Conversation avec Liu Ye : OpenClaw n'est que des « mains et des pieds », nous devons passer des « employés numériques » aux « organisations numériques », de « créer des soldats » à « déployer les formations »

Dialogue｜Zhang Peng

Lorsque tout le monde se précipite pour développer des « employés numériques » et des outils d’agent, et qu’ils s’engouffrent sans fin dans des scénarios segmentés, où se trouve réellement la barrière concurrentielle de la création d’IA ?

Récemment, Zhang Peng, fondateur et président de GeekPark, a eu une discussion prospective avec Liu Ye, fondateur de VisionFlow, après l’éclatement de OpenClaw. En tant que première génération de programmeurs chinois née en 1979, Liu Ye a vécu un cycle complet, de l’hardware de base au logiciel, de l’intégration d’entreprise (ToB) à l’éducation en ligne (Internet industriel). Après plusieurs mois de confinement, échanges intensifs avec des chercheurs de grandes entreprises d’IA mondiales et des entrepreneurs de premier plan en Chine, il en est arrivé à une conclusion froide : considérer l’IA comme un « employé numérique » pour remplacer une tâche unique est une simplification excessive de la réalité métier par la pensée d’ingénieur.

Dans cette conversation, Liu Ye a lancé une série de concepts et cadres très inspirants, comme « exposition progressive » et « matrice de tâches à haute et basse dimension ». Une possibilité pour l’avenir s’est peu à peu clarifiée : la prochaine étape de l’IA ne sera pas une prolifération d’outils, mais la construction d’« organisations numériques » dotées de mécanismes de collaboration, de reporting et de réflexion. Quand la culture d’entreprise ne sera plus nécessaire, que le travail à faible dimension sera totalement éliminé, le futur CEO ne sera peut-être plus un « directeur général », mais un « producteur » doté d’un sens esthétique extrême.

Il s’agit d’une exploration sur la morphologie des organisations à l’ère de l’IA, les barrières commerciales et la nouvelle niche des entrepreneurs. L’objectif est d’inciter à des discussions plus approfondies à l’avenir.

Voici la synthèse de la conversation organisée par GeekPark :

01 La guerre des 10 000 A a déjà commencé, il y a trop de choses à faire,

mais qu’est-ce qui est le plus important à faire ?

Zhang Peng : De « 作业盒子 » (Boîte de devoirs) à aujourd’hui, votre passion pour explorer les changements apportés par OpenClaw, a-t-elle changé quelque chose en vous ?

Liu Ye : Je suis de la première génération de programmeurs en Chine, j’ai commencé à coder très jeune. J’ai vécu la transition de BASIC à DOS, puis Windows, et aujourd’hui l’ère Mac, en voyant aussi l’essor des trois grands portails. J’ai travaillé dans l’informatisation d’entreprises, voulant faire de la Chine un IBM ; puis j’ai pivoté vers 作业盒子, en participant profondément à l’éducation en ligne. L’éducation en ligne est une industrie très profonde, la forme la plus avancée de l’Internet industriel, et la « dernière navette » pour cette industrie. Cette expérience m’a fait réaliser que le cœur de l’Internet industriel n’est pas la technologie, mais l’industrie elle-même, c’est-à-dire le business. La règle de l’Internet industriel est : d’abord faire la mise en relation d’informations, puis produire des produits standards, puis la chaîne d’approvisionnement, et enfin des services non standards complexes. Plus on avance, plus la marge est élevée, mais plus c’est difficile à faire.

Donc, quand la vague de l’IA est arrivée, ma première action a été de ne rien faire pendant près de 6 mois, en demandant aux RH de parler à toutes les personnes possibles. Des chefs scientifiques de grandes startups aux algorithmes et chercheurs clés des grands groupes, en passant par de jeunes entrepreneurs en IA, j’ai tout discuté, accumulant près de 1000 heures d’échanges. Jusqu’à quel point ? Jusqu’à ce que je sache, dès la moitié de la phrase de l’interlocuteur, ce qu’il allait dire dans la seconde moitié. La majorité des gens partageaient une vision très proche.

Après cette ronde de discussions, la conclusion était étonnamment unanime : tout le monde faisait la même chose — des « employés numériques ». Cela m’a rappelé une erreur stratégique d’un grand de l’époque sur le cloud computing, qui disait qu’Alibaba faisait du cloud, en gros, un simple service de stockage en ligne. Comprendre une nouvelle chose avec un vieux cadre, c’est ne voir que la surface.

