La meilleure utilisation de l'IA est d'améliorer la vitesse d'itération, et non de rechercher la « magie » de la génération en un clic.
Organisation : Founder Park
Le deuxième jour de l'YC AI Startup School a accueilli sept invités de marque : Satya Nadella (PDG de Microsoft), Andrew Ng (fondateur de Deep Learning.AI), Chelsea Finn (cofondatrice de Physical Intelligence), Michael Truell (PDG et cofondateur de Cursor), Dylan Field (PDG et cofondateur de Figma), Andrej Karpathy (ancien directeur de l'IA chez Tesla), et Sriram Krishnan (conseiller principal en politique d'IA à la Maison Blanche).
Autour des sujets tels que la technologie AI, l'entrepreneuriat, ces grands noms ont partagé de nombreux points de vue fascinants lors de leurs discours, tels que :
Ne pas anthropomorphiser l'IA. L'IA n'est pas une personne, c'est un outil. La prochaine frontière est de lui donner la mémoire, des outils et la capacité d'agir, mais cela diffère fondamentalement de la capacité de raisonnement humain.
Dans le futur, les agents intelligents deviendront la nouvelle génération d'ordinateurs. Cet avenir dépend non seulement de la précision de la technologie, mais aussi de la confiance des utilisateurs et d'une expérience d'interaction fluide.
Les produits qui intègrent des boucles de rétroaction, comme Agentic AI, surpassent de loin ceux qui ne peuvent accomplir des tâches que "一次性". Une interaction continue peut optimiser les résultats, tandis que l'itération peut apporter une amélioration composite des performances.
La vitesse de construction des prototypes a été multipliée par 10, et l'efficacité du développement de logiciels de niveau production a également augmenté de 30 à 50 %. Il est important de tirer parti de cet avantage pour réduire les risques sur le marché grâce aux retours d'expérience en temps réel des utilisateurs.
Le code n'est plus cet actif central rare qu'il était autrefois. Avec les outils de prototypage rapide et l'IA, il est facile de produire du code. Ce qui est vraiment important, c'est la valeur que le code réalise.
Les données du monde réel sont irremplaçables. Bien que les données synthétiques et simulées soient utiles, les données réelles restent essentielles, en particulier pour les tâches visuelles et physiques complexes.
La meilleure utilisation de l'IA est d'améliorer la vitesse d'itération, et non de poursuivre la "magie" de la génération en un clic. Les designers et les chefs de produit doivent maintenant contribuer à l'évaluation de l'IA.
En plus d'Andrej Karpathy (pour les détails de la présentation d'Andrej Karpathy, voir notre article d'hier "Le premier jour du programme d'entrepreneuriat YC AI, la présentation d'Andrej Karpathy a fait le buzz"), Sriram Krishnan, nous avons organisé les points clés des présentations des cinq autres invités.
PDG de Microsoft : Satya Nadella
Effet de synergie de la plateforme : L'IA n'apparaît pas de nulle part, mais repose sur des infrastructures cloud développées au cours de plusieurs décennies, qui ont évolué pour soutenir l'entraînement de modèles à grande échelle. Chaque génération de plateforme prépare l'émergence de la génération suivante.
Le modèle est une infrastructure, le produit est un écosystème : le modèle de base est une sorte d'infrastructure, similaire à une nouvelle base de données SQL. Le véritable produit n'est pas le modèle lui-même, mais l'ensemble de l'écosystème construit autour de lui : boucles de rétroaction, intégration d'outils et interaction avec les utilisateurs.
L'impact économique est la référence : l'indicateur phare que Satya utilise pour mesurer la valeur de l'IA est : « Crée-t-il un surplus économique ? » Si une technologie ne peut pas stimuler la croissance du PIB, alors elle n'est pas transformative.
La frontière entre la puissance de calcul et l'intelligence : le niveau d'intelligence augmentera de manière logarithmique avec l'investissement en puissance de calcul. Mais les percées majeures à l'avenir ne viendront pas seulement de l'échelle, mais d'un changement de paradigme, semblable à l'arrivée du prochain "moment de loi d'échelle".
Énergie et consensus social : Le développement à grande échelle de l'IA nécessitera une consommation d'énergie accrue, tout en nécessitant l'approbation de la société. Pour obtenir cette approbation, nous devons démontrer que les bénéfices sociaux réels et positifs apportés par l'IA sont suffisants pour compenser ses coûts.
Le véritable obstacle à l'IA est la gestion du changement : les freins au développement des secteurs traditionnels ne viennent pas de la technologie, mais sont liés aux workflows établis. Une véritable transformation nécessite de repenser la façon dont le travail est accompli, et pas seulement d'introduire de l'IA de manière simple.
Fusion des rôles professionnels : sur LinkedIn et d'autres plateformes, des rôles traditionnels comme le design, le front-end et le produit se fusionnent progressivement, donnant naissance à des talents « full stack ». L'IA permet à un plus grand nombre de personnes d'acquérir des compétences interdisciplinaires, accélérant ainsi cette tendance.
