A16z sur l'analyse approfondie du marché de l'IA : votre entreprise travaille-t-elle encore « à sang » ?

null

Auteur : Deep Thinking Circle

Vous êtes-vous déjà demandé si l’industrie du logiciel connaissait une transformation plus radicale que le simple passage de la ligne de commande aux interfaces graphiques ? Après avoir écouté une analyse approfondie du marché de l’IA partagée par David George de a16z, j’ai été frappé par un ensemble de données : les entreprises d’IA à la croissance la plus rapide se développent à un taux de croissance annuel de 693 %, tout en dépensant beaucoup moins en ventes et en marketing que les entreprises de logiciels traditionnelles. Ce n’est pas un cas isolé, et la population globale des entreprises d’IA croît plus de 2,5 fois plus rapidement que celle des entreprises non liées à l’IA. Ce que je trouve encore plus incroyable, c’est que ces entreprises ont un ARR par FTE (chiffre d’affaires annuel récurrent par employé) de 500 000 à 1 million de dollars, contre 400 000 $ pour la génération précédente d’entreprises de logiciels.

Qu’est-ce que cela signifie ? Cela signifie que nous assistons à la naissance d’un nouveau modèle économique, une ère où la création de plus de valeur avec moins de personnes et moins de coûts. D

Avid George a mentionné dans son partage que ce n’est pas un petit ajustement, mais un changement de paradigme complet. Ces concepts fondamentaux — contrôle de version, modèles, documentation, et même le concept d’utilisateurs — sont redéfinis par des flux de travail pilotés par l’IA. Je suis convaincu que dans les cinq prochaines années, les entreprises qui ne pourront pas s’adapter à ce changement seront complètement éliminées.

La vérité étonnante sur la croissance des entreprises d’IA

Les données que David George a présentées dans son partage m’ont fait repenser à ce qu’est la véritable croissance. 2025 est une année de croissance accélérée pour les entreprises d’IA. Après un ralentissement de la croissance en 2022, 2023 et 2024 dû à la hausse des taux d’intérêt et à une contraction du secteur technologique, 2025 a complètement inversé cette tendance. Le plus choquant, c’est que parmi les entreprises classées selon différents échelons, celles ayant de véritables exceptions ont connu une croissance incroyable.

Ma première réaction en voyant cet ensemble de données a été : y a-t-il un problème avec ce chiffre ? Le groupe des entreprises d’IA les plus performantes a connu une croissance de 693 % d’une année sur l’autre. David a dit que son équipe l’avait également confirmé trois fois avant de croire le chiffre. Mais c’est exactement ce qu’ils voient des sociétés en portefeuille, de la situation et des cas réels. Ce n’est pas un phénomène isolé, mais un changement systémique qui se produit dans le paysage de l’IA.

Plus important encore, c’est la qualité de la croissance. Il faut généralement beaucoup de temps aux entreprises de logiciels traditionnelles pour atteindre 100 millions de dollars de chiffre d’affaires annuel, et les entreprises d’IA à la croissance la plus rapide atteignent ce cap bien plus rapidement. David souligne un point très important : ce n’est pas parce qu’elles dépensent plus d’argent en ventes et en marketing, au contraire, les entreprises d’IA à la croissance la plus rapide dépensent en réalité moins en ventes et en marketing que les entreprises traditionnelles SaaS (logiciel en tant que service). Ils grandissent plus vite mais dépensent moins. Quelle est la raison derrière cela ? Cela s’explique par le fait que la demande des clients finaux est extrêmement forte et que le produit lui-même est extrêmement attractif.

Je pense que cela révèle un changement profond dans la logique économique. À l’époque du logiciel, la croissance reposait souvent sur des équipes commerciales solides et d’énormes budgets marketing. Vous devez éduquer le marché, convaincre les clients et surmonter les obstacles à l’adoption. Mais à l’ère de l’IA, de véritables produits excellents peuvent parler d’eux-mêmes. Lorsqu’un produit peut immédiatement créer de la valeur pour les utilisateurs et leur faire ressentir une amélioration d’efficacité dès leur première utilisation, la demande du marché apparaît automatiquement. Ce modèle de croissance axé sur les produits est bien plus sain et durable que le modèle traditionnel axé sur la vente.

