Et si le produit dont tout le monde parle ne pouvait pas, structurellement, payer ses factures ? Cette question, longtemps reléguée aux coulisses des laboratoires, revient au premier plan alors que les assistants personnels refont surface dans les fils d’actualité. Masques souriants, peluches numériques, agents qui réservent un train ou résilient un abonnement oublié : le grand public a de nouveau l’impression d’assister à une renaissance. Pourtant, derrière le spectacle, les comptes ne suivent pas le même rythme que les démonstrations. L’économie de l’IA grand public reste coincée entre une disposition à payer qui progresse au compte-gouttes et un coût d’exploitation qui, lui, ne se comporte pas comme celui d’un réseau social. Pour les fondateurs, les marketeurs et les investisseurs qui scrutent le secteur, ce décalage n’est pas un détail de cycle. C’est le cadre dans lequel il va falloir construire.

Le texte publié fin septembre 2026 par Russell Brandom sur TechCrunch remet les pendules à l’heure sans céder au catastrophisme. L’argument n’est pas que la technologie échoue. Il est plus inconfortable : même lorsque les modèles s’améliorent de façon spectaculaire, la part de consommateurs prêts à sortir la carte bancaire, et le montant qu’ils acceptent de dépenser, bougent peu. Ce décalage entre performance et monétisation explique pourquoi tant de laboratoires ont cessé de parier l’essentiel de leur avenir sur le particulier, pour se recentrer sur des contrats professionnels, secteur par secteur. Comprendre ce mécanisme, c’est éviter de confondre engouement d’usage et modèle d’affaires viable.

Un retour en grâce qui ressemble à une fête, pas à un bilan

Après plusieurs saisons où l’attention s’était déplacée vers les outils internes, les copilotes de code et les déploiements en entreprise, le grand public a de nouveau droit à des lancements visibles. L’assistant personnel de Meta, baptisé Muse, accompagné de sa mascotte douce Jolly, a surpris par son adoption. OpenAI a sorti Dots, un avatar agentique au ton volontairement léger, qui semble viser le même imaginaire : un compagnon cartoon plutôt qu’une interface austère de productivité. De son côté, Instinct, positionné sur les courses du quotidien, a atteint une valorisation de 10 milliards de dollars en s’appuyant sur des tâches très concrètes : réserver un voyage, obtenir une table, résilier un abonnement.

Ces signaux ont de quoi réveiller un récit familier. L’IA agentique serait enfin assez fiable pour tenir des promesses ordinaires. Les entreprises vendraient ce service à des gens qui en tirent une utilité réelle. Pour un investisseur, la scène rappelle le lancement de ChatGPT en 2022 : une capacité brute qui ouvre une catégorie de produit jusque-là impossible. Qui refuserait d’en prendre une part ? Le problème, c’est que ce récit décrit une demande d’usage, pas une demande de paiement. Or c’est le second terme qui décide si une startup tient, si une campagne d’acquisition se rembourse, et si une valorisation de plusieurs milliards repose sur autre chose qu’un multiple d’espoir.

Il faut donc séparer deux couches. La première est l’expérience : un agent qui comprend une intention, enchaîne des actions, revient avec un résultat. La seconde est l’unité économique : combien coûte chaque conversation, chaque outil appelé, chaque erreur corrigée, et combien l’utilisateur accepte de verser en échange. Tant que la première couche progresse plus vite que la seconde, le marché peut sembler en ébullition alors que la marge reste négative. C’est exactement le piège dans lequel plusieurs produits grand public sont déjà tombés, et que les nouveaux entrants vont devoir contourner plutôt que nier.

Pourquoi les laboratoires ont pris leurs distances avec le particulier

La prudence des laboratoires de frontière ne vient pas d’un doute sur la qualité des modèles. Elle vient d’un plafond. Même des produits technologiques massivement adoptés finissent par buter sur ce que les ménages sont prêts à ajouter à leur pile d’abonnements. Streaming, stockage, musique, presse, logiciels de création : le budget discrétionnaire numérique n’est pas infini. L’IA s’y insère en concurrente, pas en catégorie à part qui échapperait aux arbitrages. Quand un foyer compare 20 euros de musique, 15 euros de vidéo et un assistant à 30 euros, il ne raisonne pas en « révolution ». Il raisonne en ligne de relevé bancaire.