Ne sous-estimez pas la valeur du travail répétitif : dans le travail intellectuel, il existe une grande quantité de travail physique répétitif. La meilleure application de l'IA est d'éliminer ce "coût de friction invisible" et de libérer la créativité humaine.
Rester ouvert à l'avenir : même Satya lui-même n'avait pas prévu que les avancées technologiques en « calcul lors des tests » et en « apprentissage renforcé » se feraient aussi rapidement. Ne supposez pas que nous avons déjà vu la forme finale de l'IA, il est très probable qu'il y ait encore plus de percées à venir.
Ne pas anthropomorphiser l'IA : l'IA n'est pas une personne. C'est un outil. La prochaine frontière est de lui donner la mémoire, des outils et la capacité d'agir, mais cela diffère essentiellement de la capacité de raisonnement humain.
L'avenir du développement : l'IA ne remplacera pas les développeurs, mais deviendra leur assistant précieux. VSCode est une toile de collaboration avec l'IA. Le cœur de l'ingénierie logicielle passera de l'écriture de code à la conception de systèmes et à l'assurance qualité.
La responsabilité et la confiance sont indispensables : l'émergence de l'IA ne peut pas exonérer l'humanité de sa responsabilité. Les entreprises doivent toujours être légalement responsables du comportement de leurs produits. C'est pourquoi la confidentialité, la sécurité et la souveraineté doivent rester au cœur des préoccupations.
La confiance vient de la valeur pratique : la confiance provient de l'utilité, et non des belles paroles. Satya souligne que le chatbot déployé pour les agriculteurs indiens en est un exemple, indiquant que l'aide tangible est la pierre angulaire de la construction de la confiance.
De la voix aux agents intelligents : le voyage de l'IA de Microsoft a commencé en 1995 avec la technologie vocale. Aujourd'hui, son axe stratégique s'est tourné vers des « agents » entièrement fonctionnels, qui intègrent la voix, la vision et les dispositifs de calcul omniprésents.
Les intelligences artificielles sont l'ordinateur du futur : La vision à long terme de Satya est : « Les intelligences artificielles deviendront la nouvelle génération d'ordinateurs. » Cet avenir dépend non seulement de la précision technologique, mais aussi de la confiance des utilisateurs et d'une expérience d'interaction sans faille.
Leçons sur le leadership : son conseil est de commencer par les postes de base, mais d'avoir les ambitions les plus lointaines. Il faut apprendre à créer une équipe, et pas seulement à développer un produit.
Les personnes que Satya recherche : il valorise les personnes qui simplifient les choses, apportent des idées claires ; stimulent l'énergie de l'équipe et rassemblent les cœurs ; aiment résoudre des problèmes complexes dans des conditions de contraintes strictes.
Question d'entretien préférée : "Parlez-moi d'un problème que vous ne saviez pas comment résoudre et comment vous l'avez résolu. Il espère y voir la curiosité, l'adaptabilité et la persévérance du candidat."
Le potentiel de l'informatique quantique : la prochaine technologie perturbatrice pourrait provenir du domaine quantique. Microsoft se concentre sur le développement de « qubits à correction d'erreurs », une technologie qui pourrait nous permettre de simuler le monde naturel avec une précision sans précédent.
Conseils aux jeunes : ne pas attendre la permission des autres. Construisez des outils qui donnent vraiment du pouvoir aux gens. Il se demande souvent : « Que pouvons-nous créer pour aider les autres à créer ? »
Produits préférés : VSCode et Excel — car ils donnent des super pouvoirs aux gens.
Deep Learning.AI Fondateur : Andrew Ng
La vitesse d'exécution détermine le succès ou l'échec : le meilleur indicateur de la capacité d'une startup à réussir est la vitesse de construction, de test et d'itération. La vitesse peut apporter un effet de levier d'apprentissage, et l'IA amplifie cet effet de manière exponentielle.
La plupart des opportunités se trouvent au niveau des applications : les plus grands bénéfices ne proviennent pas de la construction de nouveaux modèles, mais de l'application de modèles existants à des scénarios de valeur et orientés vers les utilisateurs. C'est là que les fondateurs devraient porter leur attention.
L'IA agentique est supérieure aux outils « jetables » : les produits qui contiennent des boucles de rétroaction, comme l'IA agentique, surpassent de loin ceux qui ne peuvent accomplir une tâche qu'« une seule fois ». Une interaction continue peut optimiser les résultats, tandis que l'itération peut apporter une amélioration composite des performances.
« La couche d'orchestration » est en train d'émerger : entre les modèles de base et les applications, une nouvelle couche intermédiaire se forme : l'orchestration par agent. Cette couche peut prendre en charge des tâches complexes en plusieurs étapes à travers des outils et des sources de données.
Plus une idée est précise, plus l'exécution est rapide : la meilleure façon d'agir rapidement est de partir d'une idée concrète, suffisamment détaillée pour qu'un ingénieur puisse commencer à construire immédiatement. De bonnes idées précises proviennent généralement d'experts d'un domaine ayant une clarté intuitive.
