Les entreprises qui utilisent l'IA pour réduire les coûts passent à côté du plus grand pari de valorisation de la dernière décennie
Il existe un fossé entre ce que les dirigeants affirment croire sur l'intelligence artificielle et ce que leurs organisations en font réellement. Ce n'est pas un fossé de connaissance. C'est un fossé d'attention stratégique, et il a un coût que peu de conseils d'administration ont quantifié avec honnêteté.
Lors d'une table ronde récente réunissant des dirigeants du secteur de la gestion de patrimoine, les auteurs d'un article de recherche de Wharton ont posé une question directe : si dans trois ans on comparait deux entreprises similaires, l'une ayant bien exploité l'IA et l'autre non, combien de fois plus précieuse serait la première ? La réponse moyenne fut 2,35 fois, soit une augmentation de 135 % de la valeur de l'entreprise. Un chiffre que les participants eux-mêmes jugèrent raisonnable. Le problème surgit immédiatement après, lorsqu'on leur demanda où ils investissaient réellement dans l'IA. La réponse fut quasi unanime : dans l'efficacité. Plusieurs d'entre eux admirent n'avoir jamais sérieusement établi de lien entre l'IA et la croissance des revenus.
Ce n'est pas un problème de vision. C'est un problème d'architecture de décision.
Quand le plafond de l'efficacité devient un plafond stratégique
L'argument en faveur de l'utilisation de l'IA pour réduire les coûts dispose d'un appui empirique solide. Un essai randomisé à grande échelle mené dans une entreprise de logiciels a révélé qu'un outil de service client basé sur l'IA générative a augmenté la productivité des agents de plus de 10 %. Une étude distincte portant sur près de 5 000 développeurs a montré des gains supérieurs à 25 %. Dans le domaine de la gestion de patrimoine, l'IA peut compresser des semaines d'intégration de clients en quelques jours, et assister les conseillers dans la préparation et le suivi des réunions. Ce sont des résultats bien réels.
Mais il existe une arithmétique que les modèles d'efficacité ne peuvent pas surpasser. Sous des hypothèses généreuses, si 50 % de la base de coûts d'une entreprise est susceptible d'être améliorée par l'IA, et que l'IA réduit ces coûts en moyenne de 10 %, l'impact total sur les dépenses est d'environ 5 %. Appliqué à une entreprise représentative de gestion de patrimoine, cela produit une augmentation de valeur d'environ 10 %. Ce n'est pas négligeable. Mais c'est à une distance sidérale des 135 % que ces mêmes dirigeants considéraient comme atteignables.
La raison en est structurelle, et non circonstancielle. Les coûts ont une limite inférieure : zéro. Les revenus, eux, n'ont pas de limite supérieure. Et les marchés de capitaux ne valorisent pas les entreprises principalement en fonction de ce qu'elles gagnent aujourd'hui, mais en fonction de ce qu'elles sont censées gagner à l'avenir. La prime que les investisseurs accordent aux perspectives de croissance soutenue est disproportionnellement plus grande que celle qu'ils accordent à l'optimisation des dépenses. Une société de gestion de patrimoine qui croît organiquement de 5 % par an vaut environ 50 % de plus qu'une société identique qui croît de 3 %. Une société qui croît de 7 % vaut 122 % de plus. Ces chiffres n'émergent pas de projections optimistes : ils sont la conséquence directe de la manière dont les marchés calculent les multiples sur les bénéfices lorsqu'une croissance soutenue se profile à l'horizon.
Ce que cela implique, c'est qu'une augmentation de seulement deux points de pourcentage du taux de croissance organique — quelque chose de modeste pour les entreprises historiquement très performantes — peut augmenter la valeur de la société de 50 % avant même que les bénéfices ne croissent. Une augmentation de quatre points peut doubler cette valeur. Face à de telles magnitudes, les économies réalisées sur les coûts opérationnels deviennent un argument de second ordre.
L'expérience qui démontre la mécanique de la croissance
Pour rendre concret ce qui jusqu'ici pourrait sembler abstrait, les chercheurs ont travaillé avec des entreprises de gestion de patrimoine sur une application spécifique : des campagnes de marketing direct sur LinkedIn, ciblant des cadres de haut niveau et des propriétaires de PME. L'approche n'était pas conventionnelle.
Ils ont utilisé ce qu'ils ont appelé des « scientifiques virtuels » : des systèmes d'IA instruits pour générer des dizaines de concepts alternatifs d'annonces, puis pour simuler la réponse du public cible afin d'identifier, avant le lancement, lesquels auraient les meilleures performances. L'augmentation projetée des taux de clics pour les annonces gagnantes oscillait entre 2,7 et 3,5 fois. Lorsque ces annonces ont été publiées sur le terrain, l'augmentation moyenne fut de 3,2 fois.
La question pertinente n'est pas de savoir si ce chiffre est impressionnant. C'est ce qu'il fait à la valeur de l'entreprise. Considérons une société avec un taux de croissance organique de base de 3 %, répartis plus ou moins également entre trois canaux : réseaux de conseillers, achat de contacts auprès de dépositaires, et marketing direct. Si le canal de marketing direct représente un point de pourcentage de ce taux et que l'IA le triple, ce canal passe à contribuer trois points de pourcentage. Le taux de croissance organique total passe de 3 % à 5 %, et la valeur de l'entreprise augmente d'environ 50 % par ce seul mouvement.
Supposons maintenant que, encouragée par ces résultats, l'entreprise réoriente le budget qu'elle consacrait auparavant à l'achat de contacts — une source coûteuse aux rendements décroissants — vers le canal de marketing direct, qui vient de démontrer une traction réelle. Le taux de croissance organique bondit à 7 %. La valeur de l'entreprise plus que double par rapport à la ligne de base.
