Tech • IA • Robotique • Jeu

ENFR
Aujourd'huiJouer gratuitementFury BloxClassementShortsÀ la unePour vousTopicsVidéosChaînes YTArchivesRechercheFavoris

Fontaine lance 12 produits et 8 M$; contexte IA à 200k tokens

AI Codingvendredi 6 novembre 2026· 4 vidéos

Briefing

Lecteur audio

Fontaine industrialise 12 produits

Fontaine, éditeur RH basé à San Francisco, affirme avoir lancé 12 produits en 18 mois via une usine à produits interne. L’initiative aurait généré 8 millions de dollars dès la première année, signe d’un changement d’échelle rapide. L’entreprise, historiquement tournée vers le recrutement de travailleurs de première ligne, cherche ainsi à accélérer son expansion produit sans dépendre d’un seul marché. Le cas illustre la manière dont des équipes logicielles réorganisent leur production autour de cycles plus courts et d’une exécution fortement standardisée.

Fontaine pivote vers Amazon et UPS

Après le ralentissement de la gig economy, Fontaine a réorienté son offre vers de grands comptes comme Amazon et UPS. Le retournement est intervenu dans un contexte de hausse des taux après 2021 et de choc macroéconomique lié à la guerre en Ukraine. L’entreprise, qui avait levé environ 250 millions de dollars en près de six ans, a dû passer d’un marché de startups en hypercroissance à des clients plus exigeants et plus structurés. Ce pivot traduit un déplacement plus large du logiciel RH vers des ventes enterprise et des usages à fort volume.

200000 tokens, vrai plafond invisible

La limite réellement contraignante des assistants modernes reste la fenêtre de contexte, ici décrite autour de 200000 tokens. Avant même la première requête utilisateur, une part importante serait déjà consommée par les instructions système, les règles de sécurité, les outils activés et l’espace réservé aux résumés. Dans l’exemple cité, environ 77000 tokens étaient préchargés et 33000 tokens gardés pour les synthèses futures. Le résultat est un espace utile bien plus réduit que ne le suggère la capacité nominale du modèle.

Connecteurs et résumés grignotent l'intelligence

L’activation de nombreux connecteurs n’effondre pas immédiatement les performances, mais elle ajoute une surcharge progressive. Le coût majeur apparaît lorsque l’assistant commence à appeler ces services et à réinjecter leurs sorties dans le contexte de travail. À mesure que les conversations s’allongent, des résumés répétés occupent plus de place et peuvent réduire la précision apparente des réponses. Autrement dit, le modèle ne devient pas forcément moins bon: il travaille avec un contexte de plus en plus pollué.

Base 44 mise sur le natif

Base 44 pousse une approche où les workflows vivent directement dans l’application qui héberge les données. Le schéma repose sur trois briques: déclencheur, conditions et actions, sans passer par un outil d’automatisation séparé. Les workflows sont accessibles depuis le tableau de bord et nécessitent le forfait Builder ou supérieur, hors offre gratuite. L’enjeu est de transformer une simple base de suivi en système opérationnel réactif aux événements et aux horaires.

Base 44 automatise les finances

Un cas d’usage de finances personnelles montre comment Base 44 automatise des tâches à partir de données comme les revenus, dépenses, limites mensuelles, solde courant et objectifs d’épargne. Une fois les transactions et catégories chargées, les règles peuvent déclencher des vérifications, alertes ou mises à jour sans intervention manuelle. La promesse est de conserver la logique métier au plus près de la donnée. Cette intégration réduit les frictions liées aux synchronisations entre plusieurs outils.

Le cap productivité dépasse le chat

Un cadre en six niveaux soutient que le simple mode chat sous-exploite largement les systèmes d’IA avancés. La hausse de productivité viendrait surtout du passage à des workflows structurés, avec mémoire de projet, outils connectés et compétences réutilisables. L’idée centrale est qu’un assistant devient nettement plus utile lorsqu’il agit dans un environnement de travail durable plutôt que dans une conversation générique. Cette lecture rapproche l’usage de l’IA de pratiques de production, pas seulement de recherche d’information.

Une tâche, une conversation

Parmi les recommandations opérationnelles figure une règle simple: une tâche, une conversation. Travailler dans une interface de code reliée à des dossiers et projets distincts aiderait à limiter la pollution du contexte et à maintenir le modèle concentré sur un livrable précis. Le cadre privilégie aussi des autorisations auto pour fluidifier l’exécution, voire bypass permissions pour accélérer davantage selon le niveau de risque accepté. L’objectif est de transformer l’assistant en opérateur de workflow plutôt qu’en interlocuteur généraliste.

Vidéos couvertes

Briefings précédents · AI Coding