What Would Make an AI Assistant Worth Paying For?

L'épisode de l'A16Z show accueille David Pollen pour discuter de l'émergence rapide et de l'impact des agents personnels et de l'IA grand public. Le dialogue met en lumière les progrès fulgurants de l'IA au cours des dernières semaines, en particulier dans le domaine des assistants personnels. Trois moments clés ont marqué l'évolution de l'IA : d'abord, l'arrivée de ChatGPT fin 2022 et début 2023, qui a révélé la capacité des IA à converser, rédiger des e-mails et des poèmes. Ensuite, les agents de codage, tels que Quad Code et Codecs, ont révolutionné le développement logiciel. Enfin, l'enthousiasme récent autour des agents personnels comme Instinct, Muse et ChatGPT Voice a montré le potentiel de ces outils pour les consommateurs. David Pollen, créateur d'Assistant Bench, un site comparant les performances des assistants IA selon divers cas d'usage, explique l'explosion du secteur. Il a lui-même été un des premiers utilisateurs de Poke, un agent IA qui a marqué les esprits par son système de négociation des prix. Après Open Claw, qui a "pris le monde d'assaut", d'autres agents comme Instinct, Grockbot, Muse, Caddy, Ali ou Pi ont vu le jour. Assistant Bench, lancé il y a 16 jours, a déjà enregistré plus de 100 000 visiteurs, témoignant de l'intérêt général pour cette technologie et du besoin de repères. Le paysage des agents se divise en deux grandes catégories : les agents généralistes orientés grand public (B2C) comme Instinct ou Muse, et les assistants spécialisés pour les flux de travail professionnels (B2B) comme Town, Catch ou Vellum. Il existe actuellement 122 agents différents répertoriés. La plupart des acteurs se concentrent sur la polyvalence, tentant de "tout faire". Les cas d'usage les plus discutés sont les tâches administratives quotidiennes (gestion des e-mails, remplissage de formulaires), l'orchestration d'agents (comment les agents interagissent entre eux) et le développement (agents de codage pour mobile, modifications de fichiers de design par texte). Le voyage est un cas d'usage populaire pour sa viralité (enregistrement de vol, réservation), mais moins fréquent au quotidien, ce qui en fait plutôt un "gimmick". La finance est mentionnée comme un domaine prometteur malgré son côté "moins pratique", car elle peut soulager les consommateurs du fardeau administratif et générer des économies substantielles. La thèse des intervenants est que le succès des agents résidera dans leur capacité à être "invisibles" et proactifs, en gérant des tâches que les utilisateurs préfèrent éviter, sans chercher à être "10% plus efficaces". Des exemples concrets incluent la gestion des remboursements HSA, l'obtention de crédits voyage en cas de baisse de prix des vols, ou un agent Grockbot connecté à un système d'arrosage domestique pour réduire la consommation d'eau de 50% en fonction de la météo. Ces agents invisibles, axés sur les économies de coûts, sont perçus comme une "argent gratuit" pour les consommateurs. Concernant l'interface utilisateur, il y a un débat entre l'intégration dans des applications de messagerie existantes comme iMessage et le développement d'applications dédiées. La préférence semble varier selon les générations (Gen Z pour le texte, Millenials/Gen X pour les applications) et même le genre, certains préférant une interface visuelle pour des tâches comme la planification de voyages ou la création de "dream boards". L'intégration dans iMessage est appréciée pour son caractère "non-additif" au flux de travail. L'arrivée du Muse Charm de Zuckerberg soulève la question du hardware. Bien que certains pensent que chaque pièce de hardware est la solution ultime, les intervenants estiment que la préférence sera très personnelle. Cependant, le concept d'un appareil ambiant capable de capturer le contexte et les requêtes tout au long de la journée est jugé précieux. Une hypothèse audacieuse est que le Muse Charm n'est pas tant une tentative de gagner la "guerre du hardware" qu'un outil de collecte de données en temps réel pour alimenter le métavers de Zuckerberg, en cartographiant le monde réel via sa caméra et ses microphones. Les lunettes audio uniquement de Meta sont également considérées comme un potentiel "sleeper hit", offrant une connectivité technologique sans la gêne sociale d'une caméra visible. L'audio et la voix sont des domaines à fort potentiel. ChatGPT Voice, par exemple, permet désormais de se connecter à Gmail et au calendrier. Un des intervenants a décrit son expérience comme un "deuxième moment magique" : en allant au travail à vélo, il a pu catégoriser ses e-mails, y répondre et envoyer des invitations de calendrier, arrivant au bureau avec une boîte de réception vide, simplement en parlant à l'agent. Cette capacité est jugée extraordinaire, surtout lorsque les mains sont occupées. Les agents sociaux et multijoueurs représentent un défi. L'ajout d'agents à des discussions de groupe peut sembler intrusif. Trois approches sont identifiées : l'agent