Garry Tan dépense jusqu’à 200 000 $ par an pour ses agents d’IA personnels

Garry Tan, le CEO de Y Combinator, a récemment partagé le montant qu’il consacre chaque année aux tokensTokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. d’intelligence artificielleIntelligence artificielleEnsemble de techniques permettant à des machines d'accomplir des tâches nécessitant habituellement certaines capacités humaines, comme la reconnaissance, la prédiction ou la prise de décision. : entre 100 000 $ et 200 000 $. Cette somme, qu’il décrit comme un “privilege fou”, permet à l’entrepreneur de faire travailler plus d’une vingtaine d’agents – des logiciels capables d’interpréter du texte, d’écrire du code ou de préparer des interviews – dans le cadre de son activité et de sa vie quotidienne.

Des agents qui gèrent le quotidien

Selon Tan, ses agents lisent l’ensemble de ses courriels, parcourent ses dossiers Dropbox, consultent ses notes Apple et même ses notes de thérapie accumulées pendant vingt ans. L’objectif est simple : chaque fois qu’une tâche nécessite de l’information, l’agent la trouve, la résume et propose une suite d’actions. Il compare le dispositif à un « Jiminy Cricket » constamment présent sur son épaule, capable d’anticiper les besoins et de signaler les angles morts.

Cette approche dépasse le simple usage de ChatGPT pour générer du texte. Les agents de Tan sont capables de récupérer des données structurées, d’automatiser des requêtes de code et de préparer des réponses à des questions d’interview pour le podcast de Walter Isaacson. Le résultat est un gain de temps considérable, mais surtout une forme d’assistance qui se comporte plus comme un collaborateur que comme un outil ponctuel.

Une approche différente du logiciel

Tan insiste sur le fait qu’on ne doit pas traiter les agents d’IA comme des programmes classiques où chaque entrée produit une sortie prévisible. L’une des forces de ces systèmes réside dans leur capacité à évoluer, à « penser » de façon plus souple, voire à afficher une personnalité. Il cite l’exemple interne de Y Combinator, un agent nommé Stray Light qui possède « le cerveau de l’entreprise », c’est‑à‑dire le contexte complet de chaque fondateur soutenu, chaque e‑mail reçu et chaque candidature passée.

Cette personnalisation implique que l’agent puisse proposer des suggestions que l’utilisateur n’aurait pas envisagées, en se basant sur l’historique complet de l’organisation. Cependant, Tan met en garde contre une obsession de la « répétabilité » ou de la « sécurité » à l’excès, qui risquerait de neutraliser l’aspect créatif et adaptatif des agents.

Le coût, un frein majeur

Le principal obstacle à la généralisation de ces assistants réside dans le prix. Dépenser six chiffres chaque année reste hors de portée pour la plupart des entrepreneurs et des particuliers. Tan le reconnaît lui‑même : « C’est trop cher aujourd’hui », ajoute‑il en soulignant que son budget constitue un privilège que peu peuvent se permettre.

Cette situation crée une fracture entre les early adopters, souvent soutenus par des fonds de capital‑risque, et le grand public qui ne pourra accéder aux agents que si les modèles de tarification évoluent. La réduction du coût des tokens d’IA, ou l’émergence de solutions open‑source plus performantes, apparaît comme la condition sine qua non d’une adoption massive.

Vers des agents personnels contrôlés par l’utilisateur

Au-delà du prix, Tan exprime une méfiance vis‑à‑vis des agents fournis par les géants du web, qu’il estime trop liés à leurs algorithmes propriétaires. Il envisage un futur où chaque utilisateur pourrait programmer son propre assistant, le garder sous contrôle et éviter que des entreprises comme Meta ne dictent le comportement des modèles.

Dans cette vision, l’agent deviendrait un outil véritablement personnel, capable de s’intégrer à l’ensemble des services d’un individu tout en respectant sa vie privée. La technologie existe déjà sous forme de modèles de base que l’on peut affiner, mais les cadres légaux et les standards de sécurité doivent encore se consolider.

En résumé, l’expérience de Garry Tan montre ce que les agents d’IA peuvent apporter en termes d’efficacité et de prise de décision, mais rappelle que le prix et la gouvernance restent les deux grands défis à relever avant que ces assistants ne deviennent courants dans le quotidien de chacun.