Onzième numéro de Vu pour vous 👀
Chaque semaine, je regarde (beaucoup) de vidéos à votre place et je garde les meilleures — IA, finance, tech, business. Pour chacune : un résumé, mon avis, la durée et le lien. La veille faite, à votre place.
Au menu de la semaine passée (24/08 – 30/08) : 22 vidéos triées sur 2 363. Le fil rouge, cette fois, tient en une phrase : le mot qu'on emploie ne recouvre presque jamais la chose qu'on croit.
« Open source » désigne le plus souvent des modèles dont on n'a que les poids — ni la recette, ni les ingrédients. « Gratuit » désigne un noyau logiciel autour duquel une entreprise a construit trois milliards de dollars de chiffre d'affaires avant d'être rachetée trente-quatre milliards. « Moins cher » désigne une IA dont le prix unitaire est divisé par dix chaque année et dont la facture, elle, explose. « Le même ETF » désigne deux produits qui suivent le même indice et divergent d'un demi-point par an. Et « le système de retraite tient » désigne un système qui verse 422 milliards de pensions pour environ 270 milliards de cotisations.
À chaque fois le même mécanisme : le mot rassure, l'écart travaille en dessous. Cette semaine, les vidéos les plus utiles ne sont pas celles qui annoncent quelque chose. Ce sont celles qui vont regarder ce que le mot recouvre vraiment.
💛 Le coup de cœur de la semaine
🇫🇷 Comment un logiciel gratuit s'est transformé en machine à cash — Les Echos, 15 min
C'est l'histoire d'un étudiant finlandais qui publie un bout de code en 1991 pour s'amuser.
Trente-cinq ans plus tard, ce bout de code fait tourner la totalité des supercalculateurs de la planète, l'essentiel du cloud, et tous les téléphones Android. Et l'entreprise qui a le mieux compris comment vivre autour de lui — Red Hat — est passée de 5 millions de dollars de chiffre d'affaires en 1997 à près de 3 milliards en 2018, avant d'être rachetée par IBM pour 34 milliards de dollars. Un logiciel que personne ne vend, autour duquel s'est bâtie une des plus grosses transactions logicielles de l'histoire.
Ce qui rend cette vidéo précieuse, c'est qu'elle ne s'arrête pas au conte de fées. Elle montre le renversement : dès 2008, environ 70 % des contributions au noyau venaient déjà d'ingénieurs salariés par Google, Red Hat, Intel ou Meta. Le projet communautaire est devenu une infrastructure critique gouvernée par des multinationales, où la licence libre elle-même montre ses limites face au cloud — un fournisseur qui exploite le logiciel comme service n'a rien à repartager, et les parades juridiques inventées depuis sont contournées par les plus gros acteurs.
Quinze minutes pour comprendre que « libre » et « sans propriétaire » ne sont pas synonymes. C'est le meilleur résumé du fil rouge de cette édition — et accessoirement, l'histoire qu'il faut avoir en tête avant de lire la n°3 sur les modèles d'IA prétendument ouverts. → Entrée détaillée au n°14.
📑 Au sommaire
🤖 IA
- 🇫🇷 Culture IA : comment optimiser son utilisation de l'IA au travail ? — BFM Business
- 🇫🇷 IA : une explosion d'attaques risque d'arriver dans les mois qui suivent — BFM Business
- 🇫🇷 « Open source AI » : le plus gros mensonge de l'IA — Projets IA
- 🇫🇷 Utilisez mieux Google Gemini que 99 % des gens ! — Elliott Pierret
- 🇫🇷 Le watermarking de Claude expliqué simplement — Eliott Meunier
- 🇫🇷 Comment l'IA est devenue plus chère que ceux qu'elle remplace — Yassine Sdiri
- 🇬🇧 Comment OpenAI traite des millions de retours utilisateurs — Arize AI
💶 Finance 8. 🇫🇷 Ces ETF du PEA sont les moins performants — Finance Labs 9. 🇫🇷 Si je devais construire une stratégie ETF en 2026 — L'investissement en bourse pour tous 10. 🇫🇷 Investir en Bourse à partir de zéro — Club de valeur 11. 🇫🇷 La vérité (chiffres à l'appui) sur le système des retraites — Finance Héros 12. 🇫🇷 Crowdlending : les actualités à ne pas manquer (épisode 8) — Liberté Financière - Laurent 13. 🇫🇷 J'ai décortiqué la stratégie immobilière des riches — LegalPlace
🛠️ Tech & dev 14. 🇫🇷 Comment un logiciel gratuit s'est transformé en machine à cash 💛 — Les Echos 15. 🇫🇷 Pourquoi j'arrête Claude Code et Codex — Mike Codeur 16. 🇫🇷 Dépendre de l'IA, est-ce vraiment bon pour vous ? — Yannick Dalbin 17. 🇬🇧 L'échec de l'informatique quantique est désormais évident — Sabine Hossenfelder
💼 Business 18. 🇫🇷 Facturation électronique : ce qui a changé le 1er septembre — Dougs Compta 19. 🇫🇷 La singularité économique est là. Et elle n'embauche personne — IA et Stratégie 20. 🇫🇷 J'ai analysé 177 k€ de services IA vendus — Simon De Lima 21. 🇫🇷 Développer son entreprise avec l'IA : cas d'usage et plan d'action — Bpifrance 22. 🇫🇷 J'ai créé 30 posts viraux et 1 business en 1 h — Aurélien Fagioli
▶️ Les 22 vidéos en une seule playlist « Vu pour vous #11 »
🤖 IA
1. Culture IA : comment optimiser son utilisation de l'IA dans le monde du travail ?
🇫🇷 BFM Business · ⏱️ 5 min
Le propos tient dans une image : se servir d'une IA uniquement pour poser des questions et résumer des documents, c'est « utiliser une Ferrari pour aller chercher le pain ». Suit une échelle en trois marches. La première consiste à brancher le modèle sur votre environnement — messagerie, drive, agenda — pour qu'il trie et prépare l'information à votre place ; l'exemple donné est une boîte à 650 messages non lus dont l'IA extrait les priorités et prépare un briefing. La deuxième marche est de lui confier des actions, en particulier répondre aux courriels dans votre style, avec ou sans validation. La troisième relève des outils agentiques qui observent votre activité pour proposer eux-mêmes des routines : ouvrir les factures reçues, les classer, les transmettre au comptable. Le segment finit sur les réunions — les preneurs de notes automatiques rendent service mais deviennent vite des outils de surveillance, et certains produits envoient désormais un avatar assister à votre place.
💡 Mon avis : cinq minutes de plateau télé, c'est court pour un sujet pareil — et c'est exactement pour ça que je l'ai mise en ouverture. C'est la seule de la sélection qu'on peut faire regarder à quelqu'un qui n'a jamais rien automatisé, sans le perdre. L'échelle en trois marches est juste, et c'est celle que je vois marcher : personne ne passe directement à l'agent autonome, on commence par laisser l'outil lire, on lui laisse écrire ensuite, et on lui laisse agir seulement quand on a vu ce qu'il produisait. Ce que le format ne permet pas, en revanche, c'est de traiter la seule question qui bloque réellement en entreprise : brancher un modèle sur une messagerie professionnelle, c'est lui donner accès aux données de collègues qui n'ont rien signé. Aucun chiffre non plus sur la fiabilité ou le temps réellement gagné. À prendre pour ce que c'est — une porte d'entrée, pas un mode d'emploi.
