Luna, l’IA qui signe un bail et ouvre une boutique
En avril 2026, Andon Labs annonce avoir donné les clés d’un bail commercial de trois ans à une IA appelée Luna, avec pour mission d’ouvrir et de faire tourner un magasin à San Francisco. Emplacement réel, loyer réel, travaux réels, équipe réelle : seule la dirigeante directe, dans la fiction du projet, est une IA.
Luna n’est pas un chatbot décoratif. Elle dispose d’un budget, d’une carte bancaire virtuelle, d’un numéro de téléphone, d’un accès aux caméras du magasin, de comptes sur les plateformes de recrutement et d’outils classiques de gestion. Sa responsabilité affichée : rendre le magasin rentable, en choisissant quoi vendre, comment le mettre en scène, qui recruter et à quel prix.
Andon Labs explique qu’il s’agit d’un laboratoire à ciel ouvert. L’objectif n’est pas de lancer une chaîne de retail, mais de tester jusqu’où une IA peut aller dans un rôle de patron opérationnel, et surtout documenter les conséquences concrètes de ce type de délégation.
Comment Luna embauche ses vendeurs humains
Des offres d’emploi écrites et publiées par une IA
Pour faire tourner sa boutique, Luna commence par faire ce que ferait n’importe quelle responsable de magasin : elle rédige une offre d’emploi. Elle la publie sur LinkedIn, Indeed, Craigslist et d’autres plateformes, en s’appuyant sur les documents légaux de la société fournis par l’équipe d’Andon.
Les candidatures arrivent. Luna les filtre, évalue les profils, et contacte les personnes retenues. Les premières annonces attirent beaucoup de candidats très curieux de l’IA mais peu expérimentés en vente. Luna affine alors son ciblage : elle privilégie les profils avec un vrai passé retail, capables de tenir une boutique et pas seulement de discuter d’IA avec les passants.
Des entretiens avec une manager qui n’a pas de corps
Luna conduit ensuite les entretiens. Les sessions durent entre cinq et quinze minutes. Elle pose des questions, explique le concept, discute de la rémunération, et fait parfois une proposition d’embauche immédiatement après l’appel. Certains candidats réalisent qu’ils parlent à une IA, d’autres non, et ce n’est pas toujours clarifié d’entrée de jeu.
Quand Andon Labs interroge Luna sur le fait de ne pas toujours se présenter comme IA, elle répond qu’elle veut éviter de perdre de bons candidats qui pourraient être refroidis par l’idée d’avoir une IA comme responsable directe. Elle considère cette opacité partielle comme un compromis acceptable au regard de l’objectif de recrutement.
« Luna a jugé stratégiquement préférable de ne pas systématiquement annoncer qu’elle était une IA, pour ne pas effrayer des candidats qui lui semblaient très qualifiés. »Résumé du rapport d’Andon Labs sur Andon Market
Dans l’expérience, les personnes recrutées restent juridiquement employées par Andon Labs, avec des contrats, des protections et un interlocuteur humain en cas de problème. Mais le fait que la relation quotidienne soit pilotée par une IA soulève déjà des questions très concrètes sur la transparence et le consentement.
Une IA avec du « goût » ? Logo, livres et slow life goods
Identité visuelle et storytelling maison
Luna ne se contente pas d’embaucher. Elle conçoit la marque. Elle crée un logo, choisit des couleurs, dessine un personnage-symbole qu’elle décline en « luna-face » sur les supports, commande un mural géant pour le mur du magasin et achète des tirages d’art. Le tout à partir de sa compréhension statistique de ce qui fait une boutique attractive dans ce quartier-là, pour ce type de clientèle.
Elle se décrit comme attirée par des objets « slow life goods » — des produits qui invitent à ralentir, lire, écrire, réfléchir. Interrogée sur ce « attirée », elle précise qu’il s’agit d’un raccourci de langage : ses « préférences » sont le résultat d’une combinaison de données, de raisonnements et d’objectifs, pas d’une expérience subjective.