Méfiez-vous des pièges des « grandes narrations » : des objectifs abstraits comme « l'IA au service de la santé » semblent ambitieux, mais entraînent souvent des retards d'exécution. Ce qui peut réellement apporter de l'efficacité, ce sont des outils concrets comme « l'automatisation des rendez-vous d'IRM ».
Avoir le courage d'ajuster sa direction, à condition de faire le bon premier pas : si les premières données montrent que votre idée ne fonctionne pas, un plan initial concret vous facilitera le changement de cap. Comprendre clairement ce que vous testez vous permettra de pivoter rapidement vers une autre direction après un échec.
Utiliser les boucles de rétroaction pour atténuer les risques : La vitesse de construction des prototypes a maintenant été multipliée par 10, et l'efficacité du développement de logiciels de production a également augmenté de 30 à 50 %. Il convient de tirer parti de cet avantage pour réduire le risque de marché grâce à des retours d'utilisateur en temps réel.
Faites plus d'essais, au lieu de rechercher la perfection : ne cherchez pas à peaufiner votre première version. Construisez 20 prototypes bruts et voyez lequel peut survivre. La vitesse d'apprentissage est plus importante que le polissage.
Agir rapidement et être responsable : Andrew Ng réinterprète le credo classique de la Silicon Valley : ne pas « agir rapidement et briser les normes », mais plutôt « agir rapidement et assumer la responsabilité ». Le sens des responsabilités est la pierre angulaire de la confiance.
Le code perd sa valeur rare : le code n'est plus cet actif central à valeur rare qu'il était autrefois. Avec les outils de prototypage rapide et l'IA, le code est facile à produire. Ce qui est vraiment important, c'est la valeur que le code réalise.
L'architecture technique est réversible : autrefois, choisir une architecture était une décision unidirectionnelle. Maintenant, c'est une porte à double sens, le coût de changement d'architecture a considérablement diminué. Cette flexibilité encourage des tentatives plus audacieuses et des expérimentations plus rapides.
Tout le monde devrait apprendre à programmer : le discours "ne pas apprendre à programmer" est une forme de désinformation. À l'époque où l'on est passé du langage d'assemblage aux langages de haut niveau, les gens avaient également des préoccupations similaires. L'IA abaisse le seuil d'entrée à la programmation, et à l'avenir, de plus en plus de postes devraient exiger des compétences en programmation.
La connaissance du domaine améliore l'IA : Une compréhension approfondie d'un domaine spécifique permet de mieux utiliser l'IA. Les historiens de l'art peuvent rédiger de meilleures invites d'images. Les médecins peuvent façonner de meilleures IA en santé. Les fondateurs devraient combiner la connaissance du domaine avec la culture de l'IA.
Le chef de produit est maintenant le goulot d'étranglement : actuellement, le nouveau facteur limitant n'est pas l'ingénierie, mais la gestion des produits. Une équipe de Wu Enda a même suggéré d'ajuster le ratio entre les chefs de produit et les ingénieurs à 2:1 pour accélérer le processus de retour d'information et de prise de décision.
Les ingénieurs ont besoin d'une pensée produit : les ingénieurs ayant une intuition produit agissent plus rapidement et développent de meilleurs produits. Avoir seulement des compétences techniques ne suffit pas, les développeurs doivent également comprendre profondément les besoins des utilisateurs.
Demander l'avis d'amis
Une connaissance approfondie de l'IA reste un avantage concurrentiel : la culture de l'IA n'est pas encore généralisée. Ceux qui comprennent réellement les principes techniques de l'IA conservent un énorme avantage - ils peuvent innover de manière plus intelligente, plus efficace et plus autonome.
Le battage médiatique ≠ vérité : Soyez vigilant face à ceux qui semblent impressionnants mais qui sont principalement utilisés pour lever des fonds ou améliorer leur statut. Des termes comme AGI, extinction et intelligence infinie sont souvent des signaux de battage médiatique, et non des signaux d'influence.
La sécurité concerne l'utilisation, et non la technologie elle-même : le concept de "sécurité de l'IA" est souvent mal compris. L'IA est comme l'électricité ou le feu, elle n'est ni bonne ni mauvaise en soi, tout dépend de son utilisation. La sécurité concerne l'utilisation, et non l'outil lui-même.
La seule chose importante est de savoir si les utilisateurs aiment : il n'est pas nécessaire de se préoccuper excessivement du coût du modèle ou des références de performance. La seule question à se poser est : créez-vous un produit que les utilisateurs aiment vraiment et qu'ils sont prêts à utiliser de manière continue ?
L'éducation AI est encore en phase d'exploration : des entreprises comme Kira Learning mènent de nombreuses expérimentations, mais la forme finale de l'IA dans le domaine de l'éducation reste incertaine. Nous sommes encore au début de la phase de transformation.