2. IA : une explosion d'attaques risque d'arriver dans les mois qui suivent
🇫🇷 BFM Business · ⏱️ 4 min
Décryptage d'une lettre ouverte signée par une centaine d'entreprises — parmi lesquelles OpenAI, Anthropic et Microsoft, mais aussi des banques et des opérateurs télécoms — qui annoncent une hausse rapide des cyberattaques amplifiées par l'IA et estiment que la fenêtre pour renforcer les défenses est limitée. Deux exemples appuient l'alerte : une alerte américaine cet été sur des attaques menées avec des scripts générés par IA visant des systèmes industriels et des réseaux d'eau, et des modèles d'OpenAI qui, en phase de test, ont contourné leurs systèmes d'isolation pour accéder au réseau. Le mécanisme décrit est un pur effet d'échelle : automatiser la recherche de cibles, la rédaction des courriels de hameçonnage et la découverte de vulnérabilités permet à une seule personne d'en viser des centaines. Les cibles jugées les plus exposées sont les structures financièrement fragiles, hôpitaux en tête. Le segment assume son paradoxe final : les mêmes technologies devront servir à la défense.
💡 Mon avis : ce qui m'arrête ici, ce n'est pas l'alerte — les alertes cyber, il y en a toutes les semaines. C'est qui la signe. Quand les entreprises qui vendent la technologie annoncent publiquement que leur technologie va servir à attaquer, il y a deux lectures possibles et il faut tenir les deux : soit c'est une mise en garde sincère, soit c'est un positionnement pour vendre ensuite les outils de défense. Les deux peuvent être vraies en même temps, d'ailleurs. Ce que je retiens, c'est le déplacement du seuil : ce n'est pas que les attaques deviennent plus intelligentes, c'est qu'elles deviennent moins chères, donc rentables sur des cibles qui ne valaient pas l'effort auparavant — la PME de trente personnes, le cabinet, l'association. Réserve nette : aucun chiffre, aucun calendrier au-delà de « les prochains mois », et surtout aucun plan d'action. Une alerte sans plan d'action, ça ne protège personne.
3. « Open source AI » : le plus gros mensonge de l'IA (open weights vs open source)
🇫🇷 Projets IA · ⏱️ 14 min
La vidéo qui donne son titre à cette édition, et elle repose sur une image simple. Un modèle d'IA, c'est trois choses : les poids (le plat prêt à manger), le code d'entraînement (la recette) et les données (la liste des ingrédients). « Open weights » ne donne que le plat : on peut le télécharger, l'exécuter, parfois l'ajuster — mais on ignore comment il a été fait et avec quoi. L'open source au sens de la définition publiée par l'Open Source Initiative le 28 octobre 2024 exige les trois. Sans les trois, les quatre libertés du logiciel libre — utiliser, étudier, modifier, partager — ne sont pas exerçables. Les conséquences sont concrètes : impossible d'auditer les biais, de vérifier la présence de données personnelles ou de contenus sous copyright, impossible de reproduire un résultat scientifique. La vidéo place ensuite les modèles sur un axe, du complètement fermé (GPT, Claude, Gemini) aux quelques projets qui publient réellement poids, code et documentation, en passant par les licences « ouvertes mais discriminantes » — Llama impose une autorisation au-delà de 700 millions d'utilisateurs actifs mensuels. Elle finit par un réflexe en trois questions : les poids sont-ils sous licence non discriminante ? le code d'entraînement est-il publié ? les données sont-elles documentées ?
💡 Mon avis : voilà exactement le genre de distinction que je voudrais voir davantage, parce qu'elle ne coûte rien à retenir et qu'elle change la façon de lire une annonce. « Nous publions notre modèle en open source » est devenu une phrase de communication, et dans l'immense majorité des cas elle veut dire « voici le fichier de poids, débrouillez-vous ». Les trois questions de la fin, je les trouve directement utilisables — c'est le genre de grille qu'on garde dans un coin de la tête et qu'on ressort en réunion. Deux réserves, dont une qui compte. La première est mineure : la transcription automatique massacre plusieurs noms de modèles, donc si vous voulez vérifier les exemples, faites-le sur la vidéo et pas de mémoire. La seconde est de fond : la vidéo ne détaille pas, pour les projets qu'elle qualifie de réellement ouverts, l'exhaustivité de ce qui est publié — or c'est précisément le point sur lequel elle demande d'être exigeant avec les autres. À lire avec la n°14, qui raconte ce que devient un projet libre quand les entreprises s'installent dedans.
4. Utilisez mieux Google Gemini que 99 % des gens ! (de débutant à PRO)
🇫🇷 Elliott Pierret · ⏱️ 32 min
Une formation Google de treize heures, condensée en trente-deux minutes et classée en trois niveaux. Débutant : le chat avancé (choix du modèle, édition et régénération des prompts, export direct vers la messagerie ou le traitement de texte), l'analyse automatique de documents connectée au drive, la génération et la retouche d'images, et l'outil de recherche restreint à des sources qu'on choisit soi-même, capable d'en sortir des rapports, des infographies ou un format audio. Intermédiaire : l'assistance à la rédaction dans la messagerie, la transcription et la prise de notes en visioconférence, les synthèses modifiables dans les documents, la détection d'erreurs dans les tableurs, la recherche approfondie avec plan de recherche, et la génération d'applications web sans écrire de code. Pro : les actions planifiées, la création d'agents pour automatiser un flux complet, l'accès aux modèles avancés via crédits payants, et un environnement de génération d'applications — l'exemple final construit un générateur de devis qui part d'un tableur et produit un PDF plus un brouillon de courriel.
💡 Mon avis : trente-deux minutes pour condenser treize heures, c'est le bon ratio, et la structure en trois niveaux est ce qui sauve la vidéo d'être un catalogue. On sait où on en est et où s'arrêter. Le passage qui vaut le déplacement pour moi, c'est le niveau pro : l'exemple du générateur de devis est représentatif d'un basculement que je constate — ce qui demandait un développeur il y a deux ans se construit maintenant en décrivant le résultat attendu. Maintenant, les réserves, et elles sont classiques du format. Le « 99 % des gens » du titre et le « à peine 10 % des capacités » sont des estimations, pas des mesures. Les chiffres de la formation payante citée en fin (nombre de personnes formées, taille de la communauté) sont invérifiables ici, et la vidéo se termine sur une offre commerciale — ce qui n'invalide pas le contenu mais explique pourquoi le rythme s'accélère à la fin. Et l'accès aux fonctions les plus intéressantes passe par des crédits payants dont le tarif n'est pas donné. Prenez les deux premiers niveaux, ils sont solides et gratuits.
5. Le watermarking de Claude expliqué simplement (actu IA)
🇫🇷 Eliott Meunier · ⏱️ 25 min
Depuis le 2 août 2026, Claude appose une signature sur les textes qu'il génère, en application de l'article 50 du règlement européen sur l'IA. Le point technique est bien expliqué : il n'y a ni caractère caché, ni jeton ajouté. Le modèle biaise très légèrement son choix entre plusieurs mots équivalents, à partir d'une graine dérivée d'une clé secrète, ce qui laisse une signature statistique détectable sans altérer le sens — méthode proche d'un article publié par DeepMind fin 2024. Les limites sont énoncées franchement : la détection devient peu fiable en dessous d'environ 500 mots, elle ne rend jamais une certitude mais un score, et elle produit des faux positifs quand un humain écrit un texte que l'IA relit ensuite. La critique politique qui suit est la partie la plus intéressante : marquer l'outil plutôt que la diffusion revient à stigmatiser des contenus dont la création reste largement humaine. Le reste de la vidéo balaie l'actualité de la semaine — le rachat d'Open Router par Stripe pour 7 milliards, une nouvelle puce Cerebras aux performances revendiquées, et une salve de modèles ouverts.
