SC Moatti, associée directrice fondatrice de Mighty Capital et présidente du conseil d’administration de Products That Count, affirme que la formule « nous utilisons l’intelligence artificielle » ne suffit plus à distinguer les start-up. Alors que l’IA est intégrée à 97 % des produits candidats aux Products That Count Awards de cette année, l’intelligence artificielle est devenue, selon elle, davantage une infrastructure accessible qu’une barrière empêchant les concurrents de rattraper l’entreprise.
Moatti fonde cette conclusion sur une analyse de données de Crunchbase portant sur 576 entreprises d’intelligence artificielle destinées aux entreprises, qui ont réalisé des tours de financement d’une valeur de 50 millions de dollars ou plus depuis le début de 2025. L’analyse utilise le cadre des « sept forces » élaboré par Hamilton Helmer, ainsi que des données issues de la communauté des dirigeants de produits de Products That Count, qui compte plus de 600 000 membres.
Premier avantage : le positionnement opposé
Moatti définit le « positionnement opposé » comme la construction d’un modèle économique radicalement différent, qu’un concurrent établi ne peut pas imiter sans nuire à ses économies actuelles. Elle cite la comparaison bien connue entre Netflix et Blockbuster : Blockbuster aurait pu adopter le modèle de l’abonnement, mais cela aurait sapé les revenus des frais de retard sur lesquels reposaient ses magasins.
Selon les données citées dans l’article, seules 5 % des entreprises analysées utilisent ce type de barrière, mais elles ont atteint une valeur d’entreprise médiane de 5,3 fois chaque dollar levé, soit le multiple le plus élevé parmi les forces analysées. Selon les exemples mentionnés, cette idée se retrouve dans des compagnies d’assurance utilisant l’intelligence artificielle et vendant directement aux employeurs, ainsi que dans des systèmes de gestion des revenus conçus dès l’origine autour de l’IA.
Dans le premier cas, les courtiers d’assurance traditionnels pourraient avoir du mal à imiter le modèle sans nuire à leurs relations et à leurs marges de souscription. Dans le second, le passage à un nouveau modèle pourrait compromettre les revenus de conseil à forte marge des fournisseurs de systèmes traditionnels. Selon l’autrice, le fait que le concurrent établi ne bouge pas parce que cela nuirait à ses activités existantes constitue précisément la barrière.
Deuxième avantage : les effets de réseau
Dans un modèle fondé sur les effets de réseau, la valeur du produit augmente à mesure que de nouveaux utilisateurs le rejoignent. Moatti cite LinkedIn, où la présence d’un plus grand nombre de recruteurs attire des candidats, puis davantage de professionnels, ce qui attire à son tour davantage de recruteurs.
Les effets de réseau n’apparaissent que dans 5 % des entreprises étudiées, mais elles ont atteint un multiple de 4,2 fois, ce qui en fait, selon l’analyse, la voie la plus efficace en capital pour parvenir à une forte prime de valorisation. L’autrice estime que leur application au secteur interentreprises ne limite pas le réseau aux utilisateurs individuels : celui-ci peut relier des marques et des usines, des annonceurs et une audience, ou des plateformes et des partenaires.
À mesure que les données sur les prix, les cycles de production et le comportement de l’audience s’accumulent grâce à ces interactions, le réseau devient plus difficile à imiter. Le défi pratique consiste toutefois à convaincre simultanément les deux côtés du marché d’adhérer. Moatti affirme que l’entreprise qui réussit à surmonter le problème du démarrage à froid possède déjà un actif qu’un concurrent bien financé, même doté d’un meilleur modèle, ne peut pas acheter directement.
Des barrières qui semblent solides mais résistent moins bien
Les ressources captives, comme les données propriétaires, la propriété intellectuelle et l’accès exclusif, occupent une place importante en matière de prévalence : elles apparaissent dans 44 % des entreprises étudiées. Toutefois, leur multiple était le plus faible, à 2,6 fois. L’autrice explique cela par le fait que les modèles fondamentaux et les données synthétiques ont affaibli la capacité de nombreux ensembles de données propriétaires à rester un avantage difficile à copier.
Les coûts de changement apparaissent quant à eux dans 37 % des entreprises. Ils peuvent effectivement empêcher les clients de partir, mais leur mise en place nécessite généralement une intégration profonde à l’entreprise, des cycles de vente coûteux et des risques liés à la refonte des systèmes. Leur multiple atteint environ 4 fois, proche de celui des effets de réseau, mais le capital nécessaire à leur construction est environ 10 fois supérieur, selon l’article.
Moatti estime que les coûts de changement peuvent devenir plus efficaces si l’entreprise s’appuie sur une croissance tirée par le produit, ou si elle conçoit une raison incitant les utilisateurs à collaborer au sein de la plateforme, transformant progressivement cette barrière en effet de réseau.
Qu’est-ce que cela signifie pour les start-up ?
L’article remet également en question l’idée que les économies d’échelle constituent une stratégie accessible à la plupart des fondateurs. Le multiple médian de cette catégorie passe de 6,1 à 3,2 lorsque OpenAI et Anthropic sont exclues, et les deux entreprises représentent 88 % du capital de cette catégorie. L’autrice distingue donc l’amélioration des économies unitaires avec la croissance de la possession d’une véritable barrière fondée sur l’échelle.
Lecture éditoriale de certi.news : cet article ne prouve pas que le positionnement opposé et les effets de réseau sont les seules barrières possibles sur tous les marchés, car il repose sur un échantillon déterminé et sur des multiples de valorisation, et non sur un test causal direct. Il pose néanmoins une question pratique importante aux entreprises d’intelligence artificielle : que restera-t-il de l’activité si un concurrent se présente aujourd’hui avec davantage de capital et un meilleur modèle ? Selon l’argument présenté, la réponse doit résider dans la conception du modèle économique ou dans l’architecture du réseau, et non dans la seule présence de l’intelligence artificielle.