Le logiciel devient du travail : le changement structurel derrière le YC printemps 2026
Pendant la majeure partie de la dernière décennie, la place la plus convoitée dans une promotion YC était celle du fondateur qui bâtissait un nouveau modèle d’IA ou un chatbot plus intelligent. Au printemps 2026, cette place convoitée a changé de mains. La cohorte de 196 entreprises — 61 % B2B, avec un total de 91 % dans les domaines de l’entreprise, de l’industrie, de la fintech et de la santé — était dominée non pas par les agents IA eux-mêmes, mais par la couche infrastructure qui les sous-tend.
La thèse centrale de cette promotion, telle qu’observée par les investisseurs présents lors du Demo Day, était sans détour : « le logiciel devient du travail. » Cette phrase capturait quelque chose de plus précis qu’un slogan marketing. Ces fondateurs ne construisent pas des outils qui aident les humains à travailler plus vite. Ils construisent des systèmes qui exécutent des tâches de façon autonome — et, plus important encore, ils construisent les rails, les portefeuilles, les mémoires et les couches de confiance que ces systèmes autonomes auront besoin pour fonctionner à grande échelle.
La distinction a de l’importance sur le plan commercial. Un agent IA capable de rechercher, décider et exécuter n’est aussi puissant que l’infrastructure à laquelle il peut faire appel. S’il ne peut pas payer quelque chose sans qu’un humain approuve chaque transaction, il n’est pas autonome. S’il ne peut pas prouver son identité à l’API d’un marchand, la requête échoue. S’il ne dispose d’aucune mémoire persistante, il repart de zéro à chaque tâche. La promotion YC printemps 2026 a identifié ces lacunes et s’y est engouffrée.
La stratégie pioches et pelles : cinq couches d’infrastructure en demande
Les investisseurs et analystes qui ont suivi la promotion ont identifié au moins cinq couches d’infrastructure distinctes attirant une attention startup significative. Chacune correspond à un point de friction qui empêche actuellement les agents IA d’opérer de façon indépendante dans des environnements commerciaux.
1. Paiements et émission de cartes : donner un portefeuille aux agents
La sous-catégorie la mieux financée dans l’infrastructure du commerce agentique est celle des paiements. Basis Theory, une startup spécialisée dans les coffres de cartes et la tokenisation, a clôturé une Série B de 33 millions de dollars en octobre 2025 menée par Costanoa Ventures, portant son total levé à environ 50 millions de dollars. Nekuda, qui propose des portefeuilles natifs IA utilisant une infrastructure de carte tokenisée, a levé 5 millions de dollars lors d’un tour d’amorçage en mai 2026 soutenu par Madrona, Amex Ventures et Visa Ventures. Skyfire, axée sur les rails de micropaiements pour agents, a levé 9,5 millions de dollars au total, avec le soutien de Neuberger Berman et d’a16z CSX.
La logique est simple : les agents ont besoin de leur propre identité financière. Les plateformes d’émission de cartes virtuelles comme Lithic, Stripe Issuing et Marqeta enregistrent toutes un intérêt croissant de la part des startups axées sur les agents, qui ont besoin de contrôles de dépenses programmatiques — la capacité d’émettre à un agent une carte avec des plafonds stricts, des restrictions par catégorie marchande et des interrupteurs en temps réel. Sans cette couche, chaque achat d’un agent nécessite qu’un humain approuve une transaction, ce qui annule l’autonomie qui rend les agents précieux en premier lieu.
Selon des données de Visa, le trafic d’agents vers les sites de commerce et de marchands a augmenté de 1 200 % en glissement annuel en 2025 — un signal que le volume de transactions commerciales est déjà là, même si l’infrastructure pour le gérer proprement est encore en construction.
2. Identité et autorisation : prouver que l’agent est bien celui qu’il prétend être
Des paiements sans vérification d’identité créent de la fraude. Le commerce agentique sans infrastructure d’identité robuste crée un cauchemar de conformité. C’est la deuxième grande couche d’infrastructure que cible la promotion YC.