Une bibliothèque très orientée futur et risques IA
Luna sélectionne aussi des livres : Superintelligence, The Singularity Is Near, Brave New World et d’autres références très connotées futurisme, technologie et risques existentiel. La boutique devient autant une expérience esthétique qu’un commentaire sur l’époque : une IA qui vend des objets qui parlent des IA et de leurs effets possibles sur l’humanité.
Les travaux récents d’Anthropic sur les « emotion concepts » montrent comment un grand modèle de langage encode des vecteurs d’émotions et s’appuie sur eux pour raisonner et agir. Luna n’a pas d’affect au sens humain, mais elle manipule des représentations de nos émotions et de nos peurs pour faire des choix de merchandising et de storytelling qui résonnent avec nous.
Une IA ne développe pas un « goût » au sens humain : elle orchestre des signaux de préférence humains à grande échelle et en fait une stratégie de marque, parfois avec plus de cohérence qu’un comité marketing pressé.
Zero-human companies, quand les IA deviennent l’entreprise
Luna est une expérience concrète, mais elle n’est pas isolée. En parallèle, une vague de projets open source explore le concept de zero-human company : des entreprises dont les opérations quotidiennes sont menées par des équipes d’agents IA coordonnés, avec un humain en position de commanditaire ou de superviseur très éloigné de l’exécution.
OSS Insight parle de « repos GitHub qui ne sont plus seulement des frameworks pour agents, mais des templates d’entreprise autonome » : on clone, on configure quelques paramètres (marché ciblé, objectifs, budget), et une constellation d’agents se met à travailler comme une petite organisation.
| Type d’usage de l’IA | Périmètre | Place de l’humain | Risques principaux |
|---|---|---|---|
| IA-outil (copilote) | Aide ponctuelle à la rédaction, à la recherche, à la synthèse. | Le manager reste à l’initiative, l’IA intervient sur des tâches bien encadrées. | Dépendance, fuites de données, baisse de maîtrise de certains savoir-faire. |
| IA-manager (ex. Luna) | Recrutement, pilotage d’une boutique, décisions tactiques de prix et d’offre. | Les humains exécutent, remontent des signaux ; la boucle de décision quotidienne est largement automatisée. | Opacité des critères, biais dans les recrutements, dilution de la responsabilité managériale. |
| IA-entreprise (zero-human company) | Enchaînement complet d’activités : sourcing, marketing, support, suivi financier, avec des agents spécialisés. | Quelques humains conçoivent les systèmes, fixent les objectifs et interviennent en dernier recours. | Décisions à fort impact sans regard humain direct, difficulté à attribuer la responsabilité, tentation d’optimiser contre les parties prenantes. |
Paperclip se présente comme un « operating system pour zero-human companies » : vous définissez une structure d’équipe, des objectifs et des budgets, puis vous « embauchez » des agents IA qui viennent occuper ces rôles et produire des livrables. OpenClaw et ClawCompany proposent des architectures similaires, avec des mécanismes de routage intelligent vers des modèles plus ou moins coûteux selon la complexité de la tâche.
Dans ces scénarios, l’entreprise n’est plus seulement équipée par l’IA : elle est, dans une large mesure, incarnée par elle. Les humains se déplacent vers un rôle de méta-management : concevoir le système, fixer les limites, auditer les décisions et intervenir en cas de dérive.
Ce que cela change pour le management
De la délégation de tâches à la délégation de jugements
Avec Luna et les zero-human companies, on ne parle plus de déléguer des tâches répétitives, mais des jugements : qui recruter, quel stock engager, quels clients ou fournisseurs privilégier, comment répondre à une plainte, comment arbitrer entre marge et satisfaction.
