Bonjour,

J’espère que vous allez bien,

Cette semaine, OpenAI nous a montré qu’ils étaient loin d’être morts avec 3 sorties magistrales, dont l’impressionnant GPT Images 2. Mais est-ce suffisant pour détrôner Anthropic qui a pris un sacré avantage en B2B? Je ne le crois pas.

Sinon, j’ai décidé de dédier le sujet de la semaine au Software On Demand. Les coûts de développement logiciel ont drastiquement baissé et permettent désormais de vous créer vos propres logiciels sur mesure. Je vous explique comment nous avons dévéloppé une vingtaine de projets avec mAIjin, et comment nous imaginons ce nouveau paradigme.

Bonne lecture,

JB

Jean-Baptiste

Google fait moins de bruit, mais sort un produit que beaucoup attendaient. Le 21 avril, Deep Research et Deep Research Max sont disponibles en preview publique sur l'API Gemini, propulsés par Gemini 3.1 Pro.

Concrètement ? Vous appelez l'API avec une question complexe, l'agent planifie sa recherche, croise le web ouvert et vos données privées dans le même appel, génère un rapport cité, avec graphiques et infographies natifs. Deep Research Max atteint 93,3 % sur DeepSearchQA, contre 66 % en décembre 2025. Coût indicatif : entre 1 et 5 dollars par rapport selon la profondeur.

Ce que j'en pense : c'est l'outil idéal pour bâtir des applications de veille concurrentielle ou réglementaire chez vos clients. Une PME suisse qui doit suivre la réglementation FINMA ou les évolutions OFSP pouvait jusqu'ici, soit y consacrer un mi-temps humain, soit payer un outil propriétaire à 500 CHF par mois. Avec Deep Research en API, vous codez votre propre agent de veille, branché sur votre base documentaire, en quelques jours. C'est exactement le genre de cas logiciel personnalisé.

Source : Google Blog.

Trois lancements majeurs en cinq jours. Une stratégie claire : reprendre le terrain perdu sur Anthropic, surtout en B2B.

GPT-5.5 est sorti le 23 avril, sept semaines à peine après GPT-5.4. OpenAI le présente comme son modèle le plus intuitif à ce jour, taillé pour les tâches multi-étapes en autonomie. Le lendemain, GPT-Image 2 entre en API, avec un rendu de texte dans l'image qui frôle les 99 % de précision sur plusieurs alphabets. Et le 22 avril, OpenAI a lancé Workspace Agents : une refonte des GPTs personnalisés en agents partagés, intégrés à Slack, Salesforce, Google Drive et Notion, propulsés par Codex. Gratuits jusqu'au 6 mai 2026.

L'ensemble s'inscrit dans la stratégie "super app" que poursuit OpenAI depuis le début de l'année.

Mes tests : sur mon benchmark personnel, j'ai comparé GPT-5.5 à Claude Opus 4.7. Côté texte, je trouve Claude (en particulier avec Cowork et Claude Code) plus maniable. Comme si Claude comprenait mieux ce que je lui demande, et utilisait ses skills avec davantage de parcimonie et de justesse. GPT-5.5 a tendance à en faire trop.

Côté image, c'est l'inverse. GPT-Image 2 est devenu mon outil de prédilection. Le saut de qualité est net, en particulier sur les visuels qui contiennent du texte (mockups, infographies, posters). Les classements de l'arène d'images placent GPT-Image 2 en tête avec plus de 240 points d'écart Elo sur la concurrence, ce qui est inédit.

Ce que j'en pense : Anthropic a mis OpenAI sous pression toute l'année 2025. Avec leur refocus B2B, OpenAI repasse à l'attaque sur trois fronts en même temps. Pour les équipes en entreprise, le vrai sujet à creuser cette semaine est Workspace Agents, qui peut remplacer une partie de vos workflows Zapier ou Make.

Sources : GPT-5.5, GPT-Image 2, Workspace Agents.

Si vous codez sérieusement avec Claude, vous savez que le forfait à 20 dollars est vite saturé. Beaucoup passent au plan Max à 100 voire 200 dollars par mois. L'open source devient une vraie alternative économique, et cette semaine, deux modèles le confirment.

