La capacité à produire du logiciel se banalise. La valeur se déplace vers le contexte, la distribution et la responsabilité.

Il y a encore deux ans, produire un logiciel demandait du temps, du talent et du capital. Aujourd’hui, n’importe qui peut sortir un prototype fonctionnel en quelques jours. Les outils de génération de code, les plateformes no-code et les modèles d’IA ont fait tomber la dernière barrière : celle de la fabrication.

La question qui en découle est plus dérangeante qu’il n’y paraît :

Si tout le monde peut fabriquer, où se trouve encore la valeur d’un produit logiciel ?

La commoditisation du BUILD

Steve Blank, l’architecte du mouvement Lean Startup, a posé un diagnostic il y a quelques jours avec sa brutalité habituelle : si votre startup a plus de deux ans, elle est morte car vos hypothèses de départ sont probablement obsolètes. Le MVP (Minimum Viable Product) ne prouve plus la compétence d’une équipe.

Le goulot d’étranglement a quitté l’ingénierie pour remonter vers :

• le discernement : savoir quoi construire, pour qui, et dans quel contexte,
• la connaissance des usages et,
• la distribution.

Ce constat est vertigineux pour toute l’industrie du logiciel. Pendant des décennies, la capacité à produire du code de qualité constituait un avantage compétitif. Les équipes d’ingénierie étaient le moteur, le recrutement de développeurs la priorité absolue. Ce monde-là est en train de basculer.

La bascule ne signifie pas que le code disparaît. Elle signifie que le code, seul, ne vaut plus grand-chose. Ce qui se commoditise, c’est la capacité à transformer une idée en artefact logiciel. Ce qui ne se commoditise pas, c’est tout le reste.

L’intelligence est une commodité, le contexte est le produit

Un ingénieur et entrepreneur du nom d’adlrocha a donné dans un article une formulation limpide de ce déplacement : l’intelligence (au sens anglo-saxon de « renseignement », la capacité à analyser et à produire du signal) devient une commodité. Accéder à des modèles capables de raisonner et d’exécuter des tâches complexes est de plus en plus facile et bon marché.

Ce qui crée la valeur, ce n’est plus le modèle lui-même. C’est le contexte dans lequel il opère : les connexions à l’environnement, les données métier, les contraintes opérationnelles, les garde-fous de sécurité.

Pour illustrer cette idée, prenons l’exemple des outils de développement de nouvelle génération. Le cœur de ces agents fait quelques milliers de lignes de code. Le reste est seulement du « contexte » : des fichiers qui décrivent comment activer telle ou telle capacité selon le besoin. C’est un système de plugins piloté par du contexte, pas par du code. Pour adlrocha, le produit, ce n’est plus le moteur. C’est l’environnement dans lequel le moteur tourne. On pourrait dire que la valeur est dans le dernier kilomètre.

Cela a une conséquence immédiate sur la manière dont on pense la capture de valeur dans la chaîne de l’IA générative. La vision dominante place le hardware et les hyperscalers en haut de la pyramide, avec une couche applicative comprimée.

Mais cette lecture est incomplète. Une couche est en train d’émerger au-dessus : celle du contexte, du runtime et des environnements d’exécution sécurisés. C’est cette couche qui va jouer le rôle qu’avait le SaaS dans l’architecture Cloud. La question n’est pas de savoir si cette couche va apparaître, mais qui va l’occuper.

Probabiliste ou déterministe : la ligne de fracture ?

David Chen, qui dirige la banque d’investissement technologique de Morgan Stanley, propose une grille de lecture complémentaire.

Sa distinction est simple : il existe du logiciel probabiliste et du logiciel déterministe. Je ne suis pas fan de cette dichotomie car simpliste mais elle donne une clé intéressante.

Résumer une réunion, préparer des notes, suggérer une réponse : si le système se trompe un peu, ce n’est pas dramatique. C’est le territoire du probabiliste, là où les agents IA excellent déjà. En revanche, calculer une paie, une taxe, une facture, ou opérer dans un workflow critique ne tolère quasiment aucune erreur.

Imaginez un agent IA qui gère vos réservations de restaurant : s’il se trompe d’horaire, c’est agaçant. Imaginez maintenant un agent qui calcule vos déclarations de TVA : s’il se trompe, c’est un redressement fiscal.

C’est dans cette seconde catégorie que la valeur résiste le mieux : les systèmes d’enregistrement, les processus métier critiques, la conformité, l’intégration aux systèmes d’information existants, la responsabilité opérationnelle. Pour David Chen, la valeur du software ne disparaît pas. Elle se recompose autour des endroits où l’erreur coûte cher.

Cette ligne de fracture est déterminante pour comprendre quels produits logiciels vont survivre et lesquels vont se faire comprimer.

Les produits qui n’apportent qu’une interface ou une couche d’organisation de service sont les plus exposés. Ceux qui sont ancrés dans des processus critiques, couplés à un métier spécifique, intégrés à un environnement réglementaire mouvant, sont les mieux protégés.

