a16z《Idées majeures pour 2026 : Deuxième partie》

Rédacteur : a16z New Media

Traducteur : Block unicorn

Hier, nous avons partagé la première partie de la série « Conceptions majeures », qui inclut nos infrastructures, croissance, bio + santé ainsi que l’équipe Speedrun, qui pense que les startups feront face à des défis en 2026.

Aujourd’hui, nous continuons avec la deuxième partie de cette série, comprenant des contributions de American Dynamism (une équipe d’investissement spécialement créée par a16z en 2021) et de l’équipe applicative.

American Dynamism

David Ulevitch : Construire une infrastructure industrielle native en intelligence artificielle

Les États-Unis reconstruisent les composantes économiques qui donnent réellement leur puissance au pays. L’énergie, la fabrication, la logistique et l’infrastructure retrouvent l’attention, mais la transformation la plus importante est l’émergence d’une infrastructure industrielle véritablement native en intelligence artificielle, priorisant les logiciels. Ces entreprises partent de la simulation, de la conception automatisée et des opérations pilotées par l’IA. Elles ne se contentent pas de moderniser le passé, elles construisent le futur.

Cela ouvre d’énormes opportunités dans des domaines comme les systèmes énergétiques avancés, la fabrication de robots lourds, la nouvelle génération d’exploitation minière, la bio-ingénierie et les procédés enzymatiques (production de précurseurs chimiques indispensables à divers secteurs). L’IA peut concevoir des réacteurs plus propres, optimiser l’extraction, concevoir de meilleures enzymes, et coordonner des grappes de machines autonomes avec une perspicacité inaccessible aux exploitants traditionnels.

La même transformation bouleverse aussi le monde au-delà des usines. Capteurs autonomes, drones, et modèles d’IA modernes permettent désormais de surveiller en continu ports, voies ferrées, lignes électriques, pipelines, bases militaires, centres de données et autres systèmes clés, autrefois trop vastes ou complexes à gérer.

Le monde réel a besoin de nouveaux logiciels. Les fondateurs qui construiront ces logiciels façonneront la prospérité du prochain siècle américain.

Erin Price-Wright : La renaissance des usines américaines

Le premier grand siècle américain reposait sur une puissance industrielle solide, mais comme on le sait, une grande partie de cette puissance a disparu — en partie à cause de l’offshoring, en partie par une absence volontaire de développement constructive. Pourtant, des machines rouillées redémarrent, et nous assistons à la renaissance d’usines américaines, centrée sur les logiciels et l’IA.

Je pense qu’en 2026, nous verrons des entreprises adopter une mentalité d’usine pour relever les défis dans l’énergie, l’exploitation minière, la construction et la fabrication. Cela implique de combiner IA et automatisation avec des travailleurs qualifiés pour faire fonctionner efficacement des processus complexes et personnalisés, comme sur une ligne de production. Plus concrètement :

• Réagir rapidement et de façon répétée à des réglementations et permis complexes
• Accélérer la conception dès le départ et intégrer la conception pour la fabricabilité
• Mieux gérer la coordination de grands projets
• Déployer des systèmes autonomes pour accélérer les tâches difficiles ou dangereuses pour l’homme

En appliquant des technologies développées il y a un siècle par Henry Ford, en planifiant la scalabilité et la répétabilité dès le début, et en intégrant les dernières avancées en IA, nous pourrons bientôt produire en masse des réacteurs nucléaires, construire des logements pour répondre à la demande nationale, bâtir des centres de données à une vitesse stupéfiante, et entrer dans une nouvelle ère de puissance industrielle. Comme Elon Musk le dit : « La fabrique, c’est le produit. »

Zabie Elmgren : La prochaine vague d’observabilité sera physique, pas numérique

Les dix dernières années, l’observabilité logicielle a transformé notre manière de surveiller les systèmes numériques, en rendant transparents les codes et serveurs via logs, métriques et traçages. La même révolution se profile dans le monde physique.