Résultat : une bascule largement partagée vers ce que l’on peut appeler le modèle Anthropic. Moins de pari sur une adoption de masse payante, plus de contrats entreprise, plus d’expansion verticale. Un cabinet juridique, une équipe support, une direction marketing, un service financier : chacun a un budget, un problème mesurable, et une tolérance au prix bien supérieure à celle d’un particulier qui teste un chatbot le dimanche soir. Cette bascule n’est pas un renoncement idéologique. C’est une lecture des unités économiques. Si Muse et Instinct semblent nager à contre-courant, c’est souvent parce que la monétisation n’est pas encore leur contrainte principale. Meta dispose d’un moteur publicitaire. Instinct peut viser une commission. Les laboratoires qui entraînent eux-mêmes des modèles de frontière n’ont pas ce luxe de calendrier.

Même des produits technologiques très populaires commencent à toucher un plafond sur ce que les consommateurs acceptent de payer, et il n’est pas évident que de meilleurs modèles produisent une activité grand public plus rentable.

– Lecture du constat posé par Russell Brandom, TechCrunch, septembre 2026

Cette phrase résume le cœur du sujet. La performance n’est plus le goulet principal. Le goulet, c’est la conversion d’une utilité perçue en revenu récurrent, à un prix qui couvre l’inférence, le support, la fraude, les remboursements et l’acquisition. Tant que ce prix de marché reste bas, améliorer le modèle ne fait pas mécaniquement grossir la caisse. Cela peut même augmenter la facture, si les utilisateurs les plus engagés consomment davantage de tokens sans accepter une hausse tarifaire proportionnelle.

Ce que disent vraiment les chiffres d’adoption payante

Le rappel chiffré vient du rapport semestriel State of Markets d’Andreessen Horowitz, qui s’appuie sur une étude PNC publiée au cours de l’été. Deux courbes y sont suivies : la part de consommateurs qui paient pour des services d’IA, et le montant moyen dépensé. En mai, 2,2 % des consommateurs payaient pour de l’IA, pour une dépense moyenne de 31 dollars par mois. Andreessen Horowitz en tire une lecture optimiste : il serait encore très tôt, la marge de progression resterait large. C’est vrai sur le papier. C’est moins rassurant dès que l’on regarde la pente.

Cette pente est à peu près linéaire. Les sauts de capacité des modèles ne se traduisent pas par des cassures dans la courbe des payeurs, ni dans celle du panier moyen. Le bond de performance entre GPT-5.2 et Astra, pour prendre l’exemple cité, est à peine visible sur ces graphiques. Autrement dit, le marché ne récompense pas chaque palier technique par une nouvelle vague de cartes bancaires. Il absorbe l’amélioration dans l’usage gratuit ou dans un abonnement déjà souscrit, sans élargir massivement le cercle des payants. Pour une équipe marketing, c’est une information capitale : le levier « meilleur modèle » ne remplace pas un travail sur l’offre, le packaging et la preuve de valeur.

D’autres sources donnent des ordres de grandeur voisins, ce qui réduit le risque d’un simple artefact méthodologique. Bank of America estimait en mars qu’environ 3 % des consommateurs américains payaient pour de l’IA, en hausse de 40 % sur un an. Une enquête Menlo de septembre dessinait un tableau un peu plus ensoleillé : un quart des adultes utiliseraient l’IA chaque jour, et la moitié de ces utilisateurs paieraient. Même dans cette lecture haute, on reste loin d’une adoption payante de masse. L’usage quotidien peut être réel. Le paiement, lui, reste une minorité. Confondre les deux, c’est construire un prévisionnel sur du sable.

Il faut aussi lire ces pourcentages avec le dénominateur en tête. 2 ou 3 % d’une population adulte, ce n’est pas rien en volume absolu. C’est assez pour faire vivre des produits de niche, des outils experts, des communautés très engagées. Ce n’est pas assez, au prix observé, pour amortir les coûts d’un laboratoire qui entraîne des modèles généraux et les sert à des centaines de millions de sessions. L’écart entre « succès d’usage » et « succès de compte d’exploitation » est précisément l’endroit où se nichent les déceptions de valorisation.

Le test Netflix, ou pourquoi 30 dollars ne suffisent pas

Les montants par client sont moins spectaculaires que les titres de levées, et c’est bien le problème. Si l’on prend Netflix comme référence d’un service en ligne saturé, avec 325 millions d’abonnés, une dépense d’environ 34 dollars par client ne mène qu’à 11 milliards de dollars de revenu annuel. C’est moins du tiers des coûts d’exploitation rapportés pour OpenAI. Le calcul est volontairement schématique. Il ne décrit pas le compte réel d’une entreprise donnée. Il sert de règle de trois : même un succès de saturation, au prix que le marché grand public consent aujourd’hui, ne couvre pas la structure de coût d’un acteur de frontière.