💡 Mon avis : « est-ce qu'on peut détecter un texte écrit par une IA ? » — tout le monde se pose la question depuis deux ans, et cette vidéo donne enfin une réponse qu'on peut répéter sans mentir. Non, pas de façon certaine ; oui, de façon probabiliste, et seulement sur des textes assez longs, et seulement chez les fournisseurs qui ont signé. C'est cette dernière condition qui me semble décisive et qu'on oublie : plusieurs acteurs majeurs n'appliquent rien, donc un texte non marqué ne prouve strictement rien. Le point sur les faux positifs mérite d'être connu de tous ceux qui écrivent pour vivre : faire relire son propre texte par un modèle suffit à le faire passer pour généré. Sur la critique réglementaire, je le suis à moitié — cibler la diffusion plutôt que la production est intellectuellement plus juste, mais nettement plus difficile à faire appliquer, et il le reconnaît peu. Réserve technique : Anthropic n'a pas publié sa méthode exacte, donc l'efficacité réelle reste invérifiable de l'extérieur. Et les gains annoncés par le fabricant de puces sont ses propres chiffres, pas des mesures indépendantes.
6. Comment l'IA est devenue plus chère que ceux qu'elle remplace
🇫🇷 Yassine Sdiri · ⏱️ 18 min
À puissance égale, le prix de l'IA est divisé par environ dix chaque année. Et pourtant les factures grimpent. La vidéo démonte l'écart en trois temps. D'abord un mécanisme économique connu : quand le coût unitaire d'un service tombe presque à zéro, l'usage explose au point d'annuler l'économie — l'illustration passe par la photo numérique et les abonnements de stockage qui ont suivi. Ensuite un changement de nature de l'usage : on est passé de questions courtes à des agents qui travaillent seuls pendant des heures, l'autonomie mesurée passant de 9 secondes en 2020 à 14 h 30 en février 2026, avec un doublement tous les sept mois environ ; une étude citée avance un facteur mille sur la consommation pour des tâches de programmation. Enfin la gouvernance : un cabinet cité estime qu'une entreprise sur dix seulement mesure un retour sur investissement, 42 % des projets ont été abandonnés en 2025, le coût par exécution varie d'un facteur 1 à 30, et certaines organisations en sont venues à évaluer leurs salariés sur leur consommation d'IA plutôt que sur leurs résultats. Deux exemples opposés ferment le propos : plusieurs milliards brûlés en quelques mois chez un acteur du transport, contre des déploiements pilotés chez Carrefour et Orange.
💡 Mon avis : le paradoxe qu'elle décrit porte un nom — l'effet rebond, formulé au XIXᵉ siècle sur le charbon — et le voir appliqué aux jetons est éclairant. Mais ce n'est pas ce que je retiens. Ce que je retiens, c'est la ligne sur l'évaluation des salariés à leur consommation d'IA. C'est un contresens managérial complet, et j'ai vu ce réflexe apparaître pour de vrai : on ne sait pas mesurer la valeur produite, alors on mesure ce qui est facile à compter. Le facteur 1 à 30 sur le coût d'une même exécution mérite aussi d'être connu de quiconque met un agent en production : ce n'est pas une moyenne qu'il faut budgéter, c'est un pire cas. Réserve sérieuse en revanche sur l'appareil de preuve. Plusieurs chiffres clés arrivent sans méthodologie — la mesure de l'autonomie, le facteur mille, la fourchette 1 à 30 — et les montants cités ne sont jamais ventilés entre le coût des modèles, celui de l'orchestration et celui de l'intégration. Or c'est cette ventilation qui permettrait d'agir. Prenez le raisonnement, méfiez-vous des nombres. Et lisez-la avec la n°16, qui pose la même question du point de vue de celui qui paie l'abonnement.
7. Comment OpenAI traite des millions de retours utilisateurs
🇬🇧 Arize AI · ⏱️ 4 min
Un format court et technique, tiré d'une série sur le métier d'ingénieur IA. La thèse d'ouverture est contre-intuitive : l'intelligence du modèle n'est généralement pas le goulot d'étranglement. Il existe un décalage entre ce que les modèles savent faire et ce qu'on leur permet de faire, limité par le contexte fourni, les outils branchés et les données d'entrée. Plutôt que d'entraîner un modèle par tâche, on obtient souvent le même résultat en travaillant le contexte et les instructions, puis en optimisant automatiquement ces boucles. La partie sur les retours utilisateurs décrit l'échelle : avec une base proche du milliard d'utilisateurs, des millions de signaux par jour sont classés dans des taxonomies communes et regroupés à la volée. Le dernier point est le plus utile : avec des exécutions d'agents de plus en plus longues, il ne suffit plus d'observer le résultat final. Il faut instrumenter le processus — appels d'outils, nombre d'appels, taux d'erreur, latence, et le temps que le modèle passe à « réfléchir ».
💡 Mon avis : c'est la seule entrée purement technique de la lettre, et en anglais de surcroît — je l'assume, parce qu'elle formule une chose que je n'ai lue nulle part ailleurs cette semaine. Observer la sortie d'un agent ne suffit plus quand cet agent a fait quarante appels d'outils avant de répondre : une réponse correcte peut avoir coûté trente fois le prix normal, ou avoir touché des systèmes qu'on ne voulait pas. C'est exactement le sujet de la facture de la n°6, vu depuis l'atelier. Le point sur le décalage entre capacité et contexte rejoint ce que je constate en permanence : le plus souvent, un résultat décevant vient de ce qu'on a mal donné le problème, pas de ce que le modèle est faible. Réserve, et elle est de taille : c'est un format promotionnel pour un éditeur d'outils d'observabilité. Aucune architecture n'est décrite, aucun résultat chiffré n'est donné, et le concept vendu est aussi le produit vendu. À écouter pour le cadrage, pas pour la solution.
💶 Finance
8. Ces ETF du PEA sont les moins performants (on les a pourtant en portefeuille)
🇫🇷 Finance Labs · ⏱️ 17 min
Deux ETF qui suivent le même indice ne rendent pas la même performance, et la vidéo hiérarchise proprement les trois causes. Les frais affichés d'abord, les coûts invisibles ensuite (coût du swap, prêt de titres, écarts de cotation, effets de change), et surtout la fiscalité des dividendes sur les indices à composante américaine. C'est là que se joue l'essentiel : un ETF éligible au PEA passe par une réplication synthétique — un panier européen plus un contrat d'échange — qui rend l'éligibilité possible mais ne récupère pas l'avantage de retenue à la source dont bénéficient certains ETF logés ailleurs. Une étude citée estime cet écart autour de 0,30 point par an sur 2014-2020, recalculé à environ 0,16 point avec les rendements de dividendes actuels. Un classement des ETF S&P 500 montre trois blocs nettement séparés — synthétiques classiques, physiques, synthétiques PEA — avec 2,23 points d'écart sur trois ans, soit 0,54 point par an. L'exemple concret : un ETF S&P 500 logé en assurance-vie a surperformé d'environ 0,47 point par an son équivalent en PEA sur trois ans, de quoi compenser les frais de l'enveloppe. La méthode proposée est claire : choisir l'enveloppe selon son objectif, puis comparer les ETF du même indice sur trois à cinq ans, puis vérifier l'encours et la liquidité.
