Notre mission

1. L'IA va être un bouleversement, à deux horizons

On est convaincus d'une chose : l'IA est une technologie qui va changer une grande partie du fonctionnement de nos sociétés, à commencer par notre rapport au travail. Pour comprendre pourquoi, il faut regarder deux horizons.

Le premier horizon : la transition, dans les cinq à dix ans

Quand on écoute le marché parler d'IA, on a l'impression que c'est le zoo : agents, RAG, MCP, fine-tuning, tout le monde vend son gadget. On perd de vue l'essentiel, qui est simple à lire.

Une entreprise, c'est un ensemble de process qui produisent de la valeur. Chaque process a une méthode. Cette méthode peut être explicitée, écrite noir sur blanc, puis confiée à une IA qui l'exécute à notre place, moins cher qu'un humain et vingt-quatre heures sur vingt-quatre. Ça paraît trivial, et c'est tout l'enjeu : l'exécution des tâches répétitives n'a plus à être prise en charge par l'humain.

Prenons une personne précise. Elle passait dix heures par semaine à faire les bons de commande : toujours la même méthode, les mêmes vérifications, les mêmes relances. Une fois cette méthode écrite noir sur blanc et confiée à un agent, c'est l'agent qui fait les bons de commande, et elle qui le surveille. La tâche tombe à dix minutes par semaine. Les neuf heures cinquante qui restent ne disparaissent pas, et tout l'enjeu est là : les donner à une seule question, comment améliorer la qualité des bons de commande.

Maintenant, faites-le domaine de boîte par domaine de boîte, process par process. Chaque personne a beaucoup plus de temps libre, et elle peut en passer une partie sur la méthode elle-même :

• comment est-ce que j'améliore de 10 % la qualité du service client ce mois-ci ?
• comment est-ce que j'améliore de 10 % la qualité du delivery ?
• comment est-ce que j'améliore de 10 % la relance des impayés, la proposition commerciale, l'onboarding ?

Chaque amélioration est écrite dans la fiche, puis déléguée à son tour. Elle est donc acquise pour de bon, et le mois suivant, on repart de ce nouveau niveau pour gagner encore 10 %. C'est un effet exponentiel : à +10 % par mois, un domaine de boîte a doublé en sept mois et triplé en un an. Et comme chaque domaine avance en même temps, c'est l'entreprise entière qui décolle.

Une entreprise pourrait décider de s'en passer. Ce qui l'en empêche, c'est la concurrence. Quand on a de la concurrence, on est obligé de s'améliorer : que l'entreprise le comprenne ou non, c'est son besoin. Celles qui implémentent l'IA en profondeur creusent un écart qui se cumule. Les autres regardent l'écart se creuser. C'est ce qui rend la bascule inévitable.

Cette démonstration peut paraître triviale. En réalité, on vient de montrer le premier axe de transformation de l'IA sur le marché, celui du court terme : toutes les entreprises vont devoir intégrer l'intelligence artificielle dans leurs workflows pour rester compétitives. Ça ouvre un marché énorme, et une transition plus grande et plus différente que celle d'internet. C'est le pendant : une fenêtre de cinq à dix ans où tout se joue, et où il faut faire les choses correctement. Mais il y a aussi un autre scénario, à plus long terme.

Le second horizon : le monde d'après

Le second horizon n'a pas de date, et il demande des modèles mentaux qu'on a du mal à tenir en tant qu'humains. Aujourd'hui, ce sont des chercheurs qui améliorent l'IA. Le jour où l'IA devient meilleure qu'un chercheur pour améliorer l'IA, une boucle s'enclenche :

• elle formule des hypothèses plus vite, et les teste plus vite ;
• elle conçoit la génération suivante, qui fait la même chose encore plus vite ;
• au début, on comprend ce qu'elle construit, puis de moins en moins. Elle pourrait par exemple se passer du langage humain, qui n'est pour elle qu'un intermédiaire, pour manipuler directement des concepts : on perdrait alors notre principale fenêtre d'observation sur ce qu'elle pense ;
• au bout de la boucle, il y a une intelligence qu'on ne comprend plus, et une incertitude complète sur l'économie.

Une seule chose est sûre dans ce monde-là : la valeur du travail intellectuel humain, créativité comprise, baisse fortement. Et le monde physique suit, puisque le corps des robots existe déjà et qu'il ne lui manque qu'un cerveau.

