Le service est le nouveau logiciel

• À mesure que les performances des modèles d’IA progressent, la thèse est que les entreprises d’IA sous forme de service qui vendent directement le résultat du travail (work), et non des outils, deviendront les prochains géants. Cela présente une structure où les entreprises de logiciels fonctionnent comme des entreprises de services.
• Tous les métiers sont classés selon deux axes : l’intelligence et le jugement. Plus une tâche a une forte composante d’intelligence, plus un autopilot IA peut s’y imposer rapidement.
• L’ingénierie logicielle, qui représente actuellement plus de la moitié des dépenses en IA, est la première à avoir franchi le seuil critique de l’automatisation, et d’autres professions spécialisées devraient suivre.
• La stratégie clé des entreprises autopilot consiste à utiliser comme point d’entrée (wedge) les tâches déjà externalisées, à entrer sur le marché sous forme de remplacement de prestataire, puis à s’étendre ensuite aux opérations internes.
• Dans des marchés de services pesant chacun des dizaines à des centaines de billions de wons — courtage d’assurance, comptabilité et audit, cycle de revenus de la santé, recrutement, etc. — on voit déjà émerger des startups autopilot.

---

Intelligence vs jugement

• Écrire du code, tester, déboguer, etc., relèvent de travaux d’intelligence : les règles sont complexes, mais ce sont bien des règles.
• Décider quelle fonctionnalité développer ensuite, s’il faut accepter de la dette technique, ou lancer avant d’être prêt relève de travaux de jugement, fondés sur l’expérience et l’intuition.
• Il y a un an, la plupart des utilisateurs de Cursor utilisaient l’IA au niveau de l’autocomplétion ; aujourd’hui, les tâches lancées par des agents sont plus nombreuses que celles lancées par des humains.
• L’ingénierie logicielle représente plus de la moitié de l’usage des outils d’IA tous métiers confondus, tandis que les autres professions restent encore à des proportions à un seul chiffre.
  • Comme l’ingénierie logicielle relève principalement de tâches d’intelligence, l’IA y a franchi en premier le seuil d’exécution autonome.
  • Cette dynamique est en train de s’étendre à toutes les professions spécialisées.

Copilot et Autopilot

• Copilot vend des outils, tandis que Autopilot vend le résultat du travail.
• Jusqu’à récemment, comme les modèles d’IA progressaient à la fois en intelligence et en jugement, l’approche Copilot — fournir des outils aux experts — était la bonne.
  • Harvey vend aux cabinets d’avocats, Rogo aux banques d’investissement : ce sont des modèles Copilot.
  • L’expert est le client, l’outil améliore sa productivité, et la responsabilité du résultat final lui revient.
• Aujourd’hui, l’intelligence des modèles est devenue suffisamment élevée pour que, dans certaines catégories, partir directement sur un modèle Autopilot soit la meilleure approche.
  • Crosby vend directement aux entreprises qui ont besoin de brouillons de NDA, et non à des conseillers juridiques externes.
  • WithCoverage vend directement aux CFO qui ont besoin d’assurance, et non aux courtiers.
• Quel que soit le métier, le budget du travail (work budget) est bien plus important que le budget des outils (tool budget), et Autopilot capte ce budget travail dès le premier jour.
• Plus la part d’intelligence est élevée dans un domaine, plus Autopilot l’emporte rapidement.

Convergence

• Le jugement d’aujourd’hui devient l’intelligence de demain.
• Quand les systèmes d’IA accumulent dans un domaine donné des données exclusives sur ce qui constitue un bon jugement, la frontière se déplace.
• Copilot et Autopilot finissent par converger.
• Dans plusieurs catégories, la transition Copilot → Autopilot a déjà commencé, mais le point de départ est crucial.
  • Car il détermine où l’on peut acquérir des clients dès maintenant et enclencher l’effet cumulatif des données.

Stratégie Autopilot : utiliser l’externalisation comme point d’entrée (Wedge)

• Pour chaque dollar dépensé en logiciel, 6 dollars sont dépensés en services.
• Le marché total adressable (TAM) d’un autopilot correspond à toutes les dépenses de travail d’une catégorie donnée (interne + externalisé), mais il est préférable de commencer là où l’externalisation existe déjà.
• Si une tâche est déjà externalisée, cela signifie trois choses :
  • l’entreprise concernée accepte déjà qu’elle soit réalisée à l’extérieur ;
  • il existe déjà une ligne budgétaire remplaçable ;
  • l’acheteur achète déjà un résultat, et non un outil.
• Remplacer un contrat d’externalisation par un prestataire de services AI-native est un changement de fournisseur, alors que remplacer des équipes internes revient à une réorganisation.
• Stratégie : commencer par des tâches d’intelligence externalisées → obtenir la distribution → à mesure que l’IA accumule ses gains composés, s’étendre à des tâches de jugement internalisées.
• Cas Crosby : démarrer avec les NDA, que la plupart des entreprises externalisent déjà à des conseils juridiques externes ; c’est une tâche d’intelligence bien définie, avec budget existant, périmètre clair, ROI immédiat et remplacement sans friction.

Cartographie des opportunités : analyse par grands marchés de services

• Courtage d’assurance ($140-200B)

  • Le marché le plus important en valeur de cette liste.
  • L’assurance commerciale standard est très standardisée, et la valeur ajoutée du courtier consiste essentiellement à comparer les assureurs et remplir des formulaires, soit un travail d’intelligence pur.
  • La couche de distribution est extrêmement fragmentée : des dizaines de milliers de petits courtiers exploitent le même processus, sans qu’aucun acteur établi ne domine la relation client.
  • WithCoverage et Harper sont les nouveaux entrants à surveiller.