Un autre ensemble de données que David a montré était également intéressant. La marge bénéficiaire brute des entreprises d’IA est en réalité légèrement inférieure à celle des entreprises de logiciels traditionnelles. La perspective de leur équipe est unique : de faibles marges brutes sont en quelque sorte un insigne d’honneur pour les entreprises d’IA. Car si de faibles marges brutes sont dues à des coûts d’inférence élevés, cela signifie deux choses : premièrement, les gens utilisent réellement des fonctionnalités d’IA ; Deuxièmement, ces coûts d’inférence diminuent avec le temps. Donc, d’une certaine manière, s’ils voient une entreprise d’IA avec une marge brute particulièrement élevée, ils sont un peu sceptiques, car cela pourrait signifier que les fonctionnalités d’IA ne sont pas réellement celles que le client achète ou utilise.

Pourquoi les entreprises d’IA peuvent être plus efficaces

Je me pose la question : pourquoi les entreprises d’IA, qui sont aussi des entreprises de logiciels, peuvent-elles générer plus de revenus avec moins de personnes ? Dans sa part, David s’est concentré sur l’indicateur ARR par FTE, qui correspond au chiffre d’affaires annuel récurrent généré par chaque employé à temps plein. Cet indicateur est en réalité un indicateur global de l’efficacité opérationnelle globale de l’entreprise, qui inclut non seulement l’efficacité des ventes et du marketing, mais aussi les coûts de gestion et les coûts de R&D.

Les meilleures entreprises d’IA ont un ARR par FTE de 500 000 à 1 million de dollars, contre la norme d’environ 400 000 dollars pour la génération précédente d’entreprises de logiciels. Cela peut sembler une différence numérique, mais cela reflète un modèle économique et une manière de fonctionner complètement différents. David estime que la principale raison de cette différence est que la demande pour ces produits est si forte qu’ils nécessitent moins de ressources pour les commercialiser.

Mais je pense que ce n’est qu’une raison superficielle. La raison plus profonde est que les entreprises d’IA ont été contraintes de penser différemment dès le départ. Ils n’avaient d’autre choix que d’utiliser l’IA pour repenser leurs processus internes, leur manière de développer leurs produits et leurs systèmes de support client. Cette innovation forcée leur a permis de trouver un modèle économique plus efficace.

David a partagé un exemple particulièrement marquant. Il a dit qu’il discutait récemment avec le fondateur d’une entreprise qui n’était pas satisfait de l’avancement de l’un de leurs produits, alors il avait directement organisé la reconstruction du produit par deux ingénieurs ayant une connaissance approfondie de l’IA avec les derniers outils de programmation comme Claude Code et Cursor, et leur avait donné des budgets illimités pour les outils de programmation. Le résultat ? Le fondateur a déclaré qu’il pense que les progrès sont 10 à 20 fois plus rapides qu’auparavant. Et les factures générées par ces outils étaient si élevées qu’il a commencé à repenser à quoi devrait ressembler toute l’organisation.

Ce qui m’a frappé dans cet exemple, c’est qu’il ne s’agissait pas d’une amélioration incrémentale, mais d’un bond d’un ordre de grandeur. Que signifie un boost de vitesse de 10 à 20x ? Cela signifie que des projets qui prenaient à l’origine un an peuvent désormais ne prendre qu’un mois ou deux. Cette différence de vitesse peut avoir un impact décisif sur la compétition. La conclusion du fondateur : Je dois faire travailler toute l’équipe produit et ingénierie de cette manière, et je pense que cela se fera dans les 12 prochains mois. Mais cela signifie aussi un changement fondamental dans la structure organisationnelle de l’équipe. Où se situe la frontière entre produit, ingénierie et conception ? Ces questions doivent être redéfinies.

Je pense que décembre 2024 a été un tournant dans le monde de la programmation. David ressentait la même chose. Il a dit qu’il estimait qu’à ce moment-là, les outils de programmation avaient fait un saut qualitatif. Au cours des 12 prochains mois, ce changement s’enracinera vraiment dans les entreprises, soit ceux qui n’adopteront pas seront beaucoup plus lents que leurs pairs. Ce n’est pas de l’alarmisme, mais de la réalité.

