Les entreprises d’IA générative sont confrontées à de sérieuses questions de rentabilité
L’IA générative est impressionnante. Elle écrit, conçoit, assiste et apprend rapidement. Mais une question essentielle est trop souvent ignorée : ces entreprises peuvent-elles réellement gagner de l’argent ?
À l’heure actuelle, de nombreuses entreprises d’IA générative fonctionnent grâce à un financement important de la part d’investisseurs, mais leurs fondamentaux sont faibles. Il y a une différence entre la capacité technique et l’activité durable. C’est une chose de construire un modèle d’IA puissant. C’en est une autre d’exploiter ce modèle en production, d’attirer des utilisateurs et de gagner de manière fiable plus que ce que vous dépensez. Et d’après ce que nous avons vu, ils n’en sont pas encore là.
Une enquête menée par IBM en 2023 auprès de 2 000 chefs d’entreprise a montré à quel point le retour sur investissement est mince. Seuls 25 % des initiatives en matière d’IA ont atteint le retour sur investissement escompté. C’est un faible taux de réussite si l’on considère l’importance du capital et de l’attention consacrés à ces projets. Pire encore, seule la moitié environ, soit 52 %, a déclaré que l’IA générative apportait une valeur allant au-delà de la simple réduction des coûts. Cela signifie que la plupart des entreprises ne voient pas leur investissement se traduire par une croissance réelle ou de nouvelles capacités.
Il ne s’agit pas d’un problème de capacité. L’IA fonctionne. Des outils comme le GPT-4Copilot et d’autres sont techniquement solides. Le problème est celui de l’adéquation commerciale. Si votre concepteur d’IA fait gagner du temps mais ne permet pas d’augmenter les revenus, ou pire, si son coût d’exploitation est supérieur aux économies réalisées, il y a un problème. Pour être rentable, une entreprise d’IA doit aligner étroitement la production du produit sur la volonté de payer du client.
Les dirigeants ont besoin de clarté à ce sujet. L’IA générative ne peut pas se contenter d’être intelligente, elle doit être utile d’une manière qui soit directement liée aux revenus ou aux résultats stratégiques. Si elle ne le fait pas, vous dépensez de l’argent sans créer de valeur. Ce n’est pas de l’innovation. C’est une dérive.
Les investissements dans l’IA générative sont davantage motivés par la crainte d’être distancé que par la valeur stratégique.
L’IA générative suscite beaucoup d’enthousiasme et de craintes. De nombreuses entreprises investissent non pas parce qu’elles ont un plan solide, mais parce qu’elles ont peur d’être distancées. Ce n’est pas du leadership. C’est réagir.
L’enquête d’IBM mérite à nouveau d « être mentionnée : 64 % des PDG ont admis que leurs investissements dans l’IA étaient motivés par le risque d » être distancés par leurs concurrents. C’est un chiffre important. Plus révélateur encore, seuls 37 % d’entre eux reconnaissent qu’il vaut mieux aller vite et risquer de se tromper plutôt que de prendre le temps de bien faire les choses. La peur de manquer pousse de nombreux dirigeants à se lancer sans avoir une vision claire de la direction à prendre. C’est dangereux.
L’innovation doit être délibérée. Vous élaborez une stratégie d’IA lorsque le cas d’utilisation est réel, lorsque le chemin de la valeur est visible et lorsque les mathématiques fonctionnent. Aujourd’hui, les déploiements sont trop souvent motivés par des cycles d’engouement et la pression de la concurrence, et non par une logique commerciale. Cela conduit à un gaspillage de ressources, à des frictions internes et à des initiatives bloquées.
Les chefs d’entreprise doivent penser en termes structurés. Quel est le problème spécifique ? Pouvons-nous le résoudre plus efficacement avec l’IA qu’avec d’autres options ? À quoi ressemble le succès et comment allons-nous le mesurer ? Ces réponses doivent être claires avant d’allouer des capitaux, en particulier dans un domaine à coût élevé comme la genAI.
Aller vite, c’est bien. Mais aller vite dans la mauvaise direction ne mène nulle part. Les dirigeants doivent résister au bruit, se concentrer sur l’exécution et s’assurer que la technologie est au service de l’entreprise, et non l’inverse.