Cette comparaison a une vertu pédagogique pour les startups qui se rêvent en « Netflix de l’assistant ». Netflix a mis des années à atteindre cette base, avec un coût marginal de diffusion très différent de celui d’une génération de tokens. Une heure de série supplémentaire ne multiplie pas la facture de calcul de la même façon qu’une session agentique qui appelle des outils, reformule, vérifie, et parfois recommence. Transposer un multiple d’abonnés d’un média à un modèle de langage, c’est comparer des économies qui ne partagent ni la même marge, ni le même risque d’usage intensif.

Le point de bascule habituel des services en ligne, celui où la base payante commence à couvrir l’infrastructure et l’acquisition, se situe donc bien au-dessus de ce que les courbes actuelles laissent espérer à court terme. On peut imaginer une hausse du panier, une montée de la pénétration, un mélange des deux. Rien, dans la pente observée, n’indique que cette hausse sera brutale parce que le modèle aura encore gagné quelques points sur un benchmark. Le consommateur ne paie pas un score. Il paie une tâche économisée, un gain de temps perceptible, une réduction d’erreur qu’il peut raconter à quelqu’un.

Le vrai goulet n’est pas le revenu, c’est le coût

L’article de TechCrunch insiste sur un renversement utile. Le souci du grand public n’est pas d’abord un manque de chiffre d’affaires potentiel. C’est le coût. L’IA est une technologie inhabituellement chère à faire tourner, surtout si on la compare à des prédécesseurs légers comme le réseau social ou une bonne partie du cloud grand public. Servir une requête de fil d’actualité et servir une chaîne d’actions agentiques ne mobilisent pas les mêmes ressources. Même plusieurs centaines de millions de clients payants ne garantissent pas l’équilibre, dès lors que chaque client actif consomme du calcul de façon répétée.

Ce coût a plusieurs couches que les pitchs aiment empiler sous le mot « infrastructure ». Il y a l’entraînement, concentré, irrégulier, et souvent financé par des levées. Il y a l’inférence, récurrente, sensible au volume et à la longueur des contextes. Il y a les outils externes : recherche, navigateurs, API de réservation, vérifications. Il y a le taux d’échec, qui oblige à relancer une tâche et donc à payer deux fois. Il y a le support humain quand l’agent se trompe sur un billet ou un prélèvement. Additionnées, ces couches font qu’un abonnement à 20 ou 30 euros peut être déficitaire sur les utilisateurs les plus précieux, ceux qui s’en servent tous les jours.

C’est le paradoxe classique des produits à coût variable élevé. Les power users, ceux que l’on met en avant dans les études de cas, sont parfois ceux qui détruisent la marge. Les utilisateurs occasionnels, eux, paient un abonnement qu’ils n’amortissent pas, puis résilient. Le mix idéal, un usage régulier mais borné, est difficile à concevoir quand la promesse marketing est précisément l’absence de limite : « demandez n’importe quoi ». Plus la promesse est large, plus le risque de dérive de coût l’est aussi. Les équipes produit qui plafonnent les quotas, ralentissent les modèles gratuits ou réservent les agents aux offres supérieures ne font pas que protéger une marque. Elles protègent une équation.

Le pivot entreprise, manuel déjà écrit

OpenAI semble avoir intégré ces contraintes. Le recentrage vers l’entreprise, largement commenté, aurait produit un doublement des bookings enterprise depuis juillet. Même le lancement de Dots, pensé pour le grand public dans son habillage, comportait un angle professionnel marqué : montrer comment l’agent personnel peut servir un ingénieur logiciel ou un créatif en agence. La manœuvre est connue. Un service populaire mais peu cher côté particulier peut être revendu aux organisations avec une marge, un contrat annuel, un support et des engagements de sécurité. C’est le playbook des outils qui ont d’abord séduit des individus avant de devenir une ligne budgétaire.

