d'ARR. Cognition a levé des fonds à une valorisation de 10,2 milliards en septembre 2025.
Replit : 75 % de ses utilisateurs n'écrivent jamais eux-mêmes la moindre ligne de code. Relisez cette phrase. Les trois quarts des personnes qui construisent des logiciels sur Replit le font entièrement en langage naturel.
Les revenus combinés de ces outils approchent les 7 milliards de dollars annualisés. Et ils ont tous moins de trois ans sous leur forme actuelle. Nous n'avons jamais vu une couche d'infrastructure émerger aussi rapidement.
Voici à quoi ressemble le stack pour une petite équipe en 2026 :
| Couche | Outil | Ce qu'il remplace |
|---|---|---|
| Génération de code | Claude Code / Cursor | 3-5 ingénieurs juniors à confirmés |
| Tâches autonomes | Devin / Replit Agent | Sociétés de développement externalisées |
| Support client | Intercom Fin / agents personnalisés | Équipe de support (5-15 personnes) |
| Design | Midjourney / Figma AI | Équipe de design (2-3 personnes) |
| Analyse de données | ChatGPT / Claude analyse | Analyste de données (1-2 personnes) |
| Prospection commerciale | Outils AI SDR | Équipe BDR (3-10 personnes) |
| Infrastructure | Vercel / Railway / AWS | Ingénieur DevOps (1-2 personnes) |
Un fondateur avec un bon jugement et une expertise dans son domaine peut désormais accéder à la production de ce qui était auparavant une entreprise de 20 à 40 personnes. Pas à la même qualité pour chaque fonction, mais à un niveau suffisant pour le développement produit de 0 à 1 et la traction initiale.
Ce que 500 000 dollars achetaient vs. ce que 500 dollars achètent aujourd'hui
L'économie de la construction de produits logiciels a plus changé entre 2023 et 2026 que durant les deux décennies précédentes.
Les coûts d'inférence racontent la version la plus frappante de cette histoire. Selon les recherches d'Epoch AI, l'inférence équivalente à GPT-3.5 est passée de 20 dollars par million de tokens en novembre 2022 à 0,07 dollar par million de tokens en octobre 2024. Soit une réduction de 280 fois en moins de deux ans. L'analyse d'a16z a révélé que les coûts diminuent de moitié environ tous les deux mois, un rythme qu'ils appellent la « LLMflation ».
La trajectoire de GPT-4 est encore plus spectaculaire. Au lancement en mars 2023, le coût mixte était d'environ 37,50 dollars par million de tokens. En août 2025, les performances équivalentes coûtaient 0,14 dollar par million de tokens. Soit une baisse de 267 fois. Les projections le placent sous 0,01 dollar d'ici 2028.
Qu'est-ce que cela signifie concrètement ?
Andrej Karpathy a inventé le terme « vibe coding » le 6 février 2025, dans une publication qui a obtenu plus de 4,5 millions de vues : « Il y a un nouveau type de programmation que j'appelle "vibe coding", où l'on se laisse complètement porter par l'ambiance, on embrasse les exponentielles et on oublie que le code existe. »
Le concept est devenu viral parce qu'il a donné un nom à quelque chose que des milliers de personnes faisaient déjà. Des produits qui auraient coûté 500 000 dollars en salaires d'ingénierie en 2023 (une équipe de 5 ingénieurs pendant 6 mois) peuvent désormais être prototypés par une seule personne en quelques jours pour le coût d'un abonnement IA.
La trajectoire de Lovable en est la preuve la plus claire. La plateforme permet aux utilisateurs non techniques de décrire ce qu'ils veulent et génère des applications web fonctionnelles. Elle a atteint 100 millions d'ARR en huit mois. En mars 2026, elle ajoutait 100 millions de revenus par mois avec 146 employés, toujours une fraction de ce que les entreprises SaaS traditionnelles nécessitent à cette échelle.
Bolt.new a prouvé que la vitesse était réelle : de 0 à 4 millions d'ARR en 30 jours, 20 millions en 60 jours, 40 millions en mars 2025. L'entreprise a levé 105,5 millions à une valorisation de 700 millions en janvier 2025.
Mais il y a une distinction cruciale entre ce que 500 dollars peuvent construire et ce que 500 dollars peuvent maintenir. Un prototype n'est pas un produit. Un produit n'est pas une entreprise. Le coût de la première version s'est effondré. Le coût de la dixième version, celle qui gère les cas limites, tient la charge, répond aux exigences réglementaires et fidélise les utilisateurs, n'a pas diminué dans les mêmes proportions. Plus d'informations à ce sujet dans la section des contre-arguments.