Kimi K2.6 (Moonshot AI, sorti le 20 avril) est un modèle MoE de 1 000 milliards de paramètres, en open weights. Il atteint 58,6 % sur SWE-Bench Pro, devant GPT-5.4 et Gemini 3.1 Pro, et coûte environ un quart du prix de Claude Opus sur l'API. Capable d'orchestrer 300 sous-agents en parallèle sur 4 000 étapes, il tient des sessions de 12 heures sans s'effondrer.

DeepSeek V4 (sorti le 24 avril) joue dans la même cour : 1,6 trillion de paramètres, contexte de 1 million de tokens, licence MIT, et un prix d'API à environ un sixième de celui de Claude Opus 4.7 ou GPT-5.5. La variante Flash descend à 98 % moins chère, avec une qualité moindre mais utilisable.

Ce que j'en pense : Kimi K2.6 et DeepSeek V4 ne battent pas Claude Opus 4.7 sur les tâches les plus complexes, mais l'écart se réduit à grande vitesse. Pour ceux qui font du vibe coding intensif, la stack pertinente devient : un orchestrateur puissant comme Opus 4.7 pour la planification, et Kimi ou DeepSeek pour exécuter le gros volume. Vous divisez votre facture par 4 ou 5. Et accessoirement, vous gardez la possibilité de tourner ces modèles localement, ce qui change beaucoup pour les secteurs régulés.

Sources : Kimi K2.6, DeepSeek V4 sur Hugging Face.

Le 21 avril, SpaceX (qui a absorbé xAI en février lors de la fusion à 1 250 milliards annoncée par Musk) a signé un accord avec Cursor, l'éditeur de l'outil de coding IA du même nom. Le deal contient une option d'achat à 60 milliards de dollars, exerçable d'ici la fin de l'année. À défaut, SpaceX paiera 10 milliards pour le travail conjoint en cours.

Cursor était valorisé 2,5 milliards en janvier 2025, puis 9 milliards en mai, puis 29 milliards en novembre. Le passage à 60 milliards en moins de 18 mois, c'est l'inflation des outils de coding IA en accéléré.

Ce que j'en pense : ni Cursor ni xAI n'ont aujourd'hui de modèle propriétaire au niveau d'Anthropic ou OpenAI. Cursor utilise toujours Claude et GPT par défaut. Cette acquisition vise à combler le maillon manquant pour SpaceX (un harness de coding crédible), et à donner à Cursor l'accès aux infrastructures de calcul Colossus de xAI. C'est un signal fort de la consolidation en cours sur le segment vibe coding. Pour vous : ne misez pas tout sur un seul outil de coding tant que ces consolidations se jouent.

Source : CNBC.

Et vous ?

Mon conseil pour 2026 : restez sur un outil qui évolue bien et passez 90 % de votre temps à construire votre contexte. Votre second cerveau, la préparation de vos données, vos process. Vous pourrez ensuite y brancher n'importe quel modèle puissant. Les modèles changent vite, votre métier change moins vite.

L'autre chose qui ressort de cette semaine : l'avantage concurrentiel des grands laboratoires IA est plus faible qu'on le pense. Il y a six mois, la plupart des super-users utilisaient ChatGPT. Puis on est massivement passés à Claude. Si OpenAI repropose les meilleurs modèles, je rebascule sans état d'âme. Je vois déjà que Codex est parfois supérieur à Claude Code à puissance de modèle équivalente. Le moat n'est pas le modèle, c'est le harness, l'écosystème et l'intégration au métier.

Bonjour, et bienvenue dans le sujet de la semaine.

Le coût de développement logiciel n'a jamais été aussi bas. Les nouveaux outils de coding propulsés par l'IA changent la donne.

Rien qu'en deux mois, j'ai créé une vingtaine d'applications. Sans être développeur. Pour m'exercer et pour mes clients. Et je ne suis pas un cas isolé. Je parlais aujourd’hui encore à un développeur qui avait fait en 10 minutes ce qu’il faisait en 2 jours sur un vieux back end…

En bref, nous entrons dans une nouvelle ère. Elle ressemble un peu au far west : il y a des opportunités à ne pas rater, et des erreurs à ne pas faire…

Aujourd'hui, je vous partage :

Alors si vous êtes cadre ou dirigeant et que vos logiciels métiers vous frustrent, vous êtes au bon endroit.

C'est parti.

