AI Service Integration: Harder Than VCs Anticipate

Les sociétés de capital-risque sont convaincues d'avoir découvert la prochaine grande avancée en matière d'investissement : exploiter l'intelligence artificielle pour générer des marges dignes des logiciels au sein d'entreprises de services traditionnellement intensives en main-d'œuvre. Cette stratégie repose sur l'acquisition de firmes de services professionnels matures, l'implémentation de l'IA pour automatiser des tâches, puis l'utilisation des flux de trésorerie améliorés pour acquérir davantage de sociétés.

General Catalyst (GC) est en première ligne de ce mouvement, ayant alloué 1,5 milliard de dollars de sa dernière levée de fonds à ce qu'elle nomme une stratégie de "création". Celle-ci vise à incuber des entreprises logicielles natives de l'IA dans des secteurs spécifiques, puis à utiliser ces entreprises comme véhicules d'acquisition pour racheter des firmes établies – et leurs clients – dans les mêmes domaines. GC a déjà investi dans sept industries, des services juridiques à la gestion informatique, avec l'intention d'étendre son champ d'action à une vingtaine de secteurs au total.

Selon Bhargava, si l'on parvient à automatiser les activités de services, en abordant 30% à 50% des tâches de ces entreprises avec l'IA, et même en automatisant jusqu'à 70% des tâches essentielles dans le cas des centres d'appels, les calculs deviennent irrésistibles. GC cherche à doubler – au minimum – la marge d'EBITDA des entreprises qu'elle acquiert, a-t-il expliqué.

Cette firme de premier plan n'est pas la seule à adopter cette vision. La société de capital-risque Mayfield a spécifiquement alloué 100 millions de dollars à des investissements dans les "coéquipiers IA", notamment Gruve. Cette startup de conseil en informatique a acquis une entreprise de conseil en sécurité de 5 millions de dollars, puis l'a fait passer à 15 millions de dollars de revenus en six mois, tout en atteignant une marge brute de 80%, selon ses fondateurs.

Toutefois, cette tendance n'est pas sans impact sur les organisations. Des employés interrogés indiquent qu'ils consacrent en moyenne près de deux heures à chaque incident de "workslop" – des imperfections générées par l'IA – incluant le déchiffrage, la décision de le renvoyer ou non, et souvent la correction directe.

Bhargava a contesté l'idée selon laquelle l'IA serait surévaluée, arguant au contraire que ces échecs de mise en œuvre valident en réalité l'approche de GC. "Je pense que cela montre l'opportunité, c'est-à-dire qu'il n'est pas facile d'appliquer la technologie de l'IA à ces entreprises", a-t-il déclaré. "Si toutes les entreprises du Fortune 100 et tous ces acteurs pouvaient simplement faire appel à un cabinet de conseil, intégrer de l'IA, signer un contrat avec OpenAI et transformer leur activité, alors notre thèse serait évidemment un peu moins robuste. Mais la réalité est qu'il est vraiment difficile de transformer une entreprise avec l'IA."

Il a souligné la sophistication technique requise en IA comme la pièce manquante la plus critique du puzzle. "Il existe de nombreuses technologies différentes. Elles sont bonnes pour différentes choses", a-t-il précisé. "Il faut vraiment ces ingénieurs spécialisés en IA appliquée, issus d'entreprises comme Rippling, Ramp, Figma et Scale, qui ont travaillé avec les différents modèles, comprennent leurs nuances, savent lesquels sont adaptés à quoi, et comment les intégrer dans un logiciel." Cette complexité est précisément la raison pour laquelle la stratégie de GC, qui consiste à associer des spécialistes de l'IA à des experts du secteur pour construire des entreprises à partir de zéro, est pertinente, a-t-il soutenu.

Néanmoins, il est indéniable que le "workslop" menace de compromettre – dans une certaine mesure – l'économie fondamentale de la stratégie. Même si une société holding est créée comme point de départ, si les entreprises acquises réduisent leurs effectifs comme le suggère la thèse de l'efficacité de l'IA, elles disposeront de moins de personnel pour détecter et corriger les erreurs générées par l'IA. Si les entreprises maintiennent leurs niveaux d'effectifs actuels pour gérer le travail supplémentaire créé par les sorties problématiques de l'IA, les énormes gains de marge sur lesquels les VCs comptent pourraient ne jamais se concrétiser.

En fait, parce qu'elles acquièrent généralement des entreprises disposant déjà de flux de trésorerie, GC affirme que ses entreprises issues de la "stratégie de création" sont déjà rentables – un net écart par rapport au modèle traditionnel des VCs qui consiste à soutenir des startups à forte croissance et grandes consommatrices de liquidités. C'est également un changement probablement bienvenu pour les commanditaires (LPs) des sociétés de capital-risque, qui ont financé des années de pertes pour des entreprises qui n'ont jamais atteint la rentabilité.

"Tant que la technologie de l'IA continuera de s'améliorer, et que nous verrons cet investissement massif et cette amélioration des modèles", a conclu Bhargava, "je pense qu'il y aura de plus en plus d'industries dans lesquelles nous pourrons aider à incuber des entreprises."