Les grands VC expliquent comment l'IA change la logique d'investissement : le « piège du milieu » et l'effet de volant

Plusieurs associés d'a16z estiment que l'IA bouleverse la logique d'investissement traditionnelle : le capital se convertit directement en puissance de calcul, et une fois lancé, l'effet de volant du « le gagnant emporte tout » est difficile à inverser. Sur 3 000 sociétés de capital-risque, seules 20 ont réalisé un rendement durable de 3x ; le « piège du milieu » est en train de disparaître. L'IA a atteint 100 milliards de dollars de revenus en 4 ans, là où le SaaS a mis 15 ans. Les valorisations des actifs SaaS traditionnels ont été divisées par deux, et les entreprises incapables de devenir « nativement IA » sont éliminées. Le véritable goulot d'étranglement n'est pas la demande, mais l'offre d'énergie et de centres de données.

L'IA pousse la « loi de puissance » des investissements technologiques à l'extrême : pour la première fois, le capital peut se convertir directement en puissance de calcul et renforcer les remparts absolus d'une entreprise, tandis que les actifs SaaS traditionnels incapables de devenir nativement IA risquent d'être abandonnés par leur époque.

Le 10 septembre, la grande société de capital-risque de la Silicon Valley Andreessen Horowitz (a16z) a publié un podcast d'entretien approfondi. Jen Kha, associée chez a16z, David George, associé du fonds de croissance, et Aram Verdiyan, associé chez Accolade Partners et commanditaire (LP) de longue date, ont eu une conversation rare et approfondie sur la logique d'investissement à l'ère de l'IA. Leur jugement central est très convergent : l'IA fait évoluer l'« effet de loi de puissance » d'une caractéristique sectorielle du capital-risque vers une loi systémique de l'ensemble des marchés financiers ; les cadres d'allocation du capital, la construction des fonds et même les frontières des classes d'actifs sont en train d'être réécrits.

La loi de puissance désigne une relation fonctionnelle spécifique entre deux variables : la variation d'une variable est un multiple d'une certaine puissance de l'autre. Sa caractéristique centrale est qu'« un très petit nombre d'individus concentre la grande majorité des ressources ou des parts », ce qu'on appelle souvent l'« effet de longue traîne » ou la « loi des 80/20 ».

Plusieurs données clés de la conversation sont frappantes : sur 3 000 sociétés de capital-risque aux États-Unis, seules 20 ont réalisé un multiple net durable de 3x au cours des vingt dernières années, soit moins de 1 % ; l'IA a atteint 100 milliards de dollars de revenus en seulement quatre ans, alors que le SaaS a mis quinze ans pour parcourir le même chemin ; actuellement, les entreprises américaines dépensent en moyenne seulement 12 dollars par employé et par mois en IA, mais ce chiffre atteint 7 000 dollars pour le premier centile des entreprises les plus dépensières — ce qui signifie que la diffusion de l'IA n'en est qu'à ses tout débuts.

« Le capital égale la puissance de calcul » : le « volant extrême » redéfinit les remparts sectoriels

David George a lancé l'un des jugements les plus disruptifs de cette vague d'IA :

« Aujourd'hui, vous pouvez injecter du capital dans une entreprise, et cela amplifie directement, par effet cumulatif, l'avantage de cette entreprise. C'est la première fois de ma carrière. »

Il explique qu'à l'ère du logiciel traditionnel, injecter trop d'argent dans une start-up était au contraire une catastrophe — embaucher mille personnes, créer du désordre de coordination, multiplier les priorités, et l'entreprise finissait par « tout gâcher ». Mais à l'ère de l'IA, c'est différent : « Vous pouvez mettre de l'argent dans la puissance de calcul, et la puissance de calcul améliore directement le produit et l'activité. »

Cela signifie que les économies d'échelle sont réelles sur le marché de l'IA et qu'elles continueront de se renforcer. Trois entreprises développant des modèles de pointe — SpaceX, OpenAI, Anthropic — représentent ensemble une valeur d'entreprise potentielle de 3 500 à 5 000 milliards de dollars. Jen Kha souligne que, de manière frappante, avant l'introduction en bourse de SpaceX, la plupart des investisseurs institutionnels n'y étaient presque pas exposés.