Méfiez-vous des "théories de l'apocalypse" et de la "captivité réglementaire" : la peur excessive de l'IA est utilisée pour défendre des réglementations protégeant les entreprises existantes. Soyez sceptique à l'égard des narrations sur la "sécurité de l'IA" qui profitent à ceux qui sont déjà au pouvoir.
Intelligence Physique Co-fondée : Chelsea Finn
La robotique nécessite une pensée full stack : vous ne pouvez pas simplement ajouter la robotique à une entreprise existante. Vous devez construire l'ensemble de la pile technologique depuis zéro - données, modèles, déploiement.
La qualité des données l'emporte sur la quantité : les ensembles de données massifs provenant de l'industrie, de YouTube ou d'environnements simulés manquent souvent de diversité et de véracité. Des données correctes et de haute qualité sont plus importantes que l'échelle.
Meilleure méthode : pré-entraînement + ajustement : d'abord pré-entraîné sur un large ensemble de données, puis affiné avec environ 1000 échantillons de haute qualité et cohérents en termes de contexte, cette méthode peut améliorer considérablement les performances des robots.
Les robots polyvalents dépasseront les robots spécialisés : les modèles généraux capables de transcender différentes tâches et plateformes matérielles (comme les robots tiers) s'avèrent plus réussis que les systèmes construits pour des objectifs spécifiques.
Les données du monde réel sont irremplaçables : bien que les données synthétiques et simulées soient utiles, les données réelles restent cruciales, en particulier pour les tâches visuelles et physiques complexes.
Trop de ressources peuvent avoir l'effet inverse : un financement excessif ou une complexité excessive peuvent ralentir les progrès. La clarté des problèmes et l'exécution concentrée sont les plus importantes.
Cursor CEO et Co-fondateur : Michael Truell
Commencer tôt et continuer à construire : même si un partenaire se retire, Michael continue à programmer. La propagation virale précoce (une imitation de Flappy Bird) l'a aidé à établir sa confiance et ses compétences.
Vérification rapide, même dans des domaines inconnus : leur équipe a construit un assistant de programmation dans le domaine de l'ingénierie mécanique sans expérience préalable. Leur credo est « apprendre par la pratique ».
Positionnement différencié, ne pas craindre les géants : ils ont hésité à entrer en concurrence avec GitHub Copilot, mais ont ensuite réalisé que peu d'entreprises avaient pour objectif d'atteindre l'"automatisation complète du développement". Ce positionnement leur a ouvert le marché.
De la code à la publication, agissez rapidement : ils n'ont mis que 3 mois pour passer de la première ligne de code à la publication publique. Une itération rapide les a aidés à calibrer rapidement la direction du produit.
La concentration l'emporte sur la complexité : ils ont renoncé à développer simultanément un IDE (environnement de développement intégré) et des outils d'IA. En se concentrant sur les fonctionnalités de l'IA elles-mêmes, ils ont connu un développement plus rapide.
La distribution peut commencer par un tweet : la croissance précoce des utilisateurs de Cursor provient d'un tweet du cofondateur sur les réseaux sociaux. Avant le lancement officiel sur le marché, le bouche-à-oreille était le principal moteur.
L'effet de levier de l'exécution : En 2024, le revenu récurrent annualisé de Cursor a augmenté d'un million de dollars à 100 millions de dollars en un an, grâce aux améliorations du produit et à la demande des utilisateurs, réalisant une croissance hebdomadaire composite de 10 %.
Meilleur conseil, suivez votre curiosité : oubliez les choses que vous faites pour embellir votre CV. Le principal conseil de Michael est : faites des choses qui vous intéressent avec des personnes intelligentes.
CEO de Figma & Co-fondateur : Dylan Field
Trouvez un co-fondateur qui vous motive : La motivation de Dylan vient de sa collaboration avec son co-fondateur Evan Wallace, « chaque semaine, on a l'impression de créer le futur. »
Commencez tôt, apprenez en faisant : Dylan a commencé son projet entrepreneurial à l'âge de 19 ans alors qu'il était encore à l'université. Les échecs précoces comme le « générateur de mèmes » ont finalement affiné une grande idée comme Figma.
Publication rapide, retour d'information plus rapide : ils contactent les premiers utilisateurs par e-mail, itèrent rapidement et s'engagent à facturer dès le départ. Les retours d'information sont un moteur de l'évolution du produit.
Décomposer la feuille de route à long terme en sprints à court terme : décomposer une grande vision en parties plus petites est la clé pour garantir la rapidité et l'exécution.
L'adéquation du produit au marché peut prendre des années : Figma a mis cinq ans pour recevoir un signal décisif : Microsoft a déclaré que si Figma ne commençait pas à facturer, ils seraient contraints d'annuler leur partenariat.
Le design est le nouveau facteur de différenciation : il croit qu'en raison de l'essor de l'IA, le design devient de plus en plus important. Figma s'adapte également à cette tendance en lançant une série de nouveaux produits tels que Draw, Buzz, Sites et Make.
