Les services ne deviendront pas du logiciel

• Un consensus se diffuse dans l’industrie du capital-risque selon lequel l’IA transformerait les entreprises de services en entreprises logicielles, mais en réalité il s’agit surtout de faire de meilleures entreprises de services, et non de les transformer en entreprises logicielles
• Une part importante des dépenses en services professionnels rémunère non pas la qualité du livrable, mais le transfert de responsabilité, la fiabilité et la certification des qualifications, un domaine difficile à remplacer par l’IA
• L’expansion des marges liée à l’adoption de l’IA peut être temporaire, car l’adoption par les concurrents et les demandes de répercussion des économies par les clients peuvent l’éroder ; les marges durables se situent dans la couche de confiance professionnelle et de responsabilité
• Les outils d’IA produisent paradoxalement un effet qui ancre davantage les praticiens d’élite dans les entreprises existantes, tandis que la concurrence pour les talents entre entreprises AI-native grignote l’avantage de marge
• Le marché des services représente 20 à 70 fois la taille du marché du logiciel ; même sans marges comparables à celles du software, il reste possible d’obtenir des résultats de niveau venture grâce à la propriété de la responsabilité et à la relation client

---

Le consensus du monde du venture selon lequel l’IA convertit les services en logiciel

• Plusieurs VC de premier plan présentent cela comme une opportunité de 4,6 billions de dollars de "Service as Software"
• General Catalyst a engagé 1,5 milliard de dollars pour acquérir des entreprises de services dans le droit, l’IT, la comptabilité, etc., puis leur appliquer l’IA
• Thrive Capital a lancé un fonds de plus de 1 milliard de dollars pour acquérir des entreprises de services et les « AI-iser » ; OpenAI y a pris une participation et envoie directement des ingénieurs dans les entreprises du portefeuille
• Logique centrale : le marché mondial des services représente 16 billions de dollars, contre 1 billion de dollars pour le logiciel ; si l’IA peut apporter aux services des marges de niveau software (70 à 85 %), la création de valeur serait immense
  • Les marges des entreprises de services professionnels se situent autour de 30 à 40 % dans les bons jours

Le surplus de TAM existe, mais tout n’est pas réellement accessible

• Dans presque toutes les catégories de services professionnels, le marché du logiciel ne représente qu’une partie du marché des services ; l’existence d’un surplus de TAM est donc un fait bien connu
• Mais assimiler immédiatement ce surplus de TAM à une opportunité accessible est l’erreur la plus fréquente dans ce domaine
• Une part importante des dépenses en services professionnels repose sur des raisons autres que le livrable lui-même
  • Si une entreprise embauche un Big Four, ce n’est pas pour la valeur de l’audit en soi, mais pour disposer d’une position défendable en cas de problème : avoir « suivi l’avis d’experts »
  • Elle recrute des conseils juridiques externes que les régulateurs connaissent et auxquels ils font confiance
  • Elle fait appel à des consultants pour recommander une restructuration de manière indépendante, afin de répartir la responsabilité de la direction interne
• Ce n’est pas une inefficacité, c’est une fonction intégrée au mode de fonctionnement des services professionnels
• Il existe aussi une question de fiabilité et de validation externe
  • Lorsqu’un CFO annonce une refonte de la rémunération, il lui est bien plus facile de dire « selon les données de marché de McLagan » que « selon notre analyse interne »
  • La prime ne porte pas sur l’information elle-même, mais sur la crédibilité de la source
• L’IA peut effectuer le travail d’analyse, mais elle ne peut pas absorber la responsabilité
  • Un conseil d’administration ne peut pas désigner un modèle d’IA en disant : « nous nous sommes appuyés sur l’avis d’experts »
• La vraie question est donc : quelle part du TAM des services rémunère réellement la qualité du livrable, et quelle part rémunère le transfert de responsabilité, le bouclier politique et la certification des qualifications ?
  • Le marché des services réellement accessible à l’IA peut être sensiblement plus petit que les chiffres de une ne le suggèrent
  • En même temps, cela devient un facteur de différenciation pour les entreprises de services qui possèdent la relation client et la responsabilité

