La forme ultime d'un assistant IA ? Pourquoi les investisseurs ont-ils investi 11 millions de dollars dans ce produit IA qui « regarde votre écran » ?

Écriture : Leo

Avez-vous remarqué que les assistants IA d’aujourd’hui sont en réalité assez « bêtes » ? Chaque fois que vous ouvrez ChatGPT ou Claude, vous devez réexpliquer le contexte. « Je travaille sur un projet concernant… », « Notre équipe a tenu une réunion pour discuter de… », « La semaine dernière, j’ai envoyé un email dont le contenu était… ». Vous passez cinq minutes à rédiger des prompts pour obtenir une réponse à peine utile. Cela ne va pas. L’IA ne devrait-elle pas simplifier le travail ? Pourquoi, au contraire, augmenter notre charge de travail ?

J’ai récemment testé un produit appelé Littlebird, qui vient de boucler une levée de fonds de 11 millions de dollars en seed, menée par Lotus Studio. Ce produit m’a fait repenser une question : à quoi devrait ressembler un assistant IA ? Il ne devrait pas être un outil qui nécessite que vous lui « donniez » constamment des informations, mais plutôt un assistant qui connaît déjà votre travail et votre vie. Comme un vrai assistant, pas besoin de tout réexpliquer à chaque fois : le contexte du projet, la situation de l’équipe, l’avancement du travail.

Alexander Green, le fondateur de Littlebird, a dit lors de l’annonce du financement : « Utiliser un ordinateur devient de plus en plus une forme de confrontation. » Chaque fois qu’on ouvre un ordinateur, on ressent une double stimulation : dopamine et peur. L’ordinateur devrait être une « bicyclette de la pensée », mais le modèle économique d’Internet a tout reconnecté : si le produit est gratuit, vous êtes le produit ; si vous êtes le produit, l’objectif est de capter votre attention. La bicyclette commence à nous faire pédaler à l’envers. Cette métaphore est très précise. Nous devrions contrôler l’outil, mais c’est l’outil qui nous contrôle.

Pourquoi l’assistant IA est-il toujours « oublieux » ?

J’ai utilisé pendant plus de six mois divers outils IA, de ChatGPT à Claude, de Notion AI à plusieurs assistants spécialisés en rédaction IA. Chaque outil est puissant, mais tous ont le même problème : ils ne savent pas qui je suis, ce que je fais, ce qui m’importe. Chaque conversation ressemble à une première rencontre : je dois me représenter, expliquer le contexte, fournir des informations.

Par exemple. La semaine dernière, je préparais une conférence de lancement de produit impliquant plusieurs départements. J’ai eu une réunion avec l’équipe design pour discuter de la charte visuelle, une autre avec le marketing pour définir la stratégie de communication, et une dernière avec l’équipe technique pour les détails techniques de la démo. Les notes de ces réunions sont dispersées : dans Notion, dans des emails, ou simplement en discussion orale. Quand je veux utiliser l’IA pour m’aider à rédiger un plan complet, que dois-je faire ? Je dois tout copier-coller dans l’outil IA, rédiger un prompt très long, détaillant chaque réunion et chaque décision. Rien que pour préparer ce prompt, j’ai passé vingt minutes.

Pire encore, le lendemain, si je veux modifier le plan, je dois tout refaire. Parce que l’IA ne se souvient pas de la conversation d’hier, ou si elle s’en souvient, elle ne sait pas que j’ai discuté d’un nouveau cap avec le CEO cet après-midi-là. Cette expérience donne l’impression que l’assistant IA ne m’aide pas, mais m’ajoute une charge supplémentaire. Je dois non seulement faire mon travail, mais aussi « apprendre » à l’IA à comprendre mon travail.

L’équipe fondatrice de Littlebird a une insight clé : les modèles IA sont en réalité très puissants, mais leur utilité est limitée par le manque de données sur l’utilisateur. Les grands modèles de langage ne savent rien de vous, ce qui limite fondamentalement leur praticité. Ce point, simple en apparence, va droit au cœur du problème. On parle beaucoup de comment rendre les modèles plus intelligents, mais on oublie une question plus fondamentale : comment faire en sorte que le modèle comprenne l’utilisateur ?