Ces deux horizons nous donnent deux chantiers. Réussir la transition, et la réussir correctement, parce que c'est là qu'on peut agir dès aujourd'hui. Et commencer dès maintenant à préparer le monde d'après, dans les idées comme dans les infrastructures, pour qu'elles soient prêtes et résilientes.

Or, la transition est déjà en cours. Et elle est menée par des acteurs précis.

2. Ceux qui mènent la transition n'ont pas nos valeurs

Les forces qui déploient l'IA le plus vite et le plus fort sont celles qui ont les capitaux : une poignée de laboratoires, et les grandes entreprises technologiques qui les financent ou les concurrencent. On ne juge pas leurs intentions. On regarde ce qu'elles font, et pour le lire, on regarde trois choses : où elles nous emmènent, comment elles se financent aujourd'hui, et comment elles font entrer l'IA dans les entreprises. À chaque fois, on dit aussi ce qu'on en fait.

Première lecture : la destination

Commençons par la fin, parce que c'est elle qui décide du reste. Quand on imagine un monde après l'IA, on tombe presque toujours sur l'un de deux scénarios. On les connaît par les films, et ils nous paraissent tous les deux crédibles.

Dans le premier, une seule organisation possède l'intelligence. Comme c'est elle qui détient l'IA la plus capable, elle devient meilleure que tout le monde pour innover, partout à la fois. Son avance s'auto-amplifie, de plus en plus vite. Elle ne partage pas ses profits, et petit à petit, le reste de l'humanité se retrouve au service de sa mission à elle. C'est la fuite par le haut des entreprises d'IA d'aujourd'hui : concentrer les données, les usages, les capitaux, et jusqu'aux règles du jeu, en poussant des normes que seuls les plus gros peuvent respecter. Il n'y a pas besoin d'y voir un complot, c'est une pente, et si c'est un État qui l'emprunte plutôt qu'une entreprise, c'est encore pire.

Dans le second, l'IA nous a échappé. Elle est hors de contrôle, personne ne peut l'arrêter, et nous sommes des fourmis à côté d'elle.

Ce qu'on dit rarement, c'est que ces deux scénarios ont la même cause : une IA qui, dès le début, n'a été ni ouverte, ni décentralisée, ni observable. Une intelligence concentrée en un seul endroit est à la fois plus facile à capturer et plus difficile à surveiller. C'est pour ça que, là où beaucoup expliquent que l'open source est dangereux, on pense l'inverse. Une IA ouverte, distribuée sur beaucoup de mains et beaucoup de machines, dont on peut lire les poids et le comportement, est plus résiliente. Elle ne dépend d'aucun acteur unique, elle ne peut pas être coupée ou détournée d'un seul geste, et ses erreurs se voient. La décentralisation est une de nos valeurs, et c'est d'abord une valeur de résilience.

L'objection de l'alignement

À ce stade, on nous répond souvent : il suffit d'aligner l'IA sur les valeurs humaines, et le premier scénario ne pose plus de problème. Mais il n'y a jamais eu d'alignement parfait dans une société. Ce qui produit un alignement, c'est la moyenne de tous les alignements de chacun : des millions de personnes qui ne sont pas d'accord, et qui trouvent quand même un point d'équilibre. C'est ce qu'on appelle une démocratie. Une IA alignée par une seule entreprise sur ses propres valeurs n'est pas alignée avec l'humanité : elle est alignée avec cette entreprise. L'alignement qui nous intéresse est pluriel, et il passe par beaucoup d'IA, beaucoup de contextes, beaucoup de sensibilités, qu'on peut comparer et corriger.

Deuxième lecture : le financement

Ces deux scénarios sont encore devant nous. Ce que ces acteurs font de nos données ne l'est pas : c'est déjà leur modèle économique, et c'est ce modèle qui finance la course. Shoshana Zuboff l'a décrit précisément sous le nom de capitalisme de surveillance :

• notre expérience privée est captée comme une matière première gratuite, souvent sans qu'on le sache ;
• elle devient de la donnée comportementale, puis passe dans l'usine, qui est justement l'intelligence artificielle ;
• l'usine fabrique des produits de prédiction : ce que nous allons faire, acheter, penser ;
• ces prédictions se vendent sur un marché des comportements futurs, à des acheteurs qui veulent savoir ce qu'on va faire, et de plus en plus l'influencer.