Accélérer la conception de prototypes grâce à l'IA : le meilleur usage de l'IA est d'augmenter la vitesse d'itération, et non de rechercher la "magie" de la génération en un clic. Les concepteurs et les chefs de produits doivent désormais contribuer à l'évaluation de l'IA.
Accepter le rejet plutôt que de l'éviter : Les expériences de performance de Dylan pendant son enfance lui ont appris à faire face calmement aux critiques et aux retours. Il estime que le rejet fait partie du chemin vers le succès.
Les connexions humaines restent toujours au cœur : avertissement de ne pas remplacer les relations humaines par l'IA. Lorsqu'on lui a demandé le sens de la vie, il a répondu : « explorer la conscience, continuer à apprendre, partager l'amour. »
Voir l'original
Le contenu est fourni à titre de référence uniquement, il ne s'agit pas d'une sollicitation ou d'une offre. Aucun conseil en investissement, fiscalité ou juridique n'est fourni. Consultez l'Avertissement pour plus de détails sur les risques.
YC AI Camp Jour 2 : Nadella, Ng, le PDG de Cursor sont tous là
Organisation : Founder Park
Le deuxième jour de l'YC AI Startup School a accueilli sept invités de marque : Satya Nadella (PDG de Microsoft), Andrew Ng (fondateur de Deep Learning.AI), Chelsea Finn (cofondatrice de Physical Intelligence), Michael Truell (PDG et cofondateur de Cursor), Dylan Field (PDG et cofondateur de Figma), Andrej Karpathy (ancien directeur de l'IA chez Tesla), et Sriram Krishnan (conseiller principal en politique d'IA à la Maison Blanche).
Autour des sujets tels que la technologie AI, l'entrepreneuriat, ces grands noms ont partagé de nombreux points de vue fascinants lors de leurs discours, tels que :
En plus d'Andrej Karpathy (pour les détails de la présentation d'Andrej Karpathy, voir notre article d'hier "Le premier jour du programme d'entrepreneuriat YC AI, la présentation d'Andrej Karpathy a fait le buzz"), Sriram Krishnan, nous avons organisé les points clés des présentations des cinq autres invités.
PDG de Microsoft : Satya Nadella
Effet de synergie de la plateforme : L'IA n'apparaît pas de nulle part, mais repose sur des infrastructures cloud développées au cours de plusieurs décennies, qui ont évolué pour soutenir l'entraînement de modèles à grande échelle. Chaque génération de plateforme prépare l'émergence de la génération suivante.
Le modèle est une infrastructure, le produit est un écosystème : le modèle de base est une sorte d'infrastructure, similaire à une nouvelle base de données SQL. Le véritable produit n'est pas le modèle lui-même, mais l'ensemble de l'écosystème construit autour de lui : boucles de rétroaction, intégration d'outils et interaction avec les utilisateurs.
L'impact économique est la référence : l'indicateur phare que Satya utilise pour mesurer la valeur de l'IA est : « Crée-t-il un surplus économique ? » Si une technologie ne peut pas stimuler la croissance du PIB, alors elle n'est pas transformative.
La frontière entre la puissance de calcul et l'intelligence : le niveau d'intelligence augmentera de manière logarithmique avec l'investissement en puissance de calcul. Mais les percées majeures à l'avenir ne viendront pas seulement de l'échelle, mais d'un changement de paradigme, semblable à l'arrivée du prochain "moment de loi d'échelle".
Énergie et consensus social : Le développement à grande échelle de l'IA nécessitera une consommation d'énergie accrue, tout en nécessitant l'approbation de la société. Pour obtenir cette approbation, nous devons démontrer que les bénéfices sociaux réels et positifs apportés par l'IA sont suffisants pour compenser ses coûts.
Le véritable obstacle à l'IA est la gestion du changement : les freins au développement des secteurs traditionnels ne viennent pas de la technologie, mais sont liés aux workflows établis. Une véritable transformation nécessite de repenser la façon dont le travail est accompli, et pas seulement d'introduire de l'IA de manière simple.
Fusion des rôles professionnels : sur LinkedIn et d'autres plateformes, des rôles traditionnels comme le design, le front-end et le produit se fusionnent progressivement, donnant naissance à des talents « full stack ». L'IA permet à un plus grand nombre de personnes d'acquérir des compétences interdisciplinaires, accélérant ainsi cette tendance.
Ne sous-estimez pas la valeur du travail répétitif : dans le travail intellectuel, il existe une grande quantité de travail physique répétitif. La meilleure application de l'IA est d'éliminer ce "coût de friction invisible" et de libérer la créativité humaine.
Rester ouvert à l'avenir : même Satya lui-même n'avait pas prévu que les avancées technologiques en « calcul lors des tests » et en « apprentissage renforcé » se feraient aussi rapidement. Ne supposez pas que nous avons déjà vu la forme finale de l'IA, il est très probable qu'il y ait encore plus de percées à venir.