Aujourd’hui, beaucoup d’outils IA tentent de résoudre le problème du contexte. Certains se concentrent sur la recherche dans vos documents, d’autres sur la transcription de réunions, d’autres encore sur l’organisation des emails. Mais tous ont une limite commune : ils ne voient que ce que vous leur donnez volontairement. Vous devez uploader des documents, autoriser l’accès à votre Gmail, ou activer la transcription lors d’une réunion. Cela demande beaucoup de configuration et de maintenance de la part de l’utilisateur. Et surtout, ces outils ne voient pas la globalité de votre travail. Ils connaissent peut-être le contenu de vos réunions, mais pas ce que vous discutez dans Slack après. Ils connaissent vos emails, mais pas ce que vous avez étudié dans votre navigateur.

Ce qui distingue Littlebird : la lecture d’écran

Littlebird adopte une approche totalement différente, qu’ils appellent « screenreading » (lecture d’écran). Cette technique me rappelle comment fonctionne un vrai assistant. Un assistant efficace n’a pas besoin que vous lui disiez tout en détail : il observe votre travail, retient l’essentiel, et vous rappelle quand c’est nécessaire. Littlebird fait quelque chose de similaire.

Concrètement, Littlebird est une application Mac qui lit en continu tout le texte affiché sur votre écran. Attention, il s’agit de « lecture », pas de « capture d’écran ». La différence est cruciale. D’autres produits similaires, comme Rewind (rebaptisé Limitless et racheté par Meta) ou Recall de Microsoft, fonctionnent en prenant des captures d’écran régulières. Cette méthode pose plusieurs problèmes : un volume de données énorme, car les images sont volumineuses ; une faible confidentialité, car tout ce qui apparaît à l’écran est enregistré ; une recherche difficile, car extraire des informations d’images est plus complexe que du texte.

La méthode de Littlebird est plus intelligente. Elle utilise des techniques avancées de lecture d’écran pour comprendre tout le texte dans toutes les applications, sans configuration compliquée. Elle peut identifier qui a dit quoi, quand, et suivre en détail l’avancement de vos projets. Ainsi, elle construit une compréhension riche de votre vie : qui est important pour vous, quels projets vous menez, ce qui vous préoccupe cette semaine ou cette année. Lors d’une interview, Green a dit que cette méthode permet de réduire considérablement la volumétrie des données, tout en étant moins intrusive.

Ce que j’apprécie particulièrement, c’est que cette approche respecte la nature même des logiciels. Le contenu affiché à l’écran est déjà du texte ou des données structurées. Pourquoi le convertir en image puis le reconvertir en texte ? Lire directement le contenu structuré est plus efficace et précis. D’un point de vue privacy, le texte est aussi beaucoup moins sensible que les images. Vos mots de passe peuvent apparaître sous forme d’astérisques, votre numéro de carte bancaire peut être masqué, mais une capture d’écran enregistrera tout.

Littlebird ignore automatiquement les champs sensibles dans les gestionnaires de mots de passe ou les formulaires web, comme les numéros de carte ou mots de passe. Vous pouvez aussi définir manuellement quels logiciels ou sites doivent être exclus. Cela donne beaucoup de contrôle à l’utilisateur. Si vous ne souhaitez pas que Littlebird voie ce que vous faites dans une application privée ou financière, vous pouvez l’exclure facilement.

En plus de la lecture passive, Littlebird peut aussi se connecter activement à d’autres applications. Vous pouvez choisir de relier Gmail, Google Calendar, Apple Calendar ou Reminders. Cela lui permet d’avoir une compréhension plus complète de votre vie et de votre travail. Elle ne voit pas seulement ce qui s’affiche à l’écran, mais aussi votre agenda, vos tâches, vos emails.