Le goulot du goût
C'est ici que les données de productivité deviennent à la fois intéressantes et compliquées.
Les chiffres principaux semblent encourageants. Un essai contrôlé randomisé de 2023 par Peng et al. (publié via GitHub) a montré que les programmeurs professionnels utilisant GitHub Copilot complétaient les tâches 55,8 % plus rapidement (71 minutes contre 161 minutes, p=0,0017). Une étude multi-entreprises incluant Microsoft, Accenture et des entreprises du Fortune 100, impliquant environ 5 000 développeurs, a montré une augmentation moyenne de productivité de 26 %. Google a rapporté que plus de 25 % du nouveau code était généré par l'IA fin 2024, atteignant plus de 30 % en avril 2025. Les données de McKinsey suggèrent un impact de 20 à 45 % sur la productivité de l'ingénierie logicielle.
Mais ensuite est arrivée l'étude METR de juillet 2025, qui a jeté un froid sur le récit. Seize développeurs open source expérimentés (avec en moyenne 5 ans et 1 500 commits sur leurs dépôts spécifiques) ont reçu des tâches sur des bases de code volumineuses et matures (en moyenne 22 000+ étoiles, plus d'un million de lignes de code, 10 ans d'âge). En utilisant Cursor Pro avec Claude 3.5/3.7 Sonnet, ils étaient en réalité 19 % plus lents avec les outils IA.
Et voici le plus surprenant : les développeurs croyaient être 20 % plus rapides, alors qu'ils étaient mesurément plus lents.
Moins de 44 % du code généré par l'IA a été accepté. L'étude suggère que les gains de productivité de l'IA sont concentrés dans le développement greenfield et les tâches plus simples, exactement le type de travail où le « vibe coding » excelle. Les bases de code complexes, matures et de niveau production sont une autre histoire.
Cela pointe vers ce que j'appelle le « goulot du goût ». L'IA peut générer d'énormes volumes de code, de designs et de contenu. Mais quelqu'un doit encore :
- Savoir quoi construire (sens du produit)
- Évaluer si le résultat de l'IA est bon (jugement technique)
- Décider quoi livrer et quoi abandonner (priorisation)
- Comprendre l'utilisateur assez profondément pour prendre des décisions non évidentes (empathie et expertise du domaine)
Le « vibe coding » de Karpathy fonctionne précisément parce qu'il contourne le code lui-même. Vous décrivez ce que vous voulez, l'IA le génère et vous évaluez le résultat. Mais l'évaluation est la partie difficile. Elle exige du goût, et le goût vient de l'expérience, d'une connaissance approfondie du domaine et d'un type spécifique de reconnaissance de motifs que les modèles d'IA actuels ne possèdent pas.
Les fondateurs qui réussissent avec de petites équipes ne sont pas des généralistes capables de tout faire. Ce sont des spécialistes dotés d'un goût exceptionnel dans un domaine précis, utilisant l'IA pour exécuter à un volume qu'ils ne pourraient atteindre seuls. David Holz, de Midjourney, a passé des années dans la recherche en interaction homme-machine avant de créer un outil de génération d'images. Les fondateurs de Lovable avaient une expérience approfondie dans les outils de développement. Le goût est le fossé que l'IA amplifie au lieu de remplacer.
Le design organisationnel pour l'ère de l'IA
Si la licorne à trois personnes devient plausible, comment ces petites équipes devraient-elles réellement s'organiser ?
L'organigramme traditionnel de startup (PDG, CTO, VP Engineering, équipe d'ingénierie, équipe de design, marketing, ventes, support) a été conçu pour un monde où le travail humain était l'intrant principal. À l'ère de l'IA, l'organigramme doit refléter une réalité différente : la majeure partie de l'exécution est réalisée par des systèmes d'IA, et les humains fournissent la direction, le jugement et la gestion des relations.
Voici ce qui émerge dans les petites équipes les plus productives :
Le modèle Architecte-Opérateur : Une personne définit la direction produit et évalue les résultats. Les agents IA gèrent l'implémentation, les tests, le déploiement et la surveillance. L'architecte humain examine les diffs, approuve les déploiements et prend les décisions de jugement. C'est essentiellement ce que Claude Code permet lorsqu'il est utilisé avec des équipes d'agents (la fonctionnalité de coordination multi-agents d'Anthropic, lancée avec Opus 4.6).
Le Trio du Goût : Trois personnes couvrant le goût produit (quoi construire), le goût technique (comment le construire) et le goût marché (comment le vendre). L'IA gère l'exécution dans les trois domaines. Chaque personne gère une flotte d'agents IA plutôt qu'une équipe humaine. Cela correspond approximativement au PDG, CTO et Head of Growth, mais avec un périmètre individuel considérablement élargi.
