Retour aux podcastsEvery
On a tout automatisé avec l'IA — et triplé nos effectifs
You prompt AI to do something, it blows your mind, you feel inadequate, you feel like,"Oh my god, this thing is going to take my job."
Vous demandez à l'AI de faire quelque chose, ça vous épate, vous vous sentez insuffisant, vous vous dites : "Oh mon Dieu, cette chose va me prendre mon boulot."
And then it stops working and it looks back at you and says,"What should I do next?"
Et puis ça s'arrête et ça vous regarde en disant : "Qu'est-ce que je fais ensuite ?"
The further away an agent gets from a human, the less valuable it is.
Plus un agent s'éloigne d'un humain, moins il a de valeur.
If you just ride the models, you're going to be fine.
Si vous suivez juste les modèles, vous allez vous en sortir.
If you care about leading a really ambitious life, I truly think that this is going to make that more possible for more people.
Si vous tenez à mener une vie vraiment ambitieuse, je crois sincèrement que ça va rendre ça plus accessible à plus de gens.
Every is the only subscription you need to stay at the edge of AI.
Every est le seul abonnement dont vous avez besoin pour rester à la pointe de l'AI.
If you care about being on top of the latest models and using latest tools, you have to subscribe to Every to separate out the signal from the noise.
Si vous tenez à suivre les derniers modèles et à utiliser les derniers outils, vous devez vous abonner à Every pour séparer le signal du bruit.
Go to every.to/subscribe today.
Allez sur every.to/subscribe dès aujourd'hui.
So, we are here uh because we're going to flip the script a little bit.
Alors, on est là parce qu'on va un peu renverser les rôles.
I am going to be interviewing Dan Sick.
Je vais interviewer Dan Sick.
uh about the piece that he published yesterday, May 21st.
euh à propos du texte qu'il a publié hier, le 21 mai.
Uh and we're going to try to understand why he wrote it, what's underneath his reasoning for it.
Et on va essayer de comprendre pourquoi il l'a écrit, ce qui sous-tend son raisonnement.
There's going to be some conflict.
Il va y avoir un peu de tension.
I'm going to I'm going to fight with him on it.
Je vais je vais me battre avec lui là-dessus.
Let's fight.
On se bat.
and see, you know, bringing some of my opinions, which are more or less aligned, but uh trying to understand does this is this piece going to reflect the future in 10 years, in 5 years?
et voir, vous savez, j'amène mes opinions, qui sont plus ou moins alignées, mais euh en essayant de comprendre est-ce que ce texte va refléter l'avenir dans 10 ans, dans 5 ans ?
And who are you again?
Et vous êtes qui, vous ?
Um I'm Brandon.
Euh, je suis Brandon.
I'm our COO.
Je suis notre COO.
And that's it.
C'est tout.
So, the piece is called After
Alors, le texte s'appelle After
And it it comes from this feeling that I have.
Et il vient d'un sentiment que j'ai.
And there's a video about this, and there's there's a piece, but just for people who who have not seen either of those things.
Il y a une vidéo là-dessus, et il y a un texte, mais juste pour les gens qui n'ont vu ni l'un ni l'autre.
It comes from this feeling that I have that at Every, we are as AI native, as agent native, as it as you as it gets, you know, if you swing a stick around in our Slack, you're you're as likely to hit a human as you are an
Ça vient d'un sentiment que j'ai qu'à Every, on est aussi AI native, aussi agent native, que ça puisse être, vous savez, si vous donnez un coup de bâton dans notre Slack, vous avez autant de chances de tomber sur un humain que sur un
[snorts]
[renifle]
Everyone's using Claude Code and codex and all these tools to do their job every day.
Tout le monde utilise Claude Code et Codex et tous ces outils pour faire son boulot tous les jours.
Um and yet it feels like there's more human work to do than ever.
Et pourtant j'ai l'impression qu'il y a plus de travail humain que jamais.
And in fact like since the GPT-3 days like we've grown from four people to like 30 people and we're hiring more now.
Et en fait depuis l'époque de GPT-3 on est passé de quatre personnes à environ 30 personnes et on recrute encore plus maintenant.
And so it came from me looking at that and then looking at the environment and being like what's going on because the whole information environment if you look at Dario is out there saying like half of entry-level white-collar jobs may be wiped out.
Et donc ça vient du fait que je regarde ça et ensuite je regarde l'environnement et je me dis mais qu'est-ce qui se passe parce que tout l'environnement informationnel si vous regardez Dario dit que la moitié des emplois de cols blancs débutants risquent d'être supprimés.
Even even people like um like Ken Griffin from Citadel is like you can tell he just had this moment where someone showed him an AI doing like an advanced data or finance question and he was like holy [ __ ] like that's what I would pay PhDs to do for me and it just did it.