Ne pas anthropomorphiser l'IA : l'IA n'est pas une personne. C'est un outil. La prochaine frontière est de lui donner la mémoire, des outils et la capacité d'agir, mais cela diffère essentiellement de la capacité de raisonnement humain.
L'avenir du développement : l'IA ne remplacera pas les développeurs, mais deviendra leur assistant précieux. VSCode est une toile de collaboration avec l'IA. Le cœur de l'ingénierie logicielle passera de l'écriture de code à la conception de systèmes et à l'assurance qualité.
La responsabilité et la confiance sont indispensables : l'émergence de l'IA ne peut pas exonérer l'humanité de sa responsabilité. Les entreprises doivent toujours être légalement responsables du comportement de leurs produits. C'est pourquoi la confidentialité, la sécurité et la souveraineté doivent rester au cœur des préoccupations.
La confiance vient de la valeur pratique : la confiance provient de l'utilité, et non des belles paroles. Satya souligne que le chatbot déployé pour les agriculteurs indiens en est un exemple, indiquant que l'aide tangible est la pierre angulaire de la construction de la confiance.
De la voix aux agents intelligents : le voyage de l'IA de Microsoft a commencé en 1995 avec la technologie vocale. Aujourd'hui, son axe stratégique s'est tourné vers des « agents » entièrement fonctionnels, qui intègrent la voix, la vision et les dispositifs de calcul omniprésents.
Les intelligences artificielles sont l'ordinateur du futur : La vision à long terme de Satya est : « Les intelligences artificielles deviendront la nouvelle génération d'ordinateurs. » Cet avenir dépend non seulement de la précision technologique, mais aussi de la confiance des utilisateurs et d'une expérience d'interaction sans faille.
Leçons sur le leadership : son conseil est de commencer par les postes de base, mais d'avoir les ambitions les plus lointaines. Il faut apprendre à créer une équipe, et pas seulement à développer un produit.
Les personnes que Satya recherche : il valorise les personnes qui simplifient les choses, apportent des idées claires ; stimulent l'énergie de l'équipe et rassemblent les cœurs ; aiment résoudre des problèmes complexes dans des conditions de contraintes strictes.
Question d'entretien préférée : "Parlez-moi d'un problème que vous ne saviez pas comment résoudre et comment vous l'avez résolu. Il espère y voir la curiosité, l'adaptabilité et la persévérance du candidat."
Le potentiel de l'informatique quantique : la prochaine technologie perturbatrice pourrait provenir du domaine quantique. Microsoft se concentre sur le développement de « qubits à correction d'erreurs », une technologie qui pourrait nous permettre de simuler le monde naturel avec une précision sans précédent.
Conseils aux jeunes : ne pas attendre la permission des autres. Construisez des outils qui donnent vraiment du pouvoir aux gens. Il se demande souvent : « Que pouvons-nous créer pour aider les autres à créer ? »
Produits préférés : VSCode et Excel — car ils donnent des super pouvoirs aux gens.
Deep Learning.AI Fondateur : Andrew Ng
La vitesse d'exécution détermine le succès ou l'échec : le meilleur indicateur de la capacité d'une startup à réussir est la vitesse de construction, de test et d'itération. La vitesse peut apporter un effet de levier d'apprentissage, et l'IA amplifie cet effet de manière exponentielle.
La plupart des opportunités se trouvent au niveau des applications : les plus grands bénéfices ne proviennent pas de la construction de nouveaux modèles, mais de l'application de modèles existants à des scénarios de valeur et orientés vers les utilisateurs. C'est là que les fondateurs devraient porter leur attention.
L'IA agentique est supérieure aux outils « jetables » : les produits qui contiennent des boucles de rétroaction, comme l'IA agentique, surpassent de loin ceux qui ne peuvent accomplir une tâche qu'« une seule fois ». Une interaction continue peut optimiser les résultats, tandis que l'itération peut apporter une amélioration composite des performances.
« La couche d'orchestration » est en train d'émerger : entre les modèles de base et les applications, une nouvelle couche intermédiaire se forme : l'orchestration par agent. Cette couche peut prendre en charge des tâches complexes en plusieurs étapes à travers des outils et des sources de données.
Plus une idée est précise, plus l'exécution est rapide : la meilleure façon d'agir rapidement est de partir d'une idée concrète, suffisamment détaillée pour qu'un ingénieur puisse commencer à construire immédiatement. De bonnes idées précises proviennent généralement d'experts d'un domaine ayant une clarté intuitive.
Méfiez-vous des pièges des « grandes narrations » : des objectifs abstraits comme « l'IA au service de la santé » semblent ambitieux, mais entraînent souvent des retards d'exécution. Ce qui peut réellement apporter de l'efficacité, ce sont des outils concrets comme « l'automatisation des rendez-vous d'IRM ».
Avoir le courage d'ajuster sa direction, à condition de faire le bon premier pas : si les premières données montrent que votre idée ne fonctionne pas, un plan initial concret vous facilitera le changement de cap. Comprendre clairement ce que vous testez vous permettra de pivoter rapidement vers une autre direction après un échec.