Expert du domaine + stack IA : Une seule personne possédant une expertise approfondie dans un domaine (médical, juridique, financier) qui utilise l'IA pour construire et exploiter un produit qui nécessiterait traditionnellement une équipe interdisciplinaire. Harvey (IA juridique, valorisation de 11 milliards, 195 millions d'ARR) a été fondée par des avocats qui comprenaient le domaine assez profondément pour diriger l'IA efficacement. Abridge (valorisation de 5,3 milliards) a été construite par des cliniciens qui savaient exactement à quoi devait ressembler la documentation clinique.
Le fil conducteur : les humains apportent le jugement et l'expertise du domaine. L'IA apporte l'effet de levier et la vitesse d'exécution. Le ratio jugement/exécution dans le mix de travail d'une entreprise s'est considérablement déplacé vers le jugement.
Cela crée un paradoxe pour le recrutement. Les startups traditionnelles embauchent des gens qui savent faire des choses. Les startups de l'ère IA ont besoin de gens qui savent décider des choses. Les compétences d'exécution (écrire du code, concevoir des interfaces, rédiger des textes) se banalisent. Les compétences de prise de décision (évaluer les compromis, comprendre les utilisateurs, repérer les opportunités) prennent de plus en plus de valeur.
Le contre-argument
La thèse de la licorne à trois personnes est convaincante, mais l'honnêteté intellectuelle exige d'aborder ce que les petites équipes ne peuvent véritablement pas faire, même avec des outils IA parfaits.
Les ventes aux entreprises nécessitent des humains. Les gros contrats sont conclus par des personnes qui construisent la confiance pendant des mois ou des années. Comme l'a dit un dirigeant des ventes entreprises : « Ce n'est pas toujours le meilleur produit qui gagne ; ce sont les personnes derrière le produit qui ont fait un meilleur travail pour construire la confiance avec les clients. » L'IA peut générer de la prospection, qualifier des leads et préparer des supports, mais la poignée de main finale est humaine.
La conformité réglementaire ne se met pas à l'échelle avec des agents. Les secteurs de la santé, de la finance et du gouvernement nécessitent des équipes de conformité transversales (juridique, conformité, IT, data science, direction générale). L'IA peut aider avec la documentation et la surveillance, mais les structures de responsabilité exigent de vraies personnes avec de vrais titres et une vraie responsabilité juridique.
La résilience organisationnelle est nulle. Une entreprise d'une seule personne n'a pas de plan de succession, pas de remplacement en cas de maladie, pas de revue par les pairs. Si le fondateur a un accident, l'entreprise cesse d'exister. Les investisseurs et les partenaires le savent, et cela limite le type d'accords et de relations auxquels un opérateur solo peut accéder.
La découverte gênante de l'étude METR. Rappelons-le : les développeurs expérimentés sur des bases de code complexes étaient 19 % plus lents avec les outils IA. Cela suggère que les gains de productivité de l'IA pourraient être concentrés précisément dans le type de développement greenfield que font les petites équipes, et pourraient ne pas se transposer aux phases de maintenance, de mise à l'échelle et de renforcement que nécessitent les entreprises matures.
La propre trajectoire de Lovable raconte la vraie histoire. Après avoir atteint le statut de licorne avec 45 employés en juillet 2025, l'entreprise a commencé à recruter massivement. En mars 2026, elle comptait plus de 146 employés. Même l'exemple phare des startups lean natives de l'IA a découvert que la croissance nécessite des personnes.
90 % des startups IA échouent au cours de leur première année. Les chiffres de revenu par employé sont impressionnants pour les survivants, mais le biais de survie est extrême dans cet espace. En 2024, 966 startups américaines ont fermé, soit une augmentation de 25,6 % par rapport à l'année précédente.
La dette technique du vibe coding est réelle. Comme l'a noté une analyse, « Une économie de 2 semaines en codage peut entraîner 2 à 3 mois de refactoring, de corrections d'intégration ou de tests de régression par la suite. » Du code généré par l'IA qui fonctionne n'est pas la même chose que du code généré par l'IA qui est maintenable, sécurisé et performant sous charge.
La version plus honnête de la thèse est probablement celle-ci : nous nous dirigeons vers des licornes de 6 à 8 personnes, pas d'une seule. Les tâches humaines qui subsistent (relations entreprises, conformité réglementaire, résilience organisationnelle, maintenance de systèmes complexes) sont véritablement difficiles à automatiser et véritablement nécessaires pour des résultats d'un milliard de dollars. Mais même 6 à 8 personnes construisant ce qui en nécessitait 200 auparavant est une révolution.