Pour un directeur marketing ou un fondateur de SaaS, la leçon est directe. L’usage individuel reste un canal d’acquisition et de preuve. Il n’est pas, à lui seul, le moteur de rentabilité quand le coût marginal est lourd. Le particulier teste, recommande, importe l’outil dans son équipe. L’entreprise signe, négocie un siège, exige une intégration, et paie un prix qui a du sens par rapport à un salaire ou à un budget d’agence. Dots illustre cette double lecture : un visage grand public, une démonstration qui parle déjà le langage des métiers. Ce n’est pas une contradiction. C’est une architecture de revenu.

Ce playbook a toutefois ses conditions. Il faut un produit que l’on peut gouverner : journaux, permissions, données isolées, administration centralisée. Il faut des cas d’usage dont le retour se mesure en heures gagnées ou en erreurs évitées. Il faut une force de vente ou un mouvement produit suffisamment crédible pour franchir un comité d’achat. Les startups qui copient l’habillage cartoon sans construire cette deuxième porte risquent de rester du mauvais côté de l’équation, avec une audience enchantée et une trésorerie qui fond au rythme des sessions.

Muse, Jolly et le temps que donne la publicité

Meta n’est pas dans la même contrainte de calendrier. Muse bénéficie de la machine de ciblage publicitaire du groupe, ce qui ouvre d’autres options de monétisation et retarde le moment où la question du paiement direct devient urgente. Un assistant intégré à un écosystème déjà rentable peut être financé, au moins en partie, par l’attention et par la donnée d’intention, plutôt que par un abonnement. Meta explore aussi l’angle entreprise, ce qui confirme que même un acteur capable d’attendre ne renonce pas au levier professionnel.

Pour les marketeurs, cette piste est à double tranchant. D’un côté, un assistant qui connaît les préférences, les habitudes et le contexte social peut devenir un canal de recommandation redoutablement pertinent. De l’autre, la confiance se fissure vite si l’aide « gratuite » ressemble à un tunnel vers l’achat. Le grand public a déjà vécu plusieurs cycles de promesses personnalisées devenues brouillard publicitaire. Un agent qui réserve, compare et conseille sera jugé sur un critère simple : travaille-t-il pour moi, ou pour l’enchère la plus haute ? La réponse ne se joue pas dans le ton de la mascotte. Elle se joue dans les règles de classement, la transparence des liens commerciaux, et la possibilité de refuser la suggestion.

Jolly, la peluche-mascotte, joue un autre rôle, plus classique en acquisition. Elle rend mémorable un service abstrait. Elle donne un visage à une fonction. Elle facilite le bouche-à-oreille et les captures d’écran. En communication, c’est un atout réel, surtout face à des interfaces qui se ressemblent toutes. Mais une mascotte ne déplace pas le plafond de paiement. Elle peut accélérer l’essai. Elle ne convainc pas un foyer d’ajouter 30 euros si la tâche économisée vaut, à ses yeux, cinq minutes et un moteur de recherche. Le branding adoucit l’entrée. Il ne réécrit pas l’arbitrage budgétaire.

Instinct et la commission : relever le plafond sans abonnement

Instinct suit une autre route. Plutôt que de vivre seulement d’un forfait, la société prévoit de prélever une part des achats réalisés via l’agent. Cette logique peut relever le plafond de revenu par utilisateur, parce qu’elle s’aligne sur une transaction déjà acceptée : un billet, une table, une résiliation qui évite un prélèvement. Elle permet aussi, en principe, d’éviter le coût d’entraînement d’un modèle de frontière, ce qui allège considérablement la structure. Une valorisation de 10 milliards de dollars, après une série C d’un milliard, montre que des investisseurs sont prêts à payer cette thèse. Elle ne la valide pas encore dans la durée.

Le modèle à la commission a des précédents solides dans le voyage, la livraison et certaines places de marché. Il a aussi des fragilités. La prise doit rester inférieure au gain perçu, sinon l’utilisateur contourne l’agent et réserve en direct. Les partenaires peuvent réduire les marges reversées dès que le canal devient dépendant. Les erreurs de l’agent, une mauvaise date, un tarif non remboursable, créent un coût de réputation que la commission ne couvre pas. Et le volume nécessaire pour justifier une valorisation à dix chiffres suppose une répétition d’achats que tous les foyers n’ont pas. Réserver trois voyages par an ne fait pas un Netflix.

Il reste un avantage stratégique net : ne pas porter seul le fardeau de l’entraînement. S’appuyer sur des modèles tiers, les encapsuler dans un flux métier, et se rémunérer sur l’action plutôt que sur le token, c’est accepter d’être une couche de distribution. Cette couche peut être très rentable si elle possède la relation, la marque et les accords. Elle peut aussi être comprimée si les laboratoires décident d’intégrer eux-mêmes la réservation. Le risque de désintermédiation n’a pas disparu. Il a seulement changé de côté.