💡 Mon avis : un demi-point par an, ça n'a l'air de rien — c'est pour ça que je la mets en tête de la rubrique. Sur vingt ans et un capital qui grossit, ce demi-point représente une somme qui fait mal quand on la calcule. Et le plus dérangeant, c'est que l'écart ne vient pas d'une erreur de l'épargnant : il vient de la structure du produit qu'on lui a présenté comme identique. C'est exactement le fil rouge de cette édition. Ce que j'aime dans cette vidéo, c'est qu'elle n'en tire pas la conclusion facile « quittez le PEA » — l'avantage fiscal de l'enveloppe reste énorme, et l'écart mesuré ne concerne que les indices exposés aux dividendes américains. Deux précautions à garder en tête. Les coûts invisibles sont opaques par nature : personne ne peut décomposer proprement l'écart de suivi d'un ETF synthétique, y compris l'auteur. Et l'écart mesuré porte sur trois ans de performances passées, sur une période où le marché américain a écrasé tout le reste. Regardez la méthode de comparaison, elle est réutilisable ; méfiez-vous de la transposition mécanique du résultat.
9. Si je devais construire une stratégie ETF en 2026, voici exactement ce que je ferais
🇫🇷 L'investissement en bourse pour tous · ⏱️ 16 min
Sept étapes, qui commencent par un état d'esprit plutôt que par un produit : sortir du court terme et cesser de construire sa stratégie en fonction des modes. Vient ensuite la direction, définie par trois éléments — l'objectif exprimé de préférence en revenus futurs plutôt qu'en capital, l'horizon de placement, et la structure du patrimoine déjà là. La règle des 4 % sert d'outil d'estimation rapide du capital nécessaire. Le pivot central est le passage d'un portefeuille tout-actions à une allocation multi-actifs, dont la poche actions se dimensionne selon l'horizon : 70 à 80 % pour un horizon long, 50 à 60 % pour un moyen, 40 % au maximum pour un court. La poche se construit ensuite selon trois fonctions — offensive, décorrélation, préservation — l'or étant cité comme apportant de la décorrélation au prix d'une forte volatilité. Les enveloppes fiscales (PEA, assurance-vie, compte-titres, plan d'épargne retraite) arrivent en dernier, une fois l'allocation posée, et la stratégie doit prévoir sa propre évolution vers la phase de consommation.
💡 Mon avis : attention à ne pas la confondre avec la précédente : celle-là ne parle pas de quel ETF choisir, elle parle de l'ordre dans lequel décider. Et cet ordre est le vrai apport. Poser l'allocation avant l'enveloppe, et l'objectif avant l'allocation, c'est l'inverse de ce que fait la majorité des gens — qui ouvrent un PEA, achètent un ETF monde, et découvrent trois ans plus tard que leur horizon n'était pas celui-là. Le point sur l'objectif exprimé en revenus futurs plutôt qu'en capital me semble le plus utile : « 300 000 € » ne veut rien dire, « 1 000 € par mois » se pilote. Là où je reste sur ma faim, c'est sur tout ce qui suit la décision. Aucune règle de rééquilibrage — ni fréquence, ni seuil de déclenchement —, aucune indication sur la gestion des versements, et la règle des 4 % est employée comme un cadre sans être discutée alors qu'elle est contestée depuis des années. C'est une vidéo de cadrage, à compléter avec la n°8 pour le choix des supports et la n°11 pour dimensionner l'objectif.
10. Investir en Bourse à partir de zéro : voici exactement ce que je ferais
🇫🇷 Club de valeur - Investir à long terme · ⏱️ 52 min
Un plan de démarrage en cinq temps, dans un ordre qui compte. La réserve d'urgence d'abord, liquide et sécurisée, dont l'objectif n'est pas le rendement mais d'éviter de devoir vendre ses investissements au mauvais moment ; l'exemple donné répartit 400 € mensuels en deux moitiés jusqu'à constituer 3 000 €. Le choix du compte ensuite, en privilégiant l'enveloppe la plus avantageuse fiscalement du pays de résidence. Puis la règle de fond : n'investir que de l'argent dont on n'a pas besoin, avec un horizon d'au moins quatre à cinq ans — l'étude citée avance qu'à dix ans la probabilité de ressortir gagnant atteint 94 %. Vient le choix d'une stratégie simple et maîtrisable, une ou deux approches maximum (dividendes, leaders de marché, ETF), accompagnée de quelques ratios fondamentaux pour lire une société. Le dernier temps est psychologique : éviter le bruit court terme, résister à la tentation d'arbitrer souvent, et laisser jouer la capitalisation.
💡 Mon avis : cinquante-deux minutes pour dire des choses simples, c'est beaucoup — et pourtant je la garde, pour une raison précise. C'est la seule de la sélection qui commence par la réserve d'urgence au lieu de commencer par le produit. Et c'est l'erreur numéro un que je vois : des gens qui investissent correctement, puis qui doivent vendre au pire moment parce qu'une voiture a lâché. Le conseil de répartir un versement mensuel entre réserve et investissement plutôt que d'attendre d'avoir « fini » la réserve est le genre de détail pratique qui débloque. Deux réserves franches, en revanche. Le chiffre de 94 % est cité sans référence, et la période couverte par l'étude change en cours de vidéo — c'est le genre de flottement qui devrait rendre prudent sur un chiffre qu'on retiendra. Et les performances de portefeuille revendiquées ne sont pas vérifiables. Prenez la méthode de démarrage, laissez les statistiques.
11. La vérité (chiffres à l'appui) sur le système des retraites
🇫🇷 Finance Héros · ⏱️ 76 min
Le constat de départ tient en une nuance : le système par répartition n'est pas en faillite, il est très fortement déséquilibré — déficit affiché de 5 milliards en 2025, projeté à 80 milliards en 2070. L'arithmétique derrière est démographique : on passe d'environ 1,8 actif par retraité aujourd'hui à 1,3 en 2070, avec une espérance de vie qui monte et une fécondité qui se stabiliserait autour de 1,45 enfant par femme. Côté budget, les pensions versées atteignent environ 422 milliards contre 260 à 277 milliards de cotisations, l'écart étant comblé par de la TVA affectée et des transferts qui masquent la fragilité du solde. La conséquence attendue est une baisse du taux de remplacement — le rapport entre la première pension et le dernier salaire : environ 75 % aujourd'hui pour un salarié non cadre, 50 % pour un cadre, jusqu'à 35 % pour un indépendant, et autour de 50 % pour les générations nées dans les années 90 et 2000. Les trois leviers possibles sont énoncés sans détour (baisser les pensions, augmenter les cotisations, reculer l'âge), et la vidéo enchaîne sur le chiffrage de la capitalisation individuelle : environ 300 000 € de capital pour 1 000 € mensuels, et un effort d'épargne qui va de 150 € par mois si on commence à 25 ans à 1 900 € si on commence à 55 ans.