Un guide pour les fondateurs qui construisent avec des petites équipes
Si vous êtes fondateur en 2026 et que vous envisagez de construire de manière lean, voici un cadre pratique basé sur les schémas qui émergent des entreprises qui le font réellement :
1. Choisissez un domaine où le goût est le fossé. Les entreprises qui gagnent avec de petites équipes sont celles où l'expertise spécifique et le jugement du fondateur créent un produit que l'IA seule ne peut pas reproduire. La sensibilité esthétique de Midjourney. La compréhension de Lovable des flux de travail des développeurs. La maîtrise de Harvey de la pratique juridique. L'expertise du domaine est ce qui empêche votre produit d'être reproduit par un concurrent en un week-end avec du vibe coding.
2. Utilisez l'IA pour l'exécution, pas pour la stratégie. Laissez Claude Code écrire l'implémentation. Laissez Cursor gérer le code répétitif. Laissez les agents IA gérer le support client. Mais prenez vous-même les décisions produit. Les fondateurs qui délèguent trop la réflexion stratégique à l'IA se retrouvent avec des produits génériques qui concurrencent sur les fonctionnalités (une partie perdue quand les fonctionnalités sont peu coûteuses à reproduire).
3. Optimisez la vitesse d'itération, pas la qualité initiale. Les données de coûts d'inférence indiquent que votre première version doit être rapide et peu coûteuse. Lancez en quelques jours, pas en quelques mois. Obtenez de vrais retours utilisateurs. Puis itérez avec les mêmes outils IA, mais cette fois avec des données réelles sur ce qui compte. La découverte de l'étude METR (l'IA est plus lente sur les bases de code complexes) suggère que vous devriez lancer vite avant que la base de code ne devienne complexe, puis investir dans l'architecture.
4. Construisez sur une économie basée sur les résultats. La tarification par siège est en voie de disparition. Si votre produit délivre des résultats mesurables (contrats conclus, tickets de support résolus, code déployé), tarifez en conséquence. Le modèle à 0,99 dollar par résolution d'Intercom Fin a généré des dizaines de millions la première année parce qu'il alignait parfaitement les incitations : le client ne paie que pour la valeur délivrée.
5. Investissez dans ce que l'IA ne peut pas faire. Utilisez le temps et l'argent que vous économisez en ingénierie pour investir dans les relations clients, la marque, la communauté et la conformité réglementaire. Ce sont les fossés qu'un concurrent disposant des mêmes outils IA ne peut pas facilement reproduire. Les entreprises qui construisent des effets de réseau et des fossés de données en plus de leurs opérations lean alimentées par l'IA seront celles qui dureront.
6. Planifiez le « point d'inflexion du recrutement ». La trajectoire de Lovable le montre clairement : vous pouvez passer de zéro à 100 millions d'ARR avec 45 personnes, mais la croissance continue peut nécessiter d'agrandir l'équipe. Construisez votre culture, vos processus et votre documentation comme si vous alliez être 200 personnes un jour, même si vous fonctionnez à 5. C'est contre-intuitif quand on avance vite, mais cela évite la course douloureuse quand la croissance l'exige.
7. Diversifiez vos outils IA. Ne misez pas tout sur un seul modèle ou fournisseur. Les données de coûts d'inférence montrent des prix en baisse et des performances qui convergent. Construisez des abstractions qui vous permettent d'alterner entre Claude, GPT, Gemini et les modèles open source selon la tâche, le coût et les exigences de qualité. Les entreprises verrouillées sur un seul fournisseur subiront une pression sur les marges à mesure que le marché mûrira.
Questions fréquentes
L'« entreprise d'un milliard avec une seule personne » est-elle réellement possible ?
Le PDG d'Anthropic, Dario Amodei, l'évalue à 70-80 % de probabilité pour 2026. Les secteurs les plus probables sont ceux nécessitant une confiance institutionnelle minimale : trading propriétaire, outils de développement, produits numériques. La réalité est que les exigences réglementaires, commerciales et de résilience rendent une licorne de 6 à 8 personnes plus probable qu'une littérale d'une seule personne. Mais même cela représente une réduction de 25 à 50 fois de la taille de l'équipe par rapport aux licornes traditionnelles.
Quel outil de codage IA devrais-je utiliser ?