Tout cela n'est possible que parce qu'ils captent la donnée. Chaque conversation avec une IA propriétaire, chaque document qu'on lui confie, alimente ce circuit. Nous nous plaçons en opposition à ce modèle, sans discours : en décentralisant, et en mettant le calcul lui-même dans un espace privé. Un contexte qui reste chez vous, des modèles ouverts, du compute qui ne retient rien. On y revient dans la partie sur la méthode.

Troisième lecture : l'implémentation

Reste la manière dont ces acteurs font entrer l'IA dans les entreprises, parce que la même pente descend jusque-là. Il y a deux façons d'implémenter l'IA dans une organisation, et Cory Doctorow leur a donné des noms qu'on reprend volontiers.

• Un centaure, c'est un humain amplifié par une machine. Il garde la tête : il choisit où, quand et comment il l'utilise, et la machine lui donne un corps plus puissant.
• Un reverse centaure, c'est l'inverse. Un humain enrôlé comme assistant d'une machine, qui fait les restes qu'elle ne sait pas faire, au rythme qu'elle impose. La tête est celle de la machine, l'humain n'est plus que le corps.

Les entrepôts d'Amazon en sont l'exemple documenté : une IA pilote la chaîne logistique, des caméras chronomètrent chaque geste, et l'humain devient une pièce de la machine en attendant d'être remplacé par un robot. À une autre échelle, c'est aussi ce qu'on lit dans la tête de beaucoup de dirigeants qui nous contactent : acheter un agent tout fait, qui remplacera un employé en plug and play, pour faire plus de marge. C'est une implémentation top-down. Quelqu'un décide d'en haut d'un outil et d'une méthode, les impose aux équipes, et prépare leur remplacement.

Trois lectures, et à chaque fois la même ligne de partage : concentrer ou distribuer, capter ou rendre, remplacer ou amplifier. Le même mécanisme, déléguer l'exécution, peut donc produire deux mondes opposés. Tout dépend des valeurs avec lesquelles on l'implémente. Voici les nôtres.

3. Nos valeurs : rendre le temps à l'humain

On vient de dire trois fois à quoi on s'oppose. Ce qu'on défend tient en une seule idée, et tout le reste en découle : rendre le temps à l'humain. Décentraliser, garder le calcul privé, rester du côté du centaure, ce sont des moyens au service de cette idée-là. Et l'idée est simple.

L'exemple des bons de commande, plus haut, c'était ça à l'échelle d'une personne. À l'échelle d'une entreprise, voici ce qu'on observe : dans la plupart de celles qu'on rencontre, une personne passe environ 80 % de son temps à exécuter des tâches répétitives et 20 % à réfléchir, améliorer, créer. On veut renverser cette équation : 20 % à superviser ce que l'IA exécute, 80 % à se demander comment améliorer ce qui tourne, la qualité de ce qui est livré, la relation avec les clients. Quand on implémente l'IA dans des entreprises, c'est ce qui se passe.

Ce qu'on regagne ainsi, c'est une forme de dignité. Si on arrête de se prendre pour des robots et de refaire sans fin les mêmes tâches, on peut se concentrer sur ce pour quoi on est faits : créer, améliorer, porter des projets, être au contact des clients, avoir des relations. Les humains sont heureux quand ils ont le sentiment de contribuer à quelque chose de plus grand qu'eux. Concrètement, la place de l'humain devient celle-ci :

• superviser quelques process, quelques heures par jour ;
• lire ce qui nourrit ses projets ;
• améliorer ses responsabilités ;
• passer plus de temps avec ses clients, son équipe et ses proches.

Dans une entreprise, cela veut dire que la valeur des personnes migre vers trois rôles :

• L'architecte conçoit les workflows. Il cherche la meilleure méthode, celle qui correspond aux valeurs et à la sensibilité de l'entreprise, et il l'encode pour que l'IA obtienne les meilleurs résultats. C'est le rôle qui a le plus de valeur ajoutée.
• Le responsable porte ce que l'IA livre. Il vérifie que les process tournent, il garantit la qualité, il améliore à la marge. On garde toujours un humain responsable de ce qui sort.
• Le stratège, souvent le dirigeant, décide des domaines où créer de nouveaux workflows, et de ce qu'il faut confier à un architecte.

Certaines personnes tiennent les trois rôles, d'autres un seul, et c'est très bien ainsi. Ce qui change, c'est que l'humain n'exécute plus.

Reste la question qui compte : comment on fait ça concrètement, sans retomber dans le reverse centaure ?