Avec le déploiement de plus d’un milliard de caméras connectées et capteurs dans les grandes villes américaines, l’observabilité physique — comprendre en temps réel le fonctionnement des villes, réseaux électriques et autres infrastructures — devient à la fois urgente et réalisable. Cette nouvelle couche de perception propulsera aussi la prochaine évolution des robots et technologies autonomes, où les machines s’appuieront sur un cadre universel pour rendre le monde physique aussi observable que le code.

Naturellement, cette transition comporte de vrais risques : des outils capables de détecter des feux de forêt ou prévenir des accidents sur les chantiers pourraient aussi donner naissance à des cauchemars dystopiques. Les gagnants de cette nouvelle vague seront ceux qui gagnent la confiance du public, construisent des systèmes protégeant la vie privée, interopérables et natifs en IA, pour augmenter la transparence sociale sans en compromettre la liberté. Qui pourra bâtir ce cadre de confiance, définira la direction de l’observabilité dans la prochaine décennie.

Ryan McEntush : L’architecture électronique va changer le monde

La prochaine révolution industrielle ne se limitera pas aux usines, elle se produira aussi à l’intérieur des machines qui les alimentent.

Le logiciel a profondément changé notre façon de penser, de concevoir et de communiquer. Désormais, il transforme notre mobilité, nos constructions et notre production. Les progrès en électrification, matériaux et IA fusionnent pour permettre au logiciel de contrôler réellement le monde physique. Les machines peuvent percevoir, apprendre et agir de façon autonome.

Voici l’émergence de la pile de l’industrie électronique — une technologie intégrée alimentant voitures électriques, drones, centres de données et fabrication moderne. Elle connecte l’atome du monde à l’information du contrôle : minerais raffinés en composants, énergie stockée dans des batteries, électricité contrôlée par des appareils électroniques, mouvement commandé par des moteurs de précision, tout coordonné par logiciel. C’est la couche invisible sous chaque avancée en automatisation physique ; elle détermine si le logiciel se contente de commander une course en taxi ou contrôle réellement la direction.

Mais, de l’extraction de matériaux critiques à la fabrication de puces avancées, la capacité à construire cette pile s’amenuise. Si les États-Unis veulent diriger cette nouvelle ère industrielle, ils doivent produire le matériel qui la supporte. Maîtriser la pile électronique, c’est définir l’avenir technologique et militaire.

Le logiciel consomme le monde. Maintenant, il le fait avancer.

Oliver Hsu : Le laboratoire autonome accélère la découverte scientifique

Avec les progrès des modèles multimodaux et de la manipulation robotique, les équipes accélèrent la découverte scientifique autonome. Ces technologies parallèles donneront naissance à des laboratoires autonomes capables de boucler la boucle de la découverte : hypothèses, conception et exécution d’expériences, raisonnement, analyse de résultats, puis itérations pour de futures recherches. Ces équipes seront interdisciplinaires, intégrant IA, robotique, physique, sciences de la vie, fabrication, opérations, permettant des expérimentations continues et transdisciplinaires dans des laboratoires sans supervision humaine.

Will Bitsky : La quête de données dans les industries clés

En 2025, l’esprit de l’IA sera défini par la limite des ressources de calcul et la construction de centres de données. En 2026, il sera défini par la limite des ressources en données et par la nouvelle frontière de la quête de données — nos industries clés.

Nos industries clés restent une mine potentielle de données non structurées. Chaque expédition de camion, chaque relève, chaque maintenance, chaque opération de production, chaque assemblage, chaque test est une source pour entraîner des modèles. Pourtant, ces données, leur collecte, annotation ou entraînement, ne sont pas des termes courants dans l’industrie.

La demande pour ces données est incessante. Des entreprises comme Scale, Mercor, et des laboratoires de recherche en IA collectent sans relâche des données de processus (pas uniquement « ce qui a été fait », mais aussi « comment »). Elles paient des prix élevés pour chaque donnée provenant d’usines à main d’œuvre peu payée.

Les entreprises industrielles disposant déjà d’infrastructures physiques et de main-d’œuvre auront un avantage pour la collecte, et commenceront à exploiter cette force. Leur opération génère une quantité massive de données, exploitables à presque zéro coût marginal, pour entraîner leurs propres modèles ou les céder à des tiers.