Aujourd’hui, tout le monde pense qu’il suffit de faire un employé numérique avec Claude, pour générer un « vendeur numérique » ou un « service client numérique ». Où est la barrière technologique ? Où est la barrière concurrentielle ? Quand un individu brûle plusieurs milliards de tokens par jour, cela ressemble plus à une industrie manufacturière, et ne peut pas décoller. Je pose donc la même question à chaque entrepreneur : pourquoi faites-vous cela ? Sur quoi vous appuyez-vous ? Êtes-vous plus jeune ? Plus intelligent ? Plus capable de faire des nuits blanches ? Se concurrencer sur un seul dimension, ce n’est qu’une différence entre « 10 secondes 69 » et « 10 secondes 70 ».

Zhang Peng : Oui, aujourd’hui, il y a trop de choses à faire, mais qu’est-ce qui est le plus important ? Avez-vous une réflexion à ce sujet ?

02 La décennie de l’Internet industriel va se répéter aujourd’hui

Liu Ye : L’IA est très différente, mais je crois qu’elle partage encore des règles avec l’Internet industriel. Au début, on faisait des outils, puis on s’occupait du business, et enfin on faisait du conseil. Quand la technologie n’est pas mature, la première vague vient des ingénieurs, qui ont tendance à trop abstraire le monde, comme Baidu avec « le calcul en cadres », qui considère tout comme un cadre. Mais la seconde moitié de l’Internet mobile concerne le contenu et le service, pas le cadre.

Les personnes issues de l’ingénierie ont souvent une vision simplifiée de l’organisation. Regardez les trois grands portails de la première génération d’Internet : ceux qui ont réussi le mieux à la fin sont Tencent et Alibaba, qui sont un peu moins techniques mais très proches de l’industrie. Aujourd’hui aussi, la technologie devient de plus en plus secondaire.

Zhang Peng : La vague actuelle, les étudiants en sciences sociales, en arts, semblent en profiter. Ne pas savoir coder ne semble plus un problème. Mais à long terme, quelles sont les exigences de l’ère de l’IA pour l’humain ? Qu’est-ce qui change ?

Liu Ye : En Chine, je vois un problème dans la structure des talents. La première génération de programmeurs en Chine, c’était aussi des chefs de produit, car à l’époque, il n’y avait pas encore de poste de chef de produit. Le chef de produit est devenu un poste reconnu vers 2010, après qu’Apple a lancé l’iPhone 4 et que Zhang Xiaolong a proposé sa vision du produit, avec la formule « tout le monde est chef de produit ». Avant cela, les programmeurs faisaient aussi le rôle de chef de produit, ils ont été les premiers. La première génération de programmeurs n’apprenait pas le code pour le travail, mais par passion, par amour du métier. Ce sont ces personnes non encadrées, qui sortent des sentiers battus, qui ont été les plus remarquables.

Mais la deuxième génération de programmeurs, dans la dernière décennie d’Internet industriel, a transformé le programmeur en « codeur » ; le chef de produit est devenu un architecte, et les codeurs ont été domestiqués, ne réfléchissant plus aux affaires. Aujourd’hui, l’IA est là, et la partie « code » est éliminée. S’ils ne s’adaptent pas, ils ne sont plus que des « agriculteurs ». Ces jeunes sont très talentueux, mais leur compréhension de l’industrie est vide. Donc, la « guerre des 10 000 A » est essentiellement une prolifération d’outils.

Dans la phase tardive de l’Internet industriel, des entreprises comme Alibaba ou Meituan emploient systématiquement des consultants de haut niveau (MBB) pour analyser le business, et des consultants pour gérer les processus, car les chefs de produit de l’Internet n’ont pas de système de pensée systématique. Feishu en est un exemple. ByteDance, bien que purement Internet, utilise aussi beaucoup de cabinets de conseil pour structurer ses processus internes. À l’ère de l’IA, cette règle ne fera que s’accentuer.

03 Le problème des entreprises n’a jamais été les employés, mais l’organisation

Zhang Peng : Donc, vous pensez que se concentrer uniquement sur « l’employé numérique » n’a pas beaucoup de sens.

Liu Ye : C’est ma conviction centrale : l’employé numérique n’est pas la fin, c’est l’organisation numérique qui l’est. Si la prolifération des employés numériques devient la norme, si même les recrutements disparaissent parce que tout le monde a un bon employé numérique, alors après ? L’entreprise peut-elle encore faire de l’argent ou réussir ? En réalité, tous les problèmes des entreprises sont stratégiques et organisationnels, jamais liés aux employés.

Donc, aujourd’hui, un agent travaille encore pour faire le travail, pas pour prendre des décisions. Nous avons internalisé OpenClaw, et créé MetaOrg. C’est en fait un noyau capable de générer des équipes d’agents. Pour toute tâche, ce n’est pas un employé qu’on envoie, mais une « organisation » pour la résoudre. Cette organisation a des relations de collaboration, de reporting, une mission, des objectifs, une manière d’agir.