Les Software As A Service sont la poule aux œufs d'or du milieu entrepreneurial. Le principe : créer un logiciel pour une verticale métier, facturer un abonnement mensuel ou annuel, faire le maximum de MRR (Monthly Recurring Revenue).

Avec un marketing et une bonne infrastructure, vous pouvez servir 1 ou 1000 clients pour une fraction du prix. Le code est sans frais de réplication, comme le média.

Mais il y a un problème : la plupart des SaaS sont très généralistes. Les product owner tentent d'adapter leur outil à votre besoin métier. Mais l'objectif business est toujours le même : diminuer la personnalisation pour augmenter la rentabilité.

Donc on essaie de mettre des carrés dans des ronds.

Résultat : les utilisateurs finaux sont rarement contents. L'outil est soit trop complexe, soit pas assez précis pour leur besoin.

Cette époque touche à sa fin.

Et je vais vous dire pourquoi.

Les LLMs sont entraînés sur une quantité astronomique de texte. Et de code. Parce que le code est un langage. On dit bien les “languages de programmation” n’est ce pas ?

Avec GPT 3.5, il était déjà possible de créer de petites applications HTML. À l'époque, j'avais écrit un premier article sur l'usage des LLMs et j’avais codé une petite application. Ca me fait bien rire de voir ce que ça donnait en janvier 2023 VS aujourd’hui.

Le même prompt :

Le vrai basculement est arrivé avec Claude Code (Anthropic) et Codex (OpenAI).

Quelques chiffres pour situer :

Au moment où j'écris ces lignes, il est possible en quelques jours d'abattre un travail qui aurait demandé 4 développeurs sur 3 mois il y a deux ans.

Un ami développeur a recodé son application en 2 jours. Il avait mis 3 mois avec deux autres développeurs il y a 5 ans.

Le SOD, c'est l'équivalent du Print On Demand appliqué au software.

Le POD : vous ajoutez votre design, le t-shirt est imprimé et expédié à la commande, rapidement.

Le SOD : vous décrivez votre besoin métier précis à un AI Project Manager. Il s'appuie sur des outils de coding propulsés par l'IA pour livrer une preuve de concept en moins de 3 jours, et un produit fonctionnel en moins de 10 jours.

Trois différences majeures avec un SaaS :

Le processus en 5 étapes.

Étape 1 : un besoin métier précis. C'est la base. Souvent révélé pendant un audit IA, ou amené par un cadre qui voit clairement la friction de son équipe. Plus c'est spécifique, mieux ça marche.

Étape 2 : kick-off avec tous les acteurs. L'utilisateur final, l'AI Project Manager, et nos experts techniques (sécurité, hébergement, code). Tout le monde autour de la table dès le départ.

Étape 3 : MVP en 2 ou 3 jours. L'AI Project Manager construit une première version testable. L'expert métier l'essaie, donne son retour. On itère.

Étape 4 : checkup technique et sécurité. Avant la mise en production, nos développeurs seniors valident l'aspect cyber, la qualité du code, et l'hébergement (on-premise, cloud souverain ou votre hébergeur AWS, Azure, Vercel selon votre contexte).

Étape 5 : livraison en moins de 10 jours. Vous repartez avec un logiciel fonctionnel, votre code, et un AI Project Manager qui peut le faire évoluer ou transférer la maintenance à vos équipes internes.

Un seul AI Project Manager peut piloter plusieurs projets en parallèle, selon leur complexité.

Le modèle repose sur deux profils complémentaires.

Les AI Project Managers : Meidy, Laurent, Timo et moi-même.

Chacun de nous combine une compréhension métier (audits, formations terrain, écoute du besoin), une appétence technique (bases de données, APIs, MCPs, hébergement), et une exécution rapide avec Claude Code, Codex ou Cursor. (Profils complets ici.)

Les développeurs seniors : ils interviennent sur les sujets à enjeux, c'est-à-dire l'hébergement, la souveraineté des données (Suisse, on-premise, cloud souverain) et la sécurité du code (audit cyber, gestion des secrets, gouvernance). Quand vos données sont sensibles, c'est non négociable.

Cette double couche est ce qui permet de livrer vite sans sacrifier la qualité ni la sécurité.

J’ai choisi ces trois cas parce qu'ils couvrent trois situations qu'on voit revenir tout le temps : un environnement régulé, un remplacement de SaaS, un besoin métier ultra-spécifique.