Utiliser les boucles de rétroaction pour atténuer les risques : La vitesse de construction des prototypes a maintenant été multipliée par 10, et l'efficacité du développement de logiciels de production a également augmenté de 30 à 50 %. Il convient de tirer parti de cet avantage pour réduire le risque de marché grâce à des retours d'utilisateur en temps réel.
Faites plus d'essais, au lieu de rechercher la perfection : ne cherchez pas à peaufiner votre première version. Construisez 20 prototypes bruts et voyez lequel peut survivre. La vitesse d'apprentissage est plus importante que le polissage.
Agir rapidement et être responsable : Andrew Ng réinterprète le credo classique de la Silicon Valley : ne pas « agir rapidement et briser les normes », mais plutôt « agir rapidement et assumer la responsabilité ». Le sens des responsabilités est la pierre angulaire de la confiance.
Le code perd sa valeur rare : le code n'est plus cet actif central à valeur rare qu'il était autrefois. Avec les outils de prototypage rapide et l'IA, le code est facile à produire. Ce qui est vraiment important, c'est la valeur que le code réalise.
L'architecture technique est réversible : autrefois, choisir une architecture était une décision unidirectionnelle. Maintenant, c'est une porte à double sens, le coût de changement d'architecture a considérablement diminué. Cette flexibilité encourage des tentatives plus audacieuses et des expérimentations plus rapides.
Tout le monde devrait apprendre à programmer : le discours "ne pas apprendre à programmer" est une forme de désinformation. À l'époque où l'on est passé du langage d'assemblage aux langages de haut niveau, les gens avaient également des préoccupations similaires. L'IA abaisse le seuil d'entrée à la programmation, et à l'avenir, de plus en plus de postes devraient exiger des compétences en programmation.
La connaissance du domaine améliore l'IA : Une compréhension approfondie d'un domaine spécifique permet de mieux utiliser l'IA. Les historiens de l'art peuvent rédiger de meilleures invites d'images. Les médecins peuvent façonner de meilleures IA en santé. Les fondateurs devraient combiner la connaissance du domaine avec la culture de l'IA.
Le chef de produit est maintenant le goulot d'étranglement : actuellement, le nouveau facteur limitant n'est pas l'ingénierie, mais la gestion des produits. Une équipe de Wu Enda a même suggéré d'ajuster le ratio entre les chefs de produit et les ingénieurs à 2:1 pour accélérer le processus de retour d'information et de prise de décision.
Les ingénieurs ont besoin d'une pensée produit : les ingénieurs ayant une intuition produit agissent plus rapidement et développent de meilleurs produits. Avoir seulement des compétences techniques ne suffit pas, les développeurs doivent également comprendre profondément les besoins des utilisateurs.
Demander l'avis d'amis
Une connaissance approfondie de l'IA reste un avantage concurrentiel : la culture de l'IA n'est pas encore généralisée. Ceux qui comprennent réellement les principes techniques de l'IA conservent un énorme avantage - ils peuvent innover de manière plus intelligente, plus efficace et plus autonome.
Le battage médiatique ≠ vérité : Soyez vigilant face à ceux qui semblent impressionnants mais qui sont principalement utilisés pour lever des fonds ou améliorer leur statut. Des termes comme AGI, extinction et intelligence infinie sont souvent des signaux de battage médiatique, et non des signaux d'influence.
La sécurité concerne l'utilisation, et non la technologie elle-même : le concept de "sécurité de l'IA" est souvent mal compris. L'IA est comme l'électricité ou le feu, elle n'est ni bonne ni mauvaise en soi, tout dépend de son utilisation. La sécurité concerne l'utilisation, et non l'outil lui-même.
La seule chose importante est de savoir si les utilisateurs aiment : il n'est pas nécessaire de se préoccuper excessivement du coût du modèle ou des références de performance. La seule question à se poser est : créez-vous un produit que les utilisateurs aiment vraiment et qu'ils sont prêts à utiliser de manière continue ?
L'éducation AI est encore en phase d'exploration : des entreprises comme Kira Learning mènent de nombreuses expérimentations, mais la forme finale de l'IA dans le domaine de l'éducation reste incertaine. Nous sommes encore au début de la phase de transformation.
Méfiez-vous des "théories de l'apocalypse" et de la "captivité réglementaire" : la peur excessive de l'IA est utilisée pour défendre des réglementations protégeant les entreprises existantes. Soyez sceptique à l'égard des narrations sur la "sécurité de l'IA" qui profitent à ceux qui sont déjà au pouvoir.
Intelligence Physique Co-fondée : Chelsea Finn
La robotique nécessite une pensée full stack : vous ne pouvez pas simplement ajouter la robotique à une entreprise existante. Vous devez construire l'ensemble de la pile technologique depuis zéro - données, modèles, déploiement.
La qualité des données l'emporte sur la quantité : les ensembles de données massifs provenant de l'industrie, de YouTube ou d'environnements simulés manquent souvent de diversité et de véracité. Des données correctes et de haute qualité sont plus importantes que l'échelle.
