Le capital n'a pas disparu. Il a simplement cessé de reconnaître votre modèle économique.
Plus de 220 startups américaines, autrefois valorisées à plusieurs milliards de dollars, ont perdu leur statut de licorne, selon des données de PitchBook partagées en exclusivité avec CNBC. La cause : plus de 250 milliards de dollars ont été investis dans OpenAI et Anthropic, laissant les modèles économiques antérieurs à ChatGPT sans ressources. Les entreprises ayant levé des fonds pour la dernière fois en 2021 valent désormais en moyenne 68 % de moins.
Imaginez la scène. Nous sommes en 2021, vous venez de boucler une levée de fonds d'un milliard de dollars en vendant des logiciels de planification, des abonnements à de la lingerie haut de gamme ou des croquettes de luxe pour chiens. La présentation était impeccable, la croissance fulgurante et vos investisseurs étaient aux anges. Puis, en novembre 2022, un chatbot a fait son apparition et a discrètement bouleversé les règles d'évaluation pour toute une génération d'entreprises. Aujourd'hui, votre licorne, autrefois si puissante, semble avoir perdu de son éclat.
Ce qui s'est passé
PitchBook vient de fournir à CNBC les preuves. Sur les 857 licornes américaines recensées, près de la moitié n'ont pas levé de nouveaux fonds depuis trois ans. Plus de 220 d'entre elles sont discrètement passées sous la barre du milliard de dollars de valorisation. La liste des entreprises en déclin ressemble à un florilège des plus grands succès de 2021 : Glossier, Savage X Fenty, AG1, The Farmer's Dog, Rothy's, Brooklinen, Betterment et Calendly, la plateforme de planification très en vogue.
Les dégâts ne sont pas répartis uniformément. Le secteur des logiciels SaaS pour entreprises a été le plus durement touché, avec 75 entreprises figurant sur la liste des licornes déchues, soit le double de la catégorie suivante (la fintech). Les startups dont la dernière valorisation remonte à 2022 ont chuté de 52 % en moyenne. Celles de 2021 accusent une baisse de 68 %.
L'histoire de fond
L'argent facile et la demande liée à la pandémie ont créé un climat d'euphorie où les valorisations à plusieurs milliards de dollars semblaient presque banales. Même après la hausse des taux de la Fed en 2022, les fondateurs assuraient aux investisseurs que leurs entreprises « justifieraient » leur valorisation par la croissance. Puis ChatGPT est apparu.
Samir Kaul, associé chez Khosla Ventures et investisseur de la première heure chez OpenAI, a décrit ce changement sans ambages à CNBC : « Le moment ChatGPT, c’est quand les gens se sont dit : “Incroyable ! La prochaine génération d’entrepreneurs programme en anglais parlé !” » Et d’ajouter, une phrase que tout opérateur devrait garder en tête : « Aujourd’hui, 50 ingénieurs font ce qu’il en aurait fallu 500 il y a cinq ans. »
Traduction : le coût de développement des logiciels s'est effondré, tout comme les produits comparables qui justifiaient les prix de 2021.
Le développement de base
Plus de 250 milliards de dollars ont été investis dans seulement deux entreprises, OpenAI et Anthropic, avant leurs introductions en bourse très attendues. Ce chiffre à lui seul bouleverse les calculs d'évaluation de tous les logiciels d'entreprise sur le marché privé.
David Zhu, ancien directeur de l'ingénierie chez DoorDash, a affirmé publiquement sur CNBC : « Toutes les entreprises SaaS axées sur les flux de travail seront soit bouleversées, soit condamnées au cours de la prochaine décennie. » Ce constat ne se limite pas au secteur privé. Salesforce, ServiceNow et Workday ont toutes subi des pertes en bourse cette année, en raison des craintes de disruption liées à l'IA. Vous pouvez consulter le rapport complet de CNBC ici.
L'angle du modèle d'affaires
Voici la leçon stratégique à tirer, et elle est brutale. Le SaaS a dominé les années 2010 en s'intégrant aux flux de travail des employés et en facturant par utilisateur. Ce modèle supposait que les logiciels étaient coûteux à développer, longs à personnaliser et qu'il était préférable de les louer sous forme de packages standardisés. L'IA générative a balayé chacune de ces hypothèses.
