Comment calculer le LTV ajusté du coût de calcul

• Alors que les produits d’IA facturent le même abonnement tout en consommant des coûts d’inférence très différents selon les clients, l’hypothèse traditionnelle du LTV selon laquelle la marge brute est stable sur l’ensemble de la clientèle s’effondre
• L’enjeu central est le Compute-Adjusted LTV : mesurer la rentabilité par client des produits d’IA qui combinent des revenus d’abonnement fixes ou semi-fixes avec des coûts de calcul très variables
• Même si deux clients paient le même prix, l’un consomme 110 $ de coûts d’inférence et l’autre 15 $, ce qui produit une marge brute réelle totalement différente
• Se limiter à la marge brute moyenne de l’entreprise masque le fait que certains segments restent au seuil de rentabilité ou génèrent des pertes, créant un piège de la moyenne
• Les entreprises qui ont à la fois des revenus d’abonnement IA fixes et des coûts de calcul variables doivent impérativement comprendre la marge brute par segment afin de réduire les erreurs de tarification, de prévision et de passage à l’échelle

---

Le nouveau problème du LTV logiciel traditionnel

• Dans le SaaS traditionnel, le coût de service d’un client supplémentaire similaire varie peu, si bien que la marge brute d’abonnement peut être appliquée telle quelle au LTV
  • LTV de base = Cohort ARPA / Revenue Churn Rate
  • Version intégrant la marge brute = Cohort ARPA × Gross Margin / Revenue Churn Rate
• Les produits d’IA génèrent des coûts directs et variables à chaque appel d’inférence, complétion, exécution de workflow, tâche d’agent ou sortie générée, et ces coûts comme les volumes d’usage diffèrent selon les clients
• Citation du rapport State of AI de janvier 2026 d’ICONIQ Capital
  • Dans les entreprises B2B d’IA en phase de scale-up, l’inférence de modèles représente en moyenne 23 % du chiffre d’affaires total
  • La marge brute moyenne des produits d’IA devrait passer de 41 % en 2024 à environ 52 % en 2026, tout en restant inférieure aux niveaux du SaaS traditionnel

Même abonnement, économie client différente

• Dans l’exemple d’un produit de workflow IA à 200 $ par mois, un power user (client A) consomme 110 $ de coûts d’inférence et un utilisateur léger (client B) 15 $, mais le LTV traditionnel les calcule de la même manière
• Un usage élevé n’est pas mauvais en soi : les gros utilisateurs sont plus fidèles (sticky), se développent plus vite et peuvent devenir des promoteurs du produit
  • Mais si le modèle tarifaire ne récupère pas les coûts de calcul, un usage élevé exerce silencieusement une pression sur la marge brute, voire la détruit
• Citation d’une analyse d’avril 2026 de Jellyfish portant sur l’usage de tokens au 1er trimestre 2026 par 12 000 développeurs et 200 entreprises
  • Le coût par PR fusionnée va de 0,28 $ dans la tranche d’usage la plus basse à 89,32 $ dans la plus haute, soit un écart de 319×
• Utiliser la marge brute moyenne induit en erreur dans les produits d’IA par abonnement : un segment peut être très rentable tandis qu’un autre se situe tout juste au seuil de rentabilité

Les revenus à intégrer dans la formule du Compute-adjusted LTV

• Distinguer trois types de revenus IA

  • Direct AI Revenue

    • L’entrée la plus propre : ce que les clients paient directement pour les fonctionnalités d’IA, comme les SKU IA, add-ons IA, sièges IA, licences utilisateur IA, packs d’usage IA, bundles de crédits IA ou revenus de dépassement IA

  • AI-Attributed Revenue

    • Si un plan standard coûte 200 $ et un plan IA 275 $, l’écart de 75 $ peut être traité comme revenu attribué à l’IA si l’IA est la principale différence, à condition de documenter la méthodologie
    • Les entreprises technologiques cotées taguent déjà bien les revenus IA, et c’est indispensable sur les marchés publics

  • AI-Influenced Revenue

    • Il s’agit d’un signal commercial indiquant que l’IA a contribué au renouvellement, à la signature ou à l’expansion, mais si l’impact sur le revenu ne peut pas être isolé, il ne convient pas comme numérateur dans une formule d’économie unitaire et doit être suivi séparément
• Règle : utiliser Direct AI Revenue si possible, AI-Attributed Revenue si c’est défendable, et suivre AI-Influenced Revenue séparément

