Un contrat signé, mille utilisateurs supplémentaires, un revenu récurrent qui grimpe : sur le tableau de bord, tout semble vert. Mais derrière chaque réponse générée, une facture peut tomber. Derrière chaque erreur, un salarié intervient parfois. Et derrière une promesse d’automatisation se cache quelquefois une petite équipe de production. Pour une start-up d’IA, vendre davantage ne signifie pas nécessairement gagner mieux. La question décisive devient : que reste-t-il une fois l’intelligence effectivement livrée ?
À l’horizon de septembre 2026, cette interrogation pourrait peser davantage dans les décisions des investisseurs et des clients. Cette perspective prolonge des évolutions déjà observables en 2024 : diffusion des modèles à poids ouverts, concurrence tarifaire entre fournisseurs et multiplication des assistants spécialisés. Elle constitue une analyse prospective, et non le constat de résultats financiers qui seraient déjà connus.
Le logiciel retrouve un coût de fabrication
Le logiciel classique n’a jamais été gratuit à exploiter. Hébergement, assistance et sécurité consomment des ressources. Mais servir un utilisateur supplémentaire peut coûter relativement peu. Avec l’IA générative, l’usage déclenche souvent une dépense supplémentaire de calcul : traitement des documents, génération de texte, transcription audio ou analyse d’images. Un client très actif peut donc être moins rentable qu’un client discret, même s’ils paient le même abonnement.
Le phénomène s’accentue lorsqu’un produit enchaîne plusieurs opérations. Pour traiter une demande, un agent peut consulter une base documentaire, appeler différents outils, produire une réponse, la vérifier puis recommencer. Une action visible dans l’interface masque alors plusieurs appels facturés. Le nombre de requêtes utilisateur ne suffit plus à décrire le coût du service.
La concurrence peut néanmoins améliorer l’équation. En 2024, l’arrivée de GPT-4o mini chez OpenAI et de Gemini 1.5 Flash chez Google a illustré la recherche de modèles moins coûteux pour certains usages. La famille Llama de Meta a, elle, élargi les possibilités de déploiement de modèles à poids ouverts. Mais un tarif inférieur ne garantit pas une facture totale plus basse : les volumes, les contextes longs et les vérifications peuvent absorber l’économie.
La bonne unité : une tâche réussie
Pour comprendre une jeune pousse, mieux vaut commencer par ce qu’elle vend réellement. Un document exploitable ? Un dossier traité ? Une conversation résolue sans reprise ? La mesure pertinente devient le coût complet par tâche réussie, avec une définition de la réussite convenue à l’avance. Une réponse instantanée mais inutilisable n’est pas une unité de valeur.
Prenons un exemple purement illustratif. Une entreprise facture 1 000 euros par mois à un client. Les appels aux modèles lui coûtent 200 euros ; l’hébergement, le stockage et les outils nécessaires, 100 euros ; les corrections humaines directement liées au service, 250 euros. Il reste 450 euros avant les autres dépenses. Ne compter que les modèles ferait apparaître une marge de 80 %, contre une contribution directe de 45 % dans ce calcul élargi.
Cette contribution n’est pas un bénéfice net. Elle doit encore financer la recherche, le développement, les fonctions administratives et la conquête commerciale. Les classifications comptables peuvent aussi varier. D’où l’intérêt de présenter une marge brute comptable et un indicateur opérationnel réconcilié avec elle, plutôt qu’un pourcentage avantageux dont personne ne connaît exactement le périmètre.
Ce qu’il faut mettre dans le calcul
- Le calcul consommé : appels aux modèles, essais infructueux, génération, recherche documentaire et vérifications automatisées.
- L’infrastructure mobilisée : bases vectorielles, stockage, surveillance, transferts de données et capacité réservée.
- Le travail humain de production : validation, correction, modération et traitement des exceptions.
- Les coûts propres au client : assistance technique intensive, engagements de disponibilité et intégrations nécessaires à la livraison.
Les frais d’installation ponctuels gagnent à être séparés des dépenses récurrentes. Un déploiement coûteux peut être acceptable si le client reste longtemps et devient ensuite rentable. À l’inverse, une intégration facturée généreusement ne prouve pas que l’abonnement fonctionne économiquement.
L’humain dans la boucle, mais aussi dans les comptes
Dans la santé, le droit ou les opérations financières, une validation humaine peut être indispensable. Ailleurs, elle compense surtout les limites du produit. Dans les deux cas, elle a un coût. Le problème n’est pas sa présence, mais son invisibilité lorsque l’entreprise se présente comme entièrement automatisée.
Il faut suivre le temps de supervision par dossier, le taux d’escalade et la fréquence des reprises. Une baisse du prix des modèles apporte peu si les équipes passent davantage de temps à corriger leurs réponses. Un modèle plus cher peut, inversement, améliorer la marge s’il réduit suffisamment ces interventions.
Attention également au travail gratuit des fondateurs. Pendant les premiers pilotes, ils réparent les résultats le soir et accompagnent chaque client personnellement. Cette proximité aide à construire le produit, mais fausse son économie apparente. Valoriser ces heures à un coût de remplacement réaliste permet de distinguer apprentissage temporaire et dépendance durable au service manuel.
Le cloud : fournisseur, levier et dépendance
Les crédits offerts par les plateformes rendent les premiers mois moins douloureux. Ils ne constituent pas une réduction structurelle du coût de production. Un tableau de bord sérieux montre donc la marge avec et sans ces aides, puis simule leur expiration. Même prudence avec une remise négociée qui suppose un engagement de consommation élevé.
Changer de fournisseur n’est pas toujours simple. Les formats, les outils et le comportement des modèles diffèrent. Une migration impose des tests de qualité, de sécurité et de latence. Héberger soi-même un modèle déplace la dépense vers les machines, l’exploitation et les compétences internes ; cela ne la fait pas disparaître.
La dépendance doit donc se mesurer aussi en capacité de substitution. Quelle part du service repose sur un seul prestataire ? Combien coûterait une migration ? Que devient la contribution si les tarifs augmentent ou si un client exige un déploiement dédié ? Ces scénarios éclairent mieux le risque qu’une vague promesse d’architecture multifournisseur.
Faire grandir la marge, pas seulement l’usage
Les leviers techniques existent : réserver les modèles puissants aux cas difficiles, raccourcir les instructions, mettre en cache certains résultats et traiter les opérations non urgentes par lots. Mais chaque optimisation doit préserver la qualité. Réduire le coût d’une réponse tout en multipliant les échecs constitue une fausse économie.
La tarification compte autant. Un forfait illimité expose aux usages intensifs ; une facturation purement variable inquiète les acheteurs. Un abonnement incluant un volume défini, complété de dépassements lisibles, peut mieux répartir le risque. Il faut ensuite suivre les marges par client et par génération de contrats : une moyenne rassurante peut cacher des comptes durablement déficitaires.
Et maintenant ? À l’horizon de septembre 2026, les jeunes pousses les plus solides pourraient être celles qui démontrent une amélioration simultanée de la qualité, de la fidélisation et de la contribution par tâche. Ni la croissance des revenus ni la baisse du prix des modèles ne suffiront seules. La véritable preuve sera une promesse tenue à un coût maîtrisé, sans travail caché ni subvention provisoire.
