Le revenu récurrent des startups d'IA ne garantit plus ce qu'il promettait
Il existe un chiffre qui circule dans les pitch decks de la Silicon Valley avec la force d'un argument imparable : l'ARR, le revenu annuel récurrent. Pendant des années, il a constitué la métrique qui séparait les startups sérieuses de celles qui brûlaient simplement leur trésorerie avec espoir. Un contrat enterprise signé équivalait à une visibilité sur les revenus, à un churn faible, à la promesse que le client ne partirait pas parce que le coût de changer de fournisseur était trop élevé. Cette hypothèse vient de révéler une fissure qui n'a rien d'anodin.
Selon des données publiées en 2026 par la société de capital-risque Madrona, qui a interrogé 150 professionnels de l'informatique en entreprise, 77 % des entreprises réévaluent leurs fournisseurs d'intelligence artificielle tous les six mois, voire de manière continue. Ce pourcentage inclut 29 % qui le font sur une base glissante, sans même attendre la clôture d'une période formelle. Ce que la recherche décrit n'est pas un cycle d'achat plus actif. C'est la disparition de l'hypothèse de permanence qui faisait des contrats enterprise le socle le plus solide du modèle de revenus dans le logiciel.
Le contexte de marché n'est pas celui d'une industrie en recul. IDC projette que les dépenses technologiques mondiales atteindront 4 250 milliards de dollars en 2026, tirées principalement par l'adoption de l'intelligence artificielle. 74 % des personnes interrogées par Madrona prévoient d'augmenter leurs budgets consacrés à l'IA au cours des douze prochains mois, et le reste prévoit de les maintenir stables. Il n'y a aucun signe de ralentissement dans le volume d'argent qui entre dans le secteur. Ce qui change, c'est la structure de l'engagement derrière cet argent.
Comment l'ARR rapide s'est construit et pourquoi il importe moins aujourd'hui
Le phénomène des startups qui passaient de zéro à dix millions de dollars d'ARR en trois mois n'était pas un accident de métriques. C'était le résultat de grandes entreprises qui, sous la pression de ne pas rater le cycle de l'IA, avaient ouvert des budgets de test à une vitesse inhabituelle. En 2025, ces budgets pilotes ont financé la première vague de croissance accélérée. La thèse pour 2026 était que ces mêmes entreprises convertiraient leurs expérimentations en engagements de long terme — les contrats pluriannuels qui avaient historiquement constitué le fossé de revenus du SaaS enterprise.
Cela ne s'est pas produit de la manière attendue. Madrona qualifie ce phénomène de dynamique d'« entrée rapide, sortie rapide » : les coûts de migration sont plus faibles que dans le logiciel traditionnel, et la fréquence d'évaluation ne laisse aucun répit. Contrairement à un ERP ou à un système de gestion des ressources humaines qui s'enfonce dans les processus d'une organisation pendant des années, les outils d'IA n'ont pas encore atteint ce niveau d'intégration structurelle. Ils peuvent être remplacés sans que l'activité ne s'arrête.
Ce point a des implications directes sur la qualité de l'ARR que les startups déclarent. Un chiffre de revenu annuel récurrent qui peut être réévalué en six mois n'est pas techniquement annuel en termes de risque. C'est, en pratique, un revenu semestriel avec option de renouvellement, ce qui change complètement l'analyse de durabilité. Les investisseurs qui valorisent les startups sur des multiples d'ARR en supposant une rétention enterprise traditionnelle appliquent un dénominateur incorrect à des contrats qui se comportent différemment.
La comparaison historique est utile pour calibrer l'ampleur du problème. Le MIT a rapporté que 95 % des projets d'IA enterprise ont échoué en termes de retour sur investissement au cours de la période analysée l'année précédente. Que désormais moins de la moitié des pilotes atteignent une mise en production complète semble être une amélioration, et techniquement c'en est une. Mais le critère de succès reste remarquablement bas par rapport au volume de capital déployé.
