Premier CMO de Consensys : L'évolution de la forme des entreprises à l'ère de l'IA

Auteur : Lex Sokolin

Traducteur : Jiahui, ChainCatcher

Cet article explore comment l’IA est en train de remodeler la structure organisationnelle elle-même. Les entreprises passent d’équipes “double pizza” à la Amazon (une équipe d’environ 6 à 10 personnes, conservant une organisation agile) à des petits groupes “natif IA” de 3 à 5 personnes, avec une productivité nettement accrue.

Nous comparons deux trajectoires :

La stratégie de remplacement par l’IA de Klarna s’est soldée par un échec. Le nombre d’employés est passé de 5 500 à 3 400, la qualité du service ayant finalement forcé une nouvelle embauche.

Coinbase et Ramp ont choisi de restructurer leurs activités autour de l’amélioration et de l’orchestration par l’IA. Coinbase a réduit 700 postes, tout en se tournant vers des équipes produits monomaniaques et la génération de code par IA.

Ramp a quant à elle créé un cadre interne de maîtrise de l’IA (harness), utilisé quotidiennement par 99,5 % des employés, couvrant plus de 350 compétences métier.

De plus, nous analysons pourquoi des entreprises comme Box et Plaid sont revalorisées par le marché en tant qu’infrastructures IA, leur atout principal étant leur contrôle sur des données d’entreprise autorisées, essentielles au fonctionnement des intelligences artificielles.

La troisième évolution de la forme organisationnelle

Il y a quelques mois, nous avions discuté des “Zero Human Companies” et de la courbe d’autonomisation économique par l’IA :

Bien que des forces œuvrent à la création d’organisations totalement dépourvues d’intervention humaine, les acteurs économiques actuels restent encore sous notre contrôle.

Le défi le plus pressant aujourd’hui est de transformer les entreprises traditionnelles en structures prioritant l’IA.

C’est une opportunité immense, si bien qu’Anthropic collabore avec tout le secteur du capital-investissement pour faire avancer cette vision.

Au-delà des chiffres impressionnants, nous percevons un autre point d’impact de l’IA : la façon dont nous construisons et organisons les entreprises.

La structure organisationnelle elle-même est une technologie.

Le développement en cascade (Waterfall) a engendré la domination des géants du logiciel hiérarchisés lors des premiers temps de la technologie.

Puis, l’industrie s’est tournée vers des équipes lean utilisant la méthodologie agile, qui a elle-même évolué vers le modèle “double pizza” initié par Amazon. C’est cette structure opérationnelle qui a façonné toutes les fintechs modernes aujourd’hui.

Mais la tendance change à nouveau.

Martin Harrysson et Natasha Maniar de McKinsey ont prévu à la fin 2025 :

“Les rôles natifs IA signifient fondamentalement que nous passons d’une ‘structure double pizza’ à des ‘petites équipes pizza’ de 3 à 5 personnes.”

La réduction du personnel de moitié, tout en maintenant la productivité.

Le 5 mai 2026, Brian Armstrong a renforcé cette idée en réduisant 700 postes.

Que fait Coinbase ?

Coinbase a réduit 4 951 employés de 14 %.

Cela s’inscrit en partie dans le cycle normal d’un marché où l’activité est fortement liée au volume de transactions — son premier trimestre a généré 1,7 milliard de dollars de revenus (en baisse de 26 % en glissement annuel), avec un bénéfice par action (EPS) en chute de 86 %.

Mais ce qui est crucial, c’est la façon dont la direction planifie l’intégration de l’IA dans la fintech et la cryptofinance, ainsi que leurs attentes pour la productivité par employé à l’avenir.

Les ingénieurs de Coinbase peuvent désormais déployer en quelques jours des produits qui prenaient auparavant plusieurs semaines, et cette efficacité s’accélère.

Armstrong restructure les lignes d’activité pour limiter à cinq le nombre de niveaux hiérarchiques sous la direction du CEO et du COO.

Les “gestionnaires” traditionnels disparaissent — chaque leader doit aussi être contributeur individuel, maîtriser les outils modernes, capable de diriger ou de participer activement en tant que “joueur-entraîneur”.

Les “petites équipes natifs IA” transforment complètement la structure classique. Coinbase expérimente même en interne la fusion des fonctions ingénierie, design et produit en une seule équipe monomaniaque.

