Par Marcel Oldenkott, co-CIO et directeur général chez BIT Capital

Les agents IA autonomes ne se contentent pas de changer les règles du jeu du développement logiciel. Ils bouleversent toute la logique de création de valeur du travail numérique – avec des conséquences directes sur les infrastructures, les fournisseurs de plateformes et l’allocation des capitaux.

La distinction peut sembler sémantique. Elle ne l’est pas. Entre un système qui répond et un système qui agit de manière indépendante, il n’y a pas de différence graduelle, mais catégorielle – et l’intelligence artificielle a franchi cette frontière au cours des derniers mois : elle est passée d’un soutien d’assistance à une mise en œuvre opérationnelle autonome. Cela modifie non seulement la manière dont nous interagissons avec les logiciels, mais aussi la façon dont le travail numérique est fondamentalement organisé.

Il y a peu, la productivité assistée par l’IA était encore considérée comme une promesse avec des réserves. Des outils tels que Cursor permettaient certes d’accélérer le développement logiciel, mais restaient intrinsèquement sujets à des erreurs et nécessitaient un contrôle humain permanent. C’est précisément là qu’intervient la dernière génération de modèles. Avec l’introduction de systèmes performants tels qu’Opus 4.5 et leur intégration dans des environnements de développement comme Claude Code, l’équilibre s’en trouve fondamentalement modifié. Pour la première fois, on assiste à l’émergence d’une combinaison de vitesse, de précision et de fiabilité qui permet une délégation substantielle de tâches complexes. Il est indéniable que cette évolution est porteuse non seulement sur le plan technologique, mais aussi sur le plan économique : la dynamique du chiffre d’affaires d’Anthropic a doublé au cours des deux premiers mois de l’année en cours – un signe d’accélération qui éclipse les courbes de croissance classiques.

Pour comprendre la portée de ce changement, il vaut la peine de changer de perspective et de s’intéresser à la nature même du travail numérique. Au fond, toute activité basée sur la connaissance effectuée sur ordinateur n’est rien d’autre que l’exécution de code. Les interfaces graphiques des logiciels modernes ne font que masquer cette réalité. Qu’il s’agisse de déplacer un objet dans PowerPoint ou d’ajuster une formule dans Excel, il s’agit toujours du déclenchement de processus de code en arrière-plan. Des systèmes tels que Claude Code opèrent précisément à ce niveau : non pas via l’interface, mais directement au sein de la logique sous-jacente. Il en résulte un gain d’efficacité radical – une forme de continuité numérique dans laquelle interaction et exécution se confondent de plus en plus.

Mais comme pour tous les changements de paradigmes technologiques, la diffusion ne suit pas le rythme du potentiel. L’utilisation effective reste jusqu’à présent en deçà des possibilités. Or, c’est précisément cet écart qui revêt une grande importance économique : il signale un potentiel de croissance considérable, jusqu’ici inexploité. Dans un environnement où les capacités des modèles s’améliorent selon des cycles de plus en plus courts, on peut supposer que la monétisation ne se fera pas de manière linéaire, mais s’accélérera.

Dans ce contexte, une perspective analytique s’impose, qui s’appuie moins sur des modèles de comparaison historiques que sur les mécanismes sous-jacents. Au cœur de cette approche se trouve une thèse simple mais efficace : la consommation de jetons devient le principal moteur de valeur dans l’écosystème de l’IA. Cette dynamique est d’ores et déjà observable empiriquement. Alors que l’utilisation classique des chatbots atteint des volumes mensuels de jetons de l’ordre de 600 000, un utilisateur unique consomme des quantités comparables en quelques sessions seulement dans des environnements agentiels. Avec la généralisation des modes de travail autonomes et l’introduction d’une fenêtre contextuelle considérablement élargie – atteignant désormais plusieurs millions de jetons – les exigences en matière de puissance de calcul et de mémoire augmentent de manière exponentielle.

Cette évolution n’est pas sans conséquences pour l’infrastructure sous-jacente. Au contraire, elle agit comme un accélérateur sur l’ensemble de la chaîne de valeur. Un indicateur frappant en est l’évolution à court terme des prix des GPU haute performance, dont les coûts de location ont sensiblement augmenté avec l’arrivée de nouvelles générations de modèles. Parallèlement, il apparaît que les composants matériels centraux ont une durée de vie économique nettement plus longue que ce qui était initialement supposé. Contrairement aux hypothèses antérieures concernant des cycles d’amortissement rapides, ces systèmes continuent de générer des revenus substantiels même des années après leur mise en service – une situation qui recalibre l’allocation des capitaux dans le secteur des infrastructures.

Ce qui se dessine ici est plus qu’un simple progrès technologique. L’émergence d’agents IA autonomes marque le début d’une nouvelle logique de création de valeur. Les logiciels ne sont plus considérés principalement comme des outils, mais comme des entités exécutantes. L’infrastructure passe du statut de catalyseur à celui de facteur de goulot d’étranglement. Et les capitaux se tournent de plus en plus vers les segments où les économies d’échelle et l’intensité d’utilisation se rejoignent.

Retrouvez l’ensemble de nos articles Business