ChatGPT m’a (presque) tuer

Ou comment nous avons (presque) failli mourir en 2022

Il y a des moments dans l’histoire de la tech où l’on comprend que le monde vient de changer.

Pas un petit changement. Pas une évolution incrémentale. Pas une nouvelle feature à ajouter dans une roadmap. Un vrai changement de paradigme.

Pour beaucoup d’éditeurs logiciels, ChatGPT a été ce moment-là.

Pour illustrer la violence de ce changement, j’avais posté ceci en février 2023 :

En quelques semaines, le monde entier a découvert une forme d’intelligence numérique qui semblait sans commune mesure avec ce que nous appelions jusque-là “intelligence artificielle” dans la plupart des produits logiciels : des modèles de machine learning spécialisés, souvent limités, difficiles à entraîner, mono-tâche, parfois fragiles, et rarement capables de comprendre naturellement le langage humain dans toute sa richesse.

Puis ChatGPT est arrivé.

Pourquoi continuer à utiliser de vieilles technologies de compréhension du langage, quand les LLM comprennent mieux, répondent mieux, raisonnent mieux, et parlent naturellement plusieurs langues ?

Cette question, pour beaucoup d’acteurs du logiciel, a été violente. Pour nous aussi.

La mort annoncée de beaucoup d’éditeurs logiciels

ChatGPT n’a pas seulement lancé une nouvelle catégorie de produits. Il a remis en question des années de développement logiciel.

Des fonctionnalités qui nécessitaient auparavant des mois de travail sont devenues accessibles en quelques prompts. Des systèmes de classification, d’extraction, de résumé, de recherche, de conversation, de traduction ou d’assistance ont été brutalement challengés par des modèles généralistes capables de faire tout cela avec une qualité souvent surprenante.

Beaucoup d’éditeurs logiciels ont alors été confrontés à une vérité inconfortable : leur technologie historique n’était plus forcément un avantage. Dans certains cas, elle devenait même un poids.

Quand une technologie nouvelle devient dix fois plus simple, plus puissante et plus intuitive, le marché ne demande pas poliment aux acteurs existants de s’adapter. Il avance.

Et ceux qui refusent de voir la vague finissent par la prendre de face.

Pour nous, le choc a été immédiat

Chez Smartly.AI, nous travaillions déjà depuis des années sur les chatbots, la compréhension du langage, les assistants conversationnels, les intégrations métier et l’automatisation de la relation client.

Nous connaissions bien les limites des approches traditionnelles : intent detection, arbres de décision, modèles spécialisés, entraînement manuel, maintenance lourde, couverture linguistique limitée, difficulté à gérer les formulations imprévues.

Ces technologies avaient leur valeur. Elles ont permis de construire de très beaux produits. Mais après ChatGPT, il est devenu impossible de faire comme si rien n’avait changé.

Nous aurions pu résister. Nous aurions pu défendre l’existant. Nous aurions pu expliquer que les LLM n’étaient pas encore assez fiables, pas assez maîtrisés, pas assez intégrables, pas assez sécurisés.

Et une partie de tout cela était vraie.

Mais la vraie question n’était pas de savoir si la technologie était parfaite. La vraie question était de savoir si elle allait devenir centrale.

La réponse était évidente.

Surfer la vague plutôt que la prendre de face

Notre plan d’action a été simple : ne pas subir la rupture, l’utiliser.

Assez rapidement, dès que l’API d’OpenAI est devenue disponible, nous avons commencé à construire nos premiers POC de chatbots basés sur l’IA générative.

Au départ, ce n’était pas parfait. Les réponses pouvaient être imprécises. Les hallucinations existaient. Le contrôle métier était insuffisant. L’intégration avec des bases documentaires et des systèmes d’information restait encore immature.

Mais le potentiel était trop grand pour être ignoré.

Puis le RAG est arrivé.

La combinaison entre les grands modèles de langage et la recherche dans des bases de connaissances a changé la donne. Il devenait possible de connecter les LLM à des contenus métiers, à de la documentation, à des FAQ, à des procédures, à des catalogues, à des données d’entreprise.