Ce que cela change pour une startup qui vise le grand public

Le plafond décrit n’interdit pas de lancer un produit grand public. Il interdit de le lancer avec le prévisionnel d’un réseau social de 2012. Une équipe qui entre sur ce marché doit décider tôt quelle contrainte elle accepte. Soit elle vise un segment étroit, prêt à payer cher pour une tâche précise. Soit elle s’adosse à un revenu indirect, publicité ou commission, en assumant la tension de confiance. Soit elle traite le particulier comme un vestibule vers l’entreprise. Soit elle réduit drastiquement le coût par session, quitte à offrir moins de magie. Ce qui ne tient pas, c’est le plan « des millions d’abonnés à 20 euros, marge logicielle, et le modèle s’améliorera tout seul ».

Les fondateurs ont intérêt à écrire l’unité économique avant le manifeste. Quel est le coût complet d’une tâche réussie, échecs inclus ? Quel prix le segment cible a déjà accepté pour un service voisin ? Combien de tâches par mois font qu’un abonnement paraît évident plutôt que superflu ? Quel canal d’acquisition reste rentable si le taux de conversion payante stagne autour de quelques pourcents des essayeurs ? Ces questions sont moins spectaculaires qu’une démo. Elles décident de la survie au dix-huitième mois, quand la levée d’amorçage ne couvre plus l’inférence des utilisateurs gratuits venus d’une vidéo virale.

Il y a aussi un effet de sélection. Les produits qui « buck the trend », pour reprendre l’expression anglo-saxonne du débat, sont souvent ceux qui peuvent se permettre d’attendre. Un groupe déjà rentable. Un spécialiste qui ne paie pas l’entraînement. Un acteur vertical dont le client professionnel finance le développement de l’expérience individuelle. Une startup indépendante, généraliste, financée pour « devenir le compagnon de tout le monde », est dans la position la plus exposée. Elle hérite des coûts sans hériter des options de monétisation. Ce n’est pas une raison pour ne pas essayer. C’est une raison pour ne pas copier le storytelling des géants sans copier leur bilan.

Marketing : vendre une tâche, pas une intelligence

Les courbes d’adoption payante suggèrent que le discours « notre modèle est plus fort » convertit mal. Le consommateur a déjà vu plusieurs générations d’annonces sur la puissance. Ce qui déplace un paiement, c’est une tâche dont il connaît le prix en temps ou en argent. Annuler trois abonnements oubliés. Trouver un train qui arrive avant une réunion. Préparer un dossier de remboursement. Relancer un devis. Ces promesses sont étroites, donc crédibles. Elles se prêtent à une page, à une preuve, à un avant-après. Elles évitent le flou de l’assistant universel, qui excite la presse et paralyse la décision d’achat.

Côté acquisition, la tentation du gratuit illimité reste forte, parce qu’elle fabrique des courbes d’usage présentables. Elle fabrique aussi une base qui n’a jamais appris à payer, et qui vit le premier paywall comme une trahison. Les offres qui fonctionnent dans d’autres catégories numériques, essai borné, quota visible, palier clair entre découverte et délégation, méritent d’être testées ici avec plus de rigueur. Un marketeur qui promet « sans limite » pour remplir un funnel devra ensuite expliquer pourquoi la limite apparaît. Mieux vaut une limite honnête dès le premier écran qu’une générosité qui ne survit pas au coût variable.

La preuve sociale, elle, doit changer d’unité. Le nombre de conversations ou de téléchargements rassure les investisseurs en début de cycle. Il rassure moins un prospect qui se demande si l’outil va vraiment réserver, ou seulement discuter de réserver. Les témoignages utiles montrent une action terminée, un montant économisé, un délai tenu. C’est moins viral qu’une mascotte. C’est plus proche de ce qui fait sortir une carte. Les équipes contenu qui produisent des démonstrations spectaculaires sans issue mesurable alimentent l’attention, pas forcément la conversion.

Quatre façons de sortir du plafond, et leurs compromis

Aucune de ces voies n’est magique. Chacune déplace la contrainte plutôt que de l’abolir. Les présenter ensemble évite le faux choix entre « tout miser sur l’abonnement » et « attendre que les coûts chutent ».