Les outils GenAI de Microsoft destinés au grand public, tels que Copilot, ne sont pas adoptés par les utilisateurs.
Microsoft s’est lancé à corps perdu dans l’IA générative. Copilot est intégré à l’ensemble de ses produits, Office, Teams, Windows. Techniquement, cela fonctionne. Mais le marché ne réagit pas comme prévu.
Les données publiées par la directrice financière de Microsoft, Amy Hood, le montrent clairement. Lors d’une réunion privée des cadres, elle a présenté une diapositive montrant que Copilot a plafonné à environ 20 millions d’utilisateurs hebdomadaires au cours de l’année écoulée. Il s’agit d’une courbe d’utilisation plate dans un secteur où l’on s’attend à ce que l’adoption progresse rapidement. Cela montre qu’il existe un écart significatif entre la disponibilité des fonctionnalités et l’engagement réel des utilisateurs.
Le problème ne réside pas dans les capacités. Microsoft a largement intégré Copilot dans son écosystème. Le problème est de savoir si les utilisateurs perçoivent la valeur de ces fonctionnalités. Gagnent-ils du temps ? Obtiennent-ils des résultats plus intelligents ? Sont-ils enthousiastes à l’idée de l’utiliser à nouveau ? Les chiffres stables suggèrent que la plupart des utilisateurs ne voient pas le type d’impact transformateur qui pourrait alimenter une adoption rapide, ou justifier l’augmentation des revenus de l’abonnement.
Même Satya Nadella l’a reconnu. Après avoir investi plus de 10 milliards de dollars dans l’IA générative, il a parlé publiquement de l’absence d’une « killer app » pour l’IA. C’est un aveu important de la part d’une entreprise qui a axé l’ensemble de sa feuille de route logicielle sur ce concept. Cela montre qu’elle est consciente du décalage entre le déploiement et l’utilité quotidienne.
Pour les dirigeants de la suite, il s’agit d’un signal fort. L’intégration de l’IA ne suffit pas. La stratégie produit doit se concentrer sur l’utilisation réelle. Pour réussir, il ne suffit pas d’expédier des fonctionnalités, il faut une adéquation comportementale. Les utilisateurs doivent avoir envie de revenir, et les entreprises doivent mesurer l’impact des fonctions d’IA sur la productivité ou la prise de décision à grande échelle. Sans cela, la proposition de valeur s’effondre rapidement.
Les coûts d’exploitation élevés constituent un obstacle à la rentabilité dans le domaine de l’IA générative.
L’IA générative est coûteuse à exploiter, et c’est un fait auquel la plupart des startups de premier plan sont aujourd’hui confrontées de plein fouet. Le coût de l’informatique, du stockage, des modèles de formation, de la maintenance et de la mise à l’échelle est stupéfiant. À l’heure actuelle, de nombreuses entreprises d’IA générative ne parviennent pas à convertir les intérêts en bénéfices parce que l’infrastructure brûle le capital plus rapidement que les revenus ne peuvent croître.
Prenez OpenAI. En 2024, elle aurait dépensé 9 milliards de dollars pour générer 4 milliards de dollars de revenus. C’est une perte opérationnelle qu’aucun dirigeant ne peut ignorer. Le problème fondamental est que le coût du service, même pour les clients payants, est toujours plus élevé que ce que les clients paient réellement. L’économie est à l’envers. Le modèle d’entreprise n’a pas seulement besoin d’être affiné, il a besoin d’être transformé.
Ed Zitron, auteur d’articles sur la technologie, l’a dit sans ambages : OpenAI perd de l’argent sur chaque client payant. Vous pouvez attirer tous les utilisateurs que vous voulez, mais si chaque interaction coûte à l’entreprise plus qu’elle ne lui rapporte, il n’y a pas de voie vers la rentabilité. Ce n’est pas viable, même à moyen terme.
