Contexte et usage des agents IA
Garry Tan, PDG de Y Combinator, a indiqué qu’il consacre entre 100 000 $ et 200 000 $ chaque année à l’achat de tokens pour des agents d’intelligence artificielle. Il exploite ces agents dans des projets de développement, de recherche et de gestion quotidienne. Parmi les tâches automatisées figurent la lecture de l’ensemble de ses courriels, de ses fichiers Dropbox, de ses notes Apple, ainsi que de ses dossiers de thérapie datant de vingt ans. Cette approche montre une utilisation exhaustive des données personnelles pour alimenter les modèles.
Architecture et intégration des agents chez YC
Tan a publié sur GitHub un ensemble de 23 compétences Claude Code, regroupées sous le nom gstack, destinées à illustrer les capacités d’un agent. Au sein de Y Combinator, un agent interne nommé Stray Light possède ce que Tan décrit comme une « personnalité » et un « cerveau d’entreprise ». L’agent agrège le contexte de chaque fondateur soutenu, chaque courriel reçu et chaque candidature traitée, créant ainsi une base de connaissances centralisée. Cette architecture repose sur la capacité du modèle à conserver un état persistant et à interroger des sources hétérogènes en temps réel.
Analyse des coûts et des enjeux de confidentialité
Le budget de 100 000–200 000 $ provient principalement de la consommation de tokens sur des modèles de génération de texte, dont le prix unitaire varie selon le volume et la complexité des requêtes. Cette dépense représente un privilège financier qui, selon Tan, n’est pas accessible à la majorité des utilisateurs. En parallèle, la collecte de données sensibles (courriels, notes de thérapie) soulève des questions de protection de la vie privée. L’accès continu de l’agent à ces sources implique un risque d’exposition si les clés d’API ou les modèles sont compromis, car aucune mesure de chiffrement de bout en bout n’est explicitement mentionnée.
Perspectives et limites
Tan estime que la généralisation des agents personnels dépendra d’une réduction des coûts d’utilisation. Il met également en garde contre les solutions proposées par les grands acteurs du cloud, qui pourraient imposer des contrôles algorithmiques centralisés. La vision d’un agent programmable et contrôlé par l’utilisateur nécessite des cadres de gouvernance capables de garantir la traçabilité des décisions automatisées. En l’absence de standards ouverts pour la gestion des états persistants et la sécurisation des flux de données, l’adoption à grande échelle restera conditionnée par des avancées techniques et réglementaires.