Même des gens comme Ken Griffin de Citadel, on voit qu'il a eu ce moment où quelqu'un lui a montré une AI faire une question avancée de données ou de finance et il s'est dit putain c'est ce que je payais des docteurs à faire pour moi et là elle l'a fait.
And I feel like I'm watching a lot of people who maybe don't have a ton of experience with agents and don't have a ton of experience with the curve of improvement that we've been riding for the last like three three and a half years hit it for the first time and then come to all these conclusions about
Et j'ai l'impression de regarder beaucoup de gens qui n'ont peut-être pas beaucoup d'expérience avec les agents et pas beaucoup d'expérience avec la courbe d'amélioration sur laquelle on a surfé pendant les trois, trois ans et demi derniers, qui la découvrent pour la première fois et arrivent à toutes ces conclusions sur
oh my god like all work is going away we're not going to have jobs and I'm just like sitting here being like actually your intuitions when you first see a technology like this are usually very
oh mon Dieu comme si tout le travail disparaissait, on ne va plus avoir d'emplois, et moi je suis là à me dire en fait vos intuitions quand vous voyez une technologie comme ça pour la première fois sont généralement très
And we've seen a lot over and over again over the years that
Et on a vu ça encore et encore au fil des années que
Every is a very good bellwether for where things are going because it's a it's a group of early adopters we have people in doing all sorts of work internally at Every and if something works here it there's a good bet that it's going to spread to other other places other other businesses that are that are adjacent to ours.
Every est un très bon baromètre de là où les choses vont parce que c'est un groupe de premiers adoptants on a des gens qui font toutes sortes de travaux en interne à Every et si quelque chose fonctionne ici il y a de bonnes chances que ça se répande dans d'autres endroits d'autres entreprises qui sont adjacentes aux nôtres.
And so when I look around at Every I I see so much automation and I also see way more human work.
Et donc quand je regarde Every je vois beaucoup d'automatisation et je vois aussi beaucoup plus de travail humain.
So I was really um the the whole piece is saying here's the current state of work with agents.
Alors j'ai vraiment voulu le texte dit essentiellement voilà l'état actuel du travail avec les agents.
And then pulling apart that paradox and sort of explaining why does why does more automation mean more work?
Et ensuite démêler ce paradoxe et expliquer pourquoi plus d'automatisation signifie plus de travail.
Yeah, when I read the piece it was there wasn't like an explicit call to action in it, but I sort of felt this call to action of like there is actually a massive amount of hope right now in a world that is filled with a lot of doomers.
Ouais, quand j'ai lu le texte, il n'y avait pas vraiment d'appel à l'action explicite, mais j'ai un peu ressenti cet appel à l'action de genre il y a vraiment une énorme quantité d'espoir en ce moment dans un monde rempli de beaucoup de doom-eurs.
And um and this is why.
Et euh et c'est pour ça.
Um
Euh
[snorts]
[renifle]
but I am going to come out of the gate and ask you a devil's advocate question.
mais je vais sortir d'entrée de jeu pour vous poser une question d'avocat du diable.
Which is a couple hours before you publish this piece the CEO of ClickUp came out with this long tweet about why he fired 8,000 people and 3,000 people some
C'est qu'un couple d'heures avant que vous publiiez ce texte le PDG de ClickUp a sorti ce long tweet sur pourquoi il avait viré 8 000 personnes et 3 000 personnes
What?
Quoi ?
I don't I don't think it was 8,000.
Je pense pas que c'était 8 000.
I was 20,000 people.
C'était 20 000 personnes.
What I mean
Ce que je veux dire
[laughter]
[rires]
I think it was like 3,000.
Je crois que c'était genre 3 000.
an entire economy.
une économie entière.
like 22% of of his workforce.
genre 22 % de son personnel.
I don't think it was in the thousands, but yes, it was it was a
Je pense pas que c'était des milliers, mais oui c'était c'était une
it was a lot of his workforce.
c'était une bonne partie de son personnel.
Yeah.
Ouais.
Yeah.
Ouais.
So my question to you is um in a business like every we're growing super fast.
Donc ma question pour vous est euh dans une entreprise comme Every on grandit super vite.
Um what you wrote makes a lot of sense to me.
Euh ce que vous avez écrit me parle beaucoup.
And what you wrote theoretically makes a ton of sense in that AI is not autonomous right now.
Et ce que vous avez écrit théoriquement a beaucoup de sens dans le fait que l'AI n'est pas autonome en ce moment.
It has to be told what to do and then has to be checked.
Il faut lui dire quoi faire et ensuite la vérifier.
We need to have that that sandwich that you described in in the piece.
On a besoin d'avoir ce sandwich que vous avez décrit dans le texte.
But in a business that is 8,000 people, 10,000 people that is mature and has built ways of managing like SOPs for managing their business does this manifesto and this thesis still hold true?