En tant que géant coté en bourse avec 7 milliards de dollars de revenus, Coinbase fonctionne désormais avec des équipes produits monomaniaques.

En septembre 2025, Armstrong déclarait que 40 % du code de Coinbase était généré par IA chaque jour, et il prévoyait d’atteindre 50 % en octobre.

Dans le podcast Cheeky Pint de John Collison, cofondateur de Stripe, il a admis avoir licencié des ingénieurs qui refusaient d’utiliser Cursor et GitHub Copilot dans la semaine suivant leur déploiement :

“Certaines personnes ne veulent tout simplement pas utiliser, donc elles ont été licenciées.”

V1 : remplacement direct, mais échec

Cependant, Coinbase n’est pas la première fintech à licencier en invoquant l’IA.

Souvenez-vous de Klarna en 2024, avec son expérimentation “d’abaissement des coûts par IA” qui semblait annoncer une explosion de productivité.

Mais nous avions alors considéré cela comme une contraction du cycle de crédit, et non une véritable innovation.

Le PDG Sebastian Siemiatkowski annonçait fièrement que l’assistant IA, alimenté par OpenAI, avait traité 2,3 millions de conversations en un mois, représentant deux tiers des chats clients, équivalent au travail de 700 agents à temps plein.

• Effectif réduit de 5 500 à 3 400
• Augmentation prévue du bénéfice : 40 millions de dollars
• Temps de résolution des problèmes clients réduit de 11 à 2 minutes

Mais tout s’est rapidement effondré face à la réalité.

La satisfaction client pour les demandes complexes a chuté, le taux de contacts répétés a explosé.

En mai 2025, Siemiatkowski a reconnu à Bloomberg que l’entreprise avait “fait un pas trop grand”. Klarna a dû recommencer à embaucher de façon flexible, en recrutant étudiants, parents à plein temps et travailleurs à distance.

La Commonwealth Bank d’Australie a rapidement arrêté 45 projets de robots vocaux. Taco Bell a retiré ses IA vocales de 500 restaurants mobiles.

Gartner prévoit qu’en 2027, la moitié des entreprises ayant planifié une “remplacement complet” abandonneront cette stratégie.

L’IPO de Klarna a tout de même bondi de 30 % le jour de l’introduction, atteignant une valorisation de 20 milliards de dollars, ce qui montre que le marché reste tolérant si l’entreprise ajuste rapidement sa trajectoire.

Mais cette logique simpliste de “remplacement” — supprimer un poste humain pour le remplacer par un grand modèle de langage — peut fonctionner en termes de volume, mais échoue en termes de qualité.

Le coût de la réembauche dépasse largement l’économie initiale. La première tentative de digitalisation par l’IA dans la fintech a donc donné des résultats mitigés.

Mais ce n’est pas la dernière.

V2 : capacités renforcées, avec Harness comme barrière

Ramp a officiellement lancé “Glass” début avril 2026.

Seb Goddijn, expert interne en IA ayant co-créé cet outil avec cinq collègues, a publié un long article. Le jour même, le CEO Eric Glyman a partagé l’article sur Twitter. En quelques heures, il est devenu en tête de la page Hacker News.

Pour expliquer l’échec de la V1, Goddijn a souligné :

“Le principal obstacle à la diffusion de l’IA n’est pas le modèle lui-même, mais la complexité extrême de la configuration de l’environnement d’exécution de l’IA.”

Glass a été conçu pour briser cet obstacle :

Premièrement, l’automatisation de la configuration d’accès — il suffit de se connecter via Okta SSO, et tous les outils internes autorisés (Salesforce, Gong, Notion, Linear, Snowflake, Slack, Zendesk, ainsi que les outils internes de Ramp) sont intégrés en profondeur.

Deuxièmement, la création d’un Dojo — un marché contenant plus de 350 compétences IA, chaque compétence étant un fichier Markdown enseignant à l’agent intelligent comment accomplir une tâche. Tout est stocké dans Git, soumis à revue de code et gestion de versions.

Un agent nommé Sensei envoie chaque jour aux nouveaux employés, en fonction de leur profil, les cinq compétences les plus pertinentes.