4. Comment on implémente : trois piliers

À force d'implémenter l'IA dans des entreprises, on a fini par voir la seule manière qui marche vraiment. Elle tient en trois piliers, qui répondent à trois questions : par où on commence (par le terrain), avec quoi (un système plutôt qu'un outil), et chez qui ça tourne (chez vous, la souveraineté).

Par le terrain

Par où on commence ? Par ce que les gens font déjà. La première erreur, c'est d'empiler : des outils en plus, des skills génériques, un agent acheté sur étagère. Ça donne de l'AI slop, ce contenu moyen et reconnaissable que produit une IA à qui on n'a rien appris. L'inverse, c'est déléguer : partir de vos process existants, de votre méthode, de votre ton.

Pour ça, on fait le chemin inverse du top-down, dans cet ordre :

1. La culture d'abord. Expliquer à toute l'équipe que sa vie va s'améliorer, et pourquoi : moins d'exécution, plus de création, plus de relations.
2. Chacun cartographie ses process. Les tâches récurrentes, pôle par pôle, telles qu'elles sont faites réellement, pas telles qu'un organigramme les décrit.
3. Chacun améliore sa méthode et l'enseigne à l'IA. La méthode devient une fiche que l'IA sait suivre.
4. Chacun supervise les agents qu'il a lui-même conçus. Personne ne se fait imposer un outil d'en haut, chacun construit le sien.

C'est du bottom-up, avec un principe de subsidiarité : la décision et la conception restent au niveau de ceux qui font le travail, parce que ce sont eux qui le connaissent.

Un système, pas un outil

Avec quoi ? C'est là que le marché embrouille tout le monde, parce que trois choses se ressemblent de loin et n'ont rien à voir :

• Un outil vous assiste. La charge reste chez vous : c'est vous qui exécutez ses instructions.
• Un hack marche en démo, crée une dette technique et expire dans deux ans.
• Un système est construit autour de vous et porte à votre place.

Ce qu'on vise, c'est un système, avec deux objectifs : déléguer l'exécution, et déléguer la charge mentale. Le second est le plus important, et le moins compris.

La condition pour y arriver, c'est la confiance. Tant qu'on doit tout revérifier, la charge mentale reste chez nous et l'IA est un outil de plus. Quand l'output devient fiable, on vérifie moins, on délègue plus, on gagne du temps, et ce temps sert à écrire des méthodes encore meilleures. La boucle se renforce à chaque tour.

La confiance vient d'un output fiable, et la qualité d'un résultat IA n'a rien de mystérieux. Elle est le produit de trois variables :

• le modèle, c'est-à-dire le moteur ;
• le contexte, c'est-à-dire ce que l'IA sait de vous : vos projets, vos méthodes, vos données vivantes ;
• les outils connectés, c'est-à-dire ce qu'elle peut faire.

Trois multiplicateurs : si l'un est à zéro, le résultat est à zéro.

C'est pour ça qu'on est devenus des obsédés du contexte. Et pas n'importe quel contexte :

• intentionnel : construit pour servir vos objectifs, et pas seulement pour informer une machine ;
• résilient : des fichiers texte et des règles simples, plutôt qu'une interface qui peut disparaître ;
• low tech : quelqu'un qui n'a jamais codé doit pouvoir le tenir dans le temps.

C'est la méthode qui porte la valeur, pas l'outil.

Souverain

Chez qui ça tourne ? Chez vous. Le troisième pilier reprend point par point ce qu'on a décrit dans la deuxième partie, le lock-in, la capture de la donnée, la concentration, et y répond dans la pratique.

• Votre contexte vous appartient. Il est chez vous, dans des fichiers que vous pouvez lire, déplacer, sauvegarder.
• Le modèle s'ouvre à l'intérieur. Vous choisissez le modèle adapté à chaque tâche, et vous en changez à votre guise. Aucun fournisseur ne détient votre mémoire.
• Le calcul est privé quand il doit l'être. Pour les données clients et la vie personnelle, des modèles ouverts, hébergés en Europe, en zéro rétention : la conversation est effacée une fois la réponse obtenue. Rien n'alimente l'usine de quelqu'un d'autre.
• Vos workflows tournent chez vous. Un serveur que vous hébergez, pour une dizaine d'euros par mois.

Une implémentation propre libère du temps et de la capacité. Mais elle ne dit pas à quoi on les emploie. C'est là que se joue le monde d'après.