Le problème de la durabilité de l’expansion des marges

• Même dans le TAM accessible, l’expansion des marges peut être en partie temporaire
• Si les concurrents adoptent les mêmes capacités d’IA, le service se restandardise par le prix
• Quand les clients comprennent que l’IA réalise le travail autrefois effectué par les profils juniors, ils exigent une répercussion des économies
• Les marges durables résident dans la couche premium et de responsabilité située au-dessus du livrable automatisé par l’IA
  • Exemple : d’un côté, un cabinet comptable qui automatise les tâches fiscales et répercute les économies au client (marge de 60 %) ; de l’autre, une entreprise qui applique la même automatisation mais où un CPA signe la déclaration, détient une assurance E&O et possède la relation client (marge de 45 %)
  • La première est vulnérable à tous les concurrents ayant accès au même modèle ; la seconde dispose d’un fossé structurel fait de confiance professionnelle et de responsabilité, impossible à reproduire avec la seule IA
• La pression concurrentielle ne vient pas seulement des startups
  • Anthropic a lancé Claude for Excel, avec des agents préconstruits pour la modélisation DCF, l’analyse de comparables et les data packs de due diligence, ainsi que des connecteurs S&P Capital IQ, Moody's et PitchBook
  • OpenAI a annoncé un partenariat pluriannuel "Frontier Alliance" avec Accenture, BCG, Capgemini et McKinsey pour déployer directement des agents dans les workflows d’entreprise
  • Les entreprises de foundation models n’attendent pas que les startups construisent la couche service ; elles attaquent directement les workflows
  • Si la prochaine génération de modèles peut compléter de façon autonome des dossiers d’audit ou des documents juridiques, alors les « services propulsés par l’IA » ne sont pas un aboutissement, mais un état transitoire
• Les foundation models peuvent reproduire les livrables, mais pas les relations professionnelles, la couverture E&O ni la certification réglementaire

La croissance dépend toujours des humains

• L’IA augmente le plafond de travail traitable par personne, mais n’élimine pas le besoin d’humains
  • Dans un cabinet d’audit assisté par l’IA, un CPA peut gérer beaucoup plus de dossiers qu’avant, mais le CPA reste indispensable
• La courbe d’expansion des marges devrait présenter des rendements décroissants : les gains majeurs arrivent tôt, puis s’aplanissent rapidement
  • Si les marges plafonnent à 55–65 %, cela reste très attractif sur un marché de 87 milliards de dollars ou de plus de 1 billion de dollars, mais le niveau exact du plafond reste incertain, et c’est le risque central
• Les talents dont dépendent ces entreprises sont rares et de plus en plus coûteux
  • Les outils d’IA peuvent même aggraver la situation
  • Exemple dans le droit : des outils d’IA verticaux comme Harvey ou Legora sont vendus directement aux praticiens d’élite des cabinets existants et améliorent leur productivité là où ils sont déjà
  • Si un associé de Big Law peut traiter trois fois plus de dossiers grâce à l’IA, il gagne davantage, fait un travail plus intéressant et a moins de raisons de partir
  • Des outils supposés disrupter les cabinets en place peuvent au contraire fixer les talents dans les structures existantes
• Plusieurs cabinets juridiques AI-native se disputent les mêmes associés
  • Si dix entreprises AI-native financées par des VC lèvent massivement dans la même catégorie, cela crée côté offre une inflation du coût du talent sur un pool fini de professionnels qualifiés, et côté demande une pression sur les prix pour les mêmes clients
  • L’avantage de marge qui rendait le modèle attractif est alors grignoté non seulement par les entreprises en place, mais aussi par d’autres startups appliquant le même playbook
  • C’est le paradoxe classique d’un consensus trade : plus le capital poursuit cette thèse, plus son exécution devient difficile

Quel modèle économique est le plus favorable ?

• Pour un investisseur early stage, la question clé n’est pas : « cela deviendra-t-il une entreprise logicielle ? », mais plutôt : « ce fondateur peut-il construire assez de leviers pour maintenir, à grande échelle, une marge brute supérieure à 50 % et des revenus récurrents ? »
  • Dispose-t-il d’une défensibilité fondée sur les coûts de changement, grâce à un moat data, à la relation de responsabilité ou au contrôle du workflow ?
  • C’est possible sur un marché juridique de plus de 1 billion de dollars ou un marché comptable de 650 milliards de dollars, mais beaucoup plus difficile dans une niche de 3 milliards de dollars

• Vendre des outils d’IA aux entreprises de services existantes

  • Ces entreprises sont petites, fragmentées et résistantes au changement
  • Si elles sont déjà rentables, il n’y a aucune urgence à adopter une nouvelle technologie
  • Il faut un forcing function
    • La comptabilité en offre l’exemple le plus clair : depuis 2020, plus de 300 000 comptables ont changé d’emploi, 75 % des CPA sont proches de l’âge de la retraite, et les cabinets en viennent à refuser du travail
    • Quand l’alternative est une perte de chiffre d’affaires, l’ouverture aux outils d’IA augmente brutalement
  • La raison de l’investissement dans Basis et InScope : ces deux entreprises vendent des outils d’IA à des professionnels de la comptabilité ; elles n’assument pas directement la responsabilité, mais grâce à ce forcing function elles s’intègrent si profondément dans le workflow qu’elles obtiennent une défensibilité rendant le changement opérationnellement douloureux

