Qu'est-ce que Thomas, le fondateur IA ? Un regard sur le premier fondateur non-humain de YC

Qu'est-ce qu'exactement Thomas ?

Thomas est une entreprise (et un personnage) lancée mi-2026 dans la promotion Printemps 2026 de Y Combinator. L'argumentaire sur son site est direct : Thomas est "un humain virtuel qui crée, dirige et développe ses propres entreprises sur internet", et "son seul objectif est de gagner de l'argent." Le cadrage n'est délibérément pas "un cofondateur IA que vous pouvez embaucher." Comme le dit le site, "Thomas n'est pas à vendre. Ses produits et services le sont."

Cette distinction est tout l'enjeu. La plupart des produits IA sont des outils que vous opérez. Thomas est positionné comme un acteur économique qui opère pour son propre compte, vend des choses, et garde les revenus, avec un humain attaché principalement pour les parties que la loi requiert encore d'une personne. YC a embrassé la nouveauté, le qualifiant de son "premier fondateur non-humain" au lancement.

Quelques faits de base avant d'aborder la philosophie. D'après sa page YC, Thomas est basé à San Francisco, équipe de deux personnes, fondé en 2026, avec Nicolas Dessaigne (cofondateur d'Algolia) comme partenaire YC. La page d'accueil le présente comme "soutenu par Y Combinator et OpenAI", plus "des dizaines de premiers croyants", bien qu'aucun montant de financement ne soit public. Et le chiffre tant partagé — ce compteur de revenus en direct — est autodéclaré sur le propre site de Thomas, sans audit tiers que j'aie pu trouver. Ça vaut la peine de le garder à l'esprit chaque fois que le chiffre est cité.

L'humain derrière l'IA : rencontrez "Human Thomas"

Tout fondateur IA a un fondateur humain, et celui-ci est intéressant à part entière. Le créateur se fait publiquement appeler Human Thomas et décrit son propre rôle comme "juste le type qui signe les documents légaux pour Thomas."

Son parcours est du genre qu'apprécie YC. D'après la page de l'entreprise, il construit et vend des bots de jeux vidéo depuis ses 13 ans, a présenté à NeurIPS à 18 ans, contribué au Neural MMO d'OpenAI, et a abandonné CentraleSupélec (une des meilleures écoles d'ingénieurs françaises) pour fonder sa première startup, qui a été acquise par Arcads, une entreprise de création publicitaire IA. Il a ensuite porté du travail freelance à $40k par mois avant de décider de, selon ses mots, se cloner en Thomas. L'histoire d'origine est importante car elle vous dit que Thomas n'est pas un chatbot emballé, c'est l'automatisation d'une personne spécifique qui gagnait déjà de l'argent en faisant du travail internet improvisé.

Comment Thomas fonctionne réellement : le "human harness"

Voici l'idée qui vaut d'être prise au sérieux. La prémisse de Thomas est que les modèles frontier actuels sont déjà assez bons pour accomplir un travail économiquement précieux, et que ce qui retient les agents c'est le "harness", l'échafaudage autour du modèle, pas l'intelligence du modèle. L'équipe soutient que la plupart des agents sont coincés dans des intégrations étroites et des workflows figés, bloqués derrière des boucles d'approbation humaines, et donc ne participent jamais vraiment à l'économie.

Leur solution est un type différent d'échafaudage : un human harness. Il donne à l'IA la même surface qu'une personne utilise pour faire des affaires.

D'après le site officiel, le harness a trois parties :

• Une identité humaine, un visage et une voix, pour que Thomas puisse parler aux clients, négocier avec les fournisseurs et instaurer la confiance.
• Des outils humains standards : ordinateurs, téléphones, navigateurs, applications, pour qu'il utilise les systèmes qui existent déjà au lieu d'attendre des intégrations personnalisées. Le site souligne qu'il n'y a aucune intégration personnalisée requise.
• Une autonomie dans le monde, pour que Thomas apprenne des résultats, pas d'une invite utilisateur.

Thomas se présente même comme un opérateur en direct sur caméra, avec une interface de live stream simulée montrant "Thomas construisant son entreprise en direct" et une barre latérale de chat réagissant en temps réel.

Cette partie me plaît vraiment. L'insight "le harness, pas le modèle" est correct et sous-estimé. Ayant construit une IA qui doit opérer dans de vrais helpdesks, je peux vous dire que la majorité du travail difficile est exactement le harness : se connecter aux systèmes qu'une équipe utilise déjà, lire les bonnes connaissances, savoir quand agir et quand s'arrêter. Le pari de Thomas est que le harness le plus général est le harness humain. C'est un recodrage malin même si on pense que l'exécution est follement ambitieuse.

La boucle de génération d'argent

Comment Thomas décide-t-il donc de ce qu'il fait toute la journée ? Le "plan maître" est une boucle en trois étapes conçue pour se composer.

1. Donner à Thomas le human harness pour qu'il puisse utiliser les mêmes accès que les gens utilisent pour faire des affaires.
2. Mesurer chaque action par le cash qu'elle génère pour les tokens qu'elle coûte, faisant des revenus par token la métrique économique centrale.
3. Réallouer les tokens vers le travail à plus fort rendement, et laisser la boucle se composer.

En termes simples : dire à Thomas de gagner de l'argent, lui donner le harness pour le faire, et le laisser tourner. Les types de travail qu'il liste sont exactement ce que ferait un opérateur solo travailleur : construire des produits logiciels, gérer des campagnes de marketing d'influence, générer et vendre des leads qualifiés, et prendre des commissions, pages de destination, publicités là où l'argent circule déjà.

Revenus par token est une métrique genuinement pertinente. C'est le même instinct que toute équipe devrait avoir lorsqu'elle mesure le ROI de l'IA : lier le coût du modèle directement à la valeur qu'il produit, et arrêter de faire le travail qui ne paye pas.