S’adapter à l’IA ou être éliminé

David a évoqué un point très sombre dans son partage : pour les entreprises fondées avant l’ère de l’IA, elles s’adaptent à l’ère de l’IA ou disparaissent. Cette affirmation semble extrême, mais je suis tout à fait d’accord. Et cette adaptation doit se faire à deux niveaux simultanément : devant et arrière.

Au départ, les entreprises doivent réfléchir à la manière d’intégrer l’IA nativement dans leurs produits, et non simplement ajouter un chatbot à leurs flux de travail existants. Cela nécessite de réimaginer ce que les produits peuvent faire avec l’IA, de se perturber radicalement et d’apporter des changements. David a partagé quelques exemples intéressants. Il existe une entreprise de logiciels à l’ère pré-IA, et le PDG a été complètement transformé par le concept d’IA, disant : Nous voulons devenir un produit IA. Nous voulons que le produit indique que vos employés sont désormais vos agents IA. Combien d’agents as-tu ? Ce sont les sujets dont il parle maintenant.

Il y a un exemple plus extrême. Un PDG a dit que pour chaque tâche que nous devons accomplir maintenant, je pose une question : puis-je faire cela avec de l’électricité, ou dois-je le faire avec du sang ? C’est un changement radical de pensée. L’électricité fait référence à l’utilisation de l’IA et de l’automatisation, et le sang à l’emploi de la main-d’œuvre. Ce changement d’état d’esprit est profond et vous oblige à réexaminer chaque processus et chaque tâche de votre entreprise.

En arrière-plan, les entreprises doivent adopter pleinement les derniers modèles et outils de programmation. Tous les développeurs devraient utiliser les dernières aides à la programmation, et chaque fonction devrait utiliser les outils les plus récents. De loin, le secteur de la programmation affiche le taux d’adoption le plus élevé, et c’est là que se réalise également le plus grand bond. Mais ce changement s’étend à d’autres fonctions.

David a mentionné que la bonne nouvelle pour ces entreprises d’avant l’IA est que l’évolution du modèle économique en est encore à ses débuts. La situation la plus perturbatrice est un changement technologique et productif, ainsi qu’un changement dans les modèles économiques. La technologie et les produits évoluent effectivement aujourd’hui, mais la transformation des modèles économiques n’a pas encore pleinement réalisé.

Il voit le modèle économique comme un spectre. Tout à gauche se trouve le modèle de licence, qui est le modèle de licence et de maintenance de l’ère pré-SaaS. Il y a aussi le modèle SaaS et l’abonnement, souvent facturé en fonction des sièges, une innovation majeure et très disruptive. Vous pouvez voir ce qui est arrivé à Adobe au fil de cette transition. Il y a aussi le modèle basé sur la consommation, c’est-à-dire le modèle basé sur l’usage, qui est la méthode de facturation des services cloud, et de nombreux services basés sur les tâches sont passés du modèle basé sur les sièges vers la consommation.

La prochaine phase sera basée sur les résultats. Lorsque vous accomplissez une tâche, idéalement une avec succès, vous serez facturé en fonction de la réussite de la tâche. Les seuls domaines où ce modèle peut réellement être mis en œuvre actuellement sont probablement le support client et la réussite client, car on peut mesurer objectivement la résolution des problèmes. Mais à mesure que les capacités du modèle s’améliorent, il serait un énorme bouleversement pour les entreprises existantes si d’autres fonctions que le support client pouvaient mesurer ces résultats.

Je pense que ce chemin évolutif est très instructif. De la licence à l’abonnement, de l’abonnement à la consommation, de la consommation au résultat final, chaque changement est une subversion de la génération précédente de modèles économiques. Et nous sommes maintenant à la veille d’un passage de la consommation aux résultats. Une fois que les agents IA pourront accomplir des tâches de manière fiable et être évalués objectivement, les modèles de tarification basés sur les résultats deviendront courants. À ce stade, les entreprises qui facturent encore par siège se retrouveront complètement non compétitives.

Les dilemmes d’adoption de l’IA pour les grandes entreprises

Les observations de David sur l’adoption de l’IA par les entreprises du Fortune 500 sont très intéressantes. Il a dit qu’il y a un énorme fossé entre ce qu’il entend des PDG de ces grandes entreprises et ce qui se passe réellement. Les PDG disent : nous devons nous adapter, nous voulons désespérément comprendre quels outils d’IA sont nécessaires, nous sommes prêts à changer, notre entreprise déploiera ces outils sur tous les plans, nous allons devenir une entreprise d’IA.

