La semaine dernière, les grandes actions de Logiciel ont remonté, effaçant largement leurs pertes liées à la vente massive de « SaaSpocalypse » plus tôt cette année. Il semble enfin que les craintes que les logiciels traditionnels soient remplacés par des alternatives à code vibre se soient dissipées. Malheureusement, ce débat sur la viabilité des entreprises utilisant l’IA en interne pour construire des applications Logiciel critiques et B2B passe à côté de l’essentiel de l’impact réel de l’IA sur Logiciel — à savoir qu’elle inaugure une nouvelle ère où des fournisseurs innovants de Logiciels axés sur l’IA attaquent les grands marchés.

Revenons simplement à l’année dernière, quand le débat du moment dans la tech portait sur la mort du « système d’enregistrement » du Logiciel. Satya Nadella de Microsoft a affirmé que les applications SaaS traditionnelles seraient reléguées à des bases de données simples. Il y a eu un article de blog après un article de blog expliquant comment la nouvelle opportunité pour Logiciel était de devenir un « système d’action » plus léger, qui s’appuierait sur de grands systèmes traditionnels d’enregistrement, comme la gestion de la relation client (CRM), la planification des ressources d’entreprise (ERP) et la gestion du capital humain (HCM). La sagesse conventionnelle était que ces énormes systèmes Logiciels sont trop difficiles à remplacer et ne tiendraient de toute façon pas beaucoup de valeur dans le monde de l’IA — donc les startups devraient se concentrer uniquement sur la construction à la couche d’engagement.

Nous pensons qu’il se passe quelque chose de plus nuancé et très différent alors que la vague de l’IA s’étend sur le paysage technologique B2B. Dans de nombreux secteurs et flux de travail, nous pensons que c’est le meilleur moment depuis très, très longtemps pour construire un système d’enregistrement robuste et tout nouveau. Voici pourquoi.

Chaînon manquant dans la prolifération de l’IA

Il n’est un secret pour personne que tout le monde souhaite adopter l’IA aujourd’hui. Mais d’après notre expérience, le désir des personnes extérieures à la Silicon Valley — des professionnels travaillant dans d’autres domaines que la technologie — d’adopter l’IA est bien plus fort que ce que les habitants de la Silicon Valley leur accordent. Cela est vrai aussi bien dans les cas B2B que pour les consommateurs, mais notre priorité ici est uniquement le B2B.

Cependant, lorsque vous parlez réellement à ces personnes curieuses de l’IA, qu’il s’agisse de professionnels « col blanc » (comptables, avocats, médecins) et de « cols ouvriers » (sous-traitants, logistique, distributeurs), nous avons constaté qu’il existe un grand problème qui empêche leur utilisation généralisée et réussie de l’IA, souvent peu discuté dans la Silicon Valley : l’intégrité des données.

En résumé, vous ne pouvez pas simplement pointer un agent IA vers vos données et espérer que cela fonctionne. Pour avoir un agent capable de faire réellement le travail des humains, cet agent a besoin du contexte critique issu de l’expérience du domaine (métier, workflow, secteur, etc.) caché profondément dans les dépôts de données d’une entreprise. Le défi est que les données métier sont généralement fragmentées sur plusieurs systèmes, dont beaucoup sont extrêmement lourds. Il est donc souvent difficile pour les harnais d’extraire des données de qualité de ces systèmes afin de rendre un agent utile.

C’est précisément ce problème de contexte, de manière intéressante, qui pousse les gens à reconsidérer leurs systèmes Logiciels métier principaux, car ils ne peuvent pas déployer efficacement l’IA avec des données piégées à l’intérieur de leur Logiciel. Pour adopter l’IA, de nombreux acheteurs de technologies estiment qu’ils ont besoin d’un nouveau système d’enregistrement. Cette mentalité est importante car elle réécrit le récit autour de l’endroit où les nouvelles entreprises d’IA devraient être développées, c’est-à-dire autour d’une catégorie de logiciels — c’est-à-dire des systèmes d’enregistrement — longtemps interdite aux nouveaux entrants en startup. Il n’y a tout simplement pas eu beaucoup de raisons convaincantes pour que les entreprises changent de système d’enregistrement depuis le passage du logiciel sur site au cloud il y a des années.

