Entrepreneur · Celui ou celle qui crée l'entreprise — repère la faille, porte le risque et répond de la paie, des financiers de caravanes assyriens aux fondateurs financés par capital-risque.
L'entrepreneuriat a une relation étrange avec l'automatisation : chaque tâche du métier peut être automatisée davantage, et pourtant le métier lui-même est quasi impossible à automatiser, parce qu'au centre se trouve quelque chose qu'aucune machine ne peut porter — être la personne qui a choisi le risque et doit le résultat. Une IA peut rédiger le plan, construire le prototype et écrire les annonces ; elle ne peut pas signer le bail, gagner la confiance d'une première embauche, ou faire faillite personnellement.
Le changement à court terme est compétitif, pas existentiel. Alors que l'IA effondre le coût de construire logiciels, contenus et analyses, les barrières qui protégeaient autrefois les startups financées tombent pour tous à la fois. Les actifs rares se déplacent vers ce que les machines ne génèrent pas : distribution, confiance, accès réglementaire, et jugement sur ce qui vaut la peine d'être bâti.
Tâche par tâche, une bonne part de la semaine d'un fondateur est automatisable : recherche, textes marketing, comptabilité, code précoce. Mais le rôle n'est pas la somme de ces tâches — c'est porter un risque légalement responsable, persuader des inconnus d'engager argent et carrières, et décider sous une incertitude réelle. Aucun système d'IA ne peut assumer le downside d'une société, et aucune juridiction ne permet qu'il en soit l'esprit directeur. Ce que l'automatisation fait réellement, c'est abaisser le coût d'entrée — historiquement, cela a toujours signifié plus d'entrepreneurs, pas moins.
Scored from the tasks, not the job title. Lower is safer.
Jobs AI cannot take →Quelqu'un doit assumer le downside — signer le bail, garantir le prêt, renoncer au salaire. Porter le risque était la définition originale du métier chez Cantillon en 1755, et c'est précisément ce qu'un logiciel ne peut pas faire : un algorithme n'a rien à perdre.
Les premiers clients, les premières embauches et les investisseurs parient sur une personne avant qu'il y ait des preuves. Ce transfert de confiance — bâti face à face, misé sur la réputation — est la transaction fondatrice de toute entreprise, et il ne tourne pas sur du texte généré.
Décider quoi construire quand aucun jeu de données n'existe encore — quand la réponse du marché n'est pas là à récupérer mais doit être créée — est exactement le régime où les modèles entraînés sur le passé sont les plus faibles.
Les sociétés exigent des administrateurs, signataires et responsables humains partout sur la planète ; contrats, responsabilité et fraude pointent tous vers une personne. Le nom de l'entrepreneur sur les documents est un fait juridique porteur qu'aucune automatisation n'enlève.
Transformer un groupe d'inconnus en équipe qui survit aux mauvais trimestres — fixer des standards, absorber les conflits, décider qui embaucher et licencier — reste un travail obstinément interpersonnel, et dans une petite société il ne peut être délégué loin du fondateur.
Comptabilité automatisée, paie, déclarations fiscales et documents d'immatriculation modèles ont déjà absorbé la plupart de la paperasse qui exigeait autrefois des professionnels ; des agents IA étendent cela à la revue de contrats et à la conformité pour les cas routiniers.
Textes publicitaires, posts sociaux, visuels produit, vidéo et ciblage de campagnes sont de plus en plus générés et optimisés par les plateformes elles-mêmes — Meta et Google poussent toutes deux des produits de campagnes automatisées vers les petites entreprises précisément parce que leurs propriétaires ne sont pas des marketeurs.
Scans concurrentiels, estimations de taille de marché, analyse d'enquêtes et synthèses d'entretiens clients — des jours de travail d'analyste — sortent désormais d'outils IA généralistes en minutes, le travail restant au fondateur étant de se méfier de la réponse trop propre.
La génération de code IA et les plateformes no-code peuvent produire des prototypes fonctionnels et même du logiciel livrable précoce, réduisant ce qui exigeait autrefois un co-fondateur technique — pour des produits standards. La tech novelle, le hardware et les domaines régulés résistent encore.
Des sociétés qui exigeaient cinquante employés se lancent avec cinq ; des figures du secteur dont Sam Altman ont spéculé publiquement sur la première entreprise d'un milliard de dollars avec une seule personne. La charge de coordination du fondateur passe de gérer des gens à orchestrer des outils.
Quand n'importe qui peut construire le produit en un week-end, le produit cesse d'être le fossé. La défendabilité migre vers la distribution, la marque, la communauté, les données propriétaires et la position réglementaire — des actifs accumulés dans le temps, ce qui favorise les opérateurs expérimentés plutôt que les first movers.
Des experts de domaine — infirmières, enseignants, agriculteurs, avocats — peuvent de plus en plus bâtir leurs propres ventures logicielles sans co-fondateurs ingénieurs, élargissant qui fonde des tech companies au-delà des diplômés en ingénierie qui ont dominé les trois dernières décennies.