Mastercard développe ce qu’il appelle une « intention vérifiable » — des enregistrements d’autorisation inviolables qui créent une piste d’audit traçable pour les paiements initiés par des agents. American Express a lancé une protection des achats d’agents pour les transactions d’agents enregistrés. Ces mouvements des acteurs historiques signalent que le problème d’identité est réel et urgent, et ils créent un marché pour les startups capables de travailler au sein ou entre les rails existants.
Les startups dans ce domaine construisent des systèmes de justificatifs d’identité pour agents, des jetons d’autorisation à périmètre défini (similaires à OAuth mais conçus pour les machines plutôt que pour les humains), et des empreintes comportementales capables de distinguer un agent IA légitime d’un script automatisé frauduleux. Forter, qui suit les schémas de fraude dans cet espace, a observé une augmentation de 18 510 % du trafic d’agents le jour suivant le lancement du commerce ChatGPT, accompagnée d’une hausse de 50 % de la fraude utilisant des modes d’attaque scriptés et automatisés. La couche d’infrastructure d’identité n’est pas un luxe ; c’est un prérequis pour que l’économie agentique se développe sans devenir un vecteur de fraude.
3. Mémoire et contexte : rendre les agents vraiment utiles d’une session à l’autre
Un agent qui oublie chaque préférence, chaque achat passé et chaque contexte de flux de travail après chaque session est un agent frustrant plutôt qu’utile. Les couches de mémoire et de contexte constituent la troisième grande catégorie d’infrastructure attirant les fondateurs proches du YC.
Ces systèmes vont des simples magasins clé-valeur persistants aux produits sophistiqués de « cerveau d’entreprise » qui indexent les connaissances internes d’une organisation — contrats passés, relations fournisseurs, flux d’approbation — et les rendent interrogeables par des agents autonomes en temps réel. La promotion YC comprenait plusieurs entreprises dans cette catégorie, construisant des runtimes de mémoire, des couches de recherche vectorielle optimisées pour la récupération par agents, et des API de contexte permettant aux agents de reprendre une tâche exactement là où ils l’avaient laissée.
Le modèle commercial ici est généralement de l’infrastructure en tant que service : une tarification par requête ou par licence par siège aux clients entreprises déployant des agents internes. La défendabilité vient des effets de volant de données — plus une entreprise utilise longtemps une couche de mémoire, plus ce magasin de contexte devient riche et précieux, créant des coûts de changement que les outils d’automatisation purement au niveau du flux de travail n’ont pas.
4. Surveillance et observabilité : savoir quand les agents échouent
Aucune entreprise ne déploiera des agents autonomes à grande échelle sans visibilité sur ce que font ces agents. L’observabilité des agents — journalisation des décisions, signalement des anomalies, suivi des taux d’achèvement des tâches — est la quatrième couche d’infrastructure que traite la promotion.
Cela est analogue à la pile d’observabilité DevOps qui a émergé autour des microservices : Datadog, New Relic et leurs successeurs sont devenus d’immenses entreprises non en construisant des services eux-mêmes, mais en instrumentant les services de tous les autres. Les entreprises du YC printemps 2026 dans ce domaine construisent les équivalents natifs pour agents : des tableaux de bord qui montrent non pas « cette API répond-elle ? » mais « cet agent prend-il des décisions cohérentes avec ses instructions ? » et « reste-t-il dans le périmètre de son autorisation ? »
Le profil de risque pour les entreprises est asymétrique : un agent incontrôlé qui dépasse son autorisation ou effectue un mauvais achat sur un compte commercial crée une exposition juridique, financière et réputationnelle. Les outils d’observabilité qui détectent ces événements et les acheminent vers une révision humaine sont autant un achat de conformité qu’un outil de performance.
5. Exécution du paiement et protocoles marchands : finir le dernier kilomètre
La dernière couche d’infrastructure est peut-être la plus concrète : les mécaniques réelles permettant à un agent de finaliser un achat sur un site web ou une marketplace qui n’a pas été conçu pour être transactionné par une machine. Les données de conversion d’Adobe montrent que les vitrines recommandées par l’IA convertissent à des taux 31 % plus élevés et génèrent 254 % de revenus supplémentaires par visite par rapport au trafic traditionnel — ce qui signifie que la demande de commerce piloté par agents est déjà commercialement significative.