• Le vertical étroit. On ne vend pas un assistant. On vend la clôture d’un dossier, la préparation d’une déclaration, le suivi d’un sinistre. Le prix peut monter parce que la comparaison se fait avec un prestataire humain, pas avec un chatbot gratuit.
• La commission sur l’action. Le revenu suit la transaction. Le plafond théorique est plus haut, mais il dépend des accords partenaires et de la confiance. Une erreur coûteuse peut effacer des mois de marge.
• Le financement par l’attention. Réservé aux acteurs qui ont déjà un inventaire publicitaire et une relation installée. Le risque réputationnel est immédiat si l’aide et la publicité se confondent.
• Le vestibule entreprise. Le particulier découvre, l’organisation paie. Il faut un produit administrable et un discours métier, pas seulement une personnalité attachante.

Une cinquième voie, souvent citée, consiste à parier sur la baisse du coût d’inférence. Elle est réelle sur plusieurs années, et elle améliorera des marges aujourd’hui négatives. Elle n’est pas un plan d’affaires à elle seule. Si tous les concurrents bénéficient de la même baisse, le prix de marché peut descendre en parallèle, et l’avantage disparaît. La baisse de coût est un soulagement. Ce n’est pas une différenciation. Les équipes qui construisent un avantage sur la distribution, la donnée propriétaire ou le flux métier seront mieux placées que celles qui attendent simplement que le token devienne bon marché.

Ce que les marketeurs peuvent observer dès maintenant

Quelques signaux, déjà visibles dans les études citées, méritent d’être suivis comme on suit un taux de conversion, pas comme on suit une mode.

• La part de payants progresse, mais sans rupture liée aux lancements de modèles. Un plan média qui mise sur « le prochain modèle va tout changer » repose sur une hypothèse que les courbes n’ont pas confirmée.
• Le panier mensuel tourne autour d’une trentaine de dollars aux États-Unis. En Europe, le pouvoir d’achat et la densité d’abonnements déjà souscrits incitent à tester des prix plus bas, ou des engagements annuels, plutôt qu’à calquer le tarif américain.
• L’usage quotidien peut concerner une minorité large sans que la moitié de cette minorité paie, selon les enquêtes les plus favorables. Le contenu éducatif et le freemium servent l’habitude. Ils ne remplacent pas une offre dont la valeur tient en une phrase.
• Les lancements grand public des grands acteurs incluent de plus en plus un angle métier. Un positionnement uniquement lifestyle devient plus difficile à défendre face à des produits qui parlent déjà aux agences et aux équipes techniques.

Ces signaux ne disent pas que le grand public est fermé. Ils disent que le grand public est sélectif, et que sa sélectivité ne se relâche pas au rythme des benchmarks. Une campagne qui traite l’IA comme une catégorie déjà désirée, au même titre qu’un téléphone ou une plateforme vidéo, surestime la disposition à payer. Une campagne qui traite l’IA comme un outil de délégation, avec un avant, un après et un prix comparable à une heure facturée, colle mieux aux données disponibles.

Investisseurs : la valorisation ne remplace pas la marge

Une valorisation à 10 milliards pour un agent qui court les courses du quotidien montre l’appétit du capital pour tout ce qui ressemble à une interface entre l’intention et la transaction. Cet appétit a une fonction utile : il finance des expériences que le revenu courant ne paierait pas encore. Il a aussi un biais. Il récompense la narration d’une catégorie nouvelle plus vite qu’il ne vérifie le coût par tâche réussie. Les tours de table ne falsifient pas l’économie sous-jacente. Ils la diffèrent. Le jour où le différé se ferme, les équipes qui ont un revenu indirect ou un client entreprise respirent. Les autres renegocient.

Pour un business angel ou un fonds qui regarde des dossiers d’assistants, quelques questions valent mieux qu’une démo fluide. Le coût complet d’une action réussie est-il connu, échecs compris ? Le prix demandé a-t-il été testé contre un substitut humain ou seulement contre « gratuit » ? Existe-t-il un chemin vers l’entreprise qui ne soit pas une slide de secours ? La société paie-t-elle l’entraînement, ou seulement l’orchestration ? Si les réponses restent floues, la croissance d’usage peut être réelle et malgré tout incompatible avec une marge. Ce n’est pas un motif de refus systématique. C’est un motif de structurer le financement autour de jalons économiques, pas seulement de jalons d’audience.

