Le monde du capital-risque s’emballe autour d’une nouvelle stratégie : utiliser l’IA pour transformer des entreprises de services traditionnels en sociétés à hautes marges.
L’idée paraît simple : racheter des sociétés établies, automatiser une partie des tâches grâce à l’IA, puis réinvestir les profits dans de nouvelles acquisitions. Pourtant, derrière cet enthousiasme se cachent des défis majeurs qui pourraient freiner la révolution annoncée.
Lire aussi :
- Netflix moins cher en 2025 : Partage d”abonnement, VPN, Astuces
- ChatGPT Go à 4,50 $ : est-ce la fin des abonnements IA hors de prix ?
General Catalyst en tête de file
Le fonds General Catalyst (GC) est le plus avancé dans cette stratégie. Avec 1,5 milliard de dollars alloués, il a lancé des sociétés spécialisées dans différents secteurs, avant de leur permettre de racheter des entreprises déjà rentables. L’objectif est ambitieux : automatiser entre 30 et 50 % des processus, voire 70 % dans les centres d’appels.
Des cas concrets existent déjà. Titan MSP a reçu 74 millions de dollars pour développer des outils d’IA dans la gestion de services IT, puis a racheté RFA, un acteur reconnu. Les premiers tests montrent une automatisation de 38 % des tâches. Dans le secteur juridique, Eudia attire de grands clients comme Chevron et Stripe avec des forfaits fixes pilotés par l’IA, et a acquis Johnson Hanna pour élargir son influence. L’objectif de GC est clair : doubler les marges de ces sociétés en s’appuyant sur l’automatisation.
Mayfield, Elad Gil et les autres
D’autres investisseurs suivent le mouvement. Le fonds Mayfield a réservé 100 millions de dollars pour ses “AI teammates”, avec des résultats rapides : Gruve, une société de conseil IT, a triplé le chiffre d’affaires d’une petite société de cybersécurité acquise six mois plus tôt, tout en atteignant une marge brute de 80 %.
De son côté, l’investisseur indépendant Elad Gil mise depuis trois ans sur le rachat d’entreprises matures, convaincu qu’il est plus efficace de transformer de l’intérieur plutôt que de vendre de simples logiciels. Tous partagent la même vision : créer des “machines à cash” grâce à l’IA, avec des sociétés déjà profitables dès leur acquisition.
Le revers de la médaille : le “workslop”
Pourtant, un obstacle de taille apparaît : le “workslop”. Ce terme désigne les tâches supplémentaires créées par des contenus générés par l’IA, souvent crédibles en surface mais incomplets ou inexacts. Une étude récente estime que 40 % des salariés passent près de deux heures à corriger ce type de travail, représentant une perte de 186 dollars par mois et par employé. À l’échelle d’une grande entreprise, cela équivaut à plusieurs millions de dollars de productivité envolée.
Ce phénomène menace directement le modèle des VCs. Si les entreprises réduisent leurs effectifs, il y aura moins de personnes pour corriger les erreurs de l’IA ; si elles les maintiennent, les gains de marge tant espérés risquent de ne jamais se matérialiser.
Microsoft change les règles du jeu avec cette nouvelle alliance IA inattendue
L’IA promet d’augmenter l’efficacité des services, mais la réalité du terrain montre une transformation plus lente et plus complexe que prévu. Les investisseurs misent sur un futur de marges spectaculaires, mais pour l’instant, le succès repose sur un équilibre fragile entre automatisation et qualité réelle du travail livré.
