Les capitalistes de risque sont convaincus qu’ils ont trouvé le prochain grand avantage en matière d’investissement : utiliser l’intelligence artificielle (IA) pour obtenir des marges bénéficiaires similaires à celles des logiciels dans les entreprises de services traditionnellement intensives en main-d’œuvre. La stratégie consiste à acquérir des entreprises de services matures, à mettre en œuvre l’IA pour automatiser les tâches, puis à utiliser les flux de trésorerie améliorés pour acquérir davantage d’entreprises. Le leader de cette tendance est General Catalyst (GC), qui a consacré 1,5 milliard de dollars de son dernier levage de fonds à ce qu’il appelle une stratégie de « création » axée sur l’incubation d’entreprises de logiciels natives IA dans des secteurs spécifiques, puis en utilisant ces entreprises comme véhicules d’acquisition pour acheter des entreprises établies – et leurs clients – dans les mêmes secteurs.
##
La stratégie de General Catalyst
General Catalyst a placé des mises dans sept industries, allant des services juridiques à la gestion des TI, avec des plans pour étendre ses activités à jusqu’à 20 secteurs. « Les services représentent 16 000 milliards de dollars de chiffre d’affaires par an dans le monde », a déclaré Marc Bhargava, qui dirige les efforts liés à GC, dans une récente interview. « En comparaison, les logiciels ne représentent que 1 000 milliard de dollars dans le monde », a-t-il noté, ajoutant que l’attrait de l’investissement dans les logiciels a toujours été lié à ses marges bénéficiaires plus élevées. « Si vous pouvez automatiser les entreprises de services, aussi – en résolvant 30 % à 50 % de ces entreprises avec l’IA, et même en automatisant jusqu’à 70 % de ces tâches de base dans le cas des centres d’appels -, les mathématiques commencent à paraître irrésistibles ».
##
Les résultats de la stratégie
La stratégie semble fonctionner. Prenez Titan MSP, l’une des entreprises du portefeuille de General Catalyst. La société d’investissement a fourni 74 millions de dollars à la société pour l’aider à développer des outils d’IA pour les fournisseurs de services gérés, puis a acquis RFA, une société de services de TI bien connue. À travers des programmes pilotes, selon Bhargava, Titan a démontré qu’il pouvait automatiser 38 % des tâches typiques des fournisseurs de services gérés. La société prévoit maintenant d’utiliser ses marges bénéficiaires améliorées pour acquérir davantage de fournisseurs de services gérés dans une stratégie de consolidation classique. De même, la société a incubé Eudia, qui se concentre sur les services juridiques internes plutôt que sur les cabinets d’avocats. Eudia a signé des clients Fortune 100, notamment Chevron, Southwest Airlines et Stripe, offrant des services juridiques à tarifs fixes alimentés par l’IA plutôt que par des facturations horaires traditionnelles.
##
Les défis de la stratégie
Cependant, des signes avant-coureurs suggèrent que cette métamorphose de l’industrie des services pourrait être plus compliquée que les capitalistes de risque ne le prévoient. Une récente étude menée par des chercheurs du Stanford Social Media Lab et du BetterUp Labs, qui a interrogé 1 150 employés à plein temps dans diverses industries, a constaté que 40 % de ces employés devaient assumer davantage de travail en raison de ce que les chercheurs appellent le « workslop » – un travail généré par l’IA qui semble poli mais manque de substance, créant plus de travail (et de maux de tête) pour les collègues. Cette tendance a un impact sur les organisations. Les employés interrogés ont déclaré qu’ils passaient en moyenne près de deux heures à traiter chaque instance de workslop, y compris pour le déchiffrer, décider s’il faut le renvoyer, et souvent simplement pour le corriger eux-mêmes. Sur la base des estimations de temps passé par les participants, ainsi que de leurs salaires auto-déclarés, les auteurs de l’étude estiment que le workslop représente une taxe invisible de 186 dollars par mois par personne. « Pour une organisation de 10 000 travailleurs, compte tenu de la prévalence estimée du workslop…, cela équivaut à plus de 9 millions de dollars par an en productivité perdue », écrivent-ils dans un nouvel article de la Harvard Business Review. Bhargava a contesté l’idée que l’IA est surestimée, arguant plutôt que ces échecs d’implémentation valident en fait l’approche de General Catalyst. « Je pense que cela montre l’opportunité, qui est qu’il n’est pas facile d’appliquer la technologie de l’IA à ces entreprises », a-t-il déclaré. « Si tous les Fortune 100 et toutes ces personnes pouvaient simplement faire appel à une société de conseil, coller de l’IA et obtenir un contrat avec OpenAI, et transformer leur entreprise, alors évidemment notre thèse serait un peu moins robuste. Mais la réalité est qu’il est vraiment difficile de transformer une entreprise avec l’IA ».