99% de code ecrit par IA : Comment Every fait tourner 4 produits avec 15 personnes
Dan Shipper revele le playbook de l'ingenierie composee d'Every : des ingenieurs seuls construisant des apps en production, des managers qui commitent du code, et pourquoi 100% d'adoption IA est un saut de 10x par rapport a 90%.
Comment Every a construit une organisation native IA a partir de zero
Dan Shipper dirige Every, une entreprise de medias et de logiciels avec six unites commerciales, quatre produits logiciels en production, plus de 7 000 abonnes payants et une croissance MRR a deux chiffres pendant six mois consecutifs - le tout avec seulement 15 personnes. La partie remarquable : 99% de leur code est ecrit par des agents IA. Cette conference d'AI Engineer NYC offre un playbook concret de ce a quoi ressemblent reellement les organisations natives IA.
Sur la difference de 10x : "There's a 10x difference between an org where 90% of the engineers are using AI versus an org where 100% of the engineers are using AI. It's totally different." (Il y a une difference de 10x entre une organisation ou 90% des ingenieurs utilisent l'IA versus une organisation ou 100% des ingenieurs utilisent l'IA. C'est totalement different.) L'effet de seuil compte parce que meme 10% utilisant des methodes traditionnelles force toute l'organisation a accommoder ce workflow - empechant le changement de paradigme de se completer.
Sur les produits a ingenieur unique : "Each one of our apps is built by a single developer... and these are not little apps. Thousands of users. It's not simple. It's complicated." (Chacune de nos apps est construite par un seul developpeur... et ce ne sont pas de petites apps. Des milliers d'utilisateurs. Ce n'est pas simple. C'est complique.) Kora (IA email), Monologue (speech-to-text) et Spiral sont toutes des apps en production maintenues par une seule personne. Ce n'est pas une question de qualite prototype - ce sont des apps avec des clients payants.
Sur la boucle centrale : "In traditional engineering, each feature makes the next feature harder to build. In compounding engineering, your goal is to make sure each feature makes the next feature easier to build." (Dans l'ingenierie traditionnelle, chaque fonctionnalite rend la prochaine fonctionnalite plus difficile a construire. Dans l'ingenierie composee, votre objectif est de vous assurer que chaque fonctionnalite rend la prochaine fonctionnalite plus facile a construire.) Leur processus en quatre etapes : Planifier -> Deleguer -> Evaluer -> Codifier. L'etape "codifier" - transformer les connaissances tacites en prompts - est la ou la composition se produit.
Sur le travail parallele : "I know engineers... who are productively using four panes of agents at the same time." (Je connais des ingenieurs... qui utilisent productivement quatre panneaux d'agents en meme temps.) Ce n'est pas le meme de Twitter des vibe coders pretendant travailler - c'est du vrai travail parallele sur les fonctionnalites et bugs qui permet les produits a ingenieur unique.
Sur les managers qui commitent du code : "Managers can commit code. If you're technical, even the CEO can... AI allows engineers to work with fractured attention." (Les managers peuvent commiter du code. Si vous etes technique, meme le PDG peut... L'IA permet aux ingenieurs de travailler avec une attention fragmentee.) Shipper lui-meme commite du code en production malgre la direction d'une entreprise de 15 personnes avec quatre produits. Le cout de demarrage du codage a suffisamment baisse pour que les executives qui changent de contexte puissent contribuer.
6 enseignements de Dan Shipper sur l'ingenierie composee
- 100% d'adoption IA est qualitativement different - A 90% d'adoption, l'organisation accommode encore les workflows traditionnels ; a 100%, des modeles operationnels entierement nouveaux deviennent possibles
- Des ingenieurs seuls font tourner des produits en production - Les apps d'Every avec des milliers d'utilisateurs payants sont chacune maintenues par un developpeur plus des contractuels occasionnels
- L'ingenierie composee inverse la dynamique habituelle - Au lieu que les fonctionnalites ajoutent de la complexite, chaque fonctionnalite rend la suivante plus facile grace aux prompts codifies et aux patterns appris
- Le partage de code tacite devient gratuit - Pointez Claude vers le repo d'un collegue, apprenez leur approche d'implementation et reimplementez dans votre propre stack - pas besoin d'abstraction de librairie
- Les nouveaux arrivants sont productifs des le premier jour - Toute la configuration d'environnement et les standards de PR vivent dans les fichiers CLAUDE.md ; l'agent gere l'onboarding
- La standardisation du stack technique optionnelle - L'IA gere la traduction entre langages et frameworks, donc les equipes peuvent utiliser ce qu'elles preferent
Ce que cela signifie pour les equipes natives IA
Le modele d'Every - 15 personnes, quatre produits, 99% de code IA - previsualise la structure organisationnelle des entreprises natives IA. L'insight cle n'est pas que l'IA ecrit du code plus vite ; c'est que 100% d'adoption permet des operations qualitativement differentes : produits a ingenieur unique, managers-contributeurs, partage de code sans friction entre repos. Pour les entreprises debattant des niveaux d'adoption IA, le message est binaire : l'adoption partielle necessite encore d'accommoder l'ancien paradigme, tandis que l'adoption complete en deverrouille un nouveau.