Ce que signifie une IA avec tout le contexte

Quand une IA possède une compréhension complète de votre contexte, l’expérience utilisateur change radicalement. J’ai vu plusieurs cas d’usage de Littlebird qui m’ont fait réaliser qu’il ne s’agit pas d’une simple amélioration progressive, mais d’un tout nouveau mode d’interaction.

La fonction la plus basique est de répondre à des questions. Mais, contrairement à d’autres outils IA, les réponses de Littlebird sont basées sur une compréhension approfondie de votre travail. Vous pouvez demander : « Qu’ai-je fait aujourd’hui ? » ou « Quels emails sont importants pour moi ? ». Après quelques jours d’utilisation, ces prompts préconfigurés deviennent de plus en plus personnalisés. C’est fascinant, car l’IA commence à apprendre ce qui vous préoccupe, votre mode de travail.

Green a partagé son expérience d’utilisation, et cela illustre bien la valeur de l’IA avec tout le contexte. Il lui demande chaque jour : « Qu’est-ce qui est important cette semaine ? » ou « Sur quoi devrais-je me concentrer ? », et reçoit souvent des réponses surprenantes et réfléchies. Il l’utilise pour obtenir des conseils professionnels, combler ses lacunes techniques, ou même planifier ses dîners. Ces cas d’usage sont très variés, mais ont en commun que l’IA donne des réponses perspicaces parce qu’elle connaît profondément sa vie.

Littlebird intègre aussi une fonction de prise de notes de réunions, similaire à Granola, qui fonctionne en arrière-plan avec le son du système pour transcrire les réunions et créer des notes ou des actions. Ce n’est pas une nouveauté en soi, il existe déjà beaucoup d’outils de transcription. Mais la particularité de Littlebird, c’est qu’elle peut relier ces notes à votre contexte global : réunions, emails, documents, tâches.

Ce qui m’a le plus intéressé, c’est la fonction « Préparer la réunion » (Prep for meeting). Lorsqu’on ouvre la vue détaillée d’une réunion, il y a une option pour que Littlebird prépare la réunion pour vous. Elle prend en compte le contexte des réunions passées, les emails liés, l’historique de l’entreprise, et vous fournit des détails supplémentaires. Elle peut même aller chercher des infos sur Reddit ou d’autres sources pour connaître l’avis des utilisateurs sur un produit ou une société. Imaginez : vous avez une réunion avec un client, Littlebird vous prépare un résumé de ce qui a été discuté, des échanges par email, des actualités de l’entreprise, et des retours d’utilisateurs. Comme un assistant personnel qui vous prépare en amont.

Un autre outil que je trouve très pratique, c’est Routines. Il permet de créer des prompts détaillés pour que Littlebird les exécute à intervalles réguliers, quotidiennement, hebdomadairement ou mensuellement. La société propose déjà des routines prêtes à l’emploi, comme un résumé quotidien, un bilan hebdomadaire, ou un rapport de la journée précédente. Vous pouvez aussi créer vos propres routines avec des instructions personnalisées. Ce qui répond à un vrai besoin : on sait qu’il faut faire des revues régulières, mais on ne le fait pas toujours. Avec Routines, l’IA vous aide à le faire automatiquement.

Une enquête interne menée par l’équipe de Littlebird a montré la valeur concrète de cette IA avec tout le contexte : 84 % des utilisateurs déclarent gagner au moins une demi-journée par semaine, 80 % disent que le produit réduit leur anxiété quotidienne. Ces chiffres sont significatifs. Gagner du temps, c’est évident : moins de recherche, moins de recherche de documents, moins de souvenirs à raviver. Mais réduire l’anxiété, c’est plus profond. Beaucoup de stress vient de la crainte d’oublier une information importante, de manquer une échéance, ou de ne pas répondre à temps. Savoir qu’un IA vous suit en permanence, ça rassure.