Il ne s'agit pas d'une expérience de laboratoire. C'est une démonstration du mécanisme par lequel l'allocation des ressources consacrées à l'IA détermine si une entreprise capture les 10 % de valeur que promet l'efficacité ou les 100 %+ que promet la croissance.
L'asymétrie que la plupart des conseils d'administration ne voient pas
Il y a quelque chose de plus troublant que le fait que les entreprises sous-investissent dans l'IA pour la croissance. C'est que la dynamique concurrentielle va rendre cet écart plus difficile à combler avec le temps.
Les gains en marketing que produit l'IA aujourd'hui — ce 3,2 fois en taux de clics — vont se comprimer à mesure que davantage d'entreprises adopteront des outils similaires. La fenêtre pour capturer des multiples de valorisation à partir de ces résultats est finie. Ce qui ne se comprime pas à la même vitesse, ce sont les sources de croissance qui dépendent de la profondeur relationnelle : élargir la part de portefeuille des clients existants, améliorer la qualité du conseil financier, raccourcir les cycles de vente grâce à une meilleure adéquation entre les conseillers et les profils clients. Ces leviers sont plus difficiles à imiter car ils nécessitent une accumulation de contexte, de confiance et de données propriétaires.
Les entreprises qui construisent en premier une base de croissance organique soutenue disposent, en outre, d'un avantage secondaire que peu de modèles d'analyse stratégique capturent clairement : les multiples de valorisation les plus élevés deviennent une monnaie d'acquisition. Une entreprise avec un multiple élevé peut acquérir des concurrents avec des multiples plus faibles avec une dilution moindre pour ses actionnaires. L'efficacité ne génère pas cet effet. La croissance soutenue, oui.
L'argument s'étend au-delà de la gestion de patrimoine. Tout secteur dans lequel les investisseurs valorisent la croissance organique soutenue — des services juridiques à la santé, de l'éducation aux plateformes de logiciels — fait face à la même asymétrie : l'effet multiplicateur de la croissance sur la valorisation surpasse largement l'impact de la réduction des coûts. Les entreprises qui reconnaissent cela en premier ne se contentent pas de croître plus vite : elles se positionnent pour définir la structure concurrentielle du secteur au cours des prochaines années.
Dépendance au programme d'efficacité et fragilité structurelle silencieuse
Il existe une dimension que l'analyse financière ne capture pas entièrement, et qui, d'un point de vue organisationnel, importe autant que les chiffres. Les organisations qui orientent principalement leur agenda en matière d'IA vers l'efficacité ne font pas preuve de prudence. Elles construisent une dépendance structurelle à un type de rendement qui a un plafond, à un moment où le marché récompense massivement un autre type de rendement qui n'en a pas.
Cela crée une fragilité d'un type particulier : non pas la fragilité visible d'une entreprise endettée ou aux marges négatives, mais la fragilité d'un système qui fonctionne bien dans ses propres paramètres et qui, pour cette raison même, ne ressent pas l'urgence de les changer. Les coûts baissent, les processus s'améliorent, les rapports montrent des progrès. Mais le taux de croissance organique ne bouge pas, et le multiple de valorisation non plus.
Le piège ne réside pas dans l'incompétence des équipes ni dans le manque de talent technique. Il réside dans le fait que le programme d'efficacité dispose de métriques claires, de cycles courts de rétroaction et de parties prenantes internes bien définies. Le programme de croissance par l'IA requiert une expérimentation sur le terrain, une tolérance aux résultats qui ne confirment pas les hypothèses initiales, et une disposition à redistribuer le budget depuis les canaux établis vers des capacités encore en cours de validation. Pour de nombreuses organisations, cette redistribution ne se heurte pas à la technologie. Elle se heurte à la gouvernance, aux incitations par département et à la vitesse à laquelle les comités approuvent des expérimentations qui ne s'inscrivent pas dans les catégories budgétaires existantes.
Les auteurs de l'article de Wharton appellent cela la capacité d'absorption : le degré auquel les personnes, les processus de gouvernance et les flux de travail d'une organisation sont capables d'intégrer et d'agir sur de nouvelles technologies. Pour de nombreuses entreprises, le premier obstacle réel à la conversion de l'IA en croissance n'est pas de construire de meilleurs outils. C'est de supprimer les goulots d'étranglement internes qui empêchent les outils existants d'être utilisés efficacement à grande échelle.
Les organisations les plus matures sur le plan structurel ne sont pas nécessairement celles qui disposent des équipes techniques les plus sophistiquées. Ce sont celles qui ont construit la capacité institutionnelle de prendre une preuve de terrain — comme l'expérience LinkedIn — et de la convertir en une décision de redistribution des ressources avant que la fenêtre d'avantage concurrentiel ne se referme. Cette capacité ne s'installe pas avec un projet de transformation numérique. Elle se construit par des décisions répétées sur la façon dont l'attention stratégique est allouée, sur ce qui est mesuré comme succès et sur qui détient l'autorité pour réorienter le budget lorsque les données le justifient.
Les entreprises qui utilisent aujourd'hui l'IA principalement pour réduire les coûts ne prennent pas une mauvaise décision dans l'absolu. Elles prennent la décision que leurs structures de gouvernance, leurs systèmes d'incitation et leurs cycles de reporting rendent la plus facile à prendre. Le problème est que cette facilité a un prix qui n'apparaît dans aucun compte de résultat actuel, mais qui apparaîtra bel et bien dans les multiples de valorisation comparatifs dans trois ans.