Zhang Peng : Mais à l’avenir, un seul agent pourrait-il constituer un département ? Ou même une entreprise ?

Liu Ye : C’est une excellente question. Nous restons sur des tâches micro, comme faire une courte vidéo ou rédiger un document, qui nécessitent plusieurs échanges. Tu dis une phrase, il répond, tu donnes un feedback, c’est une utilisation d’outil. Il est très intelligent.

Donc, la notion d’humain ou de département n’est pas une question de quantité. Lorsqu’on décrit un poste avancé, on parle généralement : premièrement, capable de faire tout type de travail ; deuxièmement, capable d’utiliser divers outils. Un poste avancé doit comprendre l’intention, planifier activement, exécuter, livrer, faire des bilans réguliers, réfléchir et ajuster en fonction des écarts. C’est cela la capacité de haut niveau.

Zhang Peng : Un département compétent, c’est comme une « conduite autonome de niveau L4 ».

Liu Ye : Exactement. Lorsqu’on lui donne une compétence, il peut réaliser des tâches complexes ; avec un système de compétences, il peut faire des tâches complexes et intégrées ; quand plusieurs agents sont orchestrés, on peut réaliser des choses encore plus complexes, comme tourner un court-métrage. Je dis souvent à mes employés : quand vous utilisez MetaOrg, ne vous voyez pas comme un manager, mais comme un président-directeur général. Vous devez explorer ses limites.

À l’avenir, pour les jeunes entrepreneurs, au lieu de dire « je dispose de 50 000 yuans pour lancer », ils pourraient dire « je dispose d’un budget en tokens pour expérimenter ». La quantité de tokens que vous êtes prêt à dépenser détermine le niveau de poste que vous pouvez atteindre. Plus le poste est élevé, plus la chaîne de raisonnement est longue, et plus il faut faire d’essais, d’itérations et de réflexions.

Zhang Peng : Reprenons la question précédente : si un groupe d’agents peut être décomposé en unités plus fines, ou en compétences et rôles, et qu’il forme une équipe face à une tâche clé, alors la qualité de chaque individu détermine la réussite ou l’échec. Cela revient à la logique de la compétition organisationnelle d’autrefois : la densité de talents, c’est-à-dire la qualité des talents, facilite la réalisation des missions clés. La question est : si à l’avenir l’IA devient omnipotente et qu’on peut appeler la meilleure IA, alors, en dehors de la capacité à fournir des services différenciés, la valeur réside aussi dans la « densité de talents » — c’est-à-dire que dans ce système, la capacité atomisée de vos agents ou bots est plus élevée, la « densité de talents » est plus grande, et dans des tâches complexes, les résultats, l’efficacité et l’innovation seront meilleurs. Je ne sais pas si cette déduction est correcte ?

Liu Ye : Je suis d’accord avec cette idée. Dans une entreprise, il y a un département, souvent appelé OD (Organisation Development). La capacité d’une organisation à gagner une bataille se mesure généralement en comparant tous ses talents à ceux de l’adversaire, en évaluant la correspondance compétences-postes, pour prévoir le résultat. En gros, la force d’une entreprise dans la compétition repose sur sa capacité organisationnelle, pas seulement sa stratégie commerciale. L’exemple typique, c’est Alibaba. Alibaba attache beaucoup d’importance à la construction organisationnelle, ce qui lui permet aujourd’hui de renaître. Car la direction fondatrice vieillit, mais l’organisation peut perdurer. En substance, si un jour nous sommes concurrents et que tous deux utilisons l’IA, je peux construire une organisation IA puissante, avec une capacité de développement organisationnel IA très forte. Comment faire ? Je vais analyser tous les systèmes de compétences des agents concurrents, en ouvrir le code, et élaborer de meilleures compétences, voire combler leurs lacunes. Par exemple, si j’ai un département stratégique, je vais d’abord observer et analyser.

Huawei a la méthode « cinq regards et trois décrets » (五看三定). Je plaisante avec mes amis : si on applique cette méthode à notre start-up, on peut battre 99 % des concurrents. « Cinq regards » : regarder la tendance du secteur, le marché, la concurrence, nos capacités, et les opportunités stratégiques ; « trois décrets » : fixer les points de contrôle, les objectifs, et la stratégie. Cette méthode permet de filtrer la majorité des concurrents, car la plupart jouent aux échecs en réagissant impulsivement, alors que les experts pensent en profondeur, en déduisent et agissent avec stratégie. La première réaction d’un stratège, c’est de penser comme un commandant : comment faire ?

