50 personnes croyaient à l'AGI : pourquoi c'est le meilleur moment pour se lancer
Sam Altman raconte qu'aux débuts d'OpenAI, une cinquantaine de personnes seulement croyaient l'AGI possible — dont 45 dans l'entreprise. De la courbe des tokens aux agents de codage, ce que sa lecture du moment présent change pour une petite structure.
À leurs débuts, raconte Sam Altman, ils plaisantaient en disant qu'environ 50 personnes dans le monde croyaient que l'AGI — l'intelligence artificielle générale — était possible. Mais que ce n'était pas un problème : 45 d'entre elles travaillaient chez OpenAI.
L'anecdote fait sourire. Prise au sérieux, elle décrit quelque chose de beaucoup moins anodin. Car si l'on pousse la réflexion jusqu'au bout, cela signifie qu'une poignée d'individus — considérés au départ comme marginaux, voire délirants, par l'écrasante majorité de leur propre secteur — est peut-être à l'origine de ce qui pourrait devenir l'événement le plus important de l'histoire des affaires et de la société humaine : la création d'une superintelligence.
Une poignée de gens que presque personne ne prenait au sérieux
Ce détail mérite qu'on s'y arrête, parce qu'il contredit une intuition très répandue chez les dirigeants : l'idée qu'une transformation majeure commence par un consensus. Ici, c'est l'inverse. Le consensus était contre. La conviction était minoritaire au point de tenir dans une salle de réunion — et concentrée à un seul endroit.
Nous avons tendance à surestimer massivement le nombre de personnes nécessaires pour déplacer une industrie. La réalité est plus inconfortable : ce nombre est souvent ridiculement petit, et ces personnes passent pour des illuminés jusqu'au moment exact où elles cessent de l'être.
De 100 000 tokens par mois à 500 milliards
La deuxième chose qui frappe dans cet entretien, ce sont les ordres de grandeur.
Il y a six ans et demi, le plus gros utilisateur d'IA au monde était un salarié d'OpenAI : il consommait environ 100 000 tokens par mois. La moyenne mondiale, elle, était proche de zéro.
Aujourd'hui, ces mêmes 100 000 tokens représentent la consommation mensuelle moyenne à l'échelle mondiale, tandis que le plus gros utilisateur interne d'OpenAI en consomme des centaines de milliards. Et Altman anticipe que d'ici six ans et demi, une personne moyenne pourrait en utiliser 500 milliards par mois, le plus gros utilisateur se comptant, lui, en quadrillions.
Le record du monde d'il y a six ans et demi est devenu la moyenne mondiale d'aujourd'hui. C'est ce chiffre-là qu'il faut retenir : pas le record, la moyenne. Ce qui était exceptionnel est devenu banal en moins de sept ans.
J'y ajoute une lecture personnelle, et je la donne comme telle : cette courbe est aussi une courbe de facturation. Les fournisseurs de modèles vendent au token ; si la consommation moyenne suit ne serait-ce qu'un tiers de cette trajectoire, la valeur captée par ceux qui facturent l'accès aux modèles sera considérable. Altman ne chiffre pas cet effet — il rappelle seulement qu'OpenAI a mis des années avant même d'avoir l'idée de facturer un produit via une API, et que vendre de la puissance de calcul et de l'inférence représente une valeur immense. Le reste est une déduction, à vérifier plutôt qu'à croire sur parole.
Une demande « sans limite »
Pourquoi cette courbe ne s'aplatirait-elle pas ? Parce que la demande pour une intelligence artificielle de qualité et bon marché semble à Altman littéralement sans limite — uncapped.
Il la compare à la demande en électricité, et la comparaison est instructive parce qu'elle ne va pas dans le sens qu'on croit. La consommation d'électricité augmente bien quand les prix baissent, mais il devient historiquement difficile de trouver de nouvelles choses incrémentales à faire avec de l'électricité. L'intelligence, elle, offre des possibilités d'amélioration constantes : chaque gain de qualité ouvre des usages qui n'existaient pas au palier précédent.
Il établit un parallèle direct avec la révolution informatique, en rappelant l'époque où l'on pensait sérieusement que personne n'aurait jamais besoin de plus de 640 ko de mémoire vive. Même chose pour les processeurs des années 2000. À chaque fois, l'histoire a tranché dans le même sens : nous trouvons toujours de nouvelles utilités qui exigent davantage de capacité — et c'est bien ce qui provoque aujourd'hui, côté fournisseurs, l'explosion de la demande de compute.
Trois mois de travail, sept minutes d'agent
Vient alors l'affirmation la plus directement actionnable : selon Altman, nous n'avons jamais connu de meilleure époque pour fonder une startup. Le lieu compte : il clôturait la Startup School 2026 de Y Combinator face à Garry Tan, vingt ans après avoir lui-même fait partie de la toute première promotion du YC, en 2005, alors étudiant à Stanford.
