À mesure que les entreprises allouent des budgets plus importants aux modèles d’IA et aux outils de création d’agents, l’attention se porte sur la destination de ces investissements.
Au début de l’expansion de l’IA, l’accent a été mis sur la construction de l’infrastructure et de la capacité de calcul, ce qui a permis aux fabricants de composantes, notamment de puces, de se distingués comme les grands gagnants. À l’avenir, la vague de l’IA dépendra de plus en plus de l’utilisation : autrement dit, de la capacité des entreprises à transformer les investissements en IA en gains de productivité et en profits. Cette transition place le logiciel au centre de l’attention, un secteur où la performance a été en retrait par rapport au secteur des composantes et où la monétisation de l’IA reste modérée. La prochaine phase d’opportunités viendra-t-elle du secteur des logiciels, et de quelles entreprises en particulier ? Cela dépendra de deux principaux obstacles : l’intégration de l’IA dans les processus opérationnels des entreprises et la capacité à trouver des modèles de facturation durables une fois l’IA déployée.
La chaîne de valeur de l’intelligence artificielle dans le secteur des logiciels
L’écosystème de logiciels peut être divisée en trois couches : l’infrastructure, plateformes et les applications¹. Les fournisseurs d’infrastructure tels que Microsoft Azure et AWS fournissent la puissance de calcul et les services d’hébergement de modèles qui soutiennent l’économie de l’IA. Les retours sur investissement sont déjà visibles à ce niveau, avec des revenus en hausse de plus de 20 % sur un an chez Azure. Toutefois, une croissance continue de l’utilisation sera nécessaire.
Les plateformes et applications font face à un défi plus complexe : intégrer l’IA dans les processus opérationnels des entreprises et de démontrer son utilité. Alors que 44 % des entreprises américaines paient désormais pour un modèle ou un service d’IA, une grande partie de ces dépenses est dirigée vers des modèles généralistes comme ChatGPT et Claude, plutôt que vers des applications faites sur mesure pour les entreprises².
Les entreprises sont confrontées à trois principaux obstacles pour une intégration plus poussée de l’IA :
- Ambiguïté des processus : La plupart des entreprises ne savent pas encore quels de leurs départements justifieraient des investissements dédiés en IA. Les gains de productivité sont évidents pour le codage et la documentation, mais l’intégration à plus grande échelle reste difficile.
- Préparation des données : De nombreuses organisations sont encore en train de nettoyer et d’organiser leurs données pour les rendre exploitables par les systèmes d’IA.
- Confidentialité et sécurité des données : Surtout dans les secteurs réglementés, les entreprises hésitent à exposer leurs données privées à des modèles hébergés dans un cloud, ce qui limite l’adoption des outils d’IA commerciaux.
Même si l’adoption progresse, la monétisation reste embryonnaire. Les éditeurs de logiciels testent différentes stratégies tarifaires : intégration de l’IA dans les offres existantes, augmentation des prix de base ou passage à des modèles de facturation à l’usage. Dans ce contexte d’incertitude, il est difficile de prévoir les retours sur investissement des applications d’IA, tout comme d’identifier les futurs gagnants.
La course à la captation de la valeur de l’intelligence artificielle
Avec des modèles de monétisation et d’affaires encore en construction, la question suivante porte sur la captation de la valeur. Qui en bénéficiera à mesure que l’adoption par les entreprises s’intensifie ? Pour les investisseurs, l’enjeu principal est de savoir si les acteurs historiques sauront se réinventer avec succès ou si, comme lors des précédentes vagues technologiques, de nouveaux entrants capteront une part plus importante du marché.
Les acteurs établis tels que Microsoft et Oracle disposent d’avantages en termes de taille, de distribution et d’accès aux données, qui alimentent les flux de travail et les applications d’IA. Toutefois, leur position dominante comporte aussi des défis : architectures héritées, attentes des clients en matière de prévisibilité et de concessions tarifaires et pression sur le maintien des marges.
Les startups « AI-native » sont plus agiles, mais rencontrent d’importants obstacles pour acquérir des clients, accéder aux données et assurer leur distribution. Elles consomment beaucoup de capital³, non seulement pour le développement de produits et la R&D, mais aussi pour le marketing et la vente.
Pour l’instant, le logiciel d’IA se caractérise par une adoption généralisée mais une monétisation limitée. À mesure que les entreprises alloueront des budgets plus importants aux modèles d’IA et aux outils de création d’agents, l’attention se portera sur la destination de ces investissements. Tous les cas d’usage ne connaîtront pas la même accélération, mais les premières tendances révéleront où se forme une valeur durable, que ce soit par le renforcement de la position des acteurs historiques ou par la percée de nouveaux entrants dans la prochaine phase de croissance de l’IA.