Troisièmement, la construction d’un mémoire persistante — connectée via authentification, automatiquement générée, et continuellement rafraîchie par un pipeline de traitement sur 24 heures. Ainsi, chaque fois qu’un agent intervient, il connaît parfaitement l’équipe, les projets, les tickets actifs et le contexte de communication.

Aujourd’hui, 99,5 % des employés de Ramp utilisent quotidiennement l’IA.

La moitié du code de Ramp est écrit par l’IA, et l’objectif est d’atteindre 80 %. Son directeur produit, Geoff Charles, a mis en place un cadre de maturité L0–L3, où L3 correspond à la mise en production directement par l’agent IA.

Tout employé restant au niveau L0 est considéré comme inactif.

Ramp est valorisée à 32 milliards de dollars, avec un ARR (revenu annuel récurrent) de 1 milliard, en tête du classement des entreprises fintech innovantes selon Fast Company 2026.

Klarna tente de réduire la barrière humaine par l’automatisation, tandis que Ramp cherche à augmenter la productivité de chaque employé. Coinbase se situe entre les deux.

IA Harness

Au cœur de tout cela, se trouve le concept d’“AI Harness”.

Des entreprises comme Manus ont créé une architecture qui compresse et transforme l’IA brute en flux métier réplicables, tandis que des frameworks d’orchestration comme OpenClaw la démocratisent.

Un Harness est une plateforme intégrée combinant authentification, intégration système, mémoire, répertoire de compétences d’équipe, planification nocturne, et interface multi-fenêtres permettant aux analystes de travailler en parallèle.

Les grands modèles de langage de pointe ne sont que des composants interchangeables dans ce Harness — lorsque OpenAI sort GPT-5.5 ou qu’Anthropic publie Opus 5, Ramp peut simplement remplacer le modèle, le reste du système restant inchangé.

Le produit Cowork d’Anthropic, lancé en début 2026 (GA), intègre 11 plugins pour des rôles spécifiques — ventes, finance, juridique, marketing, RH, R&D, design, opérations — une logique de classification des rôles similaire à celle de Glass et Dojo.

Une fois que l’on accepte que la productivité IA est façonnée par le flux métier plutôt que par la simple conversation, les rôles deviennent l’unité naturelle minimale de l’organisation IA.

C’est cette logique qui sous-tend les outils visant à créer des “Zero Human Companies”. Voir Polsia ci-dessous, ainsi que la cartographie sectorielle qui s’accélère.

La finance de marché rattrape le mouvement

Alors que de nombreuses entreprises de logiciels traditionnels peinent face à la désintermédiation par l’IA, certains acteurs progressent à toute vitesse.

Ces entreprises ont dès le départ creusé leur propre fossé de données, et peuvent aujourd’hui superposer sans effort des logiciels IA en un seul flux.

Prenons l’exemple de Box, spécialiste du stockage de fichiers d’entreprise : après la publication de ses résultats du quatrième trimestre 2026, son cours a bondi de 10 %. Aaron Levie a expliqué lors de la conférence :

“Au fond, un fichier, c’est la cellule de travail naturelle de l’IA.”

Enterprise Advanced — la couche premium d’abonnement IA et flux de travail de Box — est facturée 30 à 40 % plus cher que l’offre phare Enterprise Plus.

Le chiffre d’affaires du dernier trimestre a atteint 420 millions de dollars, en hausse de 5 %.

• Box Extract : extraction précise de données structurées à partir de contrats
• Box Shield Pro : intégration de l’IA agentique dans le contrôle d’accès
• Box AI Studio : modes professionnel et étendu permettant à l’agent d’opérer dans un contexte élargi et de gérer des charges multi-étapes

Levie, dans une interview à GeekWire, a déclaré :

“En dehors des 12 premiers mois, Box n’a jamais ressemblé autant à une startup qu’aujourd’hui.”

Il faut savoir que 95 % des données d’entreprise sont non structurées. Les agents IA ont un appétit vorace pour ces données, qu’ils doivent pouvoir exploiter tout en respectant strictement les permissions.

Celui qui contrôle ce coffre-fort de données autorisées peut se libérer de l’étiquette de “stockage bon marché” et être revalorisé par le marché comme une infrastructure d’intelligence.

Autre exemple : Plaid, qui a failli être racheté par Visa, espérant devenir un réseau de paiement direct.

