Auteur :Sortir en mer vers un incubateur
Les règles du jeu de l'entrepreneuriat ont complètement changé.
Dans la dernière liste de souhaits de démarrage (RFS) du printemps 2026 publiée par Y Combinator (YC), nous voyons un signal clair : le natif en IA (IA-native) n'est plus simplement un terme marketing, mais la logique fondamentale pour construire les géants de la prochaine génération. Les startups actuelles peuvent maintenant défier, à une vitesse plus rapide et à un coût plus faible, des domaines qui étaient autrefois considérés comme « inébranlables ».
Cette fois-ci, YC ne se concentre pas seulement sur le logiciel, mais porte aussi son attention sur les systèmes industriels, l'infrastructure financière fondamentale ainsi que la gouvernance gouvernementale. Si la dernière vague d'IA concernait la « génération de contenus », la prochaine vague portera sur la « résolution de problèmes complexes » et la « reconfiguration du monde physique ».
Voici les 10 grands domaines clés que YC surveille étroitement et dans lesquels il souhaite investir.
1. « Cursor » pour les chefs de produit (Cursor for Product Managers)
Au cours des dernières années, des outils tels que Cursor et Claude Code ont complètement transformé la manière d'écrire du code. Mais cette prospérité masque une question plus fondamentale : écrire du code n'est qu'un moyen, il s'agit d'établir ce qu'il faut vraiment construire.
Actuellement, le processus de découverte des produits reste à l'âge de pierre. Nous nous appuyons sur des entretiens utilisateurs fragmentés, des retours du marché difficiles à quantifier et des milliers de tickets Jira. Ce processus est extrêmement manuel et plein de failles.
Le marché a besoin d’un système natif IA qui puisse aider les chefs de produit comme Cursor aide les programmeurs. Imaginez un outil où vous téléchargez toutes vos enregistrements d’entretiens clients et vos données d’utilisation du produit, puis vous lui demandez : « Qu’est-ce qu’on fait ensuite ? »
Au lieu de vous donner simplement une suggestion vague, il génère un cahier des charges complet et justifie les décisions par des retours clients concrets. En outre, il peut même générer directement un prototype d'interface utilisateur, ajuster le modèle de données et décomposer les tâches de développement spécifiques pour les confier à l'agent de programmation IA afin d'être exécutées.
Avec l'intelligence artificielle qui prend progressivement en charge la mise en œuvre concrète du code, la capacité à « définir le produit » deviendra plus importante que jamais. Nous avons besoin d'un outil superpuissant capable de relier en boucle fermée la « découverte des besoins » à la « définition du produit ».
2. La prochaine génération de fonds spéculatifs natifs IA (AI-Native Hedge Funds)
Dans les années 1980, lorsque quelques fonds ont commencé à essayer d'analyser les marchés à l'aide d'ordinateurs, Wall Street s'en moquait. Aujourd'hui, le trading quantitatif est devenu la norme. Si vous ne réalisez pas maintenant que nous sommes à un tournant similaire, vous pourriez manquer le prochain Renaissance Technologies ou Bridgewater.
Cette opportunité ne réside pas dans l'ajout d'IA en tant que « module complémentaire » aux stratégies de fonds existantes, mais dans la création, depuis zéro, de stratégies d'investissement natives en IA.
Bien que les géants quantitatifs existants disposent de ressources considérables, leurs réactions sont trop lentes face à l'équilibre entre conformité et innovation. Les fonds spéculatifs du futur seront animés par des groupes d'agents intelligents basés sur l'IA – capables, comme les traders humains, d'analyser 24 heures sur 24 les rapports annuels 10-K, d'écouter les appels téléphoniques des résultats financiers, d'analyser les documents de la SEC et de synthétiser les points de vue des différents analystes pour effectuer des transactions.
Dans ce domaine, les vrais rendements alpha appartiendront aux nouveaux acteurs prêts à laisser l'IA prendre en charge en profondeur les décisions d'investissement.
3. Transformation logicielle des entreprises de services (Agences natives de l'IA)
Depuis toujours, que ce soit pour les agences de design, les agences de publicité ou les cabinets d'avocats, tous les modèles d'agence font face à un problème insurmontable : la difficulté d'échelle. Car elles vendent du « temps de main-d'œuvre », avec de faibles marges bénéficiaires, et leur croissance dépend nécessairement du recrutement.
L'IA est en train de briser ce point mort.