Aram Verdiyan, de son côté, donne son jugement d'un point de vue plus macro :

« L'IA attaque tous les recoins du PIB — transports, main-d'œuvre, services, capital, coordination. Historiquement, aucun paradigme technologique n'a frappé simultanément 30 000 milliards de dollars de PIB. »

Il avance aussi un point de vue disruptif sur le marché total adressable (TAM) de l'IA : le secteur de l'informatique de santé dépense environ 60 à 100 milliards de dollars par an, mais l'IA attaque en réalité la main-d'œuvre de santé elle-même — gestion de la facturation, processus administratifs — un secteur de l'ordre de mille milliards de dollars. « Le TAM de l'IA pourrait être plus de 10 fois supérieur à celui du SaaS traditionnel ou de l'informatique de santé. »

David George cite des données sur le travail pour appuyer ce point : dans l'économie américaine, le ratio entre les dépenses de main-d'œuvre et les dépenses logicielles est d'environ 40 pour 1. « Cela ne veut pas dire que la main-d'œuvre va disparaître, mais qu'elle va être réinventée. Réduire l'IA à la “prochaine génération de logiciels”, c'est la sous-estimer gravement. »

Le « piège du milieu » : restructuration structurelle du paysage du capital-risque

Un terme revient sans cesse dans l'entretien : « death of the middle » (le piège du milieu).

Aram Verdiyan partage une donnée clé : sur 3 000 sociétés de capital-risque aux États-Unis, seules 20 ont réalisé un multiple net durable de 3x au cours des vingt dernières années, soit moins de 1 %. Il insiste sur le fait que « durable » est le mot clé — pas besoin de sept ou huit fonds, mais sur un cycle de 20 ans, avez-vous 3 ou 4 fonds ayant atteint un multiple de valeur totale sur capital investi (TVPI) net de 3x ? Seules 20 sociétés dans tout le pays remplissent cette condition.

En comparaison, les données de Cambridge montrent que le rendement moyen du capital-risque au cours des dix dernières années n'est que de 1 à 2x net — non seulement inférieur au capital-investissement, mais même inférieur aux marchés publics, avec en plus un blocage des capitaux pendant dix ans.

Dans ce contexte, le secteur du capital-risque se polarise : d'un côté, les véritables structures « petites et spécialisées » — spécialisées dans des verticales étroites, ou intervenant à un stade plus précoce que les grandes institutions, en complémentarité avec elles ; de l'autre, les grandes institutions couvrant tout le cycle de vie — de l'amorçage à l'introduction en bourse, avec 700 employés et de puissantes ressources opérationnelles.

Jen Kha exprime clairement la logique de volant d'a16z :

« Notre activité est un volant. Tout part de notre expertise sectorielle et de notre capacité à convaincre les fondateurs ; si nous remportons des deals et aidons les entreprises à obtenir de meilleurs résultats, cela crée un effet de marque, les nouveaux fondateurs veulent être avec les gagnants, et les fondateurs gagnants recommandent d'autres fondateurs — c'est ainsi que fonctionne le volant. »

David George ajoute : le succès du fonds de croissance dépend fondamentalement de l'activité d'amorçage — « J'ai toujours dit que notre activité commence par l'amorçage et se termine par l'amorçage. »

Pour les institutions qui veulent participer à l'IA en ne faisant que du stade avancé ou en sautant le stade précoce, Aram Verdiyan est direct : « Les franchises de stade avancé les plus solides s'appuient toutes sur une énorme franchise de stade précoce. Si vous êtes un tout nouveau fonds de stade avancé et que vous voulez signer un chèque de 500 millions de dollars, c'est vraiment difficile. » David George renchérit : « J'ai vécu dans ce monde-là, c'est effectivement très difficile. »

Comment identifier la vraie traction de l'IA ? « Le terme ARR est en train d'être redéfini »

Avec la coexistence de la bulle de l'IA et de la demande réelle, distinguer la vraie traction devient l'un des problèmes les plus épineux.

