Le schéma Cursor, au-delà du code

Ce que disent vraiment les données de commits

À la fin de février 2026, SemiAnalysis a publié un suivi qui lisait les signatures de commits sur les poussées GitHub publiques. Environ 4 pour cent des commits publics portaient la signature de Claude Code. Au début de mai, cette part montait à 4,5 pour cent, Claude Code générant à lui seul environ 2,6 millions de commits par semaine. Cursor ne publie pas de données équivalentes, mais le signal général est le même. Daring Fireball a donné la vue d'ensemble de la plateforme : GitHub traite désormais quelque 275 millions de commits par semaine, un bond de 14x sur un an.

La lecture la plus propre n'est pas que « les développeurs sont devenus paresseux » ou que « l'IA est devenue plus intelligente ». Une part croissante des commits partagent un trait. L'IA siège dans l'éditeur. Le développeur n'a jamais quitté son fichier pour demander de l'aide.

Le schéma ne porte pas sur le code

L'explication standard de la croissance de Cursor est qu'il a un meilleur modèle. C'est la mauvaise abstraction. Le modèle est aujourd'hui une exigence de base. Cursor, Claude Code et GitHub Copilot tournent à peu près sur le même menu de modèles frontières. Le facteur différenciant est le flux de travail.

Comparons deux développeurs qui écrivent le même composant React. Le développeur A est dans Cursor : il enchaîne les suggestions à la touche tab, interroge un panneau de conversation sur une fonction, accepte un diff morceau par morceau. Le développeur B est dans VS Code ordinaire avec ChatGPT dans un onglet : il décrit le problème, copie le code dans la conversation, recolle la réponse, corrige les importations brisées, perd la trace de la version courante. Le développeur A finit en quinze minutes. Le développeur B en quarante. Le modèle a donné la même réponse aux deux. Le flux de travail a mangé la différence.

Un effet de composition court en parallèle. Le développeur A bâtit de la mémoire musculaire : raccourcis, gestes de révision des diffs, habitudes de prompts deviennent des réflexes. Le développeur B n'en construit aucune parce que la boucle est trop lente pour se répéter. L'écart s'élargit avec les heures.

Voilà le schéma. L'IA s'assoit là où le travail vit déjà. L'expert garde le jugement final. L'interface s'efface. Cursor n'a pas inventé l'idée. Cursor a prouvé qu'elle passait à l'échelle.

Où le schéma revient encore

Granola vit dans la réunion. Le produit tourne sur l'ordinateur, capte l'audio sans envoyer de robot dans l'appel et écrit des notes structurées que l'utilisateur peut modifier. En mars, Granola a levé 125 millions de dollars à une valorisation de 1,5 milliard ; les revenus avaient grimpé de 250 pour cent au trimestre précédent, selon TechCrunch. L'offre concurrente, une conversation générique où l'on colle une transcription après coup, perd du terrain même si la transcription est devenue une commodité. Granola a gagné en vivant à l'endroit où la réunion se déroulait.

Anthropic a livré Claude dans Microsoft 365 le 7 mai. Word, Excel et PowerPoint sont passés en disponibilité générale ; Outlook est entré en bêta publique. Les quatre add-ins partagent un seul fil par utilisateur, selon The New Stack. On change une hypothèse dans Excel et la note de présentation dans Word en hérite. Le pari est que le travail professionnel payant se fait dans Word et Excel, et que le modèle a aussi sa place là.

Nous avons croisé la même logique en démarrant LeadLord. La question revenait sans cesse : « où travaille réellement un conseiller en gestion de patrimoine qui pilote des annonces ? » Pas dans un tableau de bord marketing. Dans l'interface Meta Ads, le Campaign Manager de LinkedIn, le document de revue de conformité dans Word, le CRM, l'agenda, le téléphone. LeadLord devait donc vivre à ces endroits, pas les remplacer. La conformité se révise dans le brouillon. Les annonces partent vers la plateforme où elles seront diffusées. Le CRM reçoit le prospect dans le format attendu.

Le service à la clientèle raconte la même histoire : les IA qui s'installent dans Zendesk et Intercom volent des parts aux agents conversationnels autonomes. L'automatisation marketing la raconte aussi, avec des gagnants logés dans HubSpot et Salesforce plutôt que dans des applications de rédaction autonomes.

Pourquoi l'IA horizontale perd le travail spécialisé

Quatre raisons, empilées.

Mémoire musculaire. Les experts ont déjà bâti leurs flux dans leur outil. Les mains d'un avocat connaissent le menu des styles. Les doigts d'un développeur connaissent les touches de recherche. Un spécialiste du marketing connaît la structure d'une campagne Meta Ads par cœur. Leur demander de quitter cet outil pour parler à un agent conversationnel, c'est leur faire payer une taxe de changement de contexte à chaque prompt.

Contexte. Le fichier est ouvert. Le chiffrier détient les hypothèses. La campagne détient le ciblage. Le CRM détient l'historique client. Une IA dans l'outil dispose déjà de tout cela. Une IA dans un onglet exige que l'utilisateur colle tout, ce qui est lent et constitue une décision de confidentialité que la plupart préfèrent éviter.

Piste d'audit. Les outils spécialisés écrivent dans le système de référence. Cursor modifie un fichier, git capture le diff. Claude modifie un document Word, le système de gestion documentaire du cabinet le retient. Le copier-coller perd la provenance.

Jugement final. L'humain garde la décision. L'avocat accepte les modifications suivies clause par clause. Le développeur accepte les morceaux de diff. Le conseiller approuve le texte publicitaire avant la diffusion. Les outils verticaux présentent le travail du modèle dans une forme révisable à la granularité du métier. Une conversation horizontale déverse un mur de texte que l'expert doit transplanter et vérifier à la main.

Chaque avantage est petit. Empilés, ils forment le fossé concurrentiel.

Ce que cela signifie pour la stratégie produit IA en 2026

Construire pour un flux dans un outil. Pas pour « tout le monde, partout ».

La fragmentation du travail est le fossé. La journée d'un conseiller en patrimoine ne ressemble pas à celle d'un plaideur, qui ne ressemble pas à celle d'un responsable du service à la clientèle. Les joueurs horizontaux, ChatGPT, le Claude grand public, Gemini, resteront le choix par défaut pour les tâches génériques : rédiger un courriel, résumer un article, écrire du code jetable. Ce plancher est large et ne disparaîtra pas.

Le plafond, le travail spécialisé payant, fuit vers les outils de domaine. La couche modèle se banalise sur le prix et la qualité. La couche d'intégration, non. Posséder la surface où un métier fait son travail est plus défendable que posséder un meilleur modèle. La surface accumule des données, des habitudes et des coûts de changement que le modèle seul n'atteint pas.

La question stratégique pour quiconque livre de l'IA en 2026 est : quelle surface posséder ? Choisir un métier. Choisir un outil. Y vivre. Construire pour les frappes déjà inscrites dans les doigts de l'utilisateur.