Le problème de prix que personne n'a encore résolu
Derrière la volatilité des contrats se cache un problème d'architecture commerciale que l'industrie n'a pas encore résolu. Andreessen Horowitz a interrogé 50 acheteurs techniques en IA et a constaté que plus de la moitié préfère que les prix soient liés au travail produit ou à des résultats concrets, et non à la consommation de tokens ou à d'autres métriques d'usage.
Le modèle de tarification par token est, en substance, la transposition directe du modèle SaaS par siège au langage des modèles de langage. Dans le SaaS mature, facturer par utilisateur a du sens parce que la valeur du produit augmente avec le nombre de personnes qui l'utilisent. Mais dans l'IA, l'acheteur enterprise n'achète pas l'accès à une ressource : il achète l'exécution d'une tâche. La différence n'est pas sémantique. Lorsque le prix est déconnecté du résultat, le client ne peut pas calculer son retour sur investissement avec précision, et quand il ne peut pas le calculer, la conversation de renouvellement repart toujours de zéro.
Les associés d'a16z Tugce Erten et Sarah Wang soutiennent qu'ancrer le prix au « travail reconnaissable » — qu'il s'agisse de rapports traités, de tickets fermés ou de prospects générés — rend le produit « économiquement précieux pour les deux parties ». La formulation est juste, mais elle révèle aussi le chemin qu'il reste à parcourir. Si le standard est que la valeur soit visible pour les deux parties, et que plus de la moitié des acheteurs ne le perçoivent pas encore ainsi sous les modèles de prix actuels, l'industrie a un problème de traduction commerciale qui va bien au-delà de la technologie.
Ce désalignement a un effet secondaire qui aggrave l'instabilité de l'ARR. Lorsqu'une entreprise ne peut pas mesurer le retour de ce qu'elle paie, elle a tendance à sous-estimer le coût du changement de fournisseur, parce qu'elle ne peut pas non plus mesurer ce qu'elle perdrait en partant. Le résultat est que l'évaluation continue que décrit Madrona n'est pas seulement une préférence culturelle des acheteurs : c'est une conséquence directe de ne pas avoir résolu le problème de prix avec suffisamment de précision.
La répartition de la valeur que le modèle actuel ne garantit pas
Ce qui est en tension n'est pas la croissance du marché. Les chiffres d'IDC et les plans d'expansion budgétaire des entreprises confirment que la demande est réelle et qu'elle continue d'augmenter. Ce qui est en tension, c'est la distribution de cette valeur entre les différents acteurs du système.
Les startups d'IA ont rapidement acquis la position de premier fournisseur, mais elles n'ont pas réussi à convertir cette position en permanence contractuelle. Les entreprises enterprise, de leur côté, se trouvent dans une position inhabituellement confortable : elles peuvent expérimenter, adopter et remplacer avec une friction bien moindre que lors de tout cycle précédent de logiciel d'entreprise. Cela leur confère un pouvoir de négociation qu'elles n'avaient pas lorsque les systèmes s'enfouissaient dans leurs opérations pendant des années.
La distribution du pouvoir sur ce marché favorise aujourd'hui l'acheteur d'une manière qui n'a pas de précédent récent dans le logiciel B2B. Et cela a des conséquences concrètes sur l'économie des startups. Un cycle de vente qui se termine par un contrat pouvant être réévalué en six mois oblige à maintenir en permanence le processus de démonstration de valeur. Ce n'est pas seulement un coût de rétention : c'est une structure où la startup finance en continu la certitude du client en échange de revenus qui restent provisoires.
L'ajustement dont l'industrie a besoin ne passe pas par la conviction des clients de signer des contrats plus longs. Il passe par la construction du type d'intégration opérationnelle qui rend le coût de sortie suffisamment élevé pour que la permanence soit un choix rationnel de l'acheteur, et non seulement une préférence du vendeur. Tant que cette intégration n'existera pas, l'ARR des startups d'IA continuera d'être une photographie d'un instant, et non une garantie de flux futurs. Et les multiples de valorisation qui supposent le second décrivent un actif qui n'a pas encore été construit.
