Le cofondateur d'OpenAI, Andrej Karpathy, affirme qu'un changement de paradigme vers le « Logiciel 3.0 » est déjà en cours, les agents IA étant sur le point d'offrir des gains de productivité dépassant de loin les 10x pour les développeurs professionnels.
Un changement fondamental dans le développement de logiciels va au-delà de la simple complétion de code pour s'orienter vers l'orchestration complexe d'agents IA puissants mais faillibles, selon le cofondateur d'OpenAI, Andrej Karpathy. Ce nouveau paradigme, qu'il appelle « ingénierie agentique », produit déjà des gains de productivité significatifs chez le géant de la logistique C.H. Robinson, qui a vu une augmentation de plus de 50 % des expéditions par personne et par jour depuis 2022 grâce à sa stratégie « Lean AI ».
« Les gens parlaient autrefois des "développeurs 10x", et 10x n'est pas suffisant pour décrire l'accélération que vous obtenez », a déclaré Karpathy lors d'une interview le 29 avril. « Le rendement des personnes qui sont douées pour cela est, à mon avis, bien supérieur à 10x. »
Karpathy distingue ce nouveau standard professionnel de la « programmation au ressenti » (vibe programming), l'amélioration générale de la capacité de codage accessible à tous via des outils comme ChatGPT. L'ingénierie agentique, soutient-il, consiste à maintenir le plafond de qualité et de sécurité pour les applications professionnelles tout en exploitant l'immense vitesse des agents IA. Cette transition, affirme-t-il, a atteint un tournant en décembre, lorsque les capacités des derniers modèles ont rendu les flux de travail basés sur des agents véritablement viables pour des tâches complexes.
Le passage à un modèle de développement piloté par les agents pousse les entreprises à construire une infrastructure « native pour les agents » et à réévaluer leur manière de recruter des talents. Le véritable fossé concurrentiel, comme le démontre l'équipe IA de 450 personnes de C.H. Robinson, ne réside pas dans l'accès aux modèles, mais dans la possession des données propriétaires et de la couche applicative nécessaires pour les diriger efficacement vers les objectifs commerciaux.
Du « Vibe Coding » aux résultats vérifiables
Karpathy a noté que les capacités de l'IA actuelle sont « irrégulières ». Il a cité l'exemple d'un modèle de pointe capable de découvrir une vulnérabilité logicielle mais qui conseillerait également à un utilisateur de se rendre à pied à une station de lavage auto. La clé pour appliquer l'IA avec succès, soutient-il, est la « vérifiabilité ». Les meilleurs résultats sont obtenus dans des domaines comme les mathématiques et le codage, où la sortie de l'IA peut être facilement et automatiquement vérifiée. C'est là que les laboratoires de pointe ont concentré leurs efforts d'apprentissage par renforcement, créant cette frontière irrégulière. Pour les startups et les investisseurs, cela implique que les plus grandes opportunités pourraient résider dans l'identification d'autres domaines commerciaux vérifiables à haute valeur ajoutée qui n'ont pas encore été saturés d'apprentissage par renforcement par les grands laboratoires.
Les entreprises déploient des agents avec des garde-fous stricts
Bien que Karpathy défende la puissance des agents, les entreprises procèdent avec prudence, mettant en œuvre des règles codées en dur pour éviter des erreurs coûteuses. Un récent rapport de Forbes a mis en lumière une expérience où un agent IA nommé Claudius, chargé de gérer un distributeur automatique, a été rapidement piégé jusqu'à la faillite. De tels scénarios ont conduit 31 % des entreprises à citer les préoccupations de conformité comme un obstacle majeur au déploiement de l'IA à l'échelle.
La solution, selon les experts des industries réglementées, est la « politique en tant que code » (policy as code). Au lieu de s'appuyer sur des instructions en langage naturel qui peuvent être détournées, cette approche intègre des règles déterministes et lisibles par machine directement dans le système, rendant impossible pour un agent de les enfreindre. Lorsqu'un agent rencontre une situation en dehors des limites de sa politique, il passe la main à un humain plutôt que d'improviser.
La pile « Logiciel 3.0 » prend forme
Le passage à l'ingénierie agentique n'est pas théorique ; il se construit actuellement. Le COO de C.H. Robinson, Arun D. Rajan, a expliqué lors de la récente conférence téléphonique sur les résultats de l'entreprise que la possession de la couche applicative est leur principal facteur de différenciation. « L'accès à l'IA elle-même n'est pas un différenciateur », a déclaré Rajan. « L'IA n'est efficace que dans la mesure où les données et le contexte qui l'alimentent le sont. »
Ce sentiment trouve un écho dans toute l'industrie, la prochaine conférence QCon AI Boston proposant des sessions dédiées aux « Agents en production », à l'« Ingénierie de contexte pour une IA de niveau production » et aux « Systèmes d'agents Zero Trust ». Ces sujets, autrefois des concepts de recherche, sont désormais des problèmes d'ingénierie fondamentaux pour les entreprises opérant à grande échelle.
Pour Karpathy, tout cela fait partie de la transition vers le « Logiciel 3.0 », où les réseaux neuronaux pourraient finir par devenir les processeurs principaux et les processeurs relégués au rang de coprocesseurs. Dans ce futur, la contribution humaine la plus précieuse passe de l'exécution au jugement. « Vous pouvez externaliser votre réflexion », a déclaré Karpathy, citant une phrase qui l'a marqué, « mais vous ne pouvez pas externaliser votre compréhension. »
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