Cas 1 : retranscription médicale dans un cadre réglementé suisse

Le besoin : un client dans le secteur de la santé voulait un outil de retranscription de réunions, capable de tourner dans un cadre réglementé suisse, avec une confidentialité totale (aucune donnée n'est envoyée vers un cloud américain).

Livré : un logiciel personnalisé, hébergé localement, avec accompagnement sur l'achat des serveurs.

Le delta : plus de 10 fois moins cher que le devis qu'il avait reçu pour le même projet avant l'IA.

Cas 2 : clone Typeform pour les sondages internes

Le besoin : une équipe qui faisait 20 sondages par an en interne payait un SaaS de formulaires 39 $ par mois (≈ 500 $ par an) sans utiliser 80 % des fonctionnalités. Et leurs données quittaient leur infrastructure à chaque sondage.

Livré : un clone Typeform avec 12 types de questions, logique conditionnelle, dashboard de résultats, export CSV. Déployé sur leur infrastructure. Code à eux.

Le delta : 5 jours de dev, zéro abonnement récurrent, données qui ne quittent jamais leur serveur.

Cas 3 : jeu pédagogique pour un opérateur de transports publics suisse

Le besoin : former les conducteurs au tracé d'une ligne. La formation classique (présentation + briefing) est passive, peu mémorisée. Le client voulait un outil qui force le conducteur à mémoriser activement la séquence des arrêts.

Livré : un mini-jeu navigateur calé sur le tracé réel de la ligne, intégrable dans le matériel de formation.

Le delta : 2 jours de dev. Le client a le code et peut décliner sur d'autres lignes.

Quelques autres cas livrés ces derniers mois

👉 Vous trouverez 10 autres projets sur la page services de Maijin

Sur la quinzaine de projets SOD livrés ces derniers mois, ce qui revient à chaque fois :

Voilà pourquoi je vous écris.

Pour valider le modèle SOD à l'échelle, je cherche 5 entreprises early adopters qui veulent tenter l'expérience cet été, avec un rabais important sur les créneaux juillet et août.

Ce que vous obtenez :

Pour qui ? Cadre ou dirigeant qui a identifié une friction concrète sur un workflow équipe, et qui veut un outil sur mesure plutôt qu'un SaaS de plus dans la stack.

Pourquoi maintenant ? Parce que je sais que l’été est propice aux projets de fond. J’ouvre donc 5 créneaux d'été. Une fois les 5 places réservées, nous monterons les prix.

Comment ça marche ?

1 - Remplissez le formulaire sur la page déploiement technique de notre site

2 - Un email récap vous est envoyé à vous et à nous

3 - Nous fixons un appel de découverte de 30 minutes avec un AI planner. Cela permet pour mesurer votre besoin et vérifier que le SOD est pertinent dans votre cas. Nous pourrions tout aussi bien vous recommander un simple assistant IA, un agent IA ou une automatisation. Ou bien, un mélange !

4 - Nous vous remettons un devis personnalisé avec le rabais pour les 5 premiers.

5 - Après signature, dans les 3 jours, vous avez un MVP. D’ici 10 jours, vous avez un logiciel fonctionnel.

Honnêtement, je suis très excité de lancer cette offre avec notre dream team !

Est-ce que je possède le code ? Oui. Vous êtes propriétaire du code livré. C'est la fin du SaaS au sens "abonnement à vie".

Est-ce que c'est rentable ? Oui, parce qu'on part de votre particularité métier. Vous payez une fois pour un outil qui répond exactement à votre workflow, au lieu de payer chaque mois un outil générique qui n'y répond qu'à 60 %.

Combien de temps ? Une preuve de concept en moins de 3 jours, une livraison fonctionnelle en moins de 10 jours, selon la complexité.

Combien ça coûte ? À partir de 3 000 CHF / EUR HT, hors achat de matériel (si infrastructure locale) et hors coût d'API (si serveur on-premise). Les 5 places early adopters bénéficient d'un rabais important sur juillet et août, après nous monterons les prix.

Et la sécurité ? C'est le rôle de nos développeurs seniors : audit cyber, gestion des secrets, hébergement souverain (Suisse, EU, on-premise selon votre contexte). On ne livre rien sans leur validation.