Zhang Peng : La logique des « cinq regards et trois décrets » revient à ne pas réagir impulsivement, mais à solidifier un processus de raisonnement long.

Liu Ye : Les experts font de la recherche approfondie et de la réflexion, en analysant les meilleures pratiques mondiales, en synthétisant, en réfléchissant en profondeur, pour sortir une réponse efficace, comme une attaque en un seul coup.

Je pense que la compétition future se résumera à une seule chose : modéliser le business traditionnel, le transformer en un système capable de déployer des agents intelligents. C’est la nouvelle capacité d’organisation (OD), qui évoluera vers AIOD, la seule véritable compétence concurrentielle à l’avenir.

Ce qui distingue Alibaba, c’est la construction d’organisation. Une organisation bien construite peut faire face à n’importe quel adversaire ou activité, et rester compétitive. Ma Yun disait que la guerre n’est pas forcément pour conquérir un secteur, mais pour faire grandir l’organisation. Alibaba juge si une bataille vaut la peine d’être menée en fonction de la croissance organisationnelle, c’est une pensée très avancée. Ma Yun lui-même est comme un super nœud d’informations, voyageant 200 fois par an pour collecter des données, qu’il utilise pour améliorer l’organisation. Il est le vrai président, pas seulement le CEO.

C’est la forme d’organisation la plus avancée que nous ayons vue : capable de traverser plusieurs générations, de couvrir différents secteurs, de réussir continuellement, puis de se réajuster après une crise. En général, si une entreprise nomme un mauvais CEO pendant dix ans, elle tend à décliner. Donc, en tirant des leçons de l’histoire, en adoptant une perspective à haute dimension pour voir le développement actuel, même en ajustant ou en optimisant le modèle existant, c’est beaucoup plus efficace que de repartir de zéro.

Aujourd’hui, tout le monde peut facilement créer un agent, avec un seuil d’entrée très faible, et grâce à l’open source, le secteur ne cache plus beaucoup de secrets. La compétition sur l’outil ne peut jamais rivaliser avec la communauté open source. Alors, quelle est la véritable force que la communauté open source ne peut pas copier ?

04 La physique des organisations IA : pourquoi « exposition progressive » est-elle clé ?

Zhang Peng : Dans l’« ancien temps », on parlait d’organisation en insistant sur la culture, les valeurs, les KPI, etc. Quand on passe à l’ère des organisations d’agents IA, quels éléments peuvent être complètement abandonnés, et lesquels doivent être conservés ou transformés ?

Liu Ye : Anthropic a lancé la notion de « skills » principalement pour l’idée d’« exposition progressive » en codage IA — si l’IA reçoit une masse d’informations désordonnées, cela provoque une corrosion du contexte, une distraction, un chaos. L’exposition progressive permet à l’IA de garder une bonne attention et de produire des résultats de qualité. Si on s’appuie sur des dialogues entièrement humains pour réaliser cette exposition progressive, c’est inefficace. La valeur centrale des skills, c’est de décomposer des tâches complexes en couches, pour réaliser une exposition progressive à l’IA.

C’est cohérent avec la logique de gestion d’une entreprise : le conseil d’administration se concentre sur la stratégie, le CEO sur la tactique, la gestion des cadres supérieurs, et les employés sur les tâches simples. Si 300 personnes participent à une même réunion, elle ne peut pas avoir lieu. La raison d’être d’une organisation, c’est de hiérarchiser l’information, comme la normalisation en base de données qui optimise l’efficacité par la compression et la stratification. Les problèmes complexes doivent être décomposés en couches, avec une exposition progressive, plutôt que d’entrer tout d’un coup une masse d’informations. C’est la logique centrale des structures organisationnelles traditionnelles, car la puissance de calcul à un moment donné est limitée.

Zhang Peng : Chaque modèle doit consommer énormément de puissance pour repartir de zéro, ce qui est inefficace.

Liu Ye : Impossible à faire à grande échelle. La clé, c’est la hiérarchisation et l’exposition progressive, en utilisant les ressources nécessaires, selon la capacité du modèle IA. De plus, une autre raison pour laquelle Anthropic a lancé « skills », c’est que les tâches complexes ont dépassé les lois fondamentales de la physique. Les skills permettent de décomposer ces tâches en sous-tâches simples à faible dimension. La différence n’est pas dans la difficulté, mais dans le degré de complexité — il y a des tâches à faible dimension et haute difficulté, ou à haute dimension et faible difficulté, comme coder ou résoudre des problèmes mathématiques, qui relèvent de tâches à faible dimension mais à haute difficulté.