Le rapport d’Andreessen Horowitz a raison de rappeler qu’il est tôt. Tôt ne veut pas dire illimité. Une adoption qui avance en ligne droite, pendant que les coûts restent ceux d’une technologie lourde, produit des entreprises qui grandissent en utilisateurs plus vite qu’en profit. Ce profil peut être acceptable pour un acteur qui a d’autres moteurs de marge. Il est dangereux pour une société dont l’IA grand public est le seul moteur. Distinguer les deux, c’est déjà faire la moitié de l’analyse.

Le précédent des plateformes bon marché, et pourquoi il trompe

Une partie de l’optimisme vient d’un réflexe : les grands produits grand public ont d’abord été gratuits, puis sont devenus des machines à cash. Réseaux sociaux, messageries, places de marché. Le parallèle séduit, et il oublie la structure de coût. Afficher un message ou une photo a un coût marginal proche de zéro une fois l’infrastructure mutualisée. Générer une réponse longue, appeler trois outils, vérifier un créneau, reformuler un e-mail, ce n’est pas le même geste technique. Le playbook « d’abord l’audience, ensuite la monétisation » suppose que l’audience supplémentaire ne fasse pas exploser la facture. Ici, elle peut la faire exploser.

Il existe malgré tout un transfert utile. Plusieurs services populaires et peu chers ont fini par être vendus aux organisations avec un supplément de prix, de contrôle et de support. C’est ce transfert que les laboratoires sont en train d’exécuter. Le grand public reste la vitrine et parfois le canal d’entrée. Le contrat, lui, se signe ailleurs, à un prix qui a un rapport avec la valeur créée dans un processus de travail. Les startups qui veulent imiter la vitrine sans construire le contrat reproduisent la partie visible du succès et oublient la partie qui paie les serveurs.

On peut aussi regarder du côté des logiciels verticaux qui n’ont jamais cherché à être universels. Un outil de relance commerciale, un assistant de comptabilité de proximité, un agent de support limité à une base de connaissances : leur marché adressable est plus petit, leur disposition à payer plus lisible, leur coût plus cadrable. Ils font moins la une. Ils ont plus de chances de croiser leurs courbes. Dans un cycle où la une est occupée par les mascottes, ce décalage entre visibilité et viabilité va probablement s’accentuer.

Confiance, erreurs et coût caché de la délégation

Déléguer une réservation ou une résiliation, ce n’est pas la même chose que demander un résumé. L’erreur a un prix externe : un hôtel non remboursable, un train manqué, un abonnement résilié par erreur, une donnée partagée trop largement. Ce prix n’apparaît pas dans le coût d’inférence, mais il apparaît dans le taux de recommandation, le support, et parfois le contentieux. Plus l’agent agit dans le monde, plus la marge doit absorber un fonds de garantie implicite. Les produits qui restent au stade du conseil, sans action, limitent ce risque et limitent aussi la valeur perçue. Les produits qui agissent doivent provisionner l’échec, pas seulement le célébrer quand il n’arrive pas.

Cette réalité pèse sur le marketing. Promettre « il s’occupe de tout » augmente le taux de clic et augmente l’exigence de fiabilité. Une formulation plus étroite, « il prépare, vous validez », réduit la magie apparente et réduit le coût des erreurs. Beaucoup d’équipes découvriront que le second message convertit mieux les payants, précisément parce qu’il respecte le niveau de confiance réel. Le grand public peut aimer une mascotte. Il ne lui confie pas son moyen de paiement au même rythme qu’il lui confie une question.

Les régulateurs et les plateformes de paiement ajouteront leurs propres frottements : authentification forte, responsabilité en cas de débit, information sur les liens sponsorisés. Ces frottements ne sont pas des détails juridiques en marge du produit. Ils allongent le parcours, donc le coût d’acquisition, et ils réduisent le taux de tâches menées jusqu’au bout. Un business plan qui ignore ces frottements surestime le volume de commissions autant que le volume d’abonnements.

Ce que les équipes produit peuvent décider cette semaine

Inutile d’attendre le prochain rapport de marché pour resserrer l’offre. Quelques décisions concrètes découlent directement du plafond observé.

