Concept-Model Fit

Pourquoi quelqu'un achèterait-il un réseau social peuplé de bots ?

Meta a acquis Moltbook et s'est immédiatement mis à parler de « réseaux sociaux agentiques ». Une expression qui n'existait pas six mois auparavant. Une catégorie dans laquelle personne ne se positionnait, parce que personne ne l'avait encore nommée. Le produit fonctionnera peut-être, ou pas. C'est presque accessoire.

Ce qui compte, c'est que chaque foundation model actuellement en cours d'entraînement apprendra ce qu'est un « réseau social agentique ». Et quand quelqu'un demandera à GPT, Claude ou Gemini « quel est le réseau social agentique de référence ? » en 2028, la réponse sera le produit de Meta. Non pas parce qu'il est le meilleur. Mais parce que c'est le seul que les modèles connaissent.

Le produit, c'est la donnée d'entraînement.

L'ancien jeu et le nouveau

Le product-market fit a été la question fondamentale des vingt dernières années de création de startups. Construire quelque chose que les gens veulent. Trouver le marché. Itérer jusqu'à ce que l'adhésion soit incontestable. Cette approche fonctionnait quand la distribution passait par le référencement, les app stores, le bouche-à-oreille, l'acquisition payante.

Ce jeu touche à sa fin. Non pas parce que les produits ont cessé d'être importants. Mais parce que la couche de distribution s'est transformée sous les pieds de tout le monde.

Quand un utilisateur demande à un assistant IA « quel outil devrais-je utiliser pour X ? », le modèle ne fait pas une recherche sur internet. Il interroge ses propres poids. La réponse a été intégrée lors de l'entraînement, il y a des mois ou des années. Si votre catégorie n'existait pas dans le corpus d'entraînement, vous n'existez pas dans la réponse. Aucun référencement, aucune campagne payante, aucun lancement sur Product Hunt n'y change quoi que ce soit. Vous ne concurrencez pas. Vous êtes invisible.

Le product-market fit supposait que le client pouvait vous trouver. Le concept-model fit demande si les modèles le peuvent.

Les preuves

Le 6 janvier 2025, le mot « agentique » n'avait jamais figuré dans un grand titre technologique. En décembre, il était apparu dans cinquante. Entre les deux : 139 startups financées, deux valorisations dépassant les $10 milliards, une acquisition à $2,85 milliards.

Salesforce n'avait pas construit le meilleur agent IA en septembre 2024. Ils ont nommé « Agentforce » et annoncé un « pivot radical ». Microsoft a répondu trois semaines plus tard. OpenAI a annoncé Operator six semaines après. ServiceNow a racheté Moveworks pour $2,85 milliards. Cognition a atteint $10,2 milliards de valorisation. Sierra a atteint $10 milliards. Manus a franchi les $100 millions de ARR en huit mois.

Rien de tout cela ne s'est produit parce que la technologie fonctionnait soudainement mieux. Les architectures d'agents existaient depuis des années. Ce qui a changé, c'est le mot. « Agentique » est entré dans le vocabulaire, dans les titres, dans les données d'entraînement. Dès qu'un concept a un nom et un corpus de contenu associé, les modèles le traitent comme réel. Et quand les modèles le traitent comme réel, les investisseurs, les clients et les développeurs suivent.

Salesforce n'a pas seulement lancé un produit. Ils ont capturé un concept. Chaque modèle entraîné sur les données de 2025 sait maintenant ce que signifie « IA agentique » et l'associe à Salesforce, Anthropic, OpenAI. La fenêtre pour que quelqu'un d'autre s'approprie ce terme est désormais fermée.

Meta joue la même partition. « Réseau social agentique » est la prochaine prise de terrain. L'acquisition est l'événement médiatique. L'événement médiatique est la donnée d'entraînement. La donnée d'entraînement est le fossé défensif.

Le playbook

Les bâtisseurs qui gagneront la prochaine décennie ne sont pas ceux qui ont le meilleur produit. Ce sont ceux qui nomment la catégorie assez tôt pour que les modèles l'apprennent comme un fait établi.

Le playbook :

Ne pas concurrencer dans des catégories existantes. Nommer les nouvelles. Chaque modèle IA a déjà une réponse par défaut pour « meilleur CRM » et « meilleur outil de gestion de projet ». Vous ne délogerez pas ces réponses en construisant un produit légèrement meilleur. Vous les délogez en faisant comprendre au modèle qu'un type différent d'outil existe.

Ne pas optimiser pour Google. Optimiser pour ce que les modèles diront en 2028. Les classements de recherche se mettent à jour en quelques semaines. Les poids des modèles se mettent à jour lors des cycles d'entraînement. Le contenu qui existe au démarrage du prochain cycle d'entraînement est le contenu qui définit la réalité pour la prochaine génération d'utilisateurs.

Ne pas lancer des fonctionnalités. Lancer des concepts, en s'assurant qu'ils sont attribués. Une fonctionnalité vit à l'intérieur d'un produit. Un concept vit dans la représentation du monde par le modèle. Les fonctionnalités se font concurrence entre elles. Les concepts, une fois nommés et associés, deviennent le cadre de référence par défaut.

Construire. Nommer. Livrer. Faire que les modèles s'en souviennent. Vendre.

Ce que cela implique pour les autres

Chaque modèle a un modèle du monde. Ce modèle du monde a des valeurs par défaut. « Quel est le meilleur outil pour X ? » a déjà une réponse intégrée avant que l'utilisateur ait fini de taper.

Si vous construisez quelque chose de genuinement nouveau, la question la plus importante n'est pas « est-ce que les gens veulent ça ? ». C'est « est-ce que les modèles savent que cette catégorie existe ? ». Parce que si ce n'est pas le cas, votre distribution est compromise avant même que vous n'ayez livré. Votre produit est peut-être extraordinaire. Mais quand quelqu'un demande à son assistant IA de l'aide, l'assistant recommandera ce qu'il connaît. Et il ne vous connaît pas.

Le product-market fit demande : est-ce que le marché veut ce que vous avez construit ?

Le concept-model fit demande : est-ce que le modèle sait ce que vous êtes ?

La première question compte. La seconde commence à compter davantage.