Horizon Horizon, Yu Kai Ping a proposé un modèle classique : toutes les professions peuvent être classées en quatre quadrants selon leur « degré de compétition » et leur « dimension » — haute ou basse. Par exemple, la vente et l’ingénierie sont en faible dimension, forte compétition ; les chefs de produit et CEO en haute dimension, forte compétition ; les scientifiques en haute dimension, faible compétition — ces sujets sont peut-être étudiés par une seule personne dans le monde, avec une faible concurrence mais une dimension très élevée. Des tâches comme la création de courts-métrages ou de romans de qualité, à haute dimension et haute compétition, sont encore hors de portée de l’IA. En revanche, l’optimisation de code, tâche à faible dimension et forte compétition, est déjà bien maîtrisée par l’IA. Plus la dimension est élevée, moins il y a de données disponibles, mais plus la quantité de données nécessaire pour entraîner le modèle est grande — c’est la raison pour laquelle les modèles textuels sont apparus en premier, puis ceux d’images et vidéos, et pourquoi les modèles de courts-métrages sont difficiles à déployer. La contradiction entre la demande en données pour des tâches à haute dimension et la disponibilité de ces données ne peut être résolue qu’en décomposant la tâche via skills, comme lorsqu’on divise un poste de haut niveau en plusieurs postes fondamentaux. Seul un poste de haut niveau comme le CEO ne peut être remplacé.

Zhang Peng : Les tâches à faible dimension et forte compétition seront inévitablement remplacées par l’IA.

Liu Ye : Absolument, elles le sont déjà, et cela se produit.

Zhang Peng : En effet, toutes ces tâches à faible dimension et forte compétition doivent être rapidement résolues par l’IA, décomposées en skills, puis déployées via une organisation d’agents, sans nécessairement impliquer l’humain.

Liu Ye : J’ai une hypothèse : IBM et Accenture, en tant que deux plus grandes sociétés de conseil mondiales, leur cœur de métier consiste à extraire les meilleures pratiques industrielles, à les aligner avec la digitalisation, et à vendre des processus plutôt que des outils. Lorsqu’une entreprise achète un processus de gestion des risques ou de propriété intellectuelle, elle fait appel à un cabinet de conseil pour le déployer. Notre travail actuel consiste à construire des clusters de skills, en identifiant les meilleurs experts dans chaque domaine, en extrayant leurs capacités, en les alignant, pour former des sets de skills standardisés. C’est similaire au modèle de 作业盒子 : en partenariat avec Beijing No. 4 High School, le lycée Renmin, le groupe de préparation aux examens, et des enseignants de TAL, on extrait des méthodes pour la création, l’enseignement, la correction, puis on construit un système avec des ingénieurs de Baidu. L’essence, c’est d’aligner les meilleures pratiques. La capacité organisationnelle clé, c’est de constituer des équipes intersectorielles de haute qualité, qui comprennent à la fois l’industrie, l’ingénierie, et peuvent coordonner des experts de haut niveau, tout en maîtrisant la gestion commerciale et des talents. C’est la nouvelle architecture d’une entreprise SaaS IA.

Zhang Peng : En extrapolant, à l’avenir, il faut remonter du business à la forme organisationnelle. L’organisation, c’est une structure d’orchestration, comme un système d’exploitation métier — en plaçant l’humain comme unité de productivité dans une organisation adaptée, on maximise la valeur. Sinon, cela ne fonctionne pas efficacement. Aujourd’hui, la productivité a changé : on passe d’une dépendance à l’humain à une capacité infinie d’IA, qui peut s’auto-augmenter. La culture d’organisation d’hier pourrait devenir des objectifs et des contextes, sans plus besoin de slogans, réunions à trois coups, icebreakers, etc.

Liu Ye : La culture, c’est la volonté de gestion, pas la stratégie métier. Dans l’ancien temps, la stratégie commençait par la vision, qui déterminait la valeur, l’organisation obéissait à la stratégie, et le business validait tout. La culture n’était qu’un outil de gouvernance, pas directement liée à la stratégie, et pouvait même être une préférence personnelle du fondateur.

Zhang Peng : Autrefois, il y avait beaucoup d’écarts entre la personne qui servait la stratégie et la réalité. L’IA élimine-t-elle ces écarts ?

Liu Ye : Oui, la culture n’est plus aussi importante à l’ère de l’IA. La culture, c’est la croyance dans l’organisation humaine, mais l’IA n’en a pas besoin. L’IA n’a pas de corps, pas de culture à suivre. Son besoin principal, c’est la puissance de calcul.

Zhang Peng : Vous voulez dire que l’IA a besoin d’objectifs et de principes. Un simple document peut suffire à définir ces éléments, et tous les unités de production peuvent immédiatement s’aligner et exécuter fidèlement, sans déviation. La friction dans l’organisation humaine disparaît.