Des startups comme Rye (API de paiement universel ne nécessitant aucune intégration marchande), Zinc (API d’achat couvrant Amazon, Walmart, Target et Best Buy) et Firmly (qui a levé 5,2 millions de dollars pour agréger des protocoles incluant ACP, UCP et AP2) construisent la plomberie qui permet à un agent d’exécuter une transaction au niveau du paiement sans que chaque marchand ait à construire des intégrations sur mesure. Le problème de fragmentation est réel : aucune intégration unique ne couvre actuellement l’ensemble du web ouvert, et les marchands de longue traîne restent largement invisibles aux systèmes d’achat agentiques.
Publicité
Ce que cela signifie pour les fondateurs, les investisseurs et les équipes entreprise
L’orientation infrastructure du YC printemps 2026 n’est pas accidentelle — elle reflète une compréhension mature de l’endroit où la valeur durable s’accumule dans une nouvelle vague technologique. La couche agent elle-même peut se commoditiser rapidement. L’infrastructure en dessous, si elle est bien positionnée, ne le fera pas.
1. Fondateurs : posséder un flux de travail, pas seulement un outil
La critique d’investisseurs la plus acérée sur la promotion printemps 2026, comme l’ont noté des observateurs au Demo Day, est que certaines entreprises d’infrastructure étaient des « couches pouvant être utiles sans devenir des entreprises durables ». La distinction entre utile et durable tient à la propriété du flux de travail. Une couche de mémoire intégrée profondément dans les flux d’approbation d’une entreprise, ses bases de données fournisseurs et ses règles de conformité est difficile à remplacer. Un magasin vectoriel générique ne l’est pas. Les fondateurs qui construisent de l’infrastructure doivent choisir un secteur vertical, s’intégrer dans la réalité opérationnelle de ce secteur et prendre en charge des résultats — pas seulement des productions.
2. Investisseurs : l’argent durable est en dessous de la couche agent
Le premier trimestre 2026 a vu 242 milliards de dollars affluer vers les entreprises d’IA dans le monde, représentant 80 % de tous les financements venture — la proportion la plus élevée jamais enregistrée. Mais la concentration est extrême : quatre entreprises (OpenAI, Anthropic, xAI, Waymo) ont capturé 65 % de ce total, levant un total combiné de 188 milliards de dollars. Pour les investisseurs qui ne peuvent pas écrire des chèques de 10 milliards de dollars, la couche infrastructure sous les géants des modèles frontières représente l’ensemble d’opportunités le plus accessible — et potentiellement le plus défendable. Le nombre de transactions en phase précoce a chuté de 30 % en amorçage, même si le volume en dollars d’amorçage a augmenté de 31 %, suggérant que le capital se concentre dans des paris d’infrastructure moins nombreux mais plus importants plutôt que de se répartir entre de nombreux plays agentiques minces.
3. Équipes entreprise : les achats doivent tenir compte de la pile agentique
Les entreprises qui évaluent les déploiements d’agents IA en 2026 doivent aller au-delà du fournisseur d’agents et évaluer la pile complète : quels rails de paiement les agents utiliseront-ils, comment les identités d’agents seront-elles accréditées et délimitées, quelle couche de mémoire persistera le contexte entre les sessions, et qui est responsable lorsqu’un agent dépasse ses dépenses autorisées. Ce sont des questions d’achat, pas seulement des questions techniques, et elles doivent être répondues avant que les agents autonomes ne touchent les flux de travail commerciaux à grande échelle.
Le scénario de correction : quand les paris infrastructure se trompent
Tous les plays infrastructure ne composeront pas. L’histoire de l’investissement en « pioches et pelles » comporte des histoires de mise en garde aux côtés des récits de succès. Le risque dominant dans la catégorie infrastructure agentique est le timing : construire un rail de paiement d’agent spécialisé six mois avant que Stripe ne livre un produit natif de portefeuille d’agent signifie se mesurer à un acteur historique bien capitalisé avec des relations marchandes existantes.
