Un plafond de 4 milliards et une chute qui en dit long
Blend est arrivé sur les marchés publics en 2021 comme l'un des noms les plus en vue du secteur fintech hypothécaire américain. Sa plateforme d'automatisation pour les banques et les prêteurs traitait les demandes de prêts, réduisait la friction de l'embarquement et promettait de moderniser l'une des industries les plus lentes du système financier. Le marché y a cru : l'entreprise a atteint une capitalisation proche de 4 milliards de dollars lors de son pic boursier.
Ce qui a suivi ne nécessite pas beaucoup d'interprétation. La Réserve fédérale a augmenté les taux d'intérêt de manière agressive entre 2022 et 2023, le volume de création de prêts hypothécaires aux États-Unis s'est effondré, et Blend, dont le modèle de revenus était directement lié à l'activité transactionnelle de ses clients bancaires, a ressenti l'impact de manière immédiate et proportionnelle. Lorsque le marché qui soutient votre moteur de revenus se contracte de moitié, aucun logiciel, aussi efficace soit-il, ne peut absorber ce choc sans laisser de marques dans les résultats financiers.
À présent, selon Fortune, le PDG Nima Ghamsari réoriente l'entreprise vers l'automatisation propulsée par l'intelligence artificielle comme vecteur de redressement. L'idée est attrayante sur le papier : si l'IA peut réduire le coût de traitement de chaque transaction et élargir la portée de la plateforme au-delà du crédit hypothécaire, Blend pourrait reconstruire sa base de revenus sur une structure moins vulnérable aux cycles de taux. Le problème est que cette idée, pour être valide, exige un type de gestion organisationnelle qui accompagne rarement les entreprises en mode de survie.
L'erreur que personne ne nomme
Blend a construit son modèle économique sur un présupposé implicite : que le marché hypothécaire continuerait d'être le même pendant suffisamment de temps pour justifier une dépendance presque totale à ce segment. Ce n'est pas une critique de l'intelligence de l'équipe fondatrice ; c'est une description de la manière dont fonctionne la logique de l'hypercroissance dans un environnement de capital bon marché. Lorsque l'argent est abondant et que les investisseurs récompensent la croissance à tout prix, concentrer des ressources sur le segment le plus porteur a un sens financier impeccable à court terme.
Le problème structurel est que cette concentration laisse l'entreprise sans tampon. Un portefeuille bien conçu ne dépend pas d'un seul moteur de revenus pour survivre à un cycle défavorable. Au moment de sa plus grande valorisation, Blend ne semblait pas incuber des lignes de business parallèles avec une autonomie budgétaire suffisante pour devenir un second moteur lorsque le premier s'éteindrait. L'automatisation hypothécaire était tout : le produit, le client, l'argument auprès des investisseurs et le critère avec lequel chaque initiative interne était mesurée.
Cette homogénéité du portefeuille est exactement le type de fragilité qui n'apparaît pas dans les roadshows d'introduction en bourse, mais que les cycles économiques finissent toujours par exposer. Et, quand cela apparaît, la réponse d'entreprise la plus fréquente —celle que nous voyons ici— est de désigner une technologie émergente comme la solution.
Automatiser n'est pas explorer
C'est ici que l'analyse devient techniquement plus exigeante. Ghamsari compte sur l'IA pour réduire les coûts opérationnels et améliorer les marges dans le business existant. C'est, par définition, une initiative d'efficacité au sein du portefeuille actuel, non une exploration de nouveaux modèles de revenus. La distinction est importante car elle a des conséquences directes sur la manière dont cette initiative doit être gérée, financée et mesurée.
Si l'IA est déployée comme une couche d'efficacité sur le business hypothécaire existant, le risque de base ne disparaît pas : il devient simplement moins coûteux à exploiter. Un cycle défavorable de taux continuera de comprimer le volume des transactions, et la réduction des coûts par automatisation n'améliore que le seuil de rentabilité. Pour que le pari sur l'IA soit réellement transformateur en termes de portefeuille, Blend devrait l'utiliser pour ouvrir des catégories adjacentes —d'autres produits de crédit, d'autres types de clients bancaires, d'autres marchés géographiques— avec une véritable logique d'exploration, et non d'optimisation du présent.
Le classique danger organisationnel lors de ces types de pivots est de mesurer les initiatives d'IA avec les mêmes indicateurs de rentabilité que ceux exigés par le business hypothécaire établi. Si la direction finance un projet d'automatisation intelligente mais exige qu'il justifie son budget avec des métriques de revenus à court terme, ce qu'elle obtient, ce n'est pas une start-up interne qui explore de nouveaux marchés, mais une initiative informatique glorifiée avec un budget précaire. Ce type de gestion ne produit pas d'expansion de portefeuille ; il produit des rapports.
Ce dont Blend a besoin —et ce qui n'est pas clair s'il est en train de mettre en œuvre— est une séparation budgétaire et opérationnelle entre ce qui maintient le business actuel et ce qui finance les paris de demain. Cela implique de protéger la caisse du cœur opérationnel, de définir des métriques d'apprentissage pour les projets exploratoires et de leur donner suffisamment d'autonomie pour qu'ils puissent valider des hypothèses de marché sans être évalués chaque trimestre comme s'ils étaient déjà des affaires matures.
Le design organisationnel décide si l'IA est un levier ou un argument
L'histoire des entreprises qui ont misé sur des technologies émergentes après une crise de modèle commercial suit un schéma reconnaissable. Celles qui s'en sont bien sorties ont clairement séparé le budget de survie du business actuel du budget d'exploration de nouvelles lignes. Celles qui ont échoué ont tenté d'utiliser la nouvelle technologie pour rendre plus efficace ce qui existait déjà, sans construire la capacité organisationnelle pour découvrir quelque chose de différent.
Blend se trouve à un moment où ces deux pressions coexistent : elle doit améliorer ses marges à court terme pour maintenir la confiance du marché public, tout en ayant besoin simultanément de construire une base de revenus moins exposée aux cycles hypothécaires. Ces deux besoins ont des logiques de gestion opposées. Le premier exige contrôle, efficacité et prévisibilité. Le second exige tolérance à l'expérimentation, cycles de validation longs et métriques qui ne sont pas celles du bilan trimestriel.
Avec les informations disponibles, le pari de Ghamsari semble pencher vers le premier vecteur : utiliser l'IA pour rentabiliser ce qui existe déjà. Cela se défend rationnellement compte tenu du contexte, mais cela ne résout pas le problème structurel qui a laissé Blend si exposée lorsque le marché hypothécaire s'est contracté. Un portefeuille qui dépend d'un seul secteur pour générer des revenus, même si ce secteur fonctionne avec une technologie plus efficace, reste un portefeuille d'un seul secteur.
La viabilité du réinitialisation de Blend dépend de la capacité de la direction à construire, en parallèle à l'efficacité opérationnelle actuelle, une capacité d'exploration avec un budget protégé et des métriques propres. Sans cette séparation, l'IA ne sera qu'une amélioration des marges, pas une expansion de portefeuille, et le prochain cycle défavorable trouvera l'entreprise dans la même position structurelle qui l'a laissée ici.