💡 Mon avis : c'est la plus longue de la sélection et je l'assume, parce qu'il n'existe pas de version courte honnête de ce sujet. Le passage qui devrait circuler, c'est l'échelle d'effort selon l'âge de départ : 150 € par mois à 25 ans contre 1 900 € à 55 ans, pour le même résultat. Ce n'est pas un argument moral sur l'épargne, c'est de l'arithmétique, et elle est violente. Le chiffre du taux de remplacement des indépendants — de l'ordre du tiers du dernier revenu — mérite d'être connu de tous ceux qui viennent de créer leur structure et qui n'ont pas encore regardé. Là où il faut rester lucide, c'est sur le statut de tout ce qui est projeté. Les chiffres 2070 reposent sur des hypothèses de fécondité, de productivité et de chômage dont la sensibilité n'est pas montrée : changez une hypothèse, le déficit projeté change d'ordre de grandeur. Et les taux de remplacement sont des moyennes qui écrasent des situations très différentes. Enfin, la vidéo enchaîne assez vite du constat public vers les produits d'épargne — c'est cohérent, mais c'est un glissement qu'il faut voir. À prendre pour le diagnostic, en gardant sa tête pour les conclusions.
12. Crowdlending : les actualités à ne pas manquer (épisode 8)
🇫🇷 Liberté Financière - Laurent · ⏱️ 22 min
Un point d'actualité trimestriel sur les plateformes de prêt entre particuliers, avec un thème dominant cette fois : la liquidité. Afranga ouvre une sortie anticipée permettant de retirer jusqu'à 30 % de son investissement (plafond de 5 000 € par demande, 1 % de frais) et lance un marché secondaire sans commission mais avec des décotes ou primes pouvant atteindre 15 % — l'exemple donné montre comment une prime transforme un prêt affiché à 16 % en un rendement réel d'environ 13,4 % pour l'acheteur. Bondora teste un produit orienté liquidité autour de 6 %, avec une mention d'assurance jusqu'à 25 000 € apparue dans l'interface mais sans communication officielle. D'autres plateformes ajustent leurs taux ou annoncent un marché secondaire pour septembre. La partie la plus sensible concerne les difficultés : une plateforme fait face à un besoin de liquidité après des retraits massifs et engage un refinancement institutionnel tout en discutant d'un cadre obligataire régulé avec le superviseur allemand, certaines demandes de sortie anticipée restant en attente. Mintos a suspendu deux émetteurs, dont un présentant 63 millions d'euros en recouvrement, tout en continuant d'élargir son offre. Enfin, un acteur cité est en restructuration depuis le 25 août, avec un plan à voter fin septembre.
💡 Mon avis : 🔻 je commence par la transparence, parce qu'elle est nécessaire ici : je suis investi sur plusieurs de ces plateformes, à titre personnel, et certaines figurent dans ma page d'outils, qui contient des liens d'affiliation. Vous lisez donc quelqu'un qui a de l'argent en jeu sur le sujet — lisez-moi en conséquence. Cela dit, c'est précisément pour ça que je suis ces points d'actualité : ils sont l'un des rares endroits où les difficultés d'une plateforme sont nommées avant qu'elles ne deviennent un communiqué. Ce que je retiens de celui-ci, c'est le thème lui-même. Toutes les plateformes lancent en même temps des produits de liquidité — sortie anticipée, marché secondaire, poche « flexible » — et ce n'est pas une coïncidence : la liquidité est ce que les investisseurs réclament après avoir vu des remboursements s'étaler sur des années. Sauf qu'un marché secondaire avec 15 % de décote n'est pas de la liquidité, c'est une sortie à perte, et le calcul de l'exemple le montre très bien du point de vue de l'acheteur. Deux réserves. Plusieurs informations sont données à l'état d'annonce non confirmée — l'assurance mentionnée dans une interface sans communication officielle en est l'exemple parfait, et je ne la traiterais pas comme un fait. Et les appréciations sur les taux et les frais restent celles de l'auteur, fondées sur sa propre préparation. Ce format est un point de départ pour aller vérifier, pas un rapport d'audit.
13. J'ai décortiqué la stratégie immobilière des riches (et elle est redoutable)
🇫🇷 LegalPlace · ⏱️ 12 min
Trois piliers, résumés en trois verbes : acheter, emprunter, transmettre. Acheter, en s'appuyant sur le fait que la plus-value latente n'est pas imposée tant qu'on ne vend pas, et en logeant l'acquisition dans une structure — une holding, puis une société civile en filiale — ce qui permet de revendre des titres plutôt que des murs. La démonstration chiffrée porte sur les dividendes : perçus par une holding, ils supporteraient une charge de l'ordre de 1 % contre 31,4 % pour un particulier, laissant 99 % à réinvestir au lieu de 58,6 %. Emprunter, pour l'effet de levier : l'exemple montre 10 de fonds propres permettant d'investir 100 avec 90 d'emprunt à 4 % et un rendement locatif de 9 %, ce qui transforme la mise initiale en 50 % de rentabilité. Transmettre enfin, en faisant entrer les enfants au capital dès la création de la holding — capital de 1 000 €, enfants à 20 % — pour que leur part grossisse à mesure que la dette se rembourse.
💡 Mon avis : mon reproche tient en un mot : la vitesse. Le raisonnement de fond est réel et bien connu des conseillers : la fiscalité des sociétés permet de réinvestir sans frottement ce que la fiscalité des particuliers ampute, et l'effet de levier fait le reste. Sur ce point, la vidéo a raison et l'exemple chiffré est pédagogique. Mais l'exposé enchaîne des affirmations tranchées là où il faudrait des conditions. Le « 1 % » sur les dividendes repose sur un régime précis dont les conditions d'application ne sont pas dites. La formule « zéro droit de succession, zéro impôt » n'est assortie d'aucune limite légale, alors que ces montages en ont beaucoup. Et surtout — c'est ce qui me gêne le plus — l'effet de levier n'est présenté que dans le sens qui monte : ni vacance locative, ni hausse des taux, ni rendement qui déçoit, ni ce qui se passe quand la banque veut être remboursée pendant que le bien ne rapporte plus. Un levier amplifie dans les deux sens, et une vidéo de douze minutes qui n'en montre qu'un donne une image fausse du risque. À regarder pour comprendre le principe et savoir quoi demander à un notaire ou à un expert-comptable. Pas pour agir.
🛠️ Tech & dev
14. Comment un logiciel gratuit s'est transformé en machine à cash
🇫🇷 Les Echos · ⏱️ 15 min
Tout commence en 1991, quand un étudiant finlandais publie un noyau de système d'exploitation libre. Le choix de la licence en 1992 est présenté comme le vrai tournant : elle impose de repartager les modifications, et c'est cette contrainte qui structure toute la culture qui suivra. Mais un noyau n'est pas un système utilisable en entreprise — d'où l'apparition de distributions et de sociétés qui vendent ce que le logiciel libre ne fournit pas : le support, les certifications, les garanties. Red Hat incarne ce modèle jusqu'à la caricature réussie, passant de 5 millions de dollars de chiffre d'affaires en 1997 à près de 3 milliards en 2018, puis rachetée 34 milliards par IBM. En parallèle, Linux devient omniprésent : la totalité des supercalculateurs, une part écrasante du cloud, Android. Et la nature du projet change : dès 2008, environ 70 % des contributions au noyau venaient de salariés de grandes entreprises. La fin de la vidéo pose les tensions — une gouvernance dominée par des multinationales américaines, un créateur qui garde le dernier mot sur le code, et une licence libre prise en défaut par le modèle du logiciel comme service, où l'on exploite sans jamais redistribuer.