5. Ce qu'on construit

L'entrepreneuriat moral

À quoi employer le temps et la capacité qu'une bonne implémentation libère ? Notre réponse passe par les entreprises. Une grande partie de la valeur ajoutée de la société est construite par elles, et on croit à leur puissance dans cette transition. Or, la plupart des entrepreneurs ont aujourd'hui une ambition bien trop faible par rapport aux capacités qu'ils ont entre les mains. Trois plafonds sont en train de tomber :

• le temps : une semaine de travail devient une après-midi ;
• la compétence : on peut commander et superviser ce qu'on ne sait pas faire soi-même ;
• l'ambition : les projets repoussés à plus tard deviennent faisables maintenant.

Quand on a tellement moins de limites, on peut partir dans n'importe quel sens. Autant partir dans un sens qui construit une société souhaitable. C'est ce qu'on appelle l'entrepreneuriat moral : entreprendre avec les moyens de l'IA, sur des projets plus ambitieux, plus alignés avec soi, qui font plus de bien, et qui seront nécessaires dans le monde d'après. On ne dit à personne d'arrêter de gagner de l'argent. On dit de le gagner sur quelque chose qui porte du sens.

Et dans ce monde-là, ce qui devient rare et précieux, c'est la sensibilité humaine qui pilote le système : le goût, le jugement, la présence, la connexion. Quand on se tient à cette intersection, l'IA ne nous remplace pas. Elle remplace ceux qui ont accepté d'être un outil déterminé.

Trois choses, dans cet ordre

Tout ce qu'on fait sert ces deux idées, la transition faite correctement et l'entrepreneuriat moral, et s'emboîte en trois étages.

1. Le Bootcamp IA : devenir un centaure soi-même. C'est la porte d'entrée, et c'est la base de tout le reste. En quatre semaines, chaque participant construit son propre système : son contexte, ses fiches process, son serveur souverain, ses premiers agents. On forme plus de trois mille personnes par an à ce système de second cerveau numérique et d'IA, avec une nouvelle promotion tous les deux mois. Personne n'entre dans les étages suivants sans être passé par là, parce qu'on veut des gens formés à cette approche, et qui l'ont vécue sur leur propre travail.

2. Un réseau d'entrepreneurs. Des gens qui entreprennent de cette manière-là, amplifiés par l'IA, avec une ambition morale forte, et qui se connaissent. On les réunit régulièrement en présentiel, on les met en relation, on les aide à passer de l'idée au projet.

3. Un réseau d'implémenteurs IA. Pour que la transition se fasse correctement, il faut des gens formés à cette approche qui aillent dans les entreprises, entreprise par entreprise, équipe par équipe, transmettre le bottom-up, la subsidiarité, et une implémentation qui amplifie durablement les équipes au lieu de les remplacer. On forme ces implémenteurs parmi les anciens du bootcamp, on les certifie sur une première implémentation réelle et supervisée, puis on les soutient pour trouver leurs clients et se développer. Le résultat qu'on vise chez les entreprises accompagnées est double : de la performance tout de suite, et petit à petit, une mission qui s'élève avec les capacités.

Pour entrer dans le réseau, on commence donc par le bootcamp : s'amplifier correctement soi-même, avant d'amplifier les autres.

Notre place

Notre volonté est de rester sur la formation et l'orchestration de ce réseau. C'est là que l'impact direct est le plus grand, pour les personnes qu'on forme comme pour le marché de demain, et c'est là que la valeur se trouve : dans l'humain, dans la méthode et dans le réseau. Le développement de logiciels, on le laisse à d'autres. On construit l'ensemble en français d'abord, en anglais ensuite.

Au-delà, on fait quelques paris sur l'avenir, qu'on explore à notre échelle : le fine-tuning continu des modèles pour les rapprocher des humains (on a publié une première étude sur ce sujet), des méthodes pour rendre l'IA plus créative et moins moyenne, et des infrastructures de calcul en Europe. On n'a pas encore les moyens de tout faire. On avance dans l'ordre.

6. Par où entrer

Tout ce qu'on vient de décrire commence au même endroit : votre propre système. Apprendre à déléguer l'exécution de vos process, avec votre méthode, sur un contexte qui vous appartient. C'est exactement ce qu'on enseigne dans le Bootcamp IA, et c'est la porte d'entrée vers tout le reste : le réseau, les entreprises, le mouvement.

Avant, on se disait « c'est pas pour moi ». Maintenant, c'est pour vous.

Et si vous vous demandez pourquoi on change de nom, on l'explique ici : Prisme One devient Audeon.