Le deuxième risque est le verrouillage de fragmentation dans l’autre sens — si les grandes plateformes IA (OpenAI, Google, Anthropic) construisent une infrastructure propriétaire pour leurs propres agents, les startups d’infrastructure tierces pourraient voir leur marché adressable se réduire à des cas d’usage de niche. C’est le scénario que le PDG de Mastercard Michael Miebach a reconnu en décrivant l’engagement de l’entreprise avec Google, Microsoft et OpenAI pour « façonner ce qui vient ensuite » — les acteurs historiques ne sont pas des spectateurs passifs dans la course à l’infrastructure.
Les startups qui survivront à ce scénario de correction sont celles qui deviendront si intégrées dans des secteurs verticaux réglementés spécifiques — facturation médicale, souscription d’assurance, marchés publics gouvernementaux — qu’une alternative de plateforme générique ne pourra pas facilement les déloger. ChatGPT traite déjà 50 millions de requêtes liées au shopping par jour, et le marché du commerce agentique devrait passer d’un TAM de 135 milliards de dollars en 2025 à 1 700 milliards de dollars d’ici 2030 avec un TCAC de 67 %. La couche infrastructure pour soutenir ce volume n’existe pas encore entièrement. La promotion YC printemps 2026 est la première vague organisée de fondateurs qui essaient de la construire — et ceux qui survivront ne seront pas ceux qui auront construit la couche la plus élégante, mais ceux qui seront allés le plus profondément dans les problèmes opérationnels les plus complexes.
Questions Fréquemment Posées
Qu’est-ce que la stratégie « pioches et pelles » dans le contexte des agents IA ?
La stratégie pioches et pelles consiste à investir dans ou à construire l’infrastructure habilitante dont les agents IA ont besoin pour fonctionner — paiements, identité, mémoire et outils d’observabilité — plutôt que de construire les agents eux-mêmes. Tout comme les mineurs de la ruée vers l’or avaient besoin de pioches indépendamment de la découverte d’or, les agents IA auront besoin d’une infrastructure fiable indépendamment des produits agents qui domineront le marché. Cette couche d’infrastructure est souvent plus défendable et moins sujette à une commoditisation rapide que la couche agent.
Pourquoi les paiements et l’infrastructure d’identité sont-ils les catégories les mieux financées dans le commerce agentique ?
Les paiements et l’identité sont les plus financés parce qu’ils représentent les blocages les plus difficiles au fonctionnement autonome des agents. Un agent qui ne peut pas transacter de façon indépendante ou prouver son identité à l’API d’un marchand ne peut pas accomplir de tâches commerciales sans approbation humaine constante, ce qui sape la proposition de valeur centrale. Des entreprises comme Basis Theory (33 millions de dollars en Série B), Nekuda (5 millions d’amorçage) et Skyfire (9,5 millions) ont attiré des capitaux précisément parce qu’elles s’attaquent directement à ce goulot d’étranglement. Les réseaux de paiement Visa, Mastercard et American Express construisent également dans cet espace, validant l’importance du marché.
Comment les équipes entreprise devraient-elles évaluer les fournisseurs d’agents IA en 2026 compte tenu de ce paysage infrastructure ?
Les équipes entreprise devraient évaluer les fournisseurs d’agents IA sur cinq dimensions au-delà des capacités de l’agent : (1) quels rails de paiement l’agent peut accéder et avec quels contrôles de dépenses, (2) comment l’identité de l’agent est accréditée et délimitée pour prévenir les actions non autorisées, (3) quelle couche de mémoire persiste le contexte entre les sessions, (4) quels outils d’observabilité existent pour auditer les décisions de l’agent, et (5) quelle est la feuille de route du fournisseur pour les secteurs réglementés comme la finance ou la santé. Un agent capable construit sur une infrastructure faible crée une exposition à la conformité ; les équipes d’achat devraient traiter la pile infrastructure comme un critère d’évaluation de premier ordre aux côtés des performances de l’agent.