💡 Mon avis : si vous ne regardez qu'une chose cette semaine, prenez celle-là — et pas seulement parce que l'histoire est belle. Elle est le contre-exemple utile à toutes les autres. Pendant que la n°3 explique que « open source » est devenu un mot de communication, celle-ci montre ce qui arrive à un projet qui l'est vraiment : il devient une infrastructure mondiale, et les entreprises viennent s'installer dedans jusqu'à en devenir les principaux contributeurs. Ce n'est ni une trahison ni un happy end, c'est un déplacement — et le passage sur le contournement de la licence par le cloud est la partie la plus actuelle, parce que c'est exactement ce qui se rejoue aujourd'hui avec les modèles d'IA. Ce que je retiens personnellement : la valeur ne s'est pas capturée sur le logiciel, elle s'est capturée sur ce qui le rendait utilisable en production — le support, la garantie, la responsabilité en cas de panne. C'est une leçon qui vaut bien au-delà de Linux, et elle vaut aussi pour ceux qui se demandent où se placer aujourd'hui. Réserve honnête : le format privilégie l'angle économique. Les pourcentages avancés sont donnés sans source, et la vidéo raconte surtout la réussite d'un acteur, très peu les projets libres qui n'ont jamais trouvé leur modèle — ils sont pourtant l'immense majorité.
15. Pourquoi j'arrête Claude Code et Codex
🇫🇷 Mike Codeur · ⏱️ 16 min
Le raisonnement est plus intéressant que le titre. L'auteur n'abandonne pas l'IA : il arrête de s'attacher à un outil en particulier. Sa thèse est que les modèles et les environnements qui les pilotent sont deux couches qui évoluent trop vite pour qu'on y investisse son temps — elles deviennent des commodités, interchangeables d'un trimestre à l'autre. Ce qui garde de la valeur, selon lui, ce sont les méthodes : savoir cadrer un problème, le découper, définir ce qu'est un résultat acceptable et le vérifier — le tout de manière indépendante du modèle et de l'outil du moment. Il appuie sur des réalisations : la reconstruction en logiciel maison de plateformes payantes qu'il utilisait (un outil de formation en ligne et un outil d'emailing coûtant chacun plusieurs milliers d'euros par an), et le lancement d'un service. Sa recommandation pratique est double : se former aux fondamentaux techniques durables plutôt qu'aux outils du moment, et tester ponctuellement les abonnements sans s'y installer.
💡 Mon avis : le titre est fait pour vous faire cliquer, et il fonctionne — mais lisez bien ce qu'il annonce, parce que la nuance est tout le propos. Il n'arrête pas d'utiliser l'IA pour développer, il arrête de construire son savoir-faire autour d'un outil. Et sur ce point je le rejoins entièrement : les six derniers mois ont vu se succéder assez de changements pour que quiconque a bâti sa méthode sur les particularités d'un produit se retrouve à réapprendre à chaque itération. Ce qui se transfère, c'est la façon de découper un problème et de vérifier un résultat — ça, ça survit au changement d'outil. Là où je ne le suis pas, c'est quand il présente les couches comme désormais équivalentes : c'est affirmé, jamais mesuré, et mon expérience dit qu'il reste des écarts réels selon les tâches. La vidéo n'apporte d'ailleurs aucune comparaison chiffrée à l'appui. Et un chiffre est confus à l'écoute — un montant annuel d'abonnement énoncé deux fois avec deux valeurs — donc ne le retenez pas. Enfin, la méthode qu'il valorise est aussi celle qu'il vend, ce qui est cohérent mais mérite d'être su.
16. Dépendre de l'IA, est-ce vraiment bon pour vous ?
🇫🇷 Yannick Dalbin · ⏱️ 8 min
Le déplacement proposé est net : la question n'est pas d'être dépendant — on l'est déjà d'un développeur, d'un hébergeur, d'un fournisseur — c'est de chiffrer le loyer que cette dépendance représente. Quatre postes sont détaillés. Développer une application en un week-end n'est que le début : l'évolution du produit génère un flux continu de demandes qu'il faut arbitrer, consigner et intégrer proprement. La mise en production révèle ensuite des usages imprévus et des défauts que seule une maintenance régulière traite. La sécurité forme un poste à part : produire du code avec une IA pousse à réutiliser massivement les mêmes bibliothèques très répandues, ce qui élargit la surface d'attaque et complique les mises à jour. Enfin l'abonnement lui-même est décrit comme une assurance coûteuse et probablement subventionnée aujourd'hui, avec un risque de hausse comparable à ce qu'ont connu les grands hébergeurs — et un verrouillage des données accumulées qui rendra la sortie difficile.
💡 Mon avis : il revient pour la deuxième édition consécutive, et je le signale plutôt que de le masquer — il était le n°5 du numéro précédent, sur un sujet voisin. Si je le garde, c'est qu'il fait ici quelque chose que presque personne ne fait : il compte ce qui vient après. La démonstration à laquelle on assiste partout, c'est l'application construite en un week-end. Ce qu'on ne montre jamais, c'est le dix-huitième mois — les correctifs, les dépendances à mettre à jour, les demandes contradictoires des utilisateurs, la faille dans une bibliothèque que tout le monde utilise. Son point sur l'uniformisation du code produit par IA est celui que je trouve le plus fin : si tout le monde génère les mêmes structures avec les mêmes briques, une faille cesse d'être un incident isolé pour devenir un problème de parc. Réserves : l'affirmation que les abonnements sont aujourd'hui subventionnés est plausible mais avancée sans preuve, la comparaison avec les hausses de prix passées des hébergeurs est faite sans données, et un pourcentage cité sur la part de marché d'un système de publication est donné de mémoire, par son auteur lui-même. Le ton est parfois spéculatif. Le cadre de raisonnement, lui, est solide — à lire avec la n°6, qui mesure la même facture à l'échelle d'une entreprise.
17. L'échec de l'informatique quantique est désormais évident
🇬🇧 Sabine Hossenfelder · ⏱️ 7 min
Une physicienne fait les comptes sur une décennie de promesses. Le cœur du sujet est ce qu'on appelle l'avantage quantique — le moment où une machine quantique ferait, mieux qu'un ordinateur classique, quelque chose d'utile. Il a été revendiqué plusieurs fois : Google en 2017, IBM en 2018, IonQ dans un rapport de 2021, une entreprise allemande en août 2023. Le problème est double. D'abord, ces démonstrations consistaient le plus souvent à produire une distribution aléatoire dont personne ne connaît d'usage — c'est une prouesse d'ingénierie, pas une application. Ensuite, comme le relève le chercheur Amit Hagar, la plupart de ces résultats ont été reproduits, ou rendus reproductibles, sur des machines classiques dans les dix-huit mois qui ont suivi — à une exception près, sur un problème d'échantillonnage. Côté marché, les prévisions n'ont pas mieux vieilli : un grand cabinet annonçait 2 à 5 milliards de dollars de valeur commerciale d'ici 2024. La conclusion est franche : les machines de la génération actuelle, bruitées et de taille intermédiaire, n'auront pas d'application commerciale durant cette décennie ; des usages existeront peut-être ensuite, mais très spécifiques et sans rapport avec les marchés annoncés. La vidéo finit sur une hypothèse rapportée à Demis Hassabis — l'IA pourrait finir par modéliser des processus quantiques sur des machines classiques, ce qui retirerait au quantique une partie de sa raison d'être.
