L'IA qui disparaît.

Le bruit

L'intelligence artificielle traverse en ce moment sa phase la plus bruyante. Chaque semaine apparaît un nouveau modèle, une démo virale, un fil expliquant comment écrire le prompt parfait. Toute l'industrie s'emploie à apprendre aux utilisateurs à parler à la machine.

Il y a quelque chose de profondément étrange là-dedans.

Quand l'électricité est arrivée, personne n'a eu à apprendre à s'en servir. Vous actionniez un interrupteur et la lumière s'allumait. Vous n'aviez pas besoin de comprendre comment elle était produite, quelle tension, ni comment elle circulait dans les fils. L'électricité a gagné parce qu'elle a disparu. Elle est devenue une infrastructure, pas un produit.

La même chose s'est produite avec internet. Autrefois, c'était compliqué : il fallait comprendre les adresses IP, configurer des modems, taper des URL complètes. Aujourd'hui, vous ouvrez une app et ça fonctionne. La connexion existe, mais vous ne la remarquez pas. Cette invisibilité est la victoire, pas le problème.

L'IA en est aujourd'hui à sa phase des interrupteurs apparents. Elle vous demande d'apprendre à lui parler, de comprendre quel modèle utiliser, de mettre vos pensées en forme de prompts. C'est de l'ingénierie à l'envers : au lieu de s'adapter à l'utilisateur, elle exige que l'utilisateur s'adapte à elle. Et l'industrie célèbre cela comme un progrès.

Notre thèse

Olevior croit le contraire.

La meilleure IA est celle qu'on ne remarque pas. Non pas celle qui vous impressionne par une conversation, mais celle qui referme une boucle que vous ne saviez pas ouverte. Non pas celle qui vous fait découvrir une interface nouvelle, mais celle qui améliore celle que vous utilisez déjà. Non pas celle qui vous demande d'apprendre, mais celle qui fonctionne sous les outils existants et réduit la friction dans ce que vous faisiez déjà.

Ce n'est pas un argument contre l'IA sophistiquée. Grands modèles, agents complexes, systèmes multimodaux : tout cela est nécessaire et continuera de progresser. L'argument porte sur l'emballage. Sur la manière dont cela parvient à l'utilisateur final. Sur ce que nous demandons en échange de l'amélioration.

VOZ, notre premier produit, est un petit exemple de cette thèse. C'est une app de rappels où vous n'écrivez pas la phrase. Vous décrivez l'intention (ce que vous voulez faire, à propos de quoi, pour qui) et le système génère la phrase parlée qui vous parviendra comme notification.1 L'utilisateur n'apprend pas à utiliser l'IA. Il apprend à utiliser une app de rappels. L'IA est à l'intérieur, mais elle fonctionne de façon invisible.

Trois règles découlent de cette thèse et structurent notre façon de travailler.

Trois règles

La première : l'IA n'est jamais la fonctionnalité. La fonctionnalité, c'est toujours ce que le produit apporte à l'utilisateur. De meilleurs rappels, et non des "rappels avec IA". Cette différence paraît subtile, mais elle définit tous les textes, tout le design, toute l'expérience. Quand vous dites "avec IA", vous demandez à l'utilisateur de valoriser la technologie. Quand vous dites "meilleurs", vous lui demandez de valoriser le résultat. Seul le second compte.

La deuxième : le local passe avant le cloud. La plupart des choses utiles que l'IA peut faire ne nécessitent pas un modèle géant dans un centre de données. Elles demandent des règles claires, les données locales de l'utilisateur et un traitement sur l'appareil. Cela donne une confidentialité par défaut, une latence minimale et une fiabilité hors ligne. Le cloud n'entre en jeu que lorsqu'il faut une capacité que l'appareil n'a pas, et non par défaut. Dans VOZ, le mode gratuit fonctionne à 100 % en local.2 Le cloud n'apparaît que lorsque l'utilisateur veut des variantes générées par un grand modèle, et il reste confiné à cet usage.

La troisième : l'honnêteté sur ce que l'IA peut et ne peut pas faire. L'industrie regorge de produits qui promettent la magie et livrent invariablement une déception. Olevior dira ce que fait chaque produit, ce qu'il ne fait pas, combien il coûte et quand il échoue. Sans exagération, sans "révolutionnaire", sans promesses impossibles à tenir. L'utilisateur mérite de savoir ce qu'il achète.

Le pari

Cette démarche a une conséquence inconfortable : les produits d'Olevior paraîtront moins impressionnants que ceux de la concurrence. Nous n'aurons pas de démo virale. Nous n'aurons pas de chatbot à la conversation surprenante. Nous aurons des apps qui tiennent ce qu'elles promettent et qui se ressentent à l'usage quotidien, pas lors de la première présentation.

Nous misons sur le fait que c'est la bonne direction. Que l'IA spectacle n'est qu'une phase transitoire, et que ce qui survivra, c'est l'IA infrastructure. Que dans cinq ans, les produits qui gagneront ne seront pas ceux qui apprennent le mieux à utiliser l'IA, mais ceux qui la dissimulent le mieux.

Olevior est une jeune entreprise et un produit en développement. Nous n'avons ni métriques à montrer, ni cas d'usage à grande échelle, ni grandes promesses. Nous avons une thèse, un premier produit en construction et la conviction qu'il vaut la peine de bâtir cela de cette façon.3

Ce texte est la dernière fois que vous lirez "Olevior" dans nos textes, jusqu'à ce que nous ayons quelque chose de nouveau à montrer. D'ici là, ce sont les produits qui parlent pour l'entreprise.