Le principe que les entrepreneurs doivent retenir : lorsque le coût de production de votre produit chute drastiquement pour les nouveaux entrants, votre prix premium ne se contente pas de se réduire, il est entièrement repensé. La protection ne réside plus dans le code source. Elle repose sur des barrières à l'entrée en matière de données, une distribution efficace, une véritable dépendance vis-à-vis du client ou une expertise métier exclusive qu'un modèle ne peut reproduire.
Pour les fondateurs qui se lancent aujourd'hui, la leçon est claire : ne vendez pas de logiciel, vendez des résultats. Ne facturez pas par utilisateur si l'IA peut le remplacer. Créez une solution où la réussite de vos clients et votre courbe d'utilisation évoluent de concert. Pour en savoir plus sur l'évolution (ou l'absence d'évolution) des modèles d'abonnement et de facturation à l'utilisateur, consultez notre couverture en cours sur le blog Business Model Analyst.
Le risque
Voici maintenant le point de vue opposé, plus honnête. Deux points à vérifier avant de rejeter d'emblée toute entreprise antérieure à ChatGPT.
Premièrement, les chiffres de PitchBook sont des estimations basées sur la croissance des effectifs et des entreprises comparables cotées en bourse, et non sur des levées de fonds à la baisse. Nombre de ces entreprises sont toujours en activité, en croissance et rentables. « Licorne déchue » fait un bon titre ; cela ne signifie pas forcément qu'il s'agit d'une mauvaise entreprise.
Deuxièmement, les entreprises natives de l'IA sont valorisées sur la base de multiples de revenus qui ressemblent étrangement à la bulle SaaS de 2021 qui vient d'éclater. La concentration des capitaux est une vulnérabilité, et non un simple avantage concurrentiel. Deux entreprises qui absorbent 250 milliards de dollars ne constituent pas un écosystème équilibré ; c'est le terreau d'une correction brutale si la banalisation des modèles ou l'économie du calcul se retournent contre elles. Les licornes déchues de 2026 pourraient bien être les startups à l'esprit « IA » de 2029.
Questions rapides
Qu’est-ce qu’une « licorne déchue » ?
Une start-up autrefois valorisée à un milliard de dollars, voire plus, et dont la valeur est aujourd'hui estimée à moins. Cette baisse de valorisation s'explique généralement par le fait que l'entreprise n'a pas levé de nouveaux capitaux depuis des années et que le marché a évolué sans elle.
Pourquoi le secteur SaaS est-il le plus durement touché par l'IA ?
La tarification SaaS par utilisateur partait du principe que les processus seraient toujours gérés par des humains. Or, les agents d'IA peuvent désormais en effectuer une grande partie, et les outils de programmation en langage naturel permettent à des non-développeurs de créer rapidement des applications personnalisées. La proposition de valeur s'est donc trouvée compromise de part et d'autre.
Combien d'argent est réellement investi dans les startups spécialisées dans l'IA ?
D'après CNBC, plus de 250 milliards de dollars ont été investis dans OpenAI et Anthropic à elles seules. Et cela ne représente pas l'ensemble du marché de l'IA ; ce ne sont que deux entreprises.
Devrais-je éviter d'investir dans une startup antérieure à ChatGPT ou d'en rejoindre une ?
Pas automatiquement. Nombre d'entreprises sont rentables et bien gérées. Vérifiez simplement si leur modèle économique repose sur le recours aux humains comme solution la plus économique. Si c'est le cas, approfondissez vos recherches avant de vous engager.
En résumé
Les valorisations ne s'effondrent pas parce que les entreprises se dégradent soudainement. Elles s'effondrent parce que le niveau de performance attendu s'améliore considérablement. Si votre modèle économique repose sur des hypothèses concernant le coût des logiciels, les effectifs ou les flux de travail antérieures à ChatGPT, vous n'êtes pas confronté à la concurrence, mais à une redéfinition complète de votre modèle. Adaptez-vous à cette nouvelle courbe des coûts, ou vous risquez de figurer dans la liste des entreprises à recruter l'année prochaine.