On peut aussi anticiper l’émergence de startups qui fourniront cette assistance. Elles proposeront un stack de coordination : outils logiciels pour la collecte, l’annotation et la cession ((SDK)), capteurs hardware et kits de développement logiciel, environnement d’apprentissage par renforcement ((RL)) et pipelines d’entraînement, et enfin, leurs propres machines intelligentes.

Équipe Applications (Apps)

David Haber : L’IA renforce la stratégie commerciale

Les meilleures startups en IA ne se limitent pas à automatiser des tâches ; elles amplifient la rentabilité des clients. Par exemple, dans la justice basée sur la réussite ou l’échec, seul le succès rapporte. Des entreprises comme Eve utilisent des données propriétaires pour prédire la probabilité de succès d’un cas, aider les cabinets à choisir les bonnes affaires, servir plus de clients et augmenter leur taux de victoire.

L’IA elle-même peut renforcer les modèles commerciaux. Elle réduit les coûts, mais génère aussi plus de revenus. D’ici 2026, cette logique s’étendra à tous les secteurs, car les systèmes IA s’aligneront plus profondément avec les incitations clients et créeront des avantages combinés inaccessibles aux logiciels traditionnels.

Anish Acharya : ChatGPT deviendra la boutique d’applications IA

Le cycle des produits grand public nécessite trois éléments pour réussir : une nouvelle technologie, de nouveaux comportements consommateurs, et de nouveaux canaux de distribution.

Jusqu’à récemment, la vague IA répondait à deux de ces critères, mais manquait de canaux natifs pour la distribution. La majorité des produits se développaient via des réseaux existants ou par bouche-à-oreille.

Mais avec la sortie du SDK d’applications OpenAI, le support des mini-programmes par Apple, et la fonction de chat de groupe de ChatGPT, les développeurs consommateurs peuvent désormais exploiter directement la base de 9 milliards d’utilisateurs de ChatGPT, et croître via de nouveaux réseaux de mini-programmes comme Wabi. En tant que dernière étape du cycle de vie des produits de consommation, ce canal pourrait lancer une ruée vers l’or technologique en 2026. Ignorer cette opportunité serait risqué.

Olivia Moore : Les assistants vocaux prennent leur place

Ces 18 derniers mois, l’idée d’agents IA traitant des interactions réelles pour les entreprises est devenue réalité, non plus de la science-fiction. Des milliers d’entreprises, de PME à grands groupes, utilisent l’IA vocale pour planifier des rendez-vous, faire des réservations, réaliser des enquêtes, collecter des infos client, etc. Ces agents permettent d’économiser des coûts, de créer des revenus additionnels, et de libérer du temps pour des tâches à plus forte valeur ajoutée, voire plus intéressantes.

Mais comme ce domaine est encore naissant, beaucoup restent au stade de « la voix comme point d’entrée », proposant une ou plusieurs formes d’appel comme seule solution. Je suis ravi de voir ces assistants s’étendre pour gérer l’ensemble du flux de travail (peut-être multimodal), voire la gestion complète du cycle de relation client.

Cela pourrait signifier que les agents seront intégrés plus profondément dans les systèmes d’entreprise, avec la capacité de gérer des interactions plus complexes. Avec l’amélioration continue des modèles sous-jacents — désormais, ils peuvent appeler des outils et opérer entre différents systèmes — chaque entreprise devrait déployer des produits IA vocale-centrés, pour optimiser ses processus clés.

Marc Andrusko : Les applications proactives sans prompts arrivent

En 2026, les utilisateurs mainstream n’auront plus besoin d’indiquer des prompts. Les applications IA de nouvelle génération ne montreront plus de prompts : elles observeront vos actions et proposeront de façon proactive des suggestions d’action. Votre environnement de développement intégré ((IDE)) proposera des refactorings avant même que vous posiez la question. Votre CRM ((CRM)) générera automatiquement des emails de suivi après un appel. Vos outils de conception proposeront diverses options pendant votre travail. L’interface de chat ne sera qu’un assistant. Désormais, l’IA sera une structure invisible qui activera chaque flux de travail en fonction de l’intention de l’utilisateur, pas de commandes.