L’équilibre entre vie privée et contrôle

Quand j’ai appris que Littlebird lit en continu tout ce qui s’affiche à l’écran, ma première réaction a été : « Est-ce sécurisé ? Est-ce que ça ne va pas compromettre ma vie privée ? » Ces inquiétudes sont légitimes. Si une application doit observer toute votre journée numérique, la confiance est essentielle.

Littlebird a conçu sa philosophie autour de « confidentialité, sécurité et contrôle utilisateur par défaut ». Sur le plan technique, ils ont mis en place plusieurs mesures pour protéger la vie privée. Toutes les données sont stockées avec un chiffrement AES-256, transmises via TLS 1.3. Les données utilisateur ne sont jamais utilisées pour entraîner l’IA. Ce sont des mesures de base, mais cruciales pour ce type de produit.

Plus important encore, l’utilisateur garde le contrôle. Il peut suspendre la collecte à tout moment, exclure certaines applications ou sites, supprimer ses données d’un clic. Ce design donne à l’utilisateur une maîtrise totale de ses informations. Si vous traitez des données très sensibles, vous pouvez suspendre temporairement Littlebird ; si vous ne voulez pas qu’il surveille certains logiciels, vous pouvez les mettre en blacklist.

Green a expliqué dans une interview pourquoi ils ont choisi de stocker dans le cloud plutôt que localement. La raison : pour faire fonctionner des modèles puissants et gérer différents workflows IA, cela n’est pas réalisable en local. C’est un compromis intéressant. Le stockage local est plus sûr, car les données restent sur votre appareil. Mais le stockage dans le cloud permet d’accéder à des modèles IA plus performants, offrant plus de fonctionnalités. Littlebird a opté pour cette solution, en utilisant un chiffrement fort et une politique stricte de confidentialité pour limiter les risques.

J’ai aussi noté que Littlebird a obtenu la certification SOC 2, conforme au RGPD et au CCPA. Ces certifications et conformités ne sont pas anodines, surtout pour une startup. Cela montre que l’équipe a dès le départ placé la sécurité et la vie privée au cœur de sa démarche, et pas en option.

Un détail que je trouve très important : Littlebird ne stocke aucune information visuelle, uniquement du texte. Cela allège énormément la volumétrie des données, et réduit l’intrusion. Green explique que c’est peut-être une des raisons pour lesquelles Recall et Rewind rencontrent des difficultés : la capture d’écran génère des volumes de données très importants. Et l’image est plus intrusive. Imaginez que vous parcourez des photos personnelles ou regardez des vidéos : une capture d’écran enregistre tous ces détails visuels. Le simple enregistrement de texte ne conserve que des descriptions, sans images.

Ce design m’amène à une question plus large : jusqu’où voulons-nous que l’IA nous comprenne ? La transparence totale offre un maximum de commodité, mais aussi un risque accru. La méthode de Littlebird consiste à laisser l’utilisateur définir cette limite. Il peut tout laisser voir, ou restreindre strictement l’accès. Cette flexibilité est essentielle, car chaque personne, chaque usage, a des exigences différentes en matière de vie privée.

Ce que cela signifie pour les produits IA

L’histoire de Littlebird m’a fait repenser la façon dont devraient être conçus les produits IA. À mon avis, ce produit incarne plusieurs principes fondamentaux, qui devraient guider tout développement d’IA.

Le premier, c’est l’importance du contexte. L’investisseur de Littlebird, Lenny Rachitsky, a dit une phrase que je partage : « La qualité d’une IA dépend du contexte qu’elle possède, et elle connaît trop peu votre journée. » Cette phrase met en lumière le vrai problème des produits IA actuels. On optimise les modèles, on améliore les algorithmes, mais on oublie un fait essentiel : aussi intelligente soit-elle, une IA ne peut donner de bonnes réponses si elle ne connaît pas la situation précise de l’utilisateur.