Formule du Compute-Adjusted LTV

• Compute-Adjusted LTV = Compute-adjusted Gross Profit per Customer / Revenue Churn Rate
  • Compute-adjusted Gross Profit per Customer = AI Revenue per Customer − Fully Burdened AI COGS per Customer
  • Fully Burdened AI COGS = Inference Costs + AI Infrastructure Costs + Support Costs + Customer Success Costs + DevOps
• Les coûts doivent être calculés au niveau de la marge brute en coût complet (fully burdened) ; se contenter de soustraire les coûts d’inférence au revenu sous-estime les coûts, sauf dans les cas où il n’y a vraiment que des coûts de LLM
• Le Customer Success ne doit être inclus dans les COGS que lorsqu’il se concentre sur l’adoption et la rétention, sans porter de quota

Exemple de Compute-adjusted LTV : Acme SaaS

• Produit de workflow IA vendu 200 $ par mois sous forme d’abonnement, et non en pur usage-based : le revenu est fixe mais la consommation de calcul varie

• Moyenne de l’entreprise

  • Compute-adjusted Gross Profit = 200 $ − 55 $ − 11 $ − 12 $ − 8 $ = 114 $
  • Compute-Adjusted LTV = 114 $ / 2 % = 5 700 $
  • LTV traditionnel = (200 $ − 7 $ − 12 $ − 8 $) / 2 % = 8 650 $

• Gros utilisateurs

  • Inférence 110 $, infrastructure IA/DevOps 15 $, support 15 $, CS 10 $
  • Gross Profit = 200 $ − 110 $ − 15 $ − 15 $ − 10 $ = 50 $, LTV = 50 $ / 2 % = 2 500 $

• Utilisateurs légers

  • Inférence 15 $, infrastructure IA/DevOps 8 $, support 10 $, CS 7 $
  • Gross Profit = 200 $ − 15 $ − 8 $ − 10 $ − 7 $ = 160 $, LTV = 160 $ / 2 % = 8 000 $

• Interprétation

  • On suppose un CAC de 1 200 $ pour les deux segments
  • Une fois les coûts IA par client pris en compte, les gros utilisateurs passent sous le benchmark classique de 3:1 LTV:CAC
  • Cela ne signifie pas que les gros utilisateurs sont de mauvais clients, mais signale que les opérateurs doivent poser de meilleures questions et réexaminer le ratio entre tarification et distribution des coûts
  • Il faut vérifier la durée de rétention des gros utilisateurs, leur vitesse d’expansion, leurs migrations de plan, le seuil d’usage équitable (fair-use threshold), le routage des workflows simples vers des modèles moins coûteux, les crédits d’usage et la facturation des dépassements, ainsi que le nombre de gros utilisateurs

Quand utiliser le Compute-adjusted LTV

• À utiliser lorsque l’IA est vendue sous forme d’abonnement ou de modèle proche de l’abonnement, et que les coûts de calcul varient fortement selon les clients
  • Particulièrement utile quand les coûts d’inférence dépassent 10 % du revenu, que l’usage varie fortement selon les segments, ou que le LTV:CAC sert à décider des prix, des budgets de CAC et de l’acquisition client
• Si les coûts d’inférence sont faibles ou homogènes, inutile de complexifier le dashboard
  • Si le calcul IA représente moins de 5 % du revenu et que la variabilité par client est faible, le LTV existant intégrant la marge brute suffit
• Les produits purement usage-based doivent se concentrer sur d’autres métriques ; les modèles hybrides (abonnement plateforme + usage) ont besoin des deux angles

Analyse minimale viable (Minimum Viable Analysis)

• Des données parfaites ne sont pas nécessaires, mais des données d’usage au niveau client sont requises pour analyser la distribution
• Le niveau client est idéal, mais le niveau segment constitue aussi un bon point de départ
  • Commencer par distinguer utilisateurs légers, core et power users, puis ajouter PME, mid-market, enterprise, type de plan et canal d’acquisition
• L’objectif n’est pas la perfection comptable dès le premier jour, mais de vérifier si le LTV moyen masque une économie client fragile et d’identifier les données manquantes

Conclusion pratique pour les CFO

• L’ancien playbook SaaS considérait presque toujours un usage élevé comme positif, mais dans l’IA SaaS, ce n’est vrai que lorsque le modèle tarifaire et la structure de coûts le soutiennent
• Le Compute-Adjusted LTV aide à comprendre si un produit IA par abonnement crée des relations clients rentables après prise en compte du calcul et des COGS associés
  • Il ne remplace pas le CAC Payback, le GRR, le NRR, la marge brute ou le LTV:CAC ; c’est une métrique qui étend l’économie unitaire des SaaS AI-native et AI-enabled
• Même si la marge brute IA est inférieure à celle du SaaS traditionnel, il n’y a pas lieu de paniquer, mais il ne faut pas éviter le calcul : les entreprises qui comprennent l’économie IA au niveau client obtiendront de meilleurs résultats en tarification, prévision et passage à l’échelle