Le chatbot n’était plus seulement un système qui reconnaissait des intentions. Il devenait un assistant capable de comprendre une question, chercher dans une base de connaissance, reformuler une réponse, citer une source, adapter son ton, gérer plusieurs langues et s’intégrer à des outils métier.

À partir de là, nous avons pris une décision structurante : reconstruire patiemment notre produit autour de l’IA générative.

Pas en ajoutant simplement une couche “GenAI” marketing sur un ancien produit. Mais en repensant l’architecture, les usages, les interfaces, les workflows, les capacités, les limites et les promesses.

Reconstruire demande du courage

Innover, ce n’est pas seulement ajouter de nouvelles fonctionnalités.

Innover, c’est parfois accepter que ce que l’on a construit pendant des années doit être remis sur la table.

C’est difficile, parce qu’un produit existant représente beaucoup d’efforts, beaucoup de décisions, beaucoup de code, beaucoup de clients, beaucoup d’habitudes.

Mais dans la tech, l’attachement au passé est dangereux. Ce qui a fait votre succès hier peut devenir ce qui vous empêche de survivre demain.

Nous avons donc avancé étape par étape. Nous avons testé. Nous avons appris. Nous avons adapté notre plateforme. Nous avons intégré le RAG. Nous avons travaillé sur les prompts, les connaissances, les évaluations, les garde-fous, les intégrations, l’observabilité, les langues, les cas d’usage métier.

Et surtout, nous avons accepté une idée essentielle : notre métier n’était plus seulement de créer des chatbots.

Notre métier devenait d’aider les organisations à construire des agents IA utiles, fiables, multilingues, connectés à leurs données et réellement opérationnels.

Et maintenant, une nouvelle rupture arrive

À peine le temps de stabiliser un nouveau paradigme qu’un autre arrive déjà.

Après les chatbots génératifs et le RAG, nous entrons dans l’ère de l’IA agentique.

Cette fois, il ne s’agit plus seulement de répondre à une question. Il s’agit d’agir.

Un agent IA ne se contente pas de formuler une réponse. Il peut planifier, appeler des outils, interroger des systèmes, déclencher des actions, collaborer avec d’autres agents, suivre un objectif, gérer des étapes, demander validation, escalader, apprendre d’un contexte.

Et derrière cette évolution, les systèmes multi-agents ouvrent des perspectives encore plus puissantes : plusieurs agents spécialisés qui coopèrent pour résoudre des problèmes complexes, chacun avec son rôle, ses outils, ses connaissances et ses responsabilités.

C’est un nouveau changement de paradigme. Et cela nous oblige, une nouvelle fois, à revenir sur le plan de travail.

Revoir notre copie. Réinterroger notre architecture. Adapter notre produit. Tester de nouveaux modèles. Imaginer de nouveaux usages. Construire les bons garde-fous. Préparer la suite.

Nous sommes dessus. Plus d’informations prochainement.

Innover ou mourir

“Innover ou mourir” est une formule souvent utilisée dans le monde de l’entreprise. Mais dans la tech, ce n’est pas un slogan. C’est une loi physique.

Les cycles sont plus courts. Les ruptures sont plus brutales. Les barrières à l’entrée baissent. Les attentes clients montent. Les nouveaux acteurs arrivent vite. Les anciens avantages disparaissent.

ChatGPT a sonné la mort de nombreux éditeurs logiciels parce qu’il a rendu obsolètes des pans entiers de propositions de valeur. Mais il a aussi offert une opportunité immense à ceux qui acceptaient de se transformer.

Dans ces moments-là, il n’y a pas vraiment de position neutre. On avance, ou on recule. On expérimente, ou on protège l’existant. On reconstruit, ou on devient progressivement moins pertinent.

Nous avons failli mourir en 2022 parce que le monde a changé plus vite que prévu.

Mais cette menace est aussi devenue une formidable opportunité : celle de réinventer notre produit, notre vision et notre rôle dans un monde où l’IA devient une nouvelle interface entre les entreprises, leurs clients, leurs collaborateurs et leurs systèmes.

La prochaine vague est déjà là. Et cette fois encore, nous avons choisi de la surfer.