Cette structure de coûts reflète des défis plus larges dans l’espace genAI. Les exigences de calcul à haute intensité, la dépendance à l’égard des microprocesseurs haut de gamme et les coûts continus de service d’inférence rendent ces entreprises fondamentalement différentes des modèles SaaS plus traditionnels. Les abonnements peuvent rapporter de l’argent, mais les marges s’effondrent si les coûts d’exploitation dépassent la valeur de la durée de vie du client.
Pour les chefs d’entreprise, la conclusion est simple. L « économie de la GenAI n’est pas mûre. Toute stratégie d’adoption ou d’investissement doit modéliser les coûts réels, non seulement les coûts de construction, mais aussi les coûts d’exploitation à l » échelle. Tant que l’infrastructure ne sera pas nettement plus efficace ou que le résultat n’aura pas été multiplié par 10, ces entreprises resteront sous pression financière, indépendamment de l’effervescence du marché ou de l’engouement des utilisateurs.
Les applications d’IA générative spécifiques à un domaine présentent un potentiel de réussite financière plus élevé
La plupart des entreprises d’IA générative perdent encore de l’argent. Mais il y a de nettes exceptions, en particulier celles qui se concentrent sur des problèmes spécifiques et bien définis pour lesquels l’IA peut apporter des améliorations mesurables. Tempus AI en est un bon exemple. L’entreprise applique l’IA générative à la médecine de précision, et les résultats sont encourageants. Selon les rapports publics, Tempus a augmenté son chiffre d’affaires de 75 % d’une année sur l’autre. Ce type de croissance se produit lorsque l’IA est déployée avec un objectif et une valeur clairs.
Il ne s’agit pas seulement de disposer de modèles puissants. Il s’agit d’aligner la technologie sur les besoins ciblés de l’entreprise, ceux pour lesquels l’amélioration de la précision, de la vitesse ou des capacités prédictives se traduit par des retours financiers. Dans le cas de Tempus, une meilleure interprétation des données permet de mieux recommander les traitements. Cela crée de la valeur pour les hôpitaux, les médecins, les patients et les résultats financiers.
Pour les dirigeants qui observent cet espace, le schéma est évident. Vous avez besoin d’un cas d’utilisation ciblé où les résultats peuvent être suivis et où les clients se sentent suffisamment concernés pour payer pour l’amélioration. Les outils d’IA généraux et horizontaux peuvent encore avoir du mal à s’adapter au marché des produits. Les outils d’IA spécialisés qui s’attaquent à un point de douleur à fort impact avec des résultats quantitatifs ont un chemin plus clair vers la viabilité.
Il ne s’agit pas de penser petit, mais de penser précis. Construisez pour un cas d’utilisation où l’IA n’est pas seulement utile, mais essentielle à la performance. C’est là que commence la dynamique financière. C’est aussi là que l’avantage stratégique est plus difficile à reproduire.
Les fournisseurs de matériel informatique prospèrent en servant l’écosystème de l’IA au sens large
Tous les acteurs de l’économie de l’IA n’ont pas besoin de construire des modèles ou de servir les utilisateurs finaux. Les entreprises qui fournissent l’infrastructure de base s’en sortent très bien. Nvidia est le plus grand gagnant dans cet espace, et la raison en est simple : la demande de calcul est hors norme. Les modèles d’IA générative ont besoin d’une énorme capacité de GPU pour l’entraînement et l’inférence. Et Nvidia possède cet espace.
Nvidia ne compte pas sur les revenus d’abonnement des consommateurs ou sur les mesures d’utilisation des outils d’IA des entreprises. Elle vend aux constructeurs, aux entreprises qui font la course pour sortir le prochain modèle ou la prochaine couche d’API. OpenAI, Anthropic et des dizaines d’autres entreprises dépensent chaque année des milliards pour maintenir et développer ces systèmes. Tant que ces dépenses se maintiendront, Nvidia restera en position dominante.
Il n’y a aucun signe de ralentissement de la demande de microprocesseurs, même si de nombreuses entreprises de genAI n’ont pas encore trouvé le moyen de fixer des prix permettant de dégager un bénéfice net. Cela s’explique par le fait que l’infrastructure requise passe avant la rentabilité. La formation au modèle a lieu que le produit soit un succès ou non. Et chaque nouvelle itération du modèle nécessite généralement une puissance de calcul encore plus importante.