D’abord, nommer la tâche payante. Si l’équipe n’est pas capable d’écrire en une ligne ce que l’utilisateur achète, le prix restera un abonnement fourre-tout, le premier à être coupé quand le budget familial se resserre. Ensuite, mesurer le coût par tâche réussie, pas par utilisateur inscrit. Un inscrit qui ne termine rien coûte peu. Un utilisateur qui relance cinq fois une réservation coûte beaucoup, et c’est lui que les études de cas mettent en avant. Puis, séparer nettement le palier découverte et le palier délégation. Le premier peut être généreux. Le second doit être tarifé comme un service, pas comme un supplément cosmétique. Enfin, préparer la porte entreprise même si la marque est grand public : journaux d’actions, rôles, export, engagement sur les données. Cette porte n’a pas besoin d’être ouverte au lancement. Elle a besoin de ne pas être impossible à ouvrir plus tard.

Ces choix ont un coût de communication. Ils rendent le produit moins universel, donc moins facile à raconter en une punchline. Ils le rendent aussi plus défendable le jour où un investisseur, un directeur financier ou un simple utilisateur demande pourquoi il paierait encore le mois prochain. La punchline attire. La tâche renouvelée retient. Dans un marché où la rétention payante est le vrai rare, la seconde vaut plus que la première.

Une lecture européenne du même plafond

Les chiffres cités sont surtout américains. Les transposer tels quels en France ou en Europe serait imprudent, mais la direction du constat reste utile. Le budget d’abonnements est déjà chargé, la sensibilité au prix est forte, et la confiance envers un agent qui agit au nom de l’utilisateur se construit plus lentement que l’enthousiasme pour une démo. Un assistant à 30 dollars peut paraître banal dans une enquête américaine et excessif pour un foyer qui additionne déjà plusieurs services numériques. Les offres qui tiendront ici seront sans doute plus étroites, plus liées à un gain d’argent immédiat, ou adossées à un acteur qui monétise autrement.

Pour une marque française qui envisage son propre agent, le piège serait d’importer à la fois le tarif et la promesse universelle. Mieux vaut un périmètre local, une langue maîtrisée, une intégration avec des services que les gens utilisent vraiment, et un prix comparé à une heure d’assistanat ou à une commission d’agence. Le plafond n’est pas une fatalité nationale. C’est une contrainte de disposition à payer, et elle se gère par le choix du problème, pas par l’importation d’une mascotte.

Le cap qui, lui, ne bouge pas

Muse peut continuer de surprendre. Dots peut trouver son public parmi celles et ceux qui veulent un agent au ton léger. Instinct peut prouver qu’une commission sur des courses réelles change l’équation. Rien de tout cela n’efface le cadre. La part de consommateurs qui paient progresse lentement. Le montant qu’ils paient progresse lentement. Le coût de servir une demande ambitieuse, lui, ne se comporte pas comme celui d’un média social. Les laboratoires qui ont déjà pivoté vers l’entreprise ont tiré cette leçon. Elle fait partie des rares choses du secteur qui ne semblent pas en train de changer.

Pour une audience de startups, de marketing et de business, la conclusion pratique est presque décevante, et c’est tant mieux. Il n’y a pas de raccourci caché dans le prochain modèle. Il y a un travail de packaging, de preuve, de coût par tâche, et de choix assumé entre abonnement, commission, publicité et contrat professionnel. Ceux qui traiteront l’économie de l’IA grand public comme un décor temporaire, en attendant que « ça finisse par payer comme le reste », construiront sur la pente la plus trompeuse du moment : une adoption réelle, une monétisation étroite, et une facture qui ne suit pas la même courbe.

Le bull case reste facile à raconter, et il n’est pas vide. Des gens obtiennent une aide concrète. Des agents tiennent enfin des courses ordinaires. Des interfaces redeviennent désirables. Le bear case économique est moins photogénique, et il est mieux documenté. Entre les deux, la place utile n’est pas le commentaire. C’est la conception d’une offre dont le prix, le périmètre et le coût acceptent de se regarder en face. C’est là, plus que dans la mascotte, que se jouera la différence entre un lancement dont on parle et une activité qui dure.

On peut aimer le retour des assistants personnels sans confondre foule et clientèle. On peut saluer une valorisation record sans la prendre pour un compte de résultat. On peut même parier sur une baisse future des coûts sans en faire le seul plan. Le reste relève du métier : choisir qui paie, pour quelle tâche, à quel prix, et avec quel risque d’erreur. Les courbes de ce semestre disent que ce métier n’a pas été rendu obsolète par les modèles. Il a été rendu plus nécessaire. Et c’est, au fond, une meilleure nouvelle pour celles et ceux qui savent construire une offre que pour celles et ceux qui savent seulement annoncer une rupture.