comme participant direct au chat de groupe, un réseau d'agents communiquant en arrière-plan (comme Instinct), et une approche plus "granulaire" où l'agent est un auditeur silencieux qui prend des notes et contacte les individus séparément pour les actions (comme Doc). Cette dernière est jugée la plus intéressante car elle maintient l'agent "invisible". Il est suggéré que les modèles actuels n'améliorent pas nécessairement la "connectivité sociale" des groupes, mais peuvent être utiles pour des tâches utilitaires, comme cataloguer des collections entre amis. La personnalisation de la "personnalité" des agents est également abordée. Certains agents, comme Poke, ont une personnalité très marquée qui peut déplaire. Cependant, il est estimé que la personnalité n'est pas un avantage défendable, car elle est facilement configurable par l'utilisateur. La proactivité, en revanche, est un élément clé de différenciation. Un agent proactif qui agit en votre nom sans que vous ayez à le demander (comme l'enregistrement de vol) est perçu comme très utile. Cependant, il existe une ligne très fine à ne pas franchir : pour des actions importantes (changer d'assurance), l'agent doit demander la permission de l'utilisateur pour ne pas rompre la confiance. La plaisanterie interne est qu'on est à deux doigts d'un agent qui rompt avec quelqu'un pour vous. L'ère actuelle est perçue comme une "productisation" des capacités développées durant la période Open Claw, rendant l'IA accessible au grand public. L'avenir des agents personnels devrait se diriger vers une proactivité accrue et une hyper-spécialisation. L'idée de "startups de niche" est évoquée : des entreprises qui développent des logiciels très ambitieux et précieux pour un très petit nombre de personnes, comme un assistant expert pour les mères célibataires avec des enfants de moins de trois ans. Cela pourrait créer des entreprises de plusieurs centaines de millions de dollars avec des dizaines de milliers de clients, un modèle inédit. La distinction entre "assistant" et "agent" est discutée. Un assistant accomplit ce qui lui est demandé, tandis qu'un agent possède une "agence", une capacité à prendre des initiatives et à agir de manière autonome pour le bien de l'utilisateur. L'évolution de l'assistant vers l'agent est comparée à la promotion d'un stagiaire à un poste plus important dans une entreprise. Dans cinq ans, ces agents pourraient rendre les êtres humains plus heureux en allégeant le fardeau bureaucratique et les tâches répétitives (gestion des finances, de la santé, des problèmes administratifs). Ils pourraient permettre aux gens de se concentrer sur ce qui compte vraiment, d'explorer des passions et de développer leur potentiel, en automatisant ce qui est "détesté". L'exemple d'un disquaire virtuel créé avec l'aide d'un agent montre que cette technologie ne réduit pas les coûts, mais "étend les possibilités". L'émergence de systèmes "nativement agents" est anticipée, avec des infrastructures et des produits dédiés aux interactions agent-à-agent. Cela pourrait inclure des e-mails et des numéros de téléphone pour agents, redéfinissant l'industrie des services (réservations agent-à-agent) et créant de nouvelles opportunités en cybersécurité. Dans le commerce, l'impact des agents est déjà visible. Shopify a embrassé Muse, tandis qu'Amazon l'a bloqué. La raison est que le modèle d'affaires d'Amazon repose sur la publicité, et les agents qui achètent directement sans "yeux humains" réduisent les revenus publicitaires. Shopify, axé sur la démocratisation du commerce, y voit un avantage. L'avenir de la recommandation dans ce commerce agentique est incertain : comment un agent choisira-t-il entre 20 000 paires de chaussettes blanches ? Muse, avec ses données Instagram et Facebook, pourrait avoir un avantage. Cependant, cela pourrait aussi favoriser la sérendipité et les produits de niche, en connectant les utilisateurs à des artisans locaux plutôt qu'aux géants du commerce. L'idée d'agents interagissant pour commander des produits artisanaux directement à des individus (une grand-mère au Nebraska qui tricote des chaussettes) est évoquée. En termes économiques, sur 122 agents répertoriés, 65 sont payants (35 entièrement, 30 en freemium), et seulement 13 sont gratuits. Alors que des acteurs majeurs comme Muse et Instinct sont gratuits, les startups devront relever le défi des coûts élevés (estimés à 20 $ par utilisateur et par jour pour une utilisation ambitieuse). L'espoir réside dans la déflation rapide des coûts d'utilisation des navigateurs et des capacités émergentes. L'idée d'agents si désirables que les consommateurs seraient prêts à payer 1 000 $ par mois est également envisagée, signe d'un "market fit" extrême. En conclusion, l'avenir des agents personnels est perçu comme une transformation profonde, rendant la vie plus amusante, plus intéressante et plus alignée sur les besoins des consommateurs, en automatisant les tâches ingrates et en ouvrant de nouvelles possibilités inexplorées.