Le piège TAM

Le problème que cela a posé aux fondateurs et aux investisseurs au cours de la dernière décennie est que beaucoup de ces marchés (comme ERP, HCM, CRM) représentent des milliards de dépenses en Logiciel, ce qui les incite à cibler de nouveaux entrants de startups. Cependant, historiquement, seule une infime fraction de cet ARR change réellement de mains d’un vendeur à un autre dans ces immenses marchés chaque année.

Par exemple, si la rétention brute d’un marché est de 90 %, par définition, un acheteur sur dix change de vendeur par an, ce qui signifie que le marché est en cycle de remplacement de 10 ans. L’implication est que même un marché de 5 milliards de dollars, par exemple, peut ne pas être très attractif : avec 90 % de rétention brute, cela signifie que seulement 500 millions de dollars d’ARR « jump ball » apparaissent chaque année pour que de nouveaux fournisseurs puissent s’en servir.

De plus, si vous prenez en compte combien de ces sautes que, en tant que vendeur challenger, voyez réellement (peut-être 60 %) et gagnez (peut-être 33 %), soudainement le plafond de votre croissance devient d’environ 100 millions de dollars d’ARR supplémentaire par an. Ce concept de rotation du marché rend vraiment difficile la croissance composée à grande échelle, peu importe la taille absolue du TAM d’un marché donné. Dans cet exemple, l’entreprise dont nous parlons — appelons-la Entreprise A — ne croîtrait que de 20 % à l’échelle de 500 millions de dollars ARR (en supposant qu’il n’y ait pas de désabonnement).

En fin de compte, la quantité de ARR brute qu’une entreprise de Logiciel peut ajouter par an, et donc son taux de croissance est contraint par cette équation :

Potentiel d’ajout brut de l’ARR = TAM x (1 – Rétention brute) x % Transactions sur le marché observées x % Taux de réussite

Marchés en mouvement

Dans le monde d’aujourd’hui, on voit les marchés du Logiciel, qui étaient bloqués à cause de taux de rétention bruts élevés, se rouvrir car les entreprises souhaitent adopter l’IA mais n’y parviennent souvent pas dans leurs systèmes existants.

En fait, on voit même certains marchés passer complètement de l’ère SaaS et passer directement de l’on-premises à l’IA parce que le cloud n’était pas une raison suffisante pour changer de système d’enregistrement... mais l’IA l’est ! De plus, l’IA réduit aussi les frictions traditionnellement Associate avec les coûts de changement de technologie, car migrer les données vers un nouveau système n’a jamais été aussi facile.

Pour revenir à notre exemple ci-dessus : prenez ce même marché de 5 milliards de dollars, mais maintenant, au lieu d’une balle de saut par an, imaginez qu’il y en a quatre (c’est-à-dire que la rétention brute du marché tombe à 60 %). En utilisant les mêmes calculs mais pour l’entreprise B :

5 milliards $ x 40 % x 60 % x 33 % = 396 millions $

L’entreprise B ajoute près de 400 millions de dollars d’ARR par an, ce qui signifie que l’entreprise croît d’environ 80 % à une échelle de 500 millions de dollars en ARR, soit environ 4 fois plus vite que l’entreprise A à la même taille.

Au sein du Battery Portefeuille cette année, nous avons vu ce phénomène de systèmes d’IA enregistrés qui ont remplacé des acteurs historiques profondément enracinés sur les marchés horizontaux et verticaux.