Le crowdfunding en actions légalisé par le JOBS Act américain de 2012, le financement basé sur les revenus, les rolling funds et les solo capitalists ont multiplié les routes de financement au-delà du pitch venture traditionnel — tandis que la diligence IA pousse les investisseurs à décider plus vite et plus tôt.
Des opérateurs expérimentés vendant une fraction de leur semaine comme CFO, CMO ou CTO à plusieurs petites sociétés à la fois — un métier en forte croissance parce que les startups restent désormais trop lean pour embaucher des dirigeants à temps plein.
Construire l'audience d'abord et l'entreprise ensuite : rédacteurs de newsletters, YouTubeurs et podcasteurs convertissant l'attention en produits, cours et marques — une voie de fondation qui n'existait pas avant la maturation de la monétisation des plateformes dans les années 2010.
Des professionnels qui fondent des sociétés en série et en parallèle dans un studio qui fournit playbook, capital et staff partagé — institutionnalisant le processus de fondation lui-même, d'Idealab (1996) à des centaines de studios dans le monde aujourd'hui.
Gérer l'infrastructure de l'entrepreneuriat — programmes d'accélérateur, campus startup comme Station F à Paris, agences publiques startup et bureaux venture universitaires — un métier salarié qui existe parce que fonder est devenu un système, pas un accident.
Le schéma historique est cohérent : chaque fois que le coût de démarrage a baissé — responsabilité limitée, cloud computing, app stores, logiciel open source — le nombre d'entrepreneurs a monté et les rendements se sont concentrés sur ceux qui pouvaient distribuer et défendre, pas seulement construire. L'IA est la chute de coût la plus raide à ce jour, et rien ne laisse penser que le schéma s'inversera.
L'incertitude réelle n'est pas de savoir si les fondateurs survivent, mais ce que signifie fonder quand l'exécution est abondante : un monde où le goulot d'étranglement se déplace entièrement vers le jugement — choisir les problèmes, gagner la confiance, allouer le capital — récompense l'expérience et la réputation, ce qui peut silencieusement relever l'âge et le pedigree effectifs des fondateurs à succès même si les outils se démocratisent.
Ce qu'aucun scénario n'enlève, c'est la personne que Cantillon décrivit en 1755 : celle qui achète la certitude pour les autres en absorbant l'incertitude elle-même. Les machines deviennent très bonnes sur tout autour de cette personne. Elles ne sont pas plus proches d'être cette personne.
Voisins les plus proches sur le profil à six scores — pas seulement le même champ.
Le bâtisseur du bois — un métier plus ancien que l'Homo sapiens, qui mesure encore deux fois et ne coupe qu'une, des temples millénaires de Nara aux tours en bois de Norvège.
AI-resistant 88 ⚓Le dernier commandement absolu : un capitaine breveté responsable du navire, de l'équipage et de la cargaison, des flottes du trésor de Zheng He aux géants porte-conteneurs d'aujourd'hui.
AI-resistant 65 🌾La profession qui a rendu toutes les autres possibles — nourrir le monde depuis onze millénaires, du premier blé du Croissant fertile aux tracteurs autonomes.
AI-resistant 72 🍳Le professionnel qui commande une brigade de cuisine sous la pression de chaque service, du Paris d'Escoffier aux comptoirs de sushi d'Osaka et aux bars à ceviche de Lima.
AI-resistant 78 ✍️L'auteur de fictions romanesques, de la cour Heian de Murasaki Shikibu à la vague d'autopublication sur Kindle — un métier sans licence, sans échelle hiérarchique et sans âge de retraite.
AI-resistant 62 📷Celui ou celle qui est payé·e pour décider à quoi ressemble un instant — de l'exposition de huit heures de Niépce en 1826 aux deux billions d'images par an, dont la plupart sont prises par tout le monde sauf les professionnels.
AI-resistant 55Le négociateur qui valorise les entreprises et fait circuler le capital — un métier de la Florence des Médicis aux pitch decks d'aujourd'hui, rémunéré pour la confiance lorsque des milliards changent de mains.
AI-resistant 42 🧾Le gardien des livres : héritier d'un métier si ancien qu'il a inventé l'écriture, négociant aujourd'hui avec les logiciels conçus pour l'automatiser.
AI-resistant 35 📣Le professionnel qui crée la demande — des murs peints de Pompéi et du mémo « brand man » de P&G en 1931 aux fils d'actualité gouvernés par les enchères de l'ère numérique.
AI-resistant 38 🗺️Décide ce que l'entreprise doit construire ensuite, et pourquoi — en transformant les besoins clients, les objectifs business et les contraintes techniques en un plan partagé que personne d'autre ne possède vraiment.
AI-resistant 50 💱Le spécialiste de la rareté — de l'usine d'épingles d'Adam Smith à la salle de décision de la banque centrale, toujours invité à prédire ce qu'aucun modèle ne saisit entièrement.
AI-resistant 62