Les plus grands marchés de l’IA verticale se cachent à la vue de tous

• Plus un secteur est fragmenté et complexe à exploiter, plus il constitue en réalité le marché idéal pour des systèmes d’IA verticale capables de bâtir de puissantes barrières défensives — un point encore largement sous-estimé par la plupart des fondateurs et investisseurs
• Une automatisation propre d’une tâche unique se copie facilement, mais les workflows profondément imbriqués avec la réglementation, les intégrations legacy et la gestion des exceptions sont bien plus difficiles à reproduire, que ce soit pour des concurrents, des clients ou même des laboratoires d’IA
• Si l’on redéfinit la taille du marché non pas à partir du budget logiciel mais à partir des coûts de service et de main-d’œuvre, des marchés verticaux qui paraissaient modestes se révèlent en fait représenter d’immenses postes de dépense
• Quand un produit passe du stade où il assiste le travail à celui où il remplace le travail lui-même, le périmètre facturable chez un même client peut être multiplié par plusieurs dizaines
• Les 5 prochaines années devraient déterminer, dans chaque secteur, quelle approche l’emportera entre les plateformes verticales spécialisées, l’ajout d’IA par les SoR existants et la construction d’IA en interne

---

Pourquoi ce marché reste caché

• Les deux caractéristiques qui masquent les meilleurs marchés de l’IA verticale servent en même temps de barrières défensives
• La première est le workflow grit : un environnement de travail complexe, saturé de gestion des exceptions, d’intégrations legacy, de validations humaines, de conformité et de modes d’échec coûteux
  • Les tâches propres et bien définies sont faciles à construire, à démontrer et à vendre, mais dès lors que l’intelligence devient portable, elles se commoditisent
  • Les tâches étroites, peu risquées et faciles à brancher aux systèmes existants peuvent être copiées par des concurrents, construites directement par les clients, ou même lancées par les laboratoires de frontière eux-mêmes
• Les workflows à fort grit bloquent ces trois menaces à la fois : les laboratoires ne veulent pas gérer la complexité opérationnelle, les clients n’ont pas les capacités techniques nécessaires, et les concurrents ne peuvent pas prendre de raccourcis
• Pour rendre l’IA exploitable dans des workflows à fort grit, il faut faire bien plus qu’accéder à un modèle : structurer des données non structurées, intégrer des systèmes legacy, concevoir des boucles de validation, définir un taux d’erreur acceptable et établir la confiance dans des environnements où le coût de l’erreur est élevé
  • Ce travail s’accumule discrètement pour former une carte propriétaire des opérations du workflow qu’un nouvel entrant ne peut pas reproduire simplement en achetant le même modèle
• Au départ, la récompense paraît modeste, mais ce travail opérationnel difficile donne ensuite le droit de s’étendre à des workflows adjacents et à des catégories budgétaires plus importantes

Cas concrets : prêt auto, facturation médicale, logistique du fret

• Salient : construit un agent vocal IA qui appelle les emprunteurs en retard sur leur prêt automobile. L’entreprise opère sous les réglementations FDCPA, TCPA et Reg F, dans un contexte où une seule infraction peut déclencher une action réglementaire
  • L’IA doit naviguer entre des règles fédérales et locales qui se chevauchent, négocier des paiements en temps réel, respecter les limites de fréquence d’appel et transférer vers un agent humain si nécessaire
  • Un appel de recouvrement humain coûte 4 à 12 $, tandis qu’un appel IA n’en représente qu’une fraction
• Charta Health : automatise la revue de dossier avant facturation à travers des règles d’assureurs, des codes CPT et des schémas de refus qui varient selon les spécialités et les régions
• Dans la logistique du fret, HappyRobot, Pallet et Augment construisent des agents IA chargés de gérer les appels vocaux interminables, e-mails et mises à jour de portails nécessaires à la coordination entre transporteurs, chargeurs et entrepôts
  • « Appeler un chauffeur routier pour confirmer l’état d’un chargement » ne ressemble pas à une opportunité de taille venture, mais chaque chargement comprend des dizaines de points de contact manuels, et le secteur de la logistique dépense plus de 1 000 milliards de dollars par an en coûts opérationnels non physiques

La deuxième caractéristique : la structure du marché

• Une structure de marché fragmentée entre des milliers d’opérateurs, avec des acheteurs ayant un faible ADN technologique
• Les fournisseurs d’IA horizontale ont besoin de clients concentrés et à forte valeur pour rentabiliser leur déploiement, mais lorsque les revenus sont dispersés entre des milliers de PME exploitant chacune des systèmes différents et des données non structurées, un acteur généraliste ne peut pas justifier son effort GTM
• Les opérateurs immobiliers, entreprises de services terrain ou cliniques de rééducation ambulatoire n’ont pas les capacités techniques pour construire de l’IA en production en interne et voient la technologie comme quelque chose à acheter, non à posséder
• La fragmentation crée l’espace de construction, et la faible propension à construire en interne l’amplifie, en laissant le temps d’accumuler du contexte opérationnel de manière composée avant tous les autres