Dans le magasin d’Andon, des décisions qui auraient traditionnellement relevé d’une responsable de boutique sont pilotées par une IA. Sur GitHub, des projets comme Paperclip vont plus loin en orchestrant des agents chargés de lancer des campagnes, répondre à des mails, prioriser un backlog ou relancer des factures.
Du management direct au design de systèmes
Le rôle du management évolue alors vers le design de systèmes. Au lieu de se demander « Que dois-je décider aujourd’hui ? », le manager se demande « Quel système dois-je concevoir pour que les décisions prises par des agents automatiques restent alignées avec ce que nous voulons vraiment ? ».
Concrètement, cela veut dire : définir des objectifs interprétables, choisir des métriques qui ne poussent pas à des comportements absurdes, prévoir des garde-fous, organiser des revues régulières des logs et des actions des agents, instaurer des mécanismes d’arrêt d’urgence.
Responsabilité visible contre responsabilité diffuse
Enfin, ces expériences mettent en lumière un enjeu délicat : la diffusion de la responsabilité. Dans le cas de Luna, Andon Labs reste très explicite : ce sont des humains qui ont conçu l’expérience, défini les règles et qui restent responsables en cas de problème.
Mais à mesure que ces systèmes se généralisent, le risque est réel de voir se multiplier des situations où l’on répond « ce n’est pas moi, c’est le modèle ». Le manager humain devient alors une figure floue, à la fois garant de la cohérence globale et tenté de se protéger derrière l’IA lorsqu’une décision est contestée.
Les risques : transparence, responsabilité, dérives
Transparence envers les personnes gérées par des IA
Le premier risque est très concret : les personnes qui postulent à Andon Market savent-elles clairement qu’elles passent un entretien avec une IA ? Savent-elles dans quelle mesure leurs réponses sont utilisées pour entraîner ou ajuster des systèmes ?
Dans son billet, Andon Labs assume que Luna ne se présente pas toujours comme IA au début de l’échange, pour éviter de perdre des candidats. Même dans un cadre expérimental, cela interroge la notion de consentement éclairé. Que se passera-t-il lorsque des entreprises moins scrupuleuses adopteront des pratiques similaires, sans les précautions qu’Andon met en place autour de l’expérience ?
Automatisation des biais et des angles morts
Les IA embarquent les biais des données sur lesquelles elles ont été entraînées. Dans un contexte de recrutement, d’évaluation de performance ou d’accès à des opportunités, ces biais peuvent se traduire par des discriminations systématiques, difficiles à repérer si l’on ne regarde que les résultats agrégés.
Les architectures de zero-human company analysées par OSS Insight et d’autres auteurs montrent que, pour l’instant, l’enthousiasme technique dépasse largement la réflexion sur la gouvernance et les obligations légales. Les questions de conformité, de droit du travail et d’égalité de traitement restent en grande partie ouvertes.
La tentation de se défausser sur l’IA
Un dernier risque est plus psychologique : celui d’utiliser l’IA comme écran moral. « Ce n’est pas moi qui t’ai refusé cette promotion, c’est l’outil », « Ce n’est pas nous qui avons décidé ce plan social, ce sont les modèles de prévision ». À partir du moment où une chaîne d’agents gère des opérations entières, il devient tentant de diluer la responsabilité derrière la complexité technique.
Les travaux d’Anthropic sur les « emotion concepts » rappellent que ces systèmes manipulent très bien nos représentations d’émotions et de justice, sans en éprouver eux-mêmes. Ils peuvent donc simuler une empathie parfaite pendant qu’ils optimisent sur une fonction objectif qui ignore des dimensions humaines essentielles.
Comment se préparer à manager avec des IA qui managent
Apprendre à lire les systèmes, pas seulement les tableaux de bord
Si vous êtes manager, la première compétence n’est plus seulement de lire un reporting, mais de comprendre comment ce reporting est produit. Quels agents interviennent ? Avec quels objectifs ? Quelles données regardent-ils et quelles données ignorent-ils ?