Mais dans une entreprise de 8 000 personnes, 10 000 personnes qui est mature et qui a construit des façons de gérer, des SOPs pour gérer leur business, est-ce que ce manifeste et cette thèse tiennent toujours ?
It's a
C'est une
It's a really good question.
C'est une très bonne question.
Um
Euh
Are there a couple
Y a-t-il quelques
There are a couple different questions here.
Il y a quelques questions différentes ici.
The first thing I want to do is like lay out the argument.
La première chose que je veux faire c'est exposer l'argument.
Why does Why does automation make more work?
Pourquoi l'automatisation crée-t-elle plus de travail ?
I'm sure many people listening to this also haven't read it.
Je suis sûr que beaucoup de gens qui écoutent n'ont pas lu le texte non plus.
So take a second to explain that in detail.
Donc prenez une seconde pour l'expliquer en détail.
I will do that.
Je vais le faire.
So basically, the idea is the way that AI works and the way it functions in the workplace is AI makes yesterday's expert competence cheap.
Alors en gros, l'idée c'est que la façon dont l'AI fonctionne et dont elle opère sur le lieu de travail c'est que l'AI rend bon marché la compétence experte d'hier.
And by that I mean AI is trained on all of our outputs, all of the code and the writing and the design and and decision-making and everything that's ever been written.
Et par là je veux dire que l'AI est entraînée sur tous nos résultats, tout le code et l'écriture et le design et la prise de décision et tout ce qui a jamais été écrit.
And it makes that available to everyone for very cheap.
Et ça le rend accessible à tout le monde pour très peu cher.
So uh you can
Donc euh vous pouvez
So anyone now with a prompt can use yesterday's competence to solve a programming problem, build an app, or write a uh write a piece like I did, write a report, or uh or, you know, make a YouTube thumbnail.
Donc n'importe qui maintenant avec un prompt peut utiliser la compétence d'hier pour résoudre un problème de programmation, créer une appli, ou écrire un texte comme je l'ai fait, rédiger un rapport, ou euh faire une miniature YouTube.
And the interesting thing is that when you do that when when expert competence is available for cheap, it gets really widely adopted.
Et ce qui est intéressant c'est que quand vous faites ça quand la compétence experte est disponible pour pas cher, elle est vraiment largement adoptée.
So everyone starts to do it.
Donc tout le monde commence à le faire.
Everyone starts to like, you know, we see this internal
Tout le monde commence à genre vous savez, on voit ça en interne
Everyone's making pull requests
Tout le monde fait des pull requests
[ __ ]
[gros mot]
this is crazy.
c'est dingue.
Yeah.
Ouais.
And and and like I'm making pull requests and ops people are making pull requests and you know, engineers are like writing essays and you know, there's all this line crossing basically for non-experts to do the thing that experts used to do.
Et et et genre moi je fais des pull requests et les gens d'ops font des pull requests et les ingénieurs écrivent des essais et voilà tout ce croisement de lignes pour les non-experts qui font ce que les experts faisaient avant.
And that feels very threatening to experts.
Et ça fait vraiment peur aux experts.
They're like,"Well, what's my job going to be now?"
Ils se disent : "Ben, qu'est-ce que ça va être mon boulot maintenant ?"
Mhm.
Mhm.
And [snorts] what's interesting about that is because these tools are trained on outputs, are trained on yesterday's data the stuff that they do is uh with with default prompt with is it uh the stuff that they do with a default prompt all looks kind of similar and is all kind of right for the current situation, but it's like not actually totally right.
Et [renifle] ce qui est intéressant là-dedans c'est que parce que ces outils sont entraînés sur des résultats, sur des données d'hier, ce qu'ils font avec un prompt par défaut avec euh le truc qu'ils font avec un prompt par défaut tout ça se ressemble un peu et c'est un peu juste pour la situation actuelle, mais c'est pas vraiment tout à fait juste.
And so what happens is you sort of like flood the zone with tons of stuff that's like close, but not quite right.
Et donc ce qui se passe c'est qu'on inonde la zone avec des tonnes de trucs qui sont genre proches, mais pas tout à fait justes.
And then you need to basically like and and well
Et ensuite il faut en gros genre et et bon
There's a
Il y a une
There's a lot of that at every too.
Il y a beaucoup de ça chez Every aussi.
There's a lot of
Il y a beaucoup de
There's a lot of people doing what seems like great work and then you go under the hot under the hood and you're like, this isn't quite right.
Il y a beaucoup de gens qui font ce qui semble être un super travail et puis vous regardez sous le capot et vous vous dites, c'est pas tout à fait juste.
Maybe like the expert should do it.
Genre l'expert devrait peut-être le faire.
Yeah.
Ouais.
Yeah.
Ouais.
Yeah.
Ouais.
Exactly.
Exactement.
Uh me for example.
Moi par exemple.