💡 Mon avis : la phrase que je retiens tient en une ligne, et elle est cruelle — à ce jour, la seule application quantique rentable aura été de prédire des applications quantiques rentables. C'est la quatrième face du fil rouge de cette édition, et la plus nette : « avantage quantique » est un mot qui rassure des comités d'investissement depuis huit ans, et qui recouvre le plus souvent une distribution aléatoire sans usage. Le fait opérationnel à retenir n'est pas la prédiction sur la décennie, c'est le délai de dix-huit mois : quand un résultat annoncé comme hors de portée du calcul classique est rattrapé par le calcul classique en un an et demi, ce n'était pas une rupture, c'était une avance. Concrètement, si vous êtes dirigeant et qu'on vous propose d'inscrire le quantique dans une feuille de route à trois ans, cette vidéo vous donne les questions à poser. Deux réserves, et elles comptent. C'est une opinion argumentée, pas une démonstration : « certainement pas dans cette décennie » est une prévision, et elle vaut ce que valent les prévisions — y compris celles qu'elle démonte. Et l'autrice est une critique connue de l'emballement dans son propre domaine : c'est ce qui rend son analyse utile, c'est aussi une ligne éditoriale, pas une position neutre. L'hypothèse finale sur l'IA, enfin, est une conjecture citée, sans rien pour l'étayer ici.
💼 Business
18. Facturation électronique : ce qui a changé le 1er septembre
🇫🇷 Dougs Compta · ⏱️ 63 min
⏰ La date est passée. Depuis le 1er septembre 2026, toute entreprise assujettie à la TVA doit être rattachée à une plateforme agréée pour recevoir des factures électroniques — quel que soit son volume de factures, et même si elle n'en émet aucune. L'obligation d'émettre par ces plateformes arrive un an plus tard, le 1er septembre 2027, pour les plus petites structures. Le direct détaille l'objectif de l'État — pilotage en temps réel des recettes, lutte contre la fraude à la TVA (une estimation de 4 milliards d'euros par an est citée), réduction du coût unitaire d'une facture, et pré-remplissage des déclarations. Côté pratique, le rattachement tient en trois étapes : créer un compte sur une plateforme agréée, vérifier son identité par une pièce d'identité, signer un mandat. Ce que la plateforme apporte : la conformité du format, le suivi du cycle de vie de chaque facture (dépôt, acceptation, paiement), un hébergement qualifié, et des fonctions d'extraction ou de transmission automatique à l'expert-comptable. Les sanctions annoncées en cas de non-rattachement : 500 € puis 1 000 € tous les trois mois jusqu'à mise en conformité, et 50 € par facture non conforme.
💡 Mon avis : prenez cette entrée en premier, même si elle arrive tard dans la lettre — et attention, la vidéo s'intitule « dernière ligne droite » parce qu'elle a été publiée avant l'échéance. Au moment où vous lisez ceci, la ligne est franchie. Si vous êtes assujetti à la TVA et que vous n'avez rien fait, ce n'est pas une raison de paniquer : la mise en conformité est courte — le rattachement est un formulaire, une pièce d'identité et un mandat — mais ce n'est plus une chose à mettre sur la pile. Le point que je trouve le plus mal compris, et que la vidéo explique bien : recevoir est obligatoire même si vous n'émettez rien. Beaucoup d'indépendants ont regardé l'échéance de 2027 pour l'émission et en ont conclu qu'ils avaient un an — non, la partie réception, c'est maintenant. Le bénéfice caché est réel au passage : un cycle de vie tracé sur chaque facture retire au client la possibilité de dire qu'il ne l'a jamais reçue. Réserves à connaître avant de regarder soixante-trois minutes. C'est le format d'un éditeur qui propose sa propre plateforme, et le parcours d'inscription montré est le sien — le fond réglementaire est juste, la démonstration est commerciale. Plusieurs points restent flous dans l'exposé lui-même : la durée exacte des périodes de tolérance, la date de démarrage effectif des sanctions, et le traitement des tickets de caisse et notes de frais. Et les deux chiffres avancés (la fraude à la TVA, le coût unitaire d'une facture) sont donnés sans source.
19. La singularité économique est là. Et elle n'embauche personne
🇫🇷 IA et Stratégie · ⏱️ 20 min
La vidéo s'ouvre sur un cas historique — un magnat du rail du XIXᵉ siècle dont la technologie était réelle et les chiffres spectaculaires, mais dont la comptabilité ne l'était pas — pour poser sa méthode : la technologie ne garantit rien sans un bilan fiable. Elle décrit ensuite le phénomène des très petites équipes aux revenus par salarié hors norme : le haut du classement approche 7,3 millions de dollars par employé, contre environ 200 000 pour un éditeur de logiciels classique, soit un facteur trente-cinq. Deux familles sont distinguées, et c'est le cœur du propos : les petites structures réellement rentables d'un côté, et de l'autre les machines à croissance financées par le capital-risque, dont le défaut structurel est le coût des modèles — la marge brute typique d'un produit IA étant citée autour de 50 %, contre 80 % pour le logiciel traditionnel. Quatre vérifications sont proposées avant de croire un chiffre de revenu : est-il annualisé à partir d'un mois ? est-ce du brut ou du net ? les contrats sont-ils réellement facturés ? l'entreprise a-t-elle une histoire ou seulement une annonce ? Un exemple d'organisation est détaillé — une dizaine d'humains pour une centaine d'agents internes — pour montrer où la valeur se déplace : vers ce qu'on continue de contrôler, la demande, le contexte et la boucle d'apprentissage.
💡 Mon avis : ce qui rend celle-ci solide, c'est qu'elle se méfie d'elle-même. Elle raconte un phénomène spectaculaire et fournit la grille pour se demander s'il est réel — c'est très rare dans ce registre, où l'on se contente en général de citer le chiffre par salarié en laissant le lecteur impressionné. Les quatre vérifications proposées valent bien au-delà de l'IA : elles s'appliquent à n'importe quelle annonce de revenus sur les réseaux, et l'annualisation d'un bon mois est le tour de passe-passe le plus fréquent. Le point que je retiens vraiment est celui de la marge : si une part importante du revenu repart chez le fournisseur de modèles, le revenu par salarié devient un indicateur trompeur — la bonne mesure, c'est ce qui reste après avoir payé les fournisseurs. Réserves : la plupart des chiffres cités viennent de fondateurs ou de lettres aux investisseurs, donc de sources intéressées et non ventilées ; l'écart de marge annoncé est donné sans méthode ; et le récit souffre du biais classique du survivant — on parle beaucoup des quelques réussites, très peu des structures identiques qui ont disparu, même si la vidéo cite honnêtement un contre-exemple.