• Construire dès le départ une entreprise de services AI-native

  • Cela revient à demander aux clients de confier à une startup des missions qu’ils confiaient jusque-là à des entreprises disposant de décennies de capital de marque, de relations réglementaires et de qualifications professionnelles
  • C’est une marche particulièrement haute dans les services où le transfert de responsabilité joue un rôle fort
  • La voie AI-native convient mieux aux secteurs où l’on peut contourner le problème de confiance non pas en vendant un service sous une marque non éprouvée, mais en possédant directement l’opération
    • Le courtage en assurance en est un bon exemple : dans le cas de DocShield, le courtage en assurance est une activité de grande qualité avec des clients récurrents et un très faible churn, mais les petits courtiers sont chers (un courtier à 2 millions de dollars d’EBITDA se traite à plus de 10x de multiple), ce qui rend les roll-ups peu efficaces en capital
    • Un courtier moyen de taille intermédiaire ne compte qu’environ 0,5 employé IT et vit dans des systèmes de gestion d’agence fermés, ce qui rend aussi la vente de software difficile
    • Posséder le courtier et construire des systèmes d’IA de bout en bout est la seule voie réellement rationnelle

• Stratégie de roll-up

  • Le roll-up n’est pas une mauvaise stratégie, mais il est davantage adapté au private equity, dont la structure de fonds, l’horizon de détention et le playbook opérationnel sont conçus pour ce type de transformation d’actifs
  • Avec les timelines et la structure de capital du VC, l’exécution est bien plus difficile
  • Il existe toutefois des cas où la dynamique de marché rend le roll-up pertinent
    • Meroka opère dans les cabinets médicaux indépendants : les cabinets individuels sont en crise structurelle, incapables de rivaliser avec les grands acteurs, sans pouvoir de négociation et sans plan de succession lorsque des médecins âgés partent à la retraite
    • Meroka convertit les cabinets en employee ownership trust pour garantir une indépendance permanente vis-à-vis du private equity, et introduit de la technologie moderne et de l’IA via une organisation de services managés
    • Le software seul ne peut pas résoudre le problème ; sans intervention, l’IA risque au contraire d’accélérer la consolidation et d’aggraver le problème du PE
    • Le trust de propriété crée la relation de responsabilité et la défensibilité, tandis que la couche de services managés génère des revenus récurrents qui montent en puissance à chaque nouveau cabinet, et la crise structurelle agit comme forcing function en transformant l’adoption d’un choix en urgence

Conclusion

• Les investissements VC dans les entreprises de services propulsées par l’IA peuvent générer d’importants rendements, mais il est illusoire de croire que ces entreprises auront le même profil de marge que le logiciel, ou que le TAM des services restera statique au fil de la recomposition par l’IA
  • Il existe intrinsèquement un plafond
• La mauvaise approche consiste à ignorer ces entreprises parce qu’elles ne sont pas du software, ou à investir en faisant semblant qu’elles le deviendront
• La bonne approche consiste à les évaluer pour ce qu’elles sont : des entreprises de services à grand marché, aux marges en amélioration, de plus en plus récurrentes et amplifiées par l’IA
• Du point de vue d’un investisseur early stage, rien n’a fondamentalement changé
  • Au pre-seed et au seed, on a toujours investi non pas sur la marge actuelle, mais sur la trajectoire de marge
  • La différence, c’est que l’IA apporte aux entreprises de services traditionnelles un vent arrière structurel sur l’expansion de la marge brute qu’elles n’avaient pas auparavant
• Le cadre qui rendait le logiciel attractif pour les investisseurs : grand marché, marges élevées, revenus récurrents, faible coût d’expansion
  • Les entreprises de services propulsées par l’IA ne remplissent pas forcément toutes ces conditions, mais si elles disposent de marges supérieures à 50 %, de relations clients récurrentes et d’une défensibilité fondée sur la possession de la responsabilité et de la relation client, sur des marchés 20 à 70 fois plus grands que leurs équivalents software, cela suffit largement
• Les services ne deviendront pas du logiciel, mais ils s’en rapprocheront davantage, et à cette échelle de marché, c’est déjà suffisant