Cela dépend de votre flux de travail. Claude Code mène en parts de marché (54 % du codage IA) et s'intègre profondément dans les flux de travail basés sur le terminal. Cursor est l'IDE à la croissance la plus rapide et excelle en développement interactif. GitHub Copilot possède la plus grande base d'utilisateurs (4,7 millions payants) et l'intégration GitHub la plus poussée. De nombreux développeurs de haut niveau utilisent plusieurs outils : Claude Code pour l'architecture et les tâches complexes, Cursor pour le codage quotidien, Copilot pour les suggestions en ligne.
À quel point l'IA rend-elle réellement les développeurs plus rapides ?
La réponse honnête : cela dépend énormément de la tâche et du développeur. Les études contrôlées montrent des gains de vitesse de 26 à 56 % pour les tâches de codage bien définies. Google rapporte que plus de 30 % du nouveau code est généré par l'IA. Mais l'étude METR a montré que les développeurs expérimentés sur des bases de code complexes et matures étaient 19 % plus lents. L'IA excelle dans le développement greenfield et le code répétitif. Elle peine avec les décisions nuancées dans les grands systèmes interconnectés.
Quelles compétences comptent le plus pour les fondateurs qui construisent avec l'IA ?
L'expertise du domaine, le goût produit et la capacité à évaluer de manière critique les résultats de l'IA. La barre technique pour construire a considérablement baissé, mais la barre du jugement s'est élevée. Comprendre vos utilisateurs, savoir quels compromis faire et pouvoir distinguer un bon résultat IA d'un résultat plausible mais erroné sont désormais les compétences fondamentales du fondateur. La capacité pure de programmation compte moins qu'il y a deux ans.
Les investisseurs n'hésiteront-ils pas à financer une entreprise de 3 personnes ?
Certains oui, d'autres non. Les données de revenu par employé sont trop convaincantes pour que les investisseurs avertis les ignorent. Lovable a levé des fonds à 6,6 milliards de valorisation avec moins de 50 personnes. Bolt a levé 105,5 millions à 700 millions de valorisation avec environ 15 personnes. La préoccupation des investisseurs n'est pas la taille de l'équipe en soi ; c'est la résilience, la capacité d'exécution et la possibilité de passer à l'échelle si le marché l'exige. Avoir un plan clair sur la façon de développer l'équipe si nécessaire répond à la plupart des objections.
Le vibe coding est-il une menace ou une opportunité pour les développeurs professionnels ?
Les deux. C'est une menace pour les développeurs dont la valeur principale est d'écrire du code simple. C'est une opportunité pour les développeurs capables de concevoir des systèmes, d'évaluer les résultats de l'IA et de fournir la couche de jugement que l'IA ne peut pas offrir. Replit rapporte que 75 % de ses utilisateurs n'écrivent jamais de code eux-mêmes. Cela signifie que le nombre total de personnes qui construisent des logiciels augmente considérablement, et le rôle des développeurs professionnels passe de « écrire du code » à « concevoir des systèmes que l'IA construit ».
Conclusion : Le véritable avantage concurrentiel
La licorne à trois personnes ne concerne pas vraiment l'effectif. Il s'agit de ce qui s'est passé quand le coût de l'exécution s'est effondré alors que la valeur du jugement est restée constante.
Pendant deux décennies, les startups se sont principalement battues sur l'exécution : qui pouvait embaucher les meilleurs ingénieurs, livrer le plus de fonctionnalités et croître le plus vite. Cette compétition a fait grimper les effectifs, les taux de consommation de cash et les besoins de financement. La révolution du codage IA n'a pas seulement réduit les coûts. Elle a changé quels intrants comptent.
Les entreprises qui atteignent des chiffres extraordinaires de revenu par employé partagent un schéma : elles sont fondées par des personnes dotées d'une expertise approfondie et d'un goût exceptionnel, utilisant l'IA pour exécuter à une échelle auparavant impossible sans de grandes équipes. Elles ne remplacent pas les humains par l'IA ; elles remplacent le besoin de nombreux humains par le jugement de quelques-uns.
Que la première entreprise littérale d'un milliard de dollars créée par une seule personne arrive en 2026 ou en 2028 importe moins que le changement structurel qu'elle représente. L'équipe minimale viable pour un produit de classe mondiale est passée de 50 à 5 en environ 18 mois. Cela change la stratégie de financement, le design organisationnel, la dynamique concurrentielle et la planification de carrière de chaque personne dans la tech.
Les fondateurs qui prospéreront ne seront pas ceux qui sauront le mieux formuler des requêtes à l'IA. Ce seront ceux dont le goût, l'expertise du domaine et le jugement les rendront irremplaçables, même dans un monde où tout le reste peut être automatisé. La licorne à trois personnes, ce n'est pas faire plus avec moins. C'est savoir ce qui vaut la peine d'être fait en premier lieu.