Exemple : le marché fiscal et comptable américain

• Le marché fiscal et comptable américain est une industrie de 145 milliards de dollars, composée d’une longue traîne d’environ 46 000 cabinets de CPA, dont 86 % comptent moins de 10 employés
  • Il inclut aussi les Big Four et de grands cabinets nationaux
• Blue J : plateforme de recherche fiscale alimentée par l’IA, qui a gagné du terrain aux deux extrémités du marché. Elle sert aujourd’hui plus de 2 800 organisations, avec une utilisation en hausse de plus de 700 % sur un an
• La structure en longue traîne rend le marché peu attractif pour des acteurs généralistes, tandis que le workflow grit — chevauchement des règles fiscales, schémas de faits ambigus, réponses d’experts qui engagent leur réputation — crée un point d’entrée durable même dans un environnement d’acheteurs exigeants

Le renforcement combiné des barrières défensives

• La complexité opérationnelle crée des coûts de changement (switching costs) : la retirer impliquerait de réembaucher du personnel, de reconstruire les processus et d’abandonner des années de contexte accumulé sur les workflows
• La fragmentation ne disparaît pas avec le temps, et les acheteurs ne développent pas soudainement un ADN d’ingénierie
• Au moment où OpenAI ou Anthropic prennent conscience de l’existence de ce marché, le contexte opérationnel et la base de distribution du système vertical se sont déjà accumulés pendant des années

Le TAM Goldilocks

• Si la plupart des marchés de l’IA verticale restent cachés, c’est parce qu’on mesure mal leur taille
• L’approche standard consiste à considérer comme TAM la dépense logicielle de la catégorie, mais dans les secteurs fragmentés et opérationnellement complexes, les budgets logiciels sont généralement faibles
• Le bon indicateur est le montant qu’une industrie dépense pour le travail lui-même : personnel qui exécute la tâche, prestataires externes, agences, contractuels — autrement dit les budgets de services et de main-d’œuvre
• Cette redéfinition explique aussi pourquoi les concurrents les plus dangereux passent à côté du marché : si l’on regarde « l’IA pour la location immobilière » à travers le seul budget logiciel, cela semble être une niche, ce qui ne justifie pas la mobilisation d’un laboratoire de frontière
  • Vu à travers les budgets de travail et de services, c’est énorme ; mais au moment où cela devient visible, le système vertical a déjà accumulé des années d’avance
• Les conditions du TAM Goldilocks : assez grand pour produire un résultat venture, mais masqué par une surface logicielle modeste, ignoré à cause de sa complexité opérationnelle, et capable de s’étendre fortement une fois la position système établie

Le passage de l’assistance au remplacement

• L’expansion survient quand le produit passe d’assister le travail à l’exécuter
• Cas d’une société de gestion immobilière : 30 000 $ de dépenses annuelles en logiciel locatif, contre 300 000 $ pour le personnel affecté à la location
  • Quand le produit commence à effectuer le travail lui-même, on ne vend plus sur la ligne à 30 k$, mais sur la ligne à 300 k$
  • En s’étendant à travers le workflow et les opérations, il devient possible d’accéder à la totalité du budget opérationnel, soit plus de 1 million de dollars
  • Chez un même client, dans une même entreprise, le périmètre facturable peut être multiplié par 30

Exemple : EliseAI

• EliseAI : plateforme d’IA pour la gestion immobilière, partie d’un marché proptech limité
  • Au départ, elle a commencé avec une solution d’automatisation de la location en SKU unique à ~50 k$ d’ACV
  • À mesure que le produit est passé de l’assistance au remplacement du travail de location, l’entreprise s’est développée, puis a étendu son offre à la maintenance, au recouvrement et aux visites guidées par IA, couvrant tout le cycle de vie du locataire
  • Elle sert aujourd’hui 1 appartement américain sur 8, et les gestionnaires et opérateurs immobiliers dépensent plusieurs millions de dollars sur la plateforme
  • Elle s’est aussi lancée dans la santé, où elle applique le même playbook à 600 milliards de dollars de coûts administratifs annuels
• Le TAM n’a pas grandi avec le produit ; c’est le produit qui a révélé l’ampleur réelle du TAM dès l’origine

Ce qui arrive quand on y parvient en premier

• Sur ce marché, les entreprises d’IA verticale qui atteignent une position de système ne se contentent pas de construire de grandes entreprises ; elles définissent la manière dont tout un secteur opérera au cours des 10 prochaines années
• Anthropic et OpenAI constituent une menace réelle pour la couche applicative, mais ils doivent gérer des priorités contradictoires
  • Ils doivent continuer à investir dans l’avancée de la frontière des modèles, et la maximisation des revenus basés sur les tokens entre en conflit d’intérêt avec le client final à mesure que l’adoption des agents augmente
  • En plus de cela, ils devraient construire simultanément des applications sur mesure de haute qualité pour des dizaines de verticaux différents
• Dans la plupart des marchés, des IA verticales spécialisées devraient dépasser les laboratoires en exécution grâce à une concentration totale
• Les 5 prochaines années détermineront, dans chaque marché, quelle approche l’emportera : les plateformes spécialisées qui étendent un wedge IA vers un système vertical, les SoR (System of Record) existants qui conservent leur position de marché en y ajoutant une IA « suffisamment bonne », ou l’IA construite en interne sur Anthropic/OpenAI
• La stratégie clé : choisir, dans un marché qui paraît trop petit, un point d’entrée précis et opérationnellement complexe, puis étendre son emprise à l’ensemble du workflow, gagner en autorité, remplacer le travail et devenir le système sans lequel le client ne peut plus opérer
• « Le modèle gagne en démo, le wedge gagne en pilote, le système gagne sur le marché »