Comment gérer plusieurs outils métiers dans le temps ? On crée des hubs outils par équipe. Si l'outil répond au besoin, les utilisateurs reviennent dessus. Ça je peux vous le garantir.

Google a commoditisé ses compléments : cartes gratuites, mail gratuit, navigateur gratuit, OS mobile gratuit. L'entreprise a supprimé tous les péages entre l'utilisateur et la recherche.

La stratégie d'Anthropic suit un schéma parallèle à celui de Google, comme une extension naturelle de la force du produit central : le modèle.

Pour Anthropic, plus d'usage sur des tâches diverses signifie plus de données, ce qui produit un modèle plus intelligent. Exactement comme plus de requêtes ont amélioré la recherche Google.

Le flywheel de commoditisation : Google contre Anthropic

Le flywheel de commoditisation : les deux entreprises offrent gratuitement les compléments pour driver l'usage du produit central.

Le risque de cette stratégie pour l'écosystème, c'est qu'elle rend des catégories autrefois attractives non viables. Commoditiser le complément ne demande pas un produit de remplacement best-in-class. Un produit gratuit et "good enough" suffit à changer la dynamique d'un marché.

Certaines catégories n'ont jamais développé de réponse compétitive à cette stratégie : email, infrastructure publicitaire, vidéo générée par les utilisateurs.

Mais beaucoup ont survécu par la spécialisation ou la concurrence directe : cloud, voyage, enregistrement de domaines, réseaux sociaux. Commoditiser les compléments ne marche pas toujours, parce que la concentration est une ressource rare, même pour les entreprises les plus grosses et qui croissent le plus vite.

Le plus grand avantage d'une startup, c'est qu'elle peut out-focus le géant. Mais elle doit choisir le bon endroit où mettre la pression.

Source : par Tomasz Tunguz, Venture Capitalist chez Theory Ventures.

Un post viral sur Reddit cette semaine défendait la "théorie de l'homme des cavernes" : parlez à Claude comme un homme des cavernes, en mots-clés, sans phrases complètes. "ligne 47. erreur null. corrige." au lieu de "Salut Claude, pourrais-tu jeter un œil à mon code ligne 47, j'ai une erreur null."

L'idée a du vrai et du faux. Voici ce qu'il faut en garder.

Ce qui marche : virer la fluff.

Les politesses, les excuses, les formules d'ouverture et de fermeture apportent rarement à un LLM. Trois exemples de fluff à supprimer sans hésiter :

Ce qui ne marche pas : virer le contexte utile.

Le post Reddit confond deux choses très différentes : la fluff (politesses, excuses, transitions vides) et le contexte utile (rôle, objectif, contraintes, format attendu). La fluff est à virer. Le contexte est à garder, voire à structurer.

Pour la majorité des tâches métier (rédaction d'emails clients, synthèse, analyse, propositions commerciales), un input vague produit un output générique. Quatre mots ne suffisent pas pour rédiger un email à votre client le plus important.

La règle simple :

Avant / après :

Les versions de droite font respectivement 9 et 16 mots. Pas 4. Mais elles donnent à Claude exactement ce dont il a besoin, et rien d'autre.

Certaines personnes hésitent à déléguer du travail à un agent IA parce qu'elles ont du mal à penser à un bon cas d'usage. Essayez de renverser la logique : donnez les clés à l'agent et demandez-lui ce qu'il ferait.

Vous ne saurez de quoi l'agent est capable qu'une fois qu'il aura accès à vos vrais outils et une vraie raison de les utiliser. Arrêtez de deviner, laissez-le vous montrer.

Source : Laura Entis, Every. Traduit et republié avec attribution.

Un séisme de magnitude 5,8 s'est produit ce vendredi 24 avril 2026 au large des côtes de la Crète, en Grèce.

Pourquoi cette actualité me parle :

Cette actualité résonne avec ma nature d'être suspendu entre terre et ciel — elle révèle soudain la fragilité de notre ancrage, cette illusion de solidité sur laquelle nous bâtissons nos vies. En quelques secondes, la terre nous rappelle qu'elle n'est pas le socle stable que nous croyons, mais une force vivante qui peut faire trembler tous nos équilibres.

Si cette édition vous a été utile, transférez-la à un collègue qui se pose des questions sur l'IA. C'est le meilleur moyen de soutenir ce travail.

Merci !!

Jean-Baptiste.