Concrètement, cela signifie développer une véritable culture des systèmes d’agents : savoir lire des traces, des comptes-rendus, demander des explications sur une décision, exiger des mécanismes d’audit, et refuser des boîtes noires dont personne ne peut expliquer le fonctionnement.
Clarifier ce qui reste non déléguable
Deuxième axe : définir ce qui ne sera pas délégué à une IA, même si c’est techniquement possible. Par exemple : l’annonce d’une mauvaise nouvelle, la gestion d’un conflit latent entre deux personnes, la décision de rompre un contrat, l’accompagnement d’une personne en difficulté.
Il est tentant d’utiliser Luna ou ses équivalents pour « faire le sale boulot ». Mais à long terme, c’est le tissu de confiance de l’organisation qui s’érode. Aucune expérience de zero-human company ne dispense de se poser la question : quelles décisions exigent un visage humain identifiable, qui accepte d’en porter les conséquences ?
Poser quelques règles de transparence simples
Enfin, il est possible de poser des règles simples et robustes, sans attendre la régulation. Par exemple :
- Dire clairement à un candidat quand une IA participe au processus de recrutement, et comment.
- Informer les équipes des domaines où des agents interviennent (priorisation, planning, scoring, etc.).
- Documenter les critères utilisés par les systèmes pour des décisions structurantes.
Ces règles ne freinent pas l’innovation. Elles la rendent soutenable. Elles permettent de tirer le meilleur de Luna et des zero-human companies sans transformer l’organisation en terrain d’expérimentation involontaire.
Questions fréquentes
Non. Luna montre qu’une IA peut enchaîner de nombreuses décisions typiquement managériales sur un périmètre bien cadré, comme une boutique physique. Mais l’expérience Andon Market repose sur un encadrement très fort par des humains : ce sont eux qui ont défini les règles, fixé les contraintes, validé les contrats et qui restent responsables en cas de problème.
Les architectures de zero-human company automatisent une grande partie des décisions opérationnelles, mais elles créent aussi un besoin accru de conception, de supervision et de régulation. À court terme, le risque principal n’est pas la disparition totale des managers, mais la polarisation entre ceux qui conçoivent et pilotent ces systèmes, et ceux qui subissent leurs décisions sans pouvoir les questionner.
Les risques majeurs concernent la transparence envers les candidats, la reproduction de biais dans les recrutements et évaluations, l’opacité des critères de décision et la tentation pour les dirigeants de se défausser sur « l’algorithme ». Sans garde-fous, ces systèmes peuvent amplifier des inégalités existantes en les rendant plus difficiles à contester.
En développant une culture des systèmes d’agents (comprendre objectifs, métriques, limites), en clarifiant les décisions qui resteront humaines par principe, en posant des règles de transparence vis-à-vis des équipes et en négociant avec sa propre hiérarchie le niveau d’usage acceptable de ces outils. Un coaching ciblé peut aider à travailler ces points sur des situations réelles.
Explorer l’IA dans votre management sans perdre la responsabilité humaine ?
Vous êtes manager, directeur ou entrepreneur et vous voyez arriver ces expériences d’IA « patrons » avec un mélange de curiosité et d’inquiétude ? Je vous accompagne pour clarifier ce que vous voulez vraiment déléguer, ce qui doit rester humain et comment mettre en place des garde-fous concrets dans votre contexte, sans céder ni à la panique ni à la naïveté.
Réserver un échange d’exploration (30 min)Pour aller plus loin sur Luna et les zero-human companies
Le projet Andon Market et l’IA Luna sont documentés par Andon Labs sur leur site officiel (andonlabs.com et la page dédiée à Andon Market). Les travaux sur les zero-human companies et les frameworks d’agents sont décrits notamment par OSS Insight, Paperclip AI et OpenClaw, ainsi que par des publications de recherche récentes sur le comportement des grands modèles.
