Recherche
Nous cherchons ce que l’IA d’entreprise deviendra ensuite — au grand jour, en langage clair, et avec assez d’honnêteté pour dire ce que nous ne savons pas encore.
Programme phare
La récupération répond aux questions. L’apprentissage accumule la capacité.
L’IA d’entreprise d’aujourd’hui se contente surtout de retrouver : vous demandez, elle cherche, elle répond, elle oublie. La LAG est notre pari sur la suite — des systèmes où chaque interaction laisse une trace. Une correction devient une règle. Un résultat devient une préférence. Une erreur devient une limite.
L’organisation ne se contente pas d’utiliser l’intelligence — elle l’accumule. Nous intégrons la LAG à la couche d’apprentissage de notre plateforme et publions nos découvertes au fil de l’eau, y compris ce qui ne fonctionne pas.
L'intérêt composé s'applique : chaque mois où la boucle tourne est un apprentissage que vos concurrents n'ont pas.
Résumé et premier article — publication en 2026
Le manifeste
« La première génération a numérisé l’entreprise. La deuxième a automatisé le travail. La prochaine apprendra en continu. »
La version longue — pourquoi nous pensons que l’entreprise apprenante est inévitable, ce qu’elle exige, et ce que nous faisons pour y contribuer — s’écrit en ce moment, avec le soin que nous mettrions dans la marque d’un client.
Publication imminente — abonnez-vous ci-dessous pour la lire en premier
Les fils que nous tirons
Que signifie, pour une entreprise — et non pour un modèle — être intelligente ? Où vit cette intelligence, et qui en prend soin ?
Comment le retour d’expérience devient amélioration dans des systèmes en production : quoi garder, quoi oublier, et comment faire la différence.
Les formes qui tiennent sous une vraie charge d’entreprise — connaissance, mémoire, agents, et les coutures entre eux.
Des motifs que nous avons construits plus d’une fois, consignés pour que la prochaine équipe — la nôtre ou la vôtre — ne parte pas de zéro.
Les découvertes sans paillettes de l’atelier : évaluations, garde-fous, modes de défaillance, et ce qui a réellement cassé.
Essais
A response · July 2026
Chamath Palihapitiya says the price of intelligence is collapsing. Our response: what lands at the bottom of the curve is brilliant, amnesiac — and the moat moves to memory.
Lire l'essai →Research · July 2026
The program behind our wager: systems where every action becomes memory, every outcome becomes learning, and March is measurably better than January.
Lire l'essai →Argument · July 2026
Low-code agent builders optimise for the median demo. Your edge lives in the twenty percent they abstract away — which is why the agentic layer has to be built and owned, not configured.
Lire l'essai →Position · July 2026
The cost of building software has collapsed — so the old bargain of generic tools plus an army of managed services is over. Build the thing that fits, own it, and let it stay with you.
Lire l'essai →Thesis · July 2026
Open models have closed the agentic gap. The enterprise that fine-tunes its own weights turns institutional memory into an asset nobody can rent back to it.
Lire l'essai →Stress test · July 2026
Maybe AI is a bubble. Maybe the labs go bust. The enterprise that built — rather than rented — keeps everything: the code keeps running, the weights don't expire, and the bill goes down.
Lire l'essai →Inside view · July 2026
AI broke the maths of the billable hour. What replaces T&M — outcomes, subscriptions, virtual FTEs — why the giants are already pivoting, and the bet we placed ourselves.
Lire l'essai →Les essais sont publiés en anglais.
Un e-mail à chaque publication. Pas de newsletter, pas de séquences de nurturing — nous sommes trop occupés à construire.