Son argument n'est pas un discours d'ambiance, c'est une mesure. Ce qui nécessitait trois mois de travail acharné aux premières promotions du Y Combinator peut désormais être réalisé en environ sept minutes — parfois quelques secondes — par un agent de codage. Cette baisse des coûts et des délais permet à de très petites équipes, quatre personnes épaulées par des agents et de la puissance de calcul, de s'attaquer à des projets d'une ambition folle, inimaginables pour une startup il y a encore un an.
Pour une TPE ou une PME, le chiffre à retenir n'est pas « sept minutes ». C'est le coût d'un essai. Quand tester une idée coûte une après-midi au lieu d'un trimestre, la bonne stratégie change de nature : il ne s'agit plus de choisir soigneusement le meilleur projet avant de commencer, mais d'en essayer plusieurs et de laisser le réel arbitrer.
Six mois qui vaudraient deux ans
Dernier point, et le plus vertigineux : Altman affirme que les progrès réalisés par les modèles au cours des six prochains mois équivaudront probablement à l'ensemble des progrès des deux dernières années. La courbe, selon lui, va devenir extrêmement raide.
Prenons cette prévision pour ce qu'elle est : l'anticipation du principal intéressé, pas une mesure. Elle sert aussi les intérêts de celui qui la formule. Mais même divisée par deux, elle contient une instruction très concrète : ce que vous avez essayé il y a six mois et qui ne fonctionnait pas mérite probablement d'être réessayé maintenant, sans repartir de zéro dans votre jugement.
Ce que j'en retiens, côté TPE/PME
Trois choses, et aucune n'exige de croire à la superintelligence.
D'abord, ne pas attendre le consensus. Si personne autour de vous n'utilise sérieusement l'IA, cela vous renseigne sur le nombre de gens qui s'y sont mis, pas sur ce qu'il y a à y gagner. Pendant des années, le décompte des convaincus disait que l'AGI n'avait aucun intérêt — il avait tort.
Ensuite, raisonner en coût d'essai plutôt qu'en projet. C'est la conséquence pratique du passage de trois mois à sept minutes : arrêter d'instruire longuement des dossiers, commencer à tester.
Enfin, réévaluer régulièrement ce qui a échoué. Sur une pente aussi raide, un échec de l'an dernier ne prouve plus rien sur cette année ; il documente seulement l'état des modèles à ce moment-là.
Source : Sam Altman en conversation avec Garry Tan, en clôture de la Startup School 2026 de Y Combinator, 28 juillet 2026 — propos traduits de l'anglais.
Questions fréquentes
Que raconte Sam Altman sur les 50 personnes qui croyaient à l'AGI ?
Il raconte qu'aux débuts d'OpenAI, ils plaisantaient en disant qu'environ 50 personnes dans le monde croyaient que l'AGI était possible, mais que ce n'était pas un problème puisque 45 d'entre elles travaillaient chez OpenAI. Cette poignée d'individus, jugés marginaux par la majorité de leur secteur, est peut-être à l'origine de la création d'une superintelligence.
Comment la consommation de tokens a-t-elle évolué ?
Il y a six ans et demi, le plus gros utilisateur au monde était un salarié d'OpenAI consommant environ 100 000 tokens par mois, quand la moyenne mondiale était proche de zéro. Aujourd'hui, ces 100 000 tokens sont la moyenne mensuelle mondiale, et le plus gros utilisateur d'OpenAI en consomme des centaines de milliards.
Pourquoi Sam Altman parle-t-il d'une demande « sans limite » ?
Parce que la demande pour une intelligence de qualité et bon marché lui semble littéralement sans limite. Il la compare à l'électricité : la consommation augmente quand les prix baissent, mais il devient difficile de trouver de nouveaux usages incrémentaux, alors que l'intelligence offre des possibilités d'amélioration constantes, comme à l'époque où l'on croyait que 640 ko de mémoire vive suffiraient.
Pourquoi dit-il que c'est le meilleur moment pour lancer une startup ?
Parce que le cycle de développement s'est effondré : ce qui demandait trois mois de travail acharné aux premières promotions du Y Combinator peut être réalisé en environ sept minutes par un agent de codage. Une équipe de quatre personnes, épaulée par des agents et de la puissance de calcul, peut viser des projets inimaginables pour une startup il y a encore un an.
Que faut-il attendre des six prochains mois ?
Sam Altman affirme que les progrès des modèles sur les six prochains mois équivaudront probablement à l'ensemble des progrès des deux dernières années, avec une courbe qui devient extrêmement raide. C'est une anticipation, pas une mesure ; elle invite surtout à réessayer ce qui ne fonctionnait pas il y a six mois.