À quoi ressemblent les systèmes d’enregistrement actuels

Il est important de noter que les taux de rotation du marché ne sont pas la seule variable qui change le marché aujourd’hui : la variable la plus impactante est le TAM, qui croît à mesure que les systèmes d’enregistrement effectuent davantage de tâches auparavant réalisées par des humains

En résumé, posséder des données permet à un système d’enregistrement d’automatiser ce que le camp des « systèmes d’action » théorise : exécuter de véritables tâches pour monétiser l’inférence et/ou les résultats. Par exemple, un agent pourrait effectuer des accumulations de fin de mois à la place d’un comptable, ou recommander l’inventaire avant même que le propriétaire du magasin ne vérifie l’étagère.

Lorsque les entrées, son exécution et son résultat d’une tâche se retrouvent dans un seul système, ce système capture exactement ce dont l’IA a besoin pour apprendre en continu à mesure que le produit est utilisé. À court terme, cela se révèle comme une meilleure ingénierie du contexte pour que les agents accomplissent correctement plus de tâches. Avec le temps, cela peut être converti en améliorations de poids pour entraîner les modèles sous-jacents eux-mêmes, rendant ainsi les agents plus intelligents. Cela permet l’expansion de TAM, passant de la vente de sièges aux jetons, reflétant l’idée que la valeur capturée au fil du temps passe de la possession de données à la délivrance de résultats, ce qui n’est pas incompatiblement exclusif dans les systèmes d’IA d’enregistrement ; le premier est ce qui permet le second.

En utilisant les mêmes calculs, mais en doublant le TAM de Logiciel à Labor :

10 milliards $ x 40 % x 60 % x 33 % = 800 millions $

Le résultat, c’est que cette entreprise, Business C, peut croître de 80 % à une échelle d’un milliard de dollars ARR — en maintenant le même taux de croissance que Business B, mais à double d’échelle ! Comparé aux entreprises opérant dans des AM verrouillés, les systèmes d’IA d’enregistrement peuvent véritablement défier la gravité.

Marchés Greenfield

La mise en garde est que dans un monde avec l’IA, il existe des processus et des flux de travail qui, fondamentalement, n’existaient pas auparavant. Pensez : l’ingénierie logicielle en langage naturel (Cursor/Cognition), la déconstruction mono-instruction de texte et de données non structurées (Harvey/Legora), ou l’analyse de l’engagement prospectuel (Gong*).

Cela dit, ce cadre de système d’enregistrement s’applique toujours, mais il y a un léger ajustement de la formule annuelle d’ajout brut de l’ARR :

Potentiel d’ajout brut de l’ARR = TAM x facteur de croissance du marché x % d’accords sur le marché observés x % taux de réussite

Comme il n’y a pas d’acteurs en place à remplacer sur ces marchés, le concept de rotation du marché n’existe pas, donc la rétention brute du marché est sans importance. Ce qui importe davantage, c’est la rapidité de l’expansion du marché sous-jacent. Cela peut être dû à plusieurs facteurs. Mais aujourd’hui, cela provient généralement des améliorations au niveau modèle qui permettent aux agents d’accomplir des tâches plus longues et plus complexes.

Pour plus d’exhaustivité, considérons la société D opérant sur un marché comparable de 10 milliards de dollars. Mais le marché double chaque année parallèlement à l’élargissement des horizons temporels pour accomplir les tâches :

10 milliards $ x 2x 60 % x 33 % = 4 milliards $

Dans cette analyse, la société D peut ajouter 4 milliards de dollars de nouveaux ARR bruts par an. À ce stade, vous pouvez faire vous-même le calcul du taux de croissance. On peut dire sans risque que cela casserait beaucoup de modèles !

Enfin, nous affirmerions que ces nouvelles entreprises natives de l’IA sont aussi en réalité des systèmes d’enregistrement. Pourquoi ? Premièrement, ils sont intégrés dans les flux de travail utilisateurs, ce qui leur permet de collecter les données importantes suivantes :

• Cursor/Cognition — fichiers de règles, embeddings indexés, conventions apprises, mémoire des décisions passées par l’agent.
• Harvey/Legora — manuels spécifiques à l’entreprise et bibliothèques de précédents, historiques de dossiers et produits de travail, schémas de lignes rouges au niveau des clauses, acceptations/rejets par avocat sur des brouillons générés par IA, modèles de flux de travail agentiques.
• Gong* — enregistrements et transcriptions d’appels, schémas d’objection et de piste de conversation, benchmarks de coaching, données de conversation liées aux résultats des transactions.