Angela Strange : L’IA finira par moderniser banques et assurances

Beaucoup de banques et compagnies d’assurance ont déjà intégré dans leurs systèmes traditionnels des fonctionnalités IA comme l’importation de documents ou les assistants vocaux. Mais seule une refonte des infrastructures supportant l’IA permettra de transformer réellement le secteur financier.

D’ici 2026, le risque de rester à la traîne dans la modernisation et le déploiement de l’IA surpassera le risque d’échec. Nous verrons de grandes institutions financières abandonner leurs contrats avec les fournisseurs traditionnels, pour adopter des solutions neuves, plus natives en IA. Ces entreprises, libérées des anciennes classifications, deviendront des plateformes capables de centraliser, normaliser et enrichir les données fondamentales issues de leurs systèmes ou sources externes.

Et après ?

Les workflows seront fortement simplifiés et parallélisés. Fini de jongler entre plusieurs systèmes ou écrans. Imaginez : vous pouvez lancer une demande de prêt hypothécaire dans votre système ((LOS)) et gérer simultanément des centaines de tâches, une agent peut même en accomplir une partie fastidieuse.

Les classifications actuelles fusionneront pour créer des catégories plus vastes. Par exemple, les données KYC, d’ouverture de compte, et de surveillance des transactions seront regroupées dans une plateforme unique de gestion des risques.

Les gagnants dans ces nouvelles classifications seront dix fois plus grands que les entreprises traditionnelles : leur champ d’action sera plus large, et le marché logiciel absorbera davantage de main-d’œuvre.

L’avenir des services financiers ne consiste pas à appliquer l’IA sur des systèmes anciens, mais à bâtir un tout nouveau système d’exploitation basé sur l’IA.

Joe Schmidt : La stratégie prospective apportera l’IA à 99% des entreprises

L’IA est la plus grande avancée technologique de notre vie. Mais jusqu’ici, la majorité des bénéfices revenait à 1% des entreprises de la Silicon Valley — celles vraiment situées dans la région ou faisant partie de leur vaste réseau. C’est logique : les entrepreneurs veulent vendre leurs produits à des entreprises qu’ils connaissent et peuvent approcher facilement, en allant dans leurs bureaux ou via des investisseurs en capital-risque dans leurs conseils.

Mais d’ici 2026, cela changera radicalement. Les entreprises réaliseront que la majorité des opportunités en IA existent hors de la Silicon Valley, et de nouvelles startups utiliseront des stratégies prospectives pour découvrir davantage d’opportunités dans les grands secteurs traditionnels. L’IA recèle un potentiel énorme dans des industries comme le conseil, l’intégration de systèmes, l’implémentation, et la fabrication, qui avancent lentement.

Seema Amble : L’IA crée de nouvelles couches de coordination et de nouveaux rôles dans le top 500

D’ici 2026, les entreprises évolueront vers des systèmes multi-agents plutôt que des outils isolés, qui devront fonctionner comme des équipes numériques coordonnées. Avec la gestion de workflows complexes et interdépendants (planification collaborative, analyse, exécution), elles devront repenser l’organisation du travail et la circulation du contexte entre les systèmes. Des sociétés comme AskLio ou HappyRobot sont déjà en train de faire cette transition, déployant des agents à travers tout le processus au lieu de tâches isolées.

Les entreprises du top 500 ressentiront profondément cette évolution : elles détiennent les plus grandes réserves de données isolées, de savoir-faire institutionnel et de complexité opérationnelle, principalement dans l’esprit des employés. Transformer ces informations en une base partagée pour agents autonomes accélérera la prise de décision, réduira les cycles, et permettra des processus de bout en bout sans micro-gestion humaine continue.