Cela me rappelle une erreur fréquente dans le développement d’anciens produits IA. Beaucoup d’équipes construisent des systèmes complexes de RAG (retrieval-augmented generation), pour que l’IA puisse accéder à diverses sources de données. Ce n’est pas une mauvaise idée, mais la méthode peut être inefficace. Au lieu de demander à l’utilisateur d’uploader des documents ou d’autoriser l’accès à ses applications, pourquoi ne pas faire en sorte que l’IA observe simplement le travail de l’utilisateur ? La technique de lecture d’écran de Littlebird est une collecte passive mais complète du contexte, plus efficace qu’une connexion dispersée et volontaire.

Le deuxième principe, c’est l’importance de trouver le « killer use case ». Lorsqu’on parle de succès à long terme, Rachitsky insiste sur la nécessité d’identifier le scénario d’usage indispensable. Il dit que beaucoup ont déjà trouvé ce scénario pour eux-mêmes, et que l’équipe doit se concentrer sur ces cas émergents. C’est une approche pragmatique. Beaucoup de teams tentent de créer un « tout-en-un » IA, mais finissent par faire tout, sans exceller dans rien.

Rachitsky partage aussi une philosophie de développement intéressante : « On ne saura vraiment comment les gens utilisent votre produit que lorsque vous le lancerez. La stratégie consiste à le sortir rapidement, voir comment il est utilisé, puis investir massivement dans ces usages, plutôt que de tout planifier à l’avance. » Contrairement au développement logiciel traditionnel, qui privilégie la planification et la perfection avant lancement, l’IA est un processus d’expérimentation continue. La frontière de ses capacités est floue, et les utilisateurs découvrent souvent des usages inattendus.

Les retours d’expérience montrent que différentes personnes ont trouvé des usages très variés : Russ Heddleston, CEO de DocSend, a dit qu’il a réécrit le site marketing de sa société en intégrant des contextes issus de réunions, emails, Notion ; Gokul Rajaram, ancien responsable produit de Google et Facebook, a dit que cet outil élimine la friction de la mémoire, de la recherche et de la réinterprétation de son travail ; Rachitsky lui-même utilise l’outil pour améliorer sa productivité et son bonheur.

Ces usages très divers, allant de la rédaction de contenu marketing à l’optimisation de la productivité personnelle, reposent tous sur une capacité centrale : une compréhension approfondie de l’utilisateur par l’IA. Cela valide l’hypothèse centrale de Littlebird : quand l’IA connaît vraiment votre contexte, ses usages émergent naturellement, sans que l’équipe ait besoin de tout planifier à l’avance.

Le troisième enseignement, c’est la subtilité du positionnement produit. Littlebird se présente comme « le futur de l’ordinateur silencieux ». C’est une image poétique, mais précise. La majorité des IA actuelles cherchent à capter votre attention, en envoyant des notifications, en poussant des rappels, en vous incitant à utiliser davantage. Littlebird, lui, travaille en arrière-plan, n’apparaissant que lorsque vous en avez besoin. Cette caractéristique « silencieuse » pourrait être une nécessité pour une IA avec tout le contexte. Si une IA vous connaît vraiment, elle n’a pas besoin de vous interrompre pour obtenir des infos, elle peut apprendre et se préparer discrètement.

Le modèle économique actuel de Littlebird est une utilisation gratuite, avec des fonctionnalités avancées payantes à partir de 20 dollars par mois. Ce prix me paraît raisonnable, compte tenu de la valeur qu’elle offre. Si elle permet de gagner une demi-journée par semaine, 20 dollars par mois sont une excellente affaire. Mais je me demande si, à terme, le modèle évoluera : version entreprise, fonctionnalités collaboratives, etc.

Mes réflexions pour l’avenir

Après avoir expérimenté le concept de Littlebird, je me pose une question plus large : à quoi devrait ressembler l’assistant IA de demain ?

Je pense que nous vivons une transition du « IA outil » vers le « IA partenaire ». L’IA outil, comme ChatGPT aujourd’hui, est une ressource que l’on ouvre quand on en a besoin, puis que l’on ferme. Chaque fois, c’est un nouveau début. L’IA partenaire, comme Littlebird, est toujours là, connaît votre travail et votre vie, et peut vous aider de façon proactive. Ce n’est pas une question de capacité, mais de relation.