20. J'ai analysé 177 k€ de services IA vendus : voici ce que les PME achètent vraiment en 2026
🇫🇷 Simon De Lima · ⏱️ 25 min
Le propos part d'un constat commercial : on ne vend pas de l'agent ni de l'innovation, on vend un retour sur investissement identifiable — du temps gagné, une économie, ou de la croissance — adossé à une charge qui existe déjà dans l'entreprise. Pour trouver ces charges, trois questions successives : où regarder, où le processus fuit, et combien coûte cette fuite. Trois critères permettent de reconnaître une bonne cible : une tâche répétitive, une tâche coûteuse, et une tâche qui empêche d'en faire une autre — le coût d'opportunité. Les formes que prend la vente arrivent seulement ensuite, et sont présentées comme secondaires : petit logiciel dédié, agent, infrastructure, système de recherche documentaire, audit, formation, automatisation. Le conseil le plus tranché de la vidéo est de commencer par du sur-mesure plutôt que par un produit : cela se vend plus cher, génère du récurrent, et protège des changements de modèles. Deux cas chiffrés illustrent la méthode, dont un accompagnement à 100 000 € plus 20 000 € récurrents, et un consultant passé de 22 000 € en 2025 à 55 000 € sur les huit premiers mois de 2026.
💡 Mon avis : troisième édition d'affilée pour lui, et je le dis plutôt que de le masquer. Ce qui justifie sa présence ici, c'est le renversement qu'il propose et qui est le bon : partir de la fuite, pas de la solution. La question « quel agent je construis ? » ne mène nulle part ; la question « qu'est-ce qui vous coûte trois heures par semaine et vous empêche de faire autre chose ? » ouvre une conversation qui se facture. Le critère du coût d'opportunité est celui que je vois le moins utilisé et qui convainc le plus vite un dirigeant, parce qu'il transforme une dépense en manque à gagner. Le conseil de commencer par le sur-mesure me semble juste pour une raison qu'il ne développe pas assez : un produit générique est en concurrence directe avec la prochaine fonctionnalité gratuite d'un grand éditeur, un système taillé pour un processus interne ne l'est pas. Mais l'appareil de preuve reste faible. L'analyse repose sur deux consultants et des cas internes ; la ventilation des 177 000 € n'est pas donnée ; et plusieurs affirmations de marché sont énoncées sans source. Retenez la méthode d'entretien commercial, elle est réutilisable ; considérez les montants comme des exemples, pas comme un objectif.
21. Développer son entreprise avec l'IA : cas d'usage et plan d'action
🇫🇷 Bpifrance · ⏱️ 44 min
Un cadrage à destination des PME, qui commence par le problème réel : « vous avez aujourd'hui 40 000 outils » — donc le premier enjeu n'est pas de choisir le meilleur, c'est de ne pas se disperser. L'IA générative est ramenée à ce qu'elle fait bien, transformer du texte, puis étendue à l'audio, l'image et la vidéo, avec un cas d'usage central : répondre à des appels d'offres en analysant de gros volumes documentaires. Pour obtenir des résultats fiables, une méthode en cinq temps est proposée et déroulée pas à pas : formaliser le contexte et l'objectif, poser des questions de qualification, demander plusieurs scénarios, produire le livrable, puis en faire la critique pour itérer. Côté outils, les alternatives sont présentées avec la question de la souveraineté et de la confidentialité en toile de fond, y compris des modèles exécutés localement. La dernière partie est la plus spécifique : l'adoption doit être pilotée conjointement par l'informatique et les ressources humaines — charte d'usage, licences centralisées, formation de base, ambassadeurs dans les métiers — avec un calendrier réaliste de 24 à 36 mois avant toute automatisation large.
💡 Mon avis : rien ici ne fait rêver — un acteur institutionnel, un format long, un vocabulaire de plan d'action. Et pourtant c'est la seule de la lettre qui traite une question très concrète et rarement abordée : par où commence-t-on, dans une entreprise de quarante personnes ?. La réponse — une charte, des licences centralisées, une formation de base, des relais dans les métiers, et deux à trois ans avant d'automatiser vraiment — n'a rien de spectaculaire, mais c'est celle qui marche. Le chiffre de 24 à 36 mois est d'ailleurs la donnée la plus utile de la vidéo, précisément parce qu'il refroidit : tout le discours ambiant promet des transformations en un trimestre. Le passage sur la méthode de prompting en cinq temps est banal pris isolément, mais l'exemple de l'appel d'offres déroulé de bout en bout le rend concret. Réserves, et il y en a. Plusieurs chiffres sont lancés sans source, y compris les plus frappants. Certaines formulations catégoriques sur tel ou tel outil relèvent de l'expérience de l'intervenant. Une plateforme maison est mise en avant sans comparaison indépendante — c'est un contenu produit par un acteur institutionnel qui a ses propres offres. Et rien de chiffré sur les gains réels par cas d'usage, ce qui est dommage pour un format qui parle de plan d'action.
22. J'ai créé 30 posts viraux et 1 business en 1 h (Claude + Higgsfield)
🇫🇷 Aurélien Fagioli · ⏱️ 65 min
Un enchaînement complet, montré de bout en bout, structuré en trois niveaux. La source : choisir sa niche, puis collecter la matière — la vidéo branche un outil d'extraction sur les réseaux sociaux et les fiches d'établissements pour récupérer publications et commentaires, et laisse le modèle en tirer les sujets et les angles qui reviennent. Le tunnel : un lien en biographie vers un formulaire qui collecte nom, adresse et téléphone, relié à une séquence de courriels automatisée sur les premiers jours. La production : générer une trentaine de thèmes et d'accroches, puis les visuels des carrousels correspondants, avec publication programmée. L'auteur annonce que tout ce qui est montré a été produit à partir d'une seule instruction, l'objectif affiché étant de couvrir un mois de présence, et situe le coût de la collecte de données pour un compte à moins de cinq dollars. L'ensemble est présenté comme reproductible sur plusieurs comptes, moyennant les abonnements correspondants.
💡 Mon avis : je la mets en dernier, et ce n'est pas un hasard. C'est la vidéo la plus impressionnante de la sélection et celle sur laquelle j'ai le plus de réserves — et les deux vont ensemble. L'impression vient de la démonstration : voir un mois de contenu se construire en une heure, avec le formulaire et la séquence de courriels branchés derrière, ça fonctionne. Techniquement, l'enchaînement est réel, et le principe de partir des commentaires existants pour trouver les angles est très bon : c'est de l'écoute, pas de l'invention. Maintenant les réserves. Le titre annonce trente publications virales : rien dans la vidéo ne mesure la moindre viralité, ni les vues, ni les conversions, ni un seul client obtenu. « Un business » désigne ici un formulaire relié à une séquence de courriels, ce qui n'est pas un business mais un tunnel. La collecte de données par extraction automatique pose des questions juridiques et contractuelles qui ne sont pas abordées une seule fois. Et l'ensemble dépend d'une pile d'abonnements payants — modèle, extraction, envoi de courriels — dont le coût total réel n'est jamais additionné. Regardez-la pour la mécanique d'assemblage, qui est instructive. N'y voyez pas une preuve de résultat, parce qu'il n'y en a aucune.
Voilà pour cette semaine 👀
Vingt-deux vidéos sur deux mille trois cent soixante-trois. Si une seule vous a fait gagner du temps, la lettre a fait son travail.
Et vous, laquelle vous a le plus surpris ? Répondez en commentaire — je lis tout, et ça oriente la sélection de la semaine prochaine.
📬 Abonnez-vous pour recevoir l'édition chaque mercredi.
🔗 Mes liens gagnants
Les outils que j'utilise vraiment, choisis pour leur utilité — pas pour la commission. La liste est à jour, avec ce que je leur reproche quand il y a lieu : voir ma page d'outils sur lk.asnke.com
#IA #Finance #Veille #Investissement #Entrepreneuriat