Liu Ye : Exactement. L’organisation d’avant : stratégie → culture → talents → exécution. La nouvelle organisation IA : objectifs → principes → skills → orchestration. La chaîne de gestion est réduite de moitié.

05 La dernière barrière : l’esthétique et l’orchestration

Zhang Peng : Quelle est la nouvelle barrière des entreprises ? La qualité des talents est remplacée par Skill Set, et si j’ai de l’esthétique, je peux accéder aux meilleurs skills mondiaux. La prochaine étape, c’est « l’orchestration » (Orchestration), n’est-ce pas ? Que va-t-il se passer ?

Liu Ye : Comme à Huaqiangbei, où l’on peut acheter tous les composants électroniques, mais pourquoi tout le monde ne peut pas fabriquer un iPhone ? La définition de l’esthétique par Steve Jobs était très claire : voir suffisamment de bonnes choses dans le monde, savoir distinguer le bon du mauvais, c’est l’esthétique. Si on n’a jamais vu de bons produits, de bons processus, de bonnes organisations, on ne peut pas produire de résultats de qualité.

Zhang Peng : La vision est la condition préalable à l’esthétique.

Liu Ye : La vision + le talent, c’est tout.

Zhang Peng : L’esthétique se manifeste de deux manières : une, la conception et l’orchestration actives ; deux, la reconnaissance et la sélection des bonnes choses émergentes dans le chaos. Ces deux approches ne sont pas incompatibles.

Liu Ye : Tout à fait. Une partie des résultats d’Apple provient de R&D autonome, une autre de rachats de tiers, mais l’essentiel, c’est d’avoir de l’esthétique — ne pas réinventer la roue, et si nécessaire, faire du R&D en interne.

Zhang Peng : La question centrale, c’est : faut-il que l’agent fonctionne dans un module de paramétrage pour confirmer le chemin, ou qu’on définisse tous les chemins à l’avance pour une orchestration de conception ?

Liu Ye : L’émergence est non contrôlable, il faut d’abord définir des règles et principes initiaux, qui reflètent l’esthétique d’une personne. Comme un bon ingénieur qui peut faire une bonne application OpenClaw en 500 lignes, alors qu’un mauvais en écrit 50 000. La règle fondamentale doit être humaine.

Zhang Peng : Donc, on ne peut pas attendre l’émergence dans le chaos, cela prendrait trop de temps. L’orchestration reste essentielle. Finalement, cette orchestration ne doit-elle pas venir du fondateur, ou plutôt d’un « producteur » ?

Liu Ye : Je pense que le terme de « producteur » est très approprié. En effet, même avec émergence et effets d’échelle, il faut continuer à faire de la data annotation, du nettoyage, et à aligner en permanence les algorithmes pour éviter le désordre.

L’orchestrateur dépend de la complexité du business : pour des activités très complexes, comme tourner un court-métrage ou rédiger des prompts, c’est impossible pour une seule personne. Le concept de « solo » est souvent abusé, le monde ne peut pas être infiniment simplifié. Même si un ordinateur peut être piloté par une seule personne, il est difficile pour une seule personne de maîtriser toutes les capacités à haute dimension, comme Elon Musk ou Fei-Fei Li, qui peuvent exceller dans plusieurs domaines et prendre en charge n’importe quel poste, sont des talents extrêmement rares.

Zhang Peng : Si on peut appeler les meilleurs agents et systèmes de skills mondiaux, comme un scénariste de renom, pourrait-on, en s’appuyant sur ces ressources, réaliser un film mondialement connu et rentable ? Bien que le scénariste ait une compétence clé (le bon scénario), il ne peut pas gérer toutes les étapes. La boucle « core strength + ressources mondiales » est-elle réalisable ?

Liu Ye : C’est essentiellement une question de données — existe-t-il des données stockant des informations de très haute dimension ? Par exemple, pour entraîner un CEO, on manque de données : les longs textes de Ren Zhengfei, les discours de Ma Yun, ne peuvent pas complètement représenter leur cognition à haute dimension ; même en collectant tous les rapports financiers mondiaux et toutes leurs déclarations, on ne pourra pas entraîner un modèle capable de jouer le rôle de CEO, car la capacité centrale du CEO est du savoir tacite, non entièrement exposé par le texte.

Zhang Peng : Autrement dit, la capacité centrale du CEO ne peut pas encore être vectorisée. Cela limite la vision d’une « entreprise unipersonnelle » — même si chacun peut exploiter une dimension unique, en combinant les ressources mondiales, il manque encore un « orchestrateur » clé. En somme, même avec les meilleurs composants, il faut une capacité d’orchestration puissante.