Du logiciel-interface au logiciel-résultat

Steve Blank introduit dans son analyse une reformulation qui mérite attention. Le MVP devient MPO : Minimum Productive Outcome. La recherche du Product/Market fit devient la recherche d’un AI Agent/Customer Outcome fit.

Le glissement est profond. On ne parle plus de livrer une interface, mais de livrer un résultat. Le pricing suit : au ticket résolu, à la réunion organisée, au lead qualifié. Ce passage de « software-as-interface » à « software-as-outcome » redistribue les cartes. Les produits qui facturent l’accès à une fonctionnalité (le modèle du siège dans le SaaS) se trouvent en tension. Les produits qui assument la responsabilité d’un résultat dans la durée occupent une position plus défendable. Car promettre un résultat suppose de maîtriser le contexte métier, les contraintes opérationnelles, les intégrations, la conformité, bref, tout ce qui ne se génère pas avec un prompt.

Les « sunk costs » qui restent des actifs

La distinction la plus opérationnelle proposée par Steve Blank est peut-être celle-ci : il existe des coûts irrécupérables qui restent des actifs, et des coûts irrécupérables devenus des passifs.

Dans la première catégorie : les données propriétaires, la connaissance client, les intégrations physiques ou réglementaires, les positions acquises dans un écosystème. Ce sont des formes de contexte cristallisé : de la valeur accumulée qui ne se reproduit pas en un week-end à coups de prompts.

Dans la seconde catégorie : les grosses équipes d’ingénierie calibrées pour des cycles lents, le pricing par siège, les roadmaps orientées fonctionnalités plutôt que résultats. Ce sont des structures héritées d’un monde où la fabrication était le goulot d’étranglement.

Prenons l’exemple d’une société comme Pennylane (dont je suis fan du produit). Ce qui protège cette plateforme de comptabilité, ce n’est ni le capital ni le compute. C’est l’accumulation de données comptables dans un environnement réglementaire mouvant. Une copie de cette plateforme est faisable. Mais, quand les règles changent en permanence, qui va suivre l’évolution pour mettre à jour cette copie ? Pas grand monde.

Ce constat a une conséquence : la valeur d’un produit logiciel n’est pas le code mais son contexte cristallisé. Il s’agit de sa base installée, ses workflows éprouvés, ses données structurées, ses intégrations, ses relations avec les métiers, etc. Encore une fois, tout ce qui ne se génère pas avec un prompt et ne se copie pas en un sprint.

La distribution, actif irréductible

Quand tout le monde peut fabriquer ou copier vite, l’actif le plus rare n’est plus le code. C’est l’accès aux utilisateurs, la rétention, la boucle d’usage en place.

Michel Lévy-Provençal explicite ce déplacement par quatre termes :

• attention,
• accès (réseau),
• confiance et,
• responsabilité.

Et il ajoute un point clé : l’IA a une connaissance exhaustive du passé, mais elle ne sait rien de l’émergent. Les signaux faibles, le terrain, les intentions restent des richesses rares.

La distribution ne se télécharge pas, ne se copie pas, ne s’achète pas en un clic. Elle se construit par la crédibilité, la présence, le réseau, la réputation. C’est un actif profondément humain dans un monde où la production devient algorithmique.

OpenAI elle-même formule son « triangle stratégique » comme compute, distribution et capital. Deux de ces trois piliers (compute et capital) relèvent de la puissance financière. Le troisième, la distribution, relève du terrain.

Ce que le produit logiciel devient

Si l’on rassemble ces fils, le produit logiciel de demain ne ressemble plus à celui d’hier. Ce n’est peut-être plus une application monolithique vendue à la licence ou l’abonnement. C’est un peut-être un agent adaptable, piloté par du contexte métier, déployé dans un environnement d’exécution sécurisé, et facturé au résultat.

Le cas échéant, le maintenir ne ressemblerait plus du tout à de la maintenance classique. C’est de la curation de contexte : quelles données injecter, quels garde-fous poser, quels agents orchestrer, quelle gouvernance appliquer.

Le produit logiciel ne disparaît pas. Mais la part du code dans sa valeur diminue, tandis que la part du contexte, de la distribution et de la responsabilité augmente.

Pour les acteurs du secteur, la question posée par Steve Blank reste la plus inconfortable et la plus nécessaire : si vous recommenciez aujourd’hui, avec les outils d’aujourd’hui et dans le marché d’aujourd’hui, que construiriez-vous réellement ?

La réponse honnête à cette question est probablement le meilleur test de survie qui existe.

Conclusion

C’est précisément cette conviction qui guide notre travail à La Forge depuis 2020. Notre mission est de forger des produits IA qui démultiplient les savoir-faire et rendent leurs utilisateurs meilleurs dans ce qu’ils font. Pas de produire du code. Pas de livrer des interfaces. De transformer un savoir-faire métier en actif logiciel durable, ancré dans un contexte réel, distribué à des utilisateurs réels, et assumé dans la durée.

Si la valeur quitte le code pour migrer vers le contexte, la distribution et la responsabilité, alors la question pour chaque organisation devient : qui va m’aider à cristalliser mon savoir-faire avant qu’il ne devienne reproductible par n’importe quel agent ?

C’est à cette question que nous répondons, un produit à la fois 👍