Pendant un temps, Plaid était dans une situation délicate : après avoir dominé le Web2, le Web3 est devenu la nouvelle infrastructure financière de référence.

De son pic à 13,4 milliards de dollars en 2021, la valorisation a chuté à 6,1 milliards en avril 2025, puis a rebondi à 8 milliards en février 2026 lors d’une opération secondaire pour la liquidité des employés.

Plaid doit évoluer.

Aujourd’hui, environ 20 % de ses nouveaux clients sont des entreprises natives IA — elles construisent des agents nécessitant une autorisation d’accès aux données financières et une identité fiable.

La plateforme anti-fraude Plaid Protect a détecté 50 % de tentatives de fraude en plus lors de ses tests début 2026.

Plaid Bank Intelligence, avec ses scores de rétention et ses indicateurs de primauté à venir, vend à l’envers la capacité de prédiction de perte client aux banques.

Plaid est en train d’être revalorisée comme le plus grand corpus mondial de données transactionnelles financières autorisées.

Ce n’est pas une simple pipeline de données — celles-ci sont peu coûteuses. La véritable valeur réside dans l’intelligence construite dessus, et la part des clients IA native en est la preuve la plus tangible.

Un exemple typique est son intégration avec Perplexity, créant un “ordinateur” de gestion financière personnelle entièrement intégré. Que de souvenirs de Mint.com ! (l’application de comptabilité personnelle américaine lancée en 2006)

Box et Plaid partagent la même trajectoire.

Les deux ont été évaluées dans un contexte de taux zéro (ZIRP), avec une tarification basée sur le modèle SaaS, voyant leur valorisation fondre, puis se réévaluer selon une nouvelle logique — un coffre de contenu non structuré et un réseau de données autorisées, comme socle pour la V2 des entreprises intelligentes.

V3 : l’orchestration — la naissance de la “société unipersonnelle”

Sam Altman et d’autres PDG de la tech parient sur la première “société d’un milliard de dollars” à naître dans quelle année.

Dario Amodei estime à 70-80 % la probabilité qu’elle apparaisse d’ici 2026, en ciblant trois secteurs : trading autonome, outils pour développeurs, automatisation du service client.

Sequoia ajuste ses modèles d’investissement, en privilégiant le “levier agentique” — le revenu par personne — comme indicateur clé. 95 % des codes des startups du premier batch Y Combinator sont générés par IA.

En réalité, des entreprises ont déjà créé une économie de levier impressionnante grâce à l’IA.

Dans ces sociétés, le CEO devient un “orchestrateur d’agents”, pilotant une multitude d’IA dans une gigantesque console de contrôle.

L’organigramme se transforme en un flux opérationnel externalisable, où le budget de main-d’œuvre devient celui de la puissance de calcul.

Ces premières formes d’entreprises se concentrent dans des niches : trading autonome, outils pour développeurs, logiciels de consommation à effet de réseau. Ces scénarios sont entièrement numériques, peu réglementés, avec des coûts de confiance faibles.

Mais elles sont vulnérables, car tout système à point unique de défaillance l’est aussi.

Elles ont aussi du mal à pénétrer le marché réglementé, où les identités et visages sont des éléments structurés.

Mais ces entreprises existent déjà.

Chaque révolution technologique détruit un rôle clé de l’ancien paradigme — “ordinateur” (calculateur humain), chef de ligne, chef de projet, gestionnaire intermédiaire.

Et celles qui comprennent en premier la nouvelle forme d’organisation économique récoltent souvent d’énormes profits.

Par exemple, la règle des “deux pizzas” d’Amazon, et sa capacité à innover avec des centaines de milliers d’employés, constituent déjà une barrière.

Au final, la question n’est pas vraiment “société unipersonnelle” ou “zéro humain”.

Nous sommes encore en pleine transformation numérique, et déployer de la valeur à l’échelle de l’économie apportera des milliards de dollars de retours.

La vraie question est : qui saura aujourd’hui créer ou posséder le bon AI Harness pour concevoir la structure organisationnelle adaptée en 2026 ?

Cela revient à améliorer cet organisme super-organique, pour qu’il continue à évoluer et à se battre.

Et, espérons-le, que nous, humains, puissions aussi réaliser nos souhaits.