Pour les dirigeants d’entreprise, l’idée est importante : les fournisseurs d’infrastructure font des paris stables lorsque l « écosystème se développe, même si la monétisation côté client n’a pas encore fait ses preuves. Si vous investissez dans l’IA, que ce soit par le biais d’un développement direct ou de partenariats, vous achèterez de l’informatique. La planification de ce coût et l » évaluation de qui capture la valeur à quelle couche de la pile seront essentielles pour évaluer le succès à long terme.
L’industrie de l’IA générative présente des caractéristiques qui rappellent la bulle Dot-Com
L’écart entre les attentes et les revenus dans le domaine de l’IA générative ne cesse de se creuser. Le capital-risque continue d’affluer. Les entreprises collectent des dizaines de milliards de dollars, certaines avec une traction limitée sur les utilisateurs ou des voies de monétisation peu claires. Ce déséquilibre est un signe de risque. Les fondamentaux, coûts, revenus, rentabilité, ne sont toujours pas alignés pour la plupart des entreprises. Pourtant, les capitaux continuent d’affluer.
Il ne s’agit pas d’un simple bruit de marché. Il reflète l’appétit actuel de l’écosystème financier au sens large pour les paris technologiques à forte croissance et à haut risque. L’hypothèse est que l’IA générative finira par débloquer un énorme potentiel commercial. Mais aujourd’hui, la plupart des entreprises de ce secteur ne sont pas rentables et ne sont pas près de l’être. Elles dépendent de l’échelle, de la vitesse et d’un financement continu pour rester en vie.
Le risque n’est pas seulement pour les startups. Il concerne toute la chaîne d’investisseurs, de partenaires et d’acheteurs d’entreprises qui s’alignent sur des modèles qui n’ont pas fait leurs preuves. Une correction se produit lorsque les capitaux ralentissent et que les modèles d’entreprise n’ont pas mûri assez vite pour fonctionner de manière indépendante. C’est alors que les entreprises commencent à réduire les coûts de calcul, à consolider les équipes ou à se détourner des offres non évolutives.
Pour les dirigeants de C-suite, le timing est important. Il est important de distinguer la valeur réelle du bruit. Avant d’augmenter les dépenses ou l’infrastructure liées à des plateformes d’IA tierces, évaluez la durabilité financière de ces fournisseurs. Ajoutent-ils des coûts à votre pile de données ou contribuent-ils à les réduire ? Ont-ils besoin de plus de capital chaque année pour fonctionner, ou sont-ils structurellement efficaces ?
Les cycles du marché n’attendent pas. Lorsque l’environnement financier se resserre, seuls les modèles liés à la valeur fonctionnelle et à la discipline opérationnelle tiendront. Les chefs d’entreprise qui se préparent maintenant auront un avantage stratégique plus tard, en s’associant avec des entreprises qui sont construites pour durer.
Le bilan
L’IA générative progresse rapidement, mais la vitesse seule ne permet pas de créer une entreprise. La plupart de ce que nous voyons actuellement est un élan sans marge. Les valorisations élevées, les démonstrations impressionnantes et les intégrations à grande échelle ne signifient pas que la rentabilité est à l’horizon. Pour les entreprises qui brûlent de l’argent pour courir après le battage médiatique, la piste se rétrécit à moins que l’utilisation ne devienne irremplaçable et monétisable.
Concentrez-vous sur des cas d’utilisation étroits et à fort impact où l’IA produit clairement des résultats mesurables. Suivez le coût de la mise en œuvre et de l’exploitation à l’échelle, ne supposez pas que les gains d’efficacité viendront plus tard. Si vous misez beaucoup sur les fournisseurs, évaluez leur modèle économique avec autant d’attention que leur technologie.
L’exécution est importante. La précision est importante. Et l’efficacité du capital est toujours importante. L’IA générative a du potentiel, mais elle a besoin de discipline de la part des constructeurs, des investisseurs et des acheteurs d’entreprise. La prochaine phase ne récompensera pas les acteurs les plus bruyants. Elle récompensera les plus résilients.