Ainsi, le système d’IA d’enregistrement sur le marché actuel possède un avantage structurel : il possède à la fois le contexte dont les agents de données ont besoin à l’exécution et les données de résultat servant de signal de récompense pour l’entraînement, tout cela parce que les actions et leurs résultats se retrouvent dans le même système. Cette association s’ajoute à l’utilisation.

Les workflows génèrent des trajectoires d’action dont les résultats sont observables dans le même système, ce qui constitue la matière première pour l’après-formation que les concurrents intégrant via API ne peuvent pas capturer. À mesure que la couche IA réintègre verticalement à la couche modèle grâce à des modèles à poids ouvert et à l’évolution des outils d’évaluation/RL, le système d’enregistrement IA peut convertir ces données en améliorations de poids pour une tâche donnée, ce qui favorise une différenciation durable.

Enfin, alors que les applications d’IA reposent principalement sur un nombre limité d’autres systèmes aujourd’hui, à mesure qu’elles gagnent en puissance et en influence sur les flux de travail des utilisateurs, les systèmes d’IA d’enregistrement finiront inévitablement par pousser et attirer des données vers des systèmes Logiciels plus adjacents, tout comme les systèmes traditionnels d’enregistrement. Clay en est déjà un exemple précoce : l’entreprise a principalement commencé en recueillant des contacts et des données d’entreprise auprès de quelques fournisseurs d’enrichissement. Mais Clay intègre désormais des données provenant de toute la pile GTM d’un client — CRM (Salesforce, HubSpot), engagement commercial (Outreach, Salesloft), signaux d’utilisation et d’intention produit, ainsi que plus de 100 fournisseurs de données tiers — et réinjecte des enregistrements enrichis, des scores et des recherches générées par IA dans le CRM du client. Ce faisant, Clay devient l’un des principaux outils Logiciel utilisés quotidiennement par les équipes GTM.

Il n’y a pas d’absolus

Bien sûr, il n’y a pas d’absolus ; toutes les industries ou processus n’auront pas besoin ou ne souhaiteront pas un tout nouveau système d’enregistrement natif de l’IA. Nous pensons ici à des secteurs extrêmement complexes comme l’assurance, par exemple. D’un autre côté, il existe des systèmes d’enregistrement dans certains secteurs qui seront plus faciles à reproduire que d’autres. Nous voyons un grand potentiel sur des marchés horizontaux comme la vente, l’ingénierie et la finance, ainsi que dans des secteurs verticaux comme la fabrication, la logistique et la construction.

La fenêtre est maintenant

En résumé, nous pensons que l’avenir pourrait ressembler davantage au passé que ce que le récit technologique actuel attribue à ce cycle technologique. Les vérités du monde des affaires n’ont pas changé : la valeur durable se construit grâce à des expériences client agréables et à une différenciation concurrentielle qui s’ajoute à l’échelle. L’histoire de Logiciel soutient que la propriété des données est un facilitateur important pour les deux. Ce qui a changé, c’est ce que Logiciel peut faire, qui est désormais le travail lui-même, grâce à l’IA. En conséquence, les systèmes d’enregistrement à l’ère de l’IA ressembleront à des entreprises bien différentes de celles de la génération précédente — mais cela ne signifie pas qu’ils ne partageront pas les fondations de ce sur quoi toute grande entreprise Logiciel a été construite.

L’opportunité de construire un nouveau système d’enregistrement est maintenant. Nous sommes à un moment unique où les clients sont curieux de l’IA mais largement pas servis par leurs fournisseurs de logiciels existants. Cette fenêtre ne durera pas éternellement.