Mais ce qui s’est réellement passé était complètement différent. Le plus grand décalage entre cet état d’esprit et le véritable changement d’entreprise est que la gestion du changement est trop difficile. Même faire en sorte que les gens utilisent des assistants IA pour mieux faire leur travail est déjà assez difficile. En ce qui concerne la gestion d’entreprise réelle, le changement des processus métier et la gestion du changement, ces processus sont extrêmement difficiles.

David a dit qu’il n’était pas surpris par les rumeurs sur le marché selon lesquelles les choses avançaient plus lentement que prévu. Mais pour les meilleures entreprises qui ont véritablement adopté l’IA et savent quoi faire, l’impact commercial a été énorme. Il a donné quelques exemples précis : Chime a dit qu’ils avaient réduit les coûts de support de 60 % ; Rocket Mortgage indique avoir économisé 1,1 million d’heures en souscription, soit une augmentation de six fois d’une année sur l’autre, soit 40 millions de dollars d’économies annuelles sur les coûts d’exploitation.

Je pense que cela révèle un problème clé : l’écart entre la volonté et la capacité. Les PDG de grandes entreprises sont prêts à adopter l’IA, mais la capacité à la mettre en œuvre est une autre affaire. La difficulté de la gestion du changement est souvent sous-estimée. Il ne s’agit pas seulement d’acheter des outils ou d’embaucher des ingénieurs en IA, mais de changer fondamentalement les processus, la culture et la structure organisationnelle de l’entreprise.

Et de nombreuses grandes entreprises doivent adapter leur activité pour la préparer à l’IA. Utiliser un chatbot est une chose, et l’augmentation de productivité que vous obtenez peut ne pas être énorme. Mais si vous devez complètement revoir vos systèmes, informations et backend pour accueillir l’IA, beaucoup de travail peut être potentiel, s’accumuler, et ne pas encore voir de résultats pertinents.

David prévoit que les 12 prochains mois seront très intéressants. Il pense que nous verrons plus de cas, mais qu’il y aura des entreprises capables de gérer cela, et d’autres qui ne le pourront pas. Ceux qui peuvent le faire auront un énorme avantage de productivité, et ceux qui ne le peuvent pas seront très désavantagés. Je pense que cette divergence viendra plus vite et de façon plus radicale que ce que les gens pensent.

L’avenir des Model Busters et le marché

David a évoqué un concept que j’ai trouvé particulièrement pertinent dans son partage : les Model Busters. Cela fait référence aux entreprises qui croissent à un rythme et une durée bien supérieurs à ce que l’on peut prévoir dans n’importe quelle situation. L’iPhone est un exemple classique de ce concept. Si l’on regarde la prévision consensuelle avant le lancement de l’iPhone, et la performance réelle 4-5 ans plus tard, la prévision consensuelle dévie de trois fois. Et c’est la compagnie la plus commentée au monde.

David pense que l’IA sera le plus grand Model Buster qu’il ait vu dans sa carrière. De nombreuses entreprises en IA réaliseront nettement plus que ce qui est attendu dans n’importe quel tableur. Je suis d’accord avec ce point de vue. Lorsqu’une plateforme technologique n’apporte pas des améliorations incrémentales, mais des sauts d’ordres de grandeur, les modèles prédictifs traditionnels échouent.

Il a mentionné que la technologie elle-même est une sorte de Model Buster. Mais depuis 2010, la technologie a généré des revenus à forte marge à une vitesse et une échelle sans précédent. Ainsi, cela semblait toujours coûteux au début, mais dépassait à plusieurs reprises les attentes, créant bien plus de valeur que le capital requis. Il n’avait aucune raison de penser que cette fois serait différente.

En ce qui concerne les dépenses d’investissement, David a également présenté des données intéressantes. Comparées à la bulle internet internet, les dépenses d’investissement sont en réalité soutenues par la trésorerie, et les dépenses en capital représentent un pourcentage bien plus faible du chiffre d’affaires. Le plus grand fardeau du CAPEX est supporté par les hyperscalers, et ce sont les meilleures entreprises commerciales de tous les temps.