Les nouveaux agents ne vendront plus d'outils logiciels aux clients, mais utiliseront eux-mêmes des outils d'IA pour produire des résultats avec une efficacité multipliée par 100, puis vendront directement les produits finis. Cela signifie :
Les entreprises de design peuvent utiliser l'IA pour générer l'ensemble d'une solution personnalisée avant la signature, réduisant ainsi l'avantage concurrentiel des entreprises traditionnelles.
Les agences de publicité peuvent utiliser l'IA pour générer des publicités vidéo de qualité cinématographique sans avoir besoin de tournages sur place coûteux.
Les cabinets d'avocats peuvent rédiger des documents juridiques complexes en quelques minutes plutôt qu'en plusieurs semaines.
Les entreprises de services du futur ressembleront davantage à des entreprises de logiciels en termes de modèle économique : elles auront les marges brutes élevées des entreprises de logiciels ainsi qu'une capacité d'extension illimitée.
4. Services financiers dérivés des stablecoins (Stablecoin Financial Services)
Les stablecoins deviennent rapidement une infrastructure clé pour la finance mondiale, mais la couche de services qui s'y rattache reste une terre inexplorée. Avec l'avancement de lois telles que GENIUS et CLARITY, les stablecoins se situent à l'intersection entre la finance décentralisée (DeFi) et la finance traditionnelle (TradFi).
C'est une fenêtre énorme d'arbitrage réglementaire et d'innovation.
Actuellement, les utilisateurs doivent souvent choisir entre des produits financiers traditionnels "conformes mais à faible rendement" et des "cryptomonnaies à haut rendement mais à haut risque". Le marché a besoin d'une forme intermédiaire : de nouveaux services financiers construits sur les stablecoins, à la fois conformes et bénéficiant des avantages de la finance décentralisée (DeFi).
Que ce soit par des comptes d'épargne offrant des rendements plus élevés, des actifs du monde réel (RWA) tokenisés, ou encore une infrastructure de paiements transfrontaliers plus efficace, il s'agit désormais du meilleur moment pour relier ces deux mondes parallèles.
5. Refonder l'ancien système industriel : Modern Metal Mills
Quand les gens parlent de « réindustrialisation des États-Unis », ils se concentrent souvent sur le coût de la main-d'œuvre, tout en ignorant l'éléphant dans la pièce : le design traditionnel du système industriel est extrêmement inefficace.
Prenons par exemple l'approvisionnement en aluminium ou en tubes en acier aux États-Unis, des délais de livraison de 8 à 30 semaines sont la norme. Ce n'est pas parce que les ouvriers sont paresseux, mais parce que tout le système de gestion de la production a été conçu il y a plusieurs décennies. Ces usines vieillissantes sacrifient la vitesse et la flexibilité en poursuivant la « tonnage » et la « taux d'utilisation ». De plus, la forte consommation d'énergie est un gros problème, et les usines manquent souvent de solutions modernes de gestion énergétique.
L'opportunité de refonte est mûre.
Grâce à la planification de la production pilotée par l'IA, à des systèmes MES (Manufacturing Execution System) en temps réel et à des technologies d'automatisation modernes, nous pouvons réduire fondamentalement les délais de livraison et améliorer les marges bénéficiaires. Il ne s'agit pas simplement de faire fonctionner les usines plus rapidement, mais de rendre la production métallurgique locale plus économique, plus flexible et plus rentable grâce à des processus de fabrication définis par logiciel. C'est un élément clé pour reconstruire la base industrielle.
6. Mise à niveau de l'intelligence artificielle pour la gouvernance gouvernementale (IA pour le gouvernement)
La première vague de sociétés d'IA a rendu incroyablement rapide la saisie de formulaires par les entreprises et les particuliers, mais cette efficacité s'arrête brusquement lorsqu'il s'agit d'interagir avec les organismes gouvernementaux. Une grande quantité de demandes numériques aboutissent finalement dans des arrières-plans gouvernementaux où l'impression manuelle et le traitement manuel restent nécessaires.
Les gouvernements ont besoin d'outils d'IA pour faire face à l'avalanche de données à venir. Bien que des pays comme l'Estonie aient déjà montré les prémices d'un "gouvernement numérique", cette logique doit être répliquée à travers le monde.
Vendre du logiciel au gouvernement est effectivement un défi ardu, mais les récompenses sont tout aussi importantes : une fois que vous avez conquis votre premier client, cela signifie souvent une fidélité client extrêmement élevée et un énorme potentiel d'expansion. Il ne s'agit pas seulement d'une opportunité commerciale, mais aussi d'une action bénéfique pour la société, améliorant l'efficacité du fonctionnement social.