Meilleure méthode : pré-entraînement + ajustement : d'abord pré-entraîné sur un large ensemble de données, puis affiné avec environ 1000 échantillons de haute qualité et cohérents en termes de contexte, cette méthode peut améliorer considérablement les performances des robots.
Les robots polyvalents dépasseront les robots spécialisés : les modèles généraux capables de transcender différentes tâches et plateformes matérielles (comme les robots tiers) s'avèrent plus réussis que les systèmes construits pour des objectifs spécifiques.
Les données du monde réel sont irremplaçables : bien que les données synthétiques et simulées soient utiles, les données réelles restent cruciales, en particulier pour les tâches visuelles et physiques complexes.
Trop de ressources peuvent avoir l'effet inverse : un financement excessif ou une complexité excessive peuvent ralentir les progrès. La clarté des problèmes et l'exécution concentrée sont les plus importantes.
Cursor CEO et Co-fondateur : Michael Truell
Commencer tôt et continuer à construire : même si un partenaire se retire, Michael continue à programmer. La propagation virale précoce (une imitation de Flappy Bird) l'a aidé à établir sa confiance et ses compétences.
Vérification rapide, même dans des domaines inconnus : leur équipe a construit un assistant de programmation dans le domaine de l'ingénierie mécanique sans expérience préalable. Leur credo est « apprendre par la pratique ».
Positionnement différencié, ne pas craindre les géants : ils ont hésité à entrer en concurrence avec GitHub Copilot, mais ont ensuite réalisé que peu d'entreprises avaient pour objectif d'atteindre l'"automatisation complète du développement". Ce positionnement leur a ouvert le marché.
De la code à la publication, agissez rapidement : ils n'ont mis que 3 mois pour passer de la première ligne de code à la publication publique. Une itération rapide les a aidés à calibrer rapidement la direction du produit.
La concentration l'emporte sur la complexité : ils ont renoncé à développer simultanément un IDE (environnement de développement intégré) et des outils d'IA. En se concentrant sur les fonctionnalités de l'IA elles-mêmes, ils ont connu un développement plus rapide.
La distribution peut commencer par un tweet : la croissance précoce des utilisateurs de Cursor provient d'un tweet du cofondateur sur les réseaux sociaux. Avant le lancement officiel sur le marché, le bouche-à-oreille était le principal moteur.
L'effet de levier de l'exécution : En 2024, le revenu récurrent annualisé de Cursor a augmenté d'un million de dollars à 100 millions de dollars en un an, grâce aux améliorations du produit et à la demande des utilisateurs, réalisant une croissance hebdomadaire composite de 10 %.
Meilleur conseil, suivez votre curiosité : oubliez les choses que vous faites pour embellir votre CV. Le principal conseil de Michael est : faites des choses qui vous intéressent avec des personnes intelligentes.
CEO de Figma & Co-fondateur : Dylan Field
Trouvez un co-fondateur qui vous motive : La motivation de Dylan vient de sa collaboration avec son co-fondateur Evan Wallace, « chaque semaine, on a l'impression de créer le futur. »
Commencez tôt, apprenez en faisant : Dylan a commencé son projet entrepreneurial à l'âge de 19 ans alors qu'il était encore à l'université. Les échecs précoces comme le « générateur de mèmes » ont finalement affiné une grande idée comme Figma.
Publication rapide, retour d'information plus rapide : ils contactent les premiers utilisateurs par e-mail, itèrent rapidement et s'engagent à facturer dès le départ. Les retours d'information sont un moteur de l'évolution du produit.
Décomposer la feuille de route à long terme en sprints à court terme : décomposer une grande vision en parties plus petites est la clé pour garantir la rapidité et l'exécution.
L'adéquation du produit au marché peut prendre des années : Figma a mis cinq ans pour recevoir un signal décisif : Microsoft a déclaré que si Figma ne commençait pas à facturer, ils seraient contraints d'annuler leur partenariat.
Le design est le nouveau facteur de différenciation : il croit qu'en raison de l'essor de l'IA, le design devient de plus en plus important. Figma s'adapte également à cette tendance en lançant une série de nouveaux produits tels que Draw, Buzz, Sites et Make.
Accélérer la conception de prototypes grâce à l'IA : le meilleur usage de l'IA est d'augmenter la vitesse d'itération, et non de rechercher la "magie" de la génération en un clic. Les concepteurs et les chefs de produits doivent désormais contribuer à l'évaluation de l'IA.
Accepter le rejet plutôt que de l'éviter : Les expériences de performance de Dylan pendant son enfance lui ont appris à faire face calmement aux critiques et aux retours. Il estime que le rejet fait partie du chemin vers le succès.
Les connexions humaines restent toujours au cœur : avertissement de ne pas remplacer les relations humaines par l'IA. Lorsqu'on lui a demandé le sens de la vie, il a répondu : « explorer la conscience, continuer à apprendre, partager l'amour. »