• Comptabilité et audit (externalisation aux États-Unis seulement : $50-80B)

  • Aux États-Unis, le nombre de comptables a diminué d’environ 340 000 sur les cinq dernières années, alors que la demande a augmenté.
  • 75 % des CPA approchent de la retraite, le parcours de qualification est long, et les salaires d’entrée restent inférieurs à ceux de la tech et de la finance.
  • Cette pénurie structurelle favorise une adoption de l’IA plus rapide que dans presque toute autre profession.
  • Rillet construit un ERP AI-native pour clôturer les comptes, tandis que Basis a commencé comme Copilot pour comptables.

• Cycle de revenus de la santé (externalisation aux États-Unis : $50-80B)

  • Quand on pense à la « santé », on imagine facilement un domaine dominé par le jugement, mais la couche de facturation relève de tâches presque entièrement d’intelligence.
  • Le codage médical consiste à convertir les dossiers cliniques en environ 70 000 codes ICD-10 standardisés : des règles complexes, mais toujours des règles.
  • L’externalisation y est déjà mature et fondée sur la performance ; un autopilot doit simplement faire le même travail à moindre coût.
  • Anterior est l’acteur le plus avancé.

• Gestion des sinistres (y compris TPA : $50-80B)

  • De l’autre côté de la police d’assurance, la gestion des sinistres constitue un autre territoire d’autopilot.
  • Les sinistres standard sont traités via l’interprétation des clauses de police, les barèmes de dommages et les tables actuarielles pour fixer les provisions.
  • La population d’experts en sinistres vieillit, sans relève suffisante.
  • Il existe une structure d’externalisation massive vers des experts indépendants et des TPA comme Crawford ou Sedgwick.
  • Une seule industrie peut ainsi offrir au moins deux opportunités distinctes d’autopilot.
  • Pace construit un autopilot pour le traitement des sinistres, et Strala un TPA AI-native.

• Conseil fiscal ($30-35B)

  • Les licences CPA constituent une barrière réglementaire, mais 80 à 90 % du travail sous-jacent relèvent de tâches d’intelligence.
  • Chaque juridiction supplémentaire prise en charge par un autopilot fiscal renforce son moat de données.
  • La complexité multi-juridictionnelle est un cas typique que les PME externalisent, car un seul comptable interne peut difficilement la gérer.
  • TaxGPT est en tête, tandis qu’en Europe Skalar et Ravical sont également actifs.

• Juridique, opérations de transaction ($20-25B)

  • Rédaction de contrats, NDA, dépôts réglementaires : forte composante d’intelligence, et externalisation courante.
  • Les livrables sont suffisamment standardisés pour permettre une vérification de qualité, ce qui rend possible pour l’acheteur de faire confiance à une sortie IA sans expertise juridique approfondie.
  • Harvey s’impose comme leader émergent et évolue rapidement vers Autopilot, tandis que Crosby et Lawhive sont des nouveaux entrants natifs Autopilot.

• Services IT managés ($100B+)

  • Presque toutes les PME externalisent l’IT.
  • Patching, monitoring, provisioning des utilisateurs, tri des alertes, etc. sont des travaux d’intelligence répétés dans des milliers d’environnements similaires.
  • Les logiciels existants (ConnectWise, Datto) vendent des outils aux MSP, mais personne ne vend encore directement aux entreprises le résultat : « votre IT fonctionne ».
  • Edra automatise les processus IT, et Serval construit l’automatisation du support IT.

• Supply chain et achats ($200B+)

  • La plupart des entreprises ne négocient sérieusement qu’avec les 20 % principaux de leurs fournisseurs ; le reste de la longue traîne est ignoré, car cela n’est pas économiquement viable pour des humains.
  • Les fuites contractuelles représentent 2 à 5 % des dépenses totales d’achats.
  • Le point d’entrée est constitué des tâches négligées : il n’existe ni ligne budgétaire clairement justifiée, ni prestataire en place à remplacer ; c’est simplement de l’argent qu’on découvre.
  • Magentic fait des achats directs, AskLio construit une IA pour les achats indirects.
  • Tacto développe simultanément un system of record et un Copilot pour le mid-market.

• Recrutement et workforce ($200B+)

  • Le plus grand marché de services de cette liste.
  • Le haut du funnel de recrutement (screening, matching, outreach) relève de l’intelligence pure, tandis que la finalisation des candidats et l’évaluation du fit culturel relèvent du jugement, fondé sur des années de reconnaissance de schémas.
  • Le point d’entrée d’Autopilot se situe dans les rôles à fort volume et faible jugement, où le matching est standardisé.
  • Juicebox, Mercor et Jack & Jill s’imposent comme leaders émergents sur l’ensemble du spectre.

• Conseil en management ($300-400B)

  • Un marché énorme, mais dont l’essentiel du travail reste centré sur le jugement.
  • La question clé est de savoir si l’IA peut décomposer le conseil en composantes d’intelligence (collecte de données, benchmarking) et de jugement (recommandations stratégiques).
  • Reste à voir si une structure est possible où la couche d’intelligence est automatisée tandis que la couche de jugement reste humaine.
  • Le meilleur candidat reste à déterminer (TBD).

Transition 2025→2026 et dilemme de l’innovateur

• Les entreprises d’IA ayant connu la plus forte croissance en 2025 étaient des Copilot.
• En 2026, beaucoup d’entreprises Copilot tenteront de passer à Autopilot, mais elles se heurteront au dilemme de l’innovateur.
  • Vendre le résultat du travail signifie remplacer ce que leurs propres clients faisaient eux-mêmes.
• C’est précisément là que se situe l’opportunité d’entrée pour les pure players Autopilot.