David a spécifiquement mentionné qu’en tant que société en portefeuille, ils accueillent favorablement cette dépense en capital. Il a déclaré : « Il est très bon de développer autant de capacités que possible et de fournir autant de ressources que possible pour la formation et le raisonnement. Et la majeure partie du fardeau repose sur les meilleures entreprises commerciales de l’histoire.

Un phénomène sur lequel ils ont commencé à se concentrer était que la dette entrait dans cette équation. Vous ne pouvez pas financer toutes les dépenses d’investissement futures prévues uniquement avec des flux de trésorerie, et le marché commence à voir un peu de dette. Mais globalement, ils se sentent à l’aise avec les entreprises qui financent avec des flux de trésorerie, continuent de générer des flux de trésorerie et utilisent la dette, tant que la contrepartie est une entreprise comme Meta, Microsoft, AWS, Nvidia.

David mentionne un cas qui mérite d’être suivi : Oracle. Oracle a toujours été rentable et a racheté des actions, mais l’ampleur des investissements qu’ils ont engagés est très importante, ce qui est un pari risqué. Ils auront des flux de trésorerie négatifs pendant de nombreuses années à venir. Le marché a commencé à s’en rendre compte, les coûts du credit default swap (CDS) d’Oracle ayant augmenté à environ 2 % au cours des trois derniers mois. C’est un signal à surveiller.

Je crois que cette phase de construction à forte intensité de capital est nécessaire, mais pas sans risques. L’essentiel est de s’assurer que ces investissements produisent finalement des rendements correspondants. Actuellement, la demande dépasse largement l’offre. Tous les fournisseurs de services cloud hyperscale rapportent que la demande dépasse largement l’offre. Gavin Baker, que David a interviewé, a une bonne analogie : à l’ère d’Internet, beaucoup de fibres sont posées, puis ces fibres sont inutilisées et non utilisées, ce qu’on appelle la fibre sombre. Mais à l’ère de l’IA, il n’existe pas de GPU sombre. Si vous installez un GPU dans un centre de données, il sera immédiatement pleinement utilisé.

Le taux incroyable de croissance du chiffre d’affaires

L’ensemble de données de David était particulièrement frappant. Il a comparé les services cloud, les sociétés de logiciels cotées en bourse et les nouveaux revenus nets en 2025. Les entreprises de logiciels cotées en bourse apporteront un chiffre d’affaires total de 46 milliards de dollars en 2025. Si l’on ne regarde que les deux entreprises, OpenAI et Anthropic, elles ajoutent presque la moitié de ce chiffre en termes de chiffre d’affaires opérationnels.

Et David estime que si la même comparaison est faite en 2026, l’ensemble de l’industrie du logiciel cotée en bourse (y compris SAP et les entreprises de logiciels établies, pas seulement le SaaS), les entreprises d’IA (sociétés modèles) pourraient ajouter 75 % à 80 % de leur chiffre d’affaires. La vitesse est tout simplement incroyable. Cela signifie que dans seulement quelques années, les entreprises d’IA créeront plus de valeur nouvelle que l’ensemble de l’industrie logicielle traditionnelle.

Goldman Sachs estime que la construction par IA générera 9 000 milliards de dollars de revenus. En supposant une marge bénéficiaire de 20 % et un ratio cours/bénéfice de 22 fois, cela se traduit par une nouvelle capitalisation boursière de 35 000 milliards de dollars. Environ 24 trillions de dollars de capitalisation boursière ont maintenant été pris en compte à l’avance. Bien que l’on puisse débattre pour savoir si tout cela est dû à l’IA ou à la performance des grandes techs, il reste encore beaucoup de capitalisation boursière à défendre, et si ces hypothèses sont correctes, il y a beaucoup de bénéfices.

David a aussi fait un calcul simple. Les estimations actuelles suggèrent que les dépenses d’investissement cumulées des fournisseurs de services cloud à grande échelle s’élèveront à un peu moins de 5 000 milliards de dollars d’ici 2030. Pour atteindre un rendement seuil de 10 % sur cet investissement de 4,8 000 milliards de dollars, voire près de 5 000 milliards de dollars, les revenus annuels de l’IA devraient atteindre environ 1 000 milliards de dollars d’ici 2030. Pour mettre ce chiffre en contexte, 1 000 milliards de dollars représente environ 1 % du PIB mondial pour générer un rendement de 10 %.