Liu Ye : Le chef de produit en est aussi là. Son savoir tacite ne peut pas être entièrement formalisé. C’est aussi la raison pour laquelle les compagnons IA ou la génération de contenu IA manquent encore de « vivacité » — ils manquent de données de haute dimension tacite. Quand la quantité de données est faible, on se concentre sur les skills ; quand elle est grande, on construit des modèles. La robotique ne peut pas encore s’implanter, car il manque des données suffisantes.

Zhang Peng : En déduire que, dans le futur, la compétition d’une entreprise ne dépendra plus uniquement de l’accès aux meilleurs modèles — les ressources IA initiales semblent équivalentes, la puissance de calcul dépend aussi des finances et de la boucle métier, mais la différence ultime réside dans la capacité d’« orchestrer » — c’est-à-dire dans l’innovation et la signification des objectifs, qui constituent la véritable force concurrentielle.

Liu Ye : Un ancien associé de McKinsey m’a dit que leur cœur de métier, c’est d’extraire les meilleures pratiques, de construire des modèles, puis d’aider les entreprises à les déployer. Par exemple, pour le secteur automobile chinois, ils consultent des collègues japonais pour connaître la méthode Toyota, ce qui revient à copier et appliquer les meilleures pratiques.

L’exemple de Mimi Meng, qui a créé des courts-métrages, est très instructif. Elle est diplômée en littérature chinoise, mais son équipe est composée de diplômés en mathématiques et en informatique de Tsinghua et Peking, qui décomposent la logique des vidéos virales, pour atteindre un taux de succès très élevé. En gros, c’est modéliser l’ingénierie sociale du secteur — même si cela peut conduire à du surapprentissage, la démarche est correcte.

IBM, Accenture, McKinsey font ce genre de choses : la première génération de McKinsey a modélisé les meilleures pratiques dans ses partenaires, IBM les a transformées en processus numériques, c’est essentiellement « vendre la gestion et le processus ».

Zhang Peng : La clé, c’est d’extraire les meilleures pratiques, puis de les valider et de les déployer. C’est la clé du succès des organisations commerciales futures. La suite, c’est de continuer dans cette voie ?

Liu Ye : Ces trois dernières années, nous avons principalement travaillé sur le business AI ToC, en reconstruisant tout le système de recherche et de formation avec MetaOrg. Ce n’est pas une simple histoire d’« efficacité par IA ». Nous avons construit un système complet d’organisations de recherche et de formation agentiques, avec des équipes virtuelles : une équipe de recherche en langues, qui suit les dernières théories de l’acquisition d’une langue seconde ; une équipe de collecte de corpus, qui extrait des expressions authentiques dans des contextes réels ; une équipe d’évaluation de dialogue, qui établit des standards multidimensionnels pour la compétence orale ; une équipe de conception de dialogue, qui transforme les méthodes pédagogiques en interactions homme-machine naturelles ; une équipe de conception de questions, qui adapte les exercices ; une équipe d’analyse de données, qui exploite les signaux réels d’apprentissage à partir du comportement utilisateur. Chaque équipe a ses skills, ses workflows, ses standards d’évaluation. Aujourd’hui, environ 80 % du travail de création de contenu, de surveillance, d’analyse utilisateur, d’itération produit est réalisé par l’IA.

Notre trajectoire de développement consiste à faire évoluer l’IA d’un simple outil à une capacité organisationnelle. Le poste d’enseignant d’anglais, de complexité moyenne, a été abstrait et généré par MetaOrg, et avec la nouvelle architecture de skills, on peut construire des postes plus avancés.

Nous avons déjà complété la mise en place du processus complet d’un tuteur IA, y compris l’orchestration et l’ingénierie. La prochaine étape sera probablement la transition de MetaOrg vers MetaOrganisation — son unité minimale sera le poste, pas l’employé, avec une gestion et une collaboration centrées sur les postes. Notre priorité actuelle, c’est de connecter les meilleurs CEO de chaque secteur, car ce sont eux les véritables « producteurs ».

Zhang Peng : Donc, vous proposez quelque chose qui ressemble à un département évolutif ?

Liu Ye : L’objectif est d’aller vers une « entreprise ». Les grandes entreprises sont en fait composées de plusieurs petites entreprises, et le plus petit élément, c’est le poste. Il faut à la fois penser à la stratégie globale du secteur et faire progresser le produit à partir des postes — si les postes ne sont pas bien conçus, même un bon gestionnaire ne pourra pas faire une organisation efficace.

Zhang Peng : Pour faire un bon département, il faut d’abord décomposer les capacités et les postes, puis décomposer les skills correspondants, et viser leur niveau SOTA.