7. Tuteur IA en temps réel pour les travaux physiques (Guidance IA pour les travaux physiques)
Souvenez-vous de la scène dans The Matrix où Neo s'insère des tubes et apprend instantanément le kung-fu ? Une forme réelle d'« injection de compétences » arrive, et son support n'est pas l'interface cerveau-machine, mais plutôt un tutorat en temps réel par l'IA.
Au lieu de passer la journée à discuter des emplois de la classe moyenne que l'IA remplacera, regardons plutôt comment elle peut renforcer les emplois manuels. Dans les domaines des services sur site, de la fabrication, des soins de santé, l'IA, bien qu'elle ne puisse pas agir directement, peut "voir" et "penser".
Imaginez un ouvrier portant des lunettes intelligentes en train de réparer un équipement, l'IA voyant la vanne par la caméra et lui disant directement à l'oreille : « Fermez cette vanne rouge, utilisez une clé de 3/8 de pouce, cette pièce est usée et doit être remplacée. »
La maturité des modèles multimodaux, la généralisation des dispositifs intelligents (téléphones, écouteurs, lunettes) et le manque de main-d'œuvre qualifiée, ces trois facteurs combinés ont généré cette forte demande. Qu'il s'agisse de fournir aux entreprises existantes des systèmes de formation ou de créer une plateforme de main-d'œuvre "travailleur bleu" totalement nouvelle, il y a ici un vaste espace d'imagination.
8. Grands modèles spatiaux dépassant les limites linguistiques
Les grands modèles linguistiques (LLM) ont déclenché l'explosion de l'IA, mais leur sagesse est limitée à ce que le "langage" peut décrire. Pour réaliser une intelligence artificielle générale (IAG), l'IA doit comprendre le monde physique et les relations spatiales.
Les IA actuelles restent maladroites lorsqu'il s'agit de gérer des tâches spatiales telles que la géométrie, les structures 3D, les rotations physiques, etc. Cela limite leur capacité à interagir avec le monde physique.
Nous recherchons des équipes capables de construire des modèles de raisonnement spatial de grande envergure (Large Spatial Models). Ces modèles ne devraient pas considérer la géométrie comme un accessoire du langage, mais comme un principe fondamental. Qui parviendra à faire comprendre et concevoir des structures physiques à l'IA aura l'opportunité de créer le prochain modèle fondamental d'envergure OpenAI.
9. Arsenal numérique des chasseurs de fraude gouvernementale
Le gouvernement est le plus grand acheteur du monde, dépensant des milliers de milliards de dollars par an, tout en subissant d'énormes pertes dues à la fraude. Le programme américain de santé Medicare seul perd des centaines de milliards de dollars chaque année en paiements inappropriés.
Le False Claims Act des États-Unis permet aux citoyens privés de porter plainte contre des entreprises qui trompent le gouvernement et de recevoir une part des fonds récupérés. C'est l'un des moyens les plus efficaces pour lutter contre la fraude, mais le processus actuel est extrêmement primitif : un informateur transmet des indices à un cabinet d'avocats, qui consacre plusieurs années à classer manuellement les documents.
Nous avons besoin d'un système intelligent conçu spécifiquement à cet effet. Ce n'est pas simplement un tableau de bord, mais bien un détective en IA capable d'analyser automatiquement des PDFs chaotiques, de suivre des structures complexes de sociétés-écrans et de regrouper des preuves éparses en dossiers exploitables juridiquement.
Si vous pouviez accélérer le recouvrement des fraudes de dix fois, vous pourriez non seulement construire un vaste empire commercial, mais aussi faire récupérer des milliards aux contribuables.
10. Rendre l'entraînement des LLM facile (Make LLMs Easy to Train)
Malgré l'enthousiasme suscité par l'IA, l'expérience d'entraînement des grands modèles reste épouvantable.
Les développeurs passent chaque jour des heures à combattre des SDK cassés, à déboguer des instances GPU qui plantent dès le démarrage, ou à découvrir des bogues critiques dans des outils open source. Sans compter l'enfer qu'est le traitement de données de plusieurs téraoctets.
Comme l'ère du cloud computing a vu naître Datadog et Snowflake, l'ère de l'IA a également besoin d'outils plus performants. Nous avons besoin de :
API qui abstrait complètement le processus d'entraînement.
Une base de données capable de gérer facilement des ensembles de données à très grande échelle.
Environnement de développement conçu spécialement pour la recherche en apprentissage automatique.
Avec l'importance croissante de l'« entraînement postérieur » (Post-training) et de la spécialisation des modèles, ces infrastructures deviendront la pierre angulaire du développement logiciel futur.