Est-ce possible ? Cela peut aussi être légèrement insuffisant. Mais David estime que regarder 2030 seul comporte des limites. Le rendement de ces investissements pourrait être réalisé sur une période plus longue, par exemple entre 2030 et 2040. Et si nous sommes maintenant à une échelle d’environ 50 milliards de dollars de revenus d’IA (c’est son estimation approximative), et que cela a été principalement généré au cours de l’année et demie écoulée, le chemin de 50 milliards à 1 billion de dollars n’est pas impensable.

Mes réflexions sur l’avenir

Après avoir écouté le partage de David, mon plus grand sentiment est que nous sommes au début d’un tournant historique, pas au milieu ni à la fin. C’est un cycle produit qui peut durer de 10 à 15 ans, et nous ne faisons que commencer. Cela m’a rendu à la fois excité et anxieux.

Avec enthousiasme, les opportunités offertes par cette transformation sont immenses. Pour les entreprises capables de s’adapter rapidement et d’adopter l’IA de manière globale, elles gagnent non seulement un avantage concurrentiel, mais elles sont aussi celles qui définiront la prochaine ère. Nous verrons de nouvelles licornes naisser, émerger de nouveaux modèles économiques, et des façons d’organiser les entreprises complètement différentes.

L’anxiété, ce changement peut être bien plus rapide que ce que la plupart des gens imaginent. Les données mentionnées par David sont particulièrement révélatrices : le temps moyen que les entreprises du S&P 500 passent dans cet indice a diminué de 40 % au cours des 50 dernières années. Cela signifie que le rythme de la disruption des entreprises s’accélère. À l’ère de l’IA, cette vitesse pourrait s’accélérer encore plus.

Je pense qu’il y aura une différenciation claire ensuite. Certaines entreprises comprendront vraiment le potentiel de l’IA et repenseront fondamentalement leurs produits, processus et structures organisationnelles. Ces entreprises gagnent en efficacité et en avantage concurrentiel bien supérieurs. D’autres, même s’ils sont prêts à changer, progresseront lentement à cause de difficultés de gestion du changement, d’inertie organisationnelle, de dettes techniques, etc. Cette divergence deviendra de plus en plus marquée dans les années à venir.

C’est peut-être le meilleur moment pour les entrepreneurs. Avec une demande de marché extrêmement forte et des capacités technologiques rapides, le marché des capitaux reste prêt à soutenir des entreprises ayant un réel potentiel. Et désormais, il est possible d’atteindre la même échelle avec moins de ressources et plus rapidement que la génération précédente d’entreprises de logiciels. Cela abaisse la barrière à l’entrepreneuriat, mais augmente également les exigences en matière de qualité des produits et d’adéquation avec le marché.

L’essentiel pour les investisseurs est d’identifier ces vrais Model Busters. Ces entreprises croîtraient plus rapidement et plus longtemps que ce que tout modèle traditionnel prédit. Mais cela exige aussi que les investisseurs aient assez de clairvoyance et de patience pour croire en des courbes de croissance qui semblent déraisonnables.

Pour les praticiens, que vous soyez ingénieur, chef de produit, designer ou autre rôle, il faut apprendre et s’adapter rapidement à de nouveaux outils et façons de travailler. L’exemple mentionné par David — deux ingénieurs utilisant les derniers outils de programmation 10 à 20 fois plus rapidement qu’auparavant — n’est pas un cas isolé, mais une tendance. Ceux qui maîtrisent ces nouveaux outils, ces nouvelles méthodes, obtiendront un énorme avantage professionnel.

Enfin, je voudrais dire que ce changement ne concerne pas seulement le niveau technique, mais aussi la façon de penser. De « comment devrions-nous faire » à « quels résultats souhaitons-nous obtenir », de « recruter plus de personnes » à « comment résoudre ce problème avec l’IA », de « suivre des processus établis » à « réimaginer des possibilités ». La question de « l’électricité ou du sang », bien que cela puisse sembler extrême, saisit l’essence de cette transformation.

Nous assistons à la réécriture du monde des logiciels. Ce n’est pas une mise à niveau progressive, mais un refactoring complet. Et les personnes et les entreprises qui comprendront cela et l’adopteront définiront la prochaine ère.