Aram Verdiyan décrit un scénario typique : « Une entreprise sort d'un accélérateur et prétend passer de zéro à 5 millions de dollars de revenu récurrent annuel (ARR) en un mois. Mais il n'y a aucun cycle de renouvellement là-dedans, ils se vendent les uns aux autres, et multiplient les chiffres mensuels par 12 pour calculer l'ARR. » Son ton est incisif : « Sur neuf entreprises de ce type, il y en a peut-être une seule qui a réellement quelques millions d'ARR réels, et c'est elle qui sera le prochain Cursor. »

Jen Kha plaisante à ce sujet : « J'adore quand quelqu'un aide tout le monde à “redéfinir” le sens de l'ARR, comme une annonce très utile. »

David George donne son cadre de jugement :

« La question centrale reste toujours : le marché demande-t-il activement votre produit ? L'analyse financière ne peut pas vous donner la réponse, vous devez comprendre les clients en profondeur et leur parler. »

Il prend l'exemple de Harvey (outil juridique d'IA) : au début, Harvey a signé quelques contrats avec de grands cabinets d'avocats, mais l'utilisation réelle était médiocre, et les données de rétention n'étaient pas remarquables par rapport aux autres éditeurs de logiciels d'IA. Mais après le déploiement des modèles de raisonnement, tout a basculé — la valeur que les avocats tirent du produit a fortement augmenté, l'utilisation et l'engagement ont grimpé en flèche ; plus important encore, les clients sont passés de la crainte des risques d'hallucination à une demande active pour que les cabinets utilisent ce produit. « C'est le signal de marché que nous recherchons. »

Les difficultés du SaaS traditionnel et le « piège de l'IA » du capital-investissement

Par rapport aux services logiciels traditionnels (SaaS), la vitesse de pénétration de l'IA et le marché total adressable (TAM) potentiel explosent de manière exponentielle.

« Aujourd'hui, les revenus de l'IA ont déjà atteint 100 milliards de dollars. Le SaaS a mis 15 ans pour atteindre le même niveau, l'IA n'a mis que 4 ans. » Aram Verdiyan avance une donnée très percutante. Il souligne que l'IA attaque tous les niveaux du PIB — transports, main-d'œuvre, services et coordination du capital, « jamais auparavant un paradigme technologique n'avait pu toucher simultanément 30 000 milliards de dollars de PIB. »

Cependant, l'avancée triomphale de l'IA met les actifs logiciels de l'ancienne ère et les fonds de capital-investissement (private equity) qui les détiennent massivement sur des charbons ardents. Entre 2021 et 2022, de nombreuses entreprises logicielles traditionnelles ont été rachetées par des fonds de capital-investissement via des rachats avec effet de levier (LBO) à des valorisations élevées de 25 à 32 fois l'EBITDA (bénéfice avant intérêts, impôts, dépréciation et amortissement), mais ces actifs dépourvus de capacités « nativement IA » sont aujourd'hui confrontés à une contraction des valorisations et à un assèchement de la liquidité.

Aram Verdiyan le dit sans détour : « Les actifs logiciels que vous avez achetés avant 2021 à 25-32 fois l'EBITDA ne valent peut-être plus que la moitié aujourd'hui. » Il cite des données : entre 2021 et 2022, les opérations de LBO dans le logiciel ont représenté environ 200 à 300 milliards de dollars, avec plus de 200 milliards de dollars de dette ; aujourd'hui, les valorisations de ces entreprises se sont fortement contractées et les ratios de levier ont grimpé en flèche. La vague de rachats sur le marché du crédit privé est le reflet direct de cette logique.