Ce changement entraînera des évolutions intéressantes. Par exemple, on pourrait moins avoir besoin de multiples outils IA spécialisés. Aujourd’hui, il existe des assistants pour la rédaction, la programmation, l’analyse de données, la gestion de réunions. Mais si une IA connaît vraiment tout votre travail, elle pourrait vous aider de manière cohérente dans différents contextes, sans changer d’outil.

Un autre changement concerne la conception des prompts. Aujourd’hui, on passe beaucoup de temps à apprendre à rédiger de bons prompts, à fournir suffisamment de contexte, à guider l’IA. Mais si l’IA a déjà tout le contexte, il suffira peut-être d’exprimer simplement votre intention. Comme avec un assistant humain : plus besoin d’expliquer en détail, il sait déjà.

Mais cette IA avec tout le contexte soulève aussi de nouveaux défis. Le premier, c’est l’adaptation psychologique. Savoir qu’une IA vous observe en permanence peut, même rationnellement, générer une gêne ou une anxiété. C’est comme si un collègue regardait votre écran tout le temps. Il faut du temps pour s’habituer à cette nouvelle relation de travail.

Le second défi, c’est la dépendance. Si vous comptez sur l’IA pour tout mémoriser, organiser, préparer, votre mémoire et votre capacité d’organisation risquent de se dégrader. C’est comme le GPS qui détruit votre sens de l’orientation. Beaucoup de gens dépendent déjà de la navigation, et leur capacité à se repérer s’affaiblit. L’assistant IA pourrait avoir un effet similaire.

D’un point de vue industriel, Littlebird incarne une nouvelle catégorie de produits : ce n’est pas un simple outil de transcription ou de recherche, mais un « assistant IA avec tout le contexte ». La caractéristique centrale : observation continue, compréhension globale, service proactif. Je prévois que d’autres entreprises entreront dans ce domaine, en compétition sur plusieurs axes : qui collecte le plus de contexte ? Qui comprend le mieux ? Qui garantit la meilleure confidentialité ?

Les 11 millions de dollars levés ne sont qu’un début. Les investisseurs sont intéressants : ils viennent du design, du contenu, de la productivité. Ce ne sont pas que des financeurs, ce sont aussi des utilisateurs intensifs, capables de donner des retours et d’identifier des usages. Cette structure d’investisseurs est précieuse pour un produit IA qui doit constamment évoluer et découvrir de nouveaux cas d’usage.

J’ai hâte de voir comment Littlebird évoluera. S’étendra-t-elle à Windows et autres plateformes ? Lanceront-ils une version entreprise pour que toute une équipe partage un même contexte ? Développeront-ils des fonctionnalités que nous n’imaginons pas encore ? Et surtout, trouvera-t-elle le « killer use case » qui fera dire : « Sans lui, je ne peux pas travailler » ?

Green a déclaré lors de l’annonce du financement : « Peut-on vraiment construire une IA qui vous comprend ? Nous croyons que oui, et nous voulons vous le prouver. » C’est à la fois une promesse et un défi. Littlebird est encore en phase d’expérimentation, un projet en cours. Elle ne capte pas toujours tous les détails, peut manquer un collègue en vacances ou un projet terminé. Mais vous serez surpris de la profondeur de sa compréhension.

Je suis convaincu que l’IA avec tout le contexte est l’avenir. Pas parce que la technologie est impressionnante, mais parce que c’est ainsi que l’IA doit être. La promesse de l’IA, c’est de nous rendre plus efficaces, plus concentrés, plus créatifs. Mais si l’IA demande une maintenance humaine constante, elle trahit cette promesse. Ce n’est que lorsqu’elle comprendra vraiment nos besoins, s’adaptera à nous, qu’elle pourra devenir une « bicyclette de la pensée » qui nous aide à aller plus vite et plus loin.