Liu Ye : La seule méthode, c’est la co-création avec les entreprises de pointe. Les skills que l’on construit doivent être évalués par ces entreprises, comme un supérieur qui valide un plan. Par exemple, pour modéliser un court-métrage, il faut obtenir la reconnaissance des institutions leaders du secteur, sinon ce n’est pas du vrai haut niveau. Tout doit être évalué et mesuré.

Midjourney peut produire de belles images parce que l’équipe comprend des photographes et des ingénieurs, avec une esthétique de haut niveau. LV, qui entraîne ses modèles avec Stable Diffusion, dépasse largement les modèles standards, car LV possède la meilleure esthétique et les meilleures données mondiales. La capacité d’évaluation est donc essentielle. Pour faire une IA, il faut comme IBM ou Huawei : après avoir servi les meilleurs constructeurs automobiles, maîtriser les meilleures pratiques, et les diffuser ; Huawei a dépensé 4 milliards pour acheter le processus IPD, pour sa gestion interne et pour l’exporter, c’est la véritable force concurrentielle.

Zhang Peng : En gros, il s’agit de décomposer les skills selon les meilleures pratiques, d’atteindre le SOTA, puis de faire évoluer ces skills vers le SOTA des postes et des départements, et enfin orchestrer tout cela pour atteindre le sommet du business. La question clé, c’est : comment faire pour que les skills restent à la pointe avec le temps ? Comme dans la biosphère, chaque époque a ses SOTA, qui peuvent devenir obsolètes dans la suivante. Comment faire face à cette évolution ?

Liu Ye : La logique est la même que l’évolution humaine ou biologique : perception, planification, action, réflexion. Il faut maintenir une haute densité de talents et une capacité intersectorielle, en étant à la fois à la pointe de la recherche technologique et en étudiant les modèles d’affaires, tout en co-créant avec des clients de premier plan, pour évaluer et optimiser en continu dans des scénarios réels. C’est la seule méthode.

Zhang Peng : En remontant cette logique, le système de meilleures pratiques des grandes entreprises peut aider les entreprises moyennes à faire un saut qualitatif, mais ce système est probablement réservé aux entreprises riches et bien dotées. Les PME et jeunes entrepreneurs ont-ils une chance dans le domaine des skills ? Comment faire pour innover radicalement dans ce domaine, éviter la « boucle aristocratique » ?

Liu Ye : Dans la première génération de SaaS, des entreprises comme Salesforce, Palantir, Notion, Slack ont prouvé qu’il était possible d’avoir des outils génériques ou des services intégrés, et que les jeunes entrepreneurs pouvaient encore saisir cette opportunité — en évitant de se lancer dans des activités où ils n’ont pas d’avantage, en se concentrant sur des compétences générales, et en trouvant leur niche. Notion, par exemple, est une plateforme abstraite de prise de notes, sans se lier à un processus métier précis, ce qui en fait un outil universel. Le monde finira par fonctionner par division du travail entre de nombreux agents intelligents. Les jeunes doivent d’abord trouver leur niche, puis exploiter leurs avantages, suivre les tendances, pour ne pas devenir obsolètes. Au cours des dix dernières années, la première génération d’entrepreneurs Internet était souvent composée de « returnees » (revenus de l’étranger, avec un avantage cognitif), la seconde de programmeurs (avec la puissance des outils), la troisième de second cycle d’entrepreneurs dans l’Internet industriel, avec une logique claire. Les jeunes doivent voir la situation globale et leurs propres avantages.

Zhang Peng : Donc, tu penses que l’innovation partielle dans les skills a ses limites, et que la plus grande opportunité pour la nouvelle génération réside dans l’innovation d’objectifs — repérer de nouveaux objectifs émergents, combiner avec des skills de haute qualité, et faire évoluer en continu, pour construire de nouveaux systèmes et réaliser des breakthroughs.

Liu Ye : La compétition dans les skills est très subtile. Même si un skill est à la mode, si quelqu’un parvient à aligner des experts humains encore plus pointus pour créer un skill supérieur, le skill existant sera remplacé. Cela revient à la question de la barrière concurrentielle : celui qui commence tôt ne sera pas forcément le dernier, il pourrait devenir la « matière première » d’adversaires de dimension supérieure.

Zhang Peng : J’ai peur que cela ne devienne qu’un « chargement » (loading program), qui ne fait que préparer le terrain pour des adversaires plus avancés. Si on se contente d’optimiser l’efficacité sur des objectifs existants, cela n’a pas de sens, et l’avantage en efficacité sera finalement nivelé. Pour faire la différence, la nouvelle génération doit faire une rupture dans ses objectifs.

Liu Ye :