Plus grave encore, l'inversion de la logique de croissance : Aram Verdiyan souligne que « sur les marchés publics, chaque point de pourcentage de croissance supplémentaire équivaut à 3 points de pourcentage d'EBITDA. » Cela signifie que les entreprises incapables de prouver que l'IA accélère leur croissance subiront des décotes de valorisation très sévères — « beaucoup d'actifs détenus par le capital-investissement n'ont ni une croissance assez rapide, ni une équipe de direction capable de réinventer l'activité ».

Aram le dit franchement :

« Regardez les marchés publics aujourd'hui, cet actif (le SaaS traditionnel) se négocie à un ratio prix/ventes de 2. Ce n'est pas seulement un problème de valorisation, plus grave encore, ces entreprises pourraient ne trouver aucun acheteur. Car si vous regardez une entreprise de logiciels aujourd'hui, la première question est : quelle est sa valeur ultime ? Peut-elle résister au choc de l'IA ? »

Jen Kha met en garde contre l'illusion d'un « capital-investissement version IA » :

« Mettre Sears sur un site web ne le transformera pas en Amazon. Nous voyons des entreprises dont la première initiative est de lancer un service client basé sur l'IA ; si vous ne reconstruisez pas le flux de travail depuis la base, le taux d'attrition s'accélère. Chaque baisse du NPS correspond directement à une baisse du chiffre d'affaires, et avec la dette en plus, cela devient une spirale descendante. »

Pour les tentatives de sauver de vieilles activités en y ajoutant simplement de l'IA, Aram douche aussi les espoirs : « Vous ne pouvez pas simplement envoyer un associé opérationnel dans une entreprise et dire “ajoutons un peu d'IA là-dessus”, ça ne marche pas du tout. » DG ajoute que même un simple remplacement du service client par l'IA, sans une refonte profonde des flux de travail, entraînera une baisse du Net Promoter Score (NPS) due à l'attrition des clients, et provoquera une spirale descendante des revenus.

Le vrai goulot d'étranglement de l'IA : pas la demande, mais l'offre

À la fin de l'entretien, la conversation se tourne vers un angle sous-estimé par le marché — où se situe le véritable goulot d'étranglement de l'IA ?

Aram Verdiyan affirme : « Le goulot d'étranglement de l'IA aujourd'hui n'est pas du côté de la demande, mais du côté de l'offre. » La chaîne de valeur, de gauche à droite, est : énergie → réseau électrique → centres de données → puces → modèles de pointe → applications. Les États-Unis sont extrêmement compétitifs sur les puces et tout ce qui se trouve à droite, et l'écosystème du capital-risque apporte un soutien solide. Mais au niveau des infrastructures énergétiques et du réseau électrique, le problème n'est pas la quantité d'électricité produite, mais le « délai de mise en puissance » — permis, transport, réglementation. Les autres pays ajoutent chaque année 10 fois plus de capacité renouvelable que les États-Unis.

« Cela signifie que les centres de données doivent être entièrement repensés. La densité des anciens centres de données ne peut plus supporter les nouvelles installations d'IA ; il ne s'agit pas d'une opportunité de 5 ou 10 milliards, mais de centaines de milliards de dollars. »

David George énumère les domaines les plus susceptibles de créer une valeur énorme au cours des 10 prochaines années : la robotique, la conduite autonome (moins de 10 000 Waymo en circulation sur les routes aux États-Unis), la santé (18 % du PIB, l'IA n'y a presque pas encore touché), l'énergie, l'industrie manufacturière et la défense.

« On a l'impression d'avoir déjà beaucoup fait dans l'IA. Mais dans dix ans, en regardant en arrière, ces autres grands domaines commenceront tout juste à créer de la valeur. Le prochain SpaceX ou OpenAI naîtra probablement dans ces domaines. »