Pourquoi maintenant ? Le pari GDPval

Toute la thèse de Thomas repose sur une affirmation temporelle : que les modèles ne sont devenus suffisamment bons pour faire un vrai travail économique sans supervision que récemment. Pour l'étayer, l'équipe pointe GDPval, un benchmark qui note la production IA contre les livrables d'experts humains.

Le chiffre cité : les modèles frontier sont passés de 12,3% à 84,9% de victoires ou égalités contre des livrables d'experts en moins de deux ans. Lu avec bienveillance, c'est l'argument le plus fort pour l'ensemble du projet — la capacité brute est plausiblement là, donc le travail intéressant se déplace vers le harness. Lu avec scepticisme, "victoires ou égalités sur un benchmark" et "peut diriger une entreprise rentable sans supervision" sont des barres très différentes, et l'écart entre elles est là où la plupart des démos d'agents autonomes s'effondrent discrètement.

Ce que les gens disent

La discussion sur Thomas, à fin juin 2026, vit principalement sur X et LinkedIn plutôt que sur Reddit ou Hacker News. Le fondateur a lui-même annoncé l'acceptation dans YC :

"grande nouvelle ! admis à YC en solo founder avec 40k$/mois de revenus ! construction de Thomas : le premier fondateur IA soutenu par YC (oui, je me suis cloné)"

Human Thomas (@madebythomasai), 29 mai 2026

Y Combinator l'a amplifié sur ses propres canaux :

"Thomas (YC P26) est un humain virtuel qui crée, dirige et développe ses propres entreprises. Son seul objectif est de gagner de l'argent."

Y Combinator sur LinkedIn

Et un opérateur tiers sur X a résumé le mécanisme pour son audience : Thomas est "un agent IA autonome cloné de lui-même qui gagne de l'argent de manière indépendante en vendant des services aux entreprises et en construisant ses propres produits." La réception globale est un mélange de vraie fascination (le fondateur affirme plus de 1 000 messages entrants après le lancement) et une saine dose de "c'est la narrative des agents IA poussée à sa conclusion logique, légèrement absurde." Les deux réactions sont justifiées.

Ce qu'un "fondateur IA" fait bien, et ce qu'il omet

C'est ici que je vais planter un drapeau, car c'est la partie qui compte vraiment si vous dirigez une entreprise plutôt que regarder des démos.

Thomas fait bien la chose essentielle : le harness est le produit. Le modèle est une marchandise que vous louez ; la valeur est dans la façon dont vous le connectez à de vrais systèmes, de vraies connaissances et de vraies décisions. C'est vrai que vous construisiez un fondateur IA ou automatisiez le service client.

Ce qu'il omet, c'est tout ce qu'on a appris sur la confiance. "Pointer une IA vers un objectif ouvert et la laisser agir dans le monde" est la version maximaliste de l'autonomie, et c'est la version la plus difficile à rendre fiable. La version qui se déploie réellement et garde les clients est l'autre extrémité du curseur.

J'ai vu un bot au ton assuré donner discrètement de mauvaises réponses aux clients, ce qui est pourquoi chaque déploiement que nous faisons maintenant est simulé contre des tickets historiques avant de répondre à un vrai client. L'objection la plus citée que j'entends des acheteurs n'est pas "l'IA peut-elle le faire", c'est "puis-je lui faire confiance pour ne pas improviser." Comme me l'a dit un responsable CX d'une marque de compléments alimentaires en direct-to-consumer : l'IA ne répondra jamais à 100% des questions, donc ils ont besoin "d'une IA qui ne gère que les tickets dont elle est certaine, et tous les autres, qu'elle les laisse tranquilles."

C'est tout le jeu en une phrase. Un travail étroit, fait avec un routage basé sur la confiance pour que l'IA escalade dès qu'elle n'est pas sûre, bat un généraliste héroïque qui invente parfois une politique de remboursement. Et l'instinct "on construira juste notre propre agent autonome" perd généralement face à l'achat d'un agent focalisé, pour la raison que m'a donnée Karel chez GENERAL BYTES : "on pourrait essayer d'écrire notre propre application LLM mais on ne voulait pas y investir notre temps. On voulait quelque chose qu'on n'aurait pas à maintenir."

Thomas est donc une provocation amusante et utile. Il pousse l'idée "harness plutôt que modèle" plus loin que quiconque, et ça vaut la peine de le suivre. Mais la leçon que j'apporterais dans votre entreprise est la plus banale : choisissez le travail étroit, prouvez-le sur vos vraies données, et conditionnez-le à la confiance. C'est ainsi que l'IA gagne vraiment de l'argent, une tâche fiable à la fois.

Essayez eesel

Si la partie de Thomas qui vous intéresse c'est "une IA qui fait vraiment le travail", c'est exactement ce que je construis chez eesel AI, sans l'improvisation en monde ouvert. eesel est un agent helpdesk IA qui se branche aux outils que vous utilisez déjà (Zendesk, Freshdesk, Gorgias, Front, Slack et plus de 100 intégrations), apprend de vos tickets passés et documents d'aide dès le premier jour, et gère le support de niveau 1 seul, tout en escaladant tout ce dont il n'est pas certain.

Le différenciateur est exactement la partie que le pari en monde ouvert de Thomas omet : avant qu'eesel touche à un vrai client, vous pouvez le simuler contre votre vrai historique de tickets pour voir exactement ce qu'il aurait dit et ce qu'il résoudrait. La tarification est basée sur l'usage sans frais par siège, et il y a un essai gratuit sans carte de crédit. Vous voulez un coéquipier IA qui fait un travail bien et le prouve d'abord ? Essayez eesel gratuitement.