Ce changement obligera aussi les dirigeants à reconsidérer les rôles et logiciels. De nouvelles fonctions apparaîtront, comme concepteurs de workflows IA, responsables d’agents, ou responsables de la gouvernance pour coordonner et auditer les collaborateurs numériques. Outre les systèmes de gestion traditionnels, il faudra aussi de nouveaux systèmes de coordination : des couches pour gérer les interactions multi-agents, juger du contexte, et garantir la fiabilité des workflows autonomes. L’humain se concentrera sur les cas limites et les situations complexes. La montée en puissance des systèmes multi-agents ne sera pas qu’une étape supplémentaire dans l’automatisation ; elle redéfinira la façon dont les entreprises opèrent, prennent des décisions, et créent de la valeur à la fin.

Bryan Kim : L’IA grand public passera de « aide-moi » à « comprends-moi »

En 2026, les produits IA grand public évolueront de la simple augmentation de productivité à une meilleure compréhension des relations sociales. L’IA ne sera plus seulement là pour aider à faire des tâches, mais pour mieux comprendre soi-même et renforcer nos liens sociaux.

Ce n’est pas une tâche facile. Beaucoup de produits sociaux IA ont été lancés, mais ont échoué dans l’ensemble. Cependant, grâce aux fenêtres contextuelles multimodales et à la baisse continue des coûts de raisonnement, ces produits peuvent aujourd’hui apprendre de tous les aspects de votre vie, pas seulement du contenu que vous leur donnez. Imaginez que votre album photo montre des moments authentiques, que les conversations privées et en groupe s’adaptent à votre interlocuteur, et que vos habitudes quotidiennes changent sous la pression.

Une fois que ces produits seront vraiment là, ils feront partie intégrante de notre quotidien. En général, les produits « compréhension de moi » ont de meilleures retenues d’utilisateurs que les « aide-moi ». Les premiers gagnent par la fidélisation, car ils créent une valeur continue, alors que les seconds se concentrent sur la monétisation par des paiements pour des tâches spécifiques.

Les gens échangent constamment des données contre de la valeur : la question est de savoir si la récompense en vaut la peine. La réponse sera bientôt connue.

Kimberly Tan : Les nouveaux primitives de modèles engendrent des entreprises inédites

D’ici 2026, nous verrons émerger des entreprises qui, auparavant, n’auraient pas pu exister, grâce à des avancées révolutionnaires en raisonnement, multimodalité et applications informatiques. Jusqu’ici, plusieurs industries (juridique, service client) ont déjà utilisé l’amélioration du raisonnement pour renforcer leurs produits. Mais on commence seulement à voir des entreprises dont le cœur repose fondamentalement sur ces nouveaux primitives de modèles.

Les progrès en raisonnement peuvent donner naissance à de nouvelles capacités : évaluer des réclamations financières complexes, ou agir sur la base de recherches approfondies (décisions sur des factures litigieuses, par exemple). Les modèles multimodaux permettent d’extraire des données vidéo potentielles à partir du monde physique (caméras de sites de production, etc.). L’automatisation de grandes industries devient possible, libérée des anciennes limitations de logiciels de bureau, API défectueuses et flux de travail fragmentés.

James da Costa : Les startups IA se développent à travers la vente à d’autres startups IA

Nous vivons une vague sans précédent de création d’entreprises, principalement alimentée par le cycle actuel des produits IA. Mais contrairement aux cycles antérieurs, les entreprises existantes ne restent pas passives ; elles adoptent aussi activement l’IA. Alors, comment les startups peuvent-elles gagner ?

L’un des moyens les plus efficaces et sous-estimés pour dépasser les grandes entreprises en distribution est de servir dès la création : viser ces startups naissantes (les « greenfields »). Si vous parvenez à attirer toutes ces jeunes entreprises et à grandir avec elles, vous deviendrez une grande société à leur tour. Stripe, Deel, Mercury, Ramp — toutes ont suivi cette stratégie. En fait, beaucoup de clients de Stripe existaient même avant la création de Stripe.

En 2026, on verra ces startups qui démarrent de zéro atteindre une échelle significative dans de nombreux secteurs logiciels. Leur clé : créer de meilleurs produits et se concentrer uniquement sur de nouveaux clients encore inexplorés par les acteurs établis.