Le pari de cinq mille milliards : racheter de petites entreprises de services avec des agents IA

Le chiffre qui ouvre cette discussion n'est pas une histoire de logiciel, c'est une histoire de départ à la retraite. Selon les données de McKinsey sur le transfert de propriété, environ six millions de petites et moyennes entreprises américaines vont changer de mains au cours de la prochaine décennie, pour une valeur d'environ cinq mille milliards de dollars. McKinsey estime également qu'en l'absence de plan de succession, six millions d'entreprises pourraient fermer et douze millions d'emplois disparaître. L'intervenant ne lit pas cette vague comme une menace vide sur l'emploi, mais comme une occasion de changer la façon dont le travail de service est réellement effectué.

Trois conditions réunies en même temps

Trois éléments doivent se produire ensemble pour qu'un nouveau modèle d'affaires apparaisse. Le premier est la transmission des entreprises : les cabinets d'expertise comptable, d'assurance et de gestion immobilière créés dans les années 1980 et 1990 n'ont le plus souvent aucun plan de reprise, les enfants ne veulent pas du métier et les salariés ne veulent pas diriger. Le deuxième est que l'IA soit devenue réellement compétente sur ces tâches quotidiennes : saisir des chiffres d'un PDF dans un tableur, relancer un client une troisième fois pour un document manquant, rédiger cinquante fois par semaine une mise à jour similaire. Le troisième est la valorisation : une entreprise de services tourne à 5-10 % de marge, et les acheteurs l'ont toujours évaluée ainsi depuis des décennies. Le nouvel élément, selon l'intervenant, c'est que cette troisième condition vient de cesser d'être vraie.

Ce qui produit le résultat final, c'est précisément cette troisième condition. Le chiffre d'affaires reste stable, car les clients sont les mêmes et les factures aussi. Les coûts baissent, car les agents réalisent une grande partie du travail. Le tableau que l'intervenant dessine fait passer la marge d'une fourchette de 5-10 % à une fourchette de 30-40 %, la même entreprise produisant trois à quatre fois plus de bénéfices. L'attrait du modèle est qu'il n'y a rien à changer du côté des recettes. Le risque est au même endroit : l'expansion de la marge ne compte que si le coût de production baisse réellement.

Ce que font les grands fonds

General Catalyst a été l'un des premiers à se lancer. Le Wall Street Journal rapportait à la fin de 2024 que le fonds avait constitué un milliard et demi de dollars pour une stratégie d'achat d'entreprises de services transformées par l'IA, et la mise en forme de cet article souligne qu'il ne s'agit pas d'un roll-up de capital-investissement classique. L'écriture de General Catalyst sur l'Europe trace la même ligne, en indiquant que le fonds ajoute volontairement des coûts de construction technologique et de plateforme au lieu de les extraire. Les sociétés du portefeuille couvrent la comptabilité, le support client, le juridique, l'infogérance, la gestion immobilière et, au Royaume-Uni, les agences de location. Ce qui émerge est une stratégie étalée sur une chaîne de services fragmentée et intensive en main-d'œuvre, plutôt qu'un pari sur un seul secteur. Long Lake, une plateforme de gestion immobilière, indique avoir racheté dix-huit entreprises et atteint cent millions de dollars d'EBITDA en moins de deux ans, ce que Capital & Clarity qualifie d'inhabituel à tout critère. Crescendo affirme que l'IA résout environ quatre-vingt-dix pour cent des tickets de première ligne, facture au ticket résolu plutôt qu'à l'heure, et atteint des marges quatre fois supérieures à celles d'un centre de contact traditionnel. Titan, incubée par General Catalyst, a levé soixante-quatorze millions de dollars en 2025, et sa première opération a été un prestataire de services informatiques pour le secteur financier. Dwelly, qui regroupe des agences de location au Royaume-Uni, a bouclé un tour de soixante-neuf millions de livres. Tous ces chiffres sont auto-déclarés. Capital & Clarity y ajoute l'avertissement qui compte le plus : le risque d'intégration s'accumule avec la vitesse d'acquisition, la plus grande société du portefeuille a moins de trois ans et aucune n'a traversé de récession. L'enquête de Menlo Ventures sur les dépenses d'IA en entreprise montre que le terrain est réellement prêt, avec des dépenses passées de 1,7 milliard de dollars en 2023 à 37 milliards en 2025, six pour cent du marché du logiciel et une croissance de 3,2 fois sur un an.

Thrive avance plus vite et avec une structure différente. Thrive Holdings, née de Thrive Capital de Josh Kushner, a constitué en 2025 un véhicule d'un milliard de dollars de ses propres fonds et a annoncé un partenariat avec OpenAI en décembre de la même année. L'annonce d'OpenAI indique qu'elle déploiera des équipes de recherche, de produit et d'ingénierie au sein des sociétés du portefeuille, en commençant par la comptabilité et les services informatiques. La déclaration de Thrive Holdings indique une levée de plus de deux milliards de dollars à une valorisation de douze milliards, avec SoftBank, D1 Capital et Altimeter, plus de soixante-dix entreprises sur ses plateformes, et une partie des fonds dirigés vers une nouvelle plateforme consacrée aux travaux réglementaires de l'infrastructure physique. La répartition des plateformes donnée par TechCrunch mérite d'être notée : Current, le pôle comptabilité, couvre plus de cinquante cabinets et plus de deux mille professionnels, tandis que Shield, le pôle informatique, repose sur une vingtaine de sociétés. Les capitaux ne vont pas vers un seul secteur mais vers deux couches d'exploitation à la fois.

Un résultat mesuré pendant la campagne fiscale

Le résultat le plus concret est venu du côté de la comptabilité. Tax AI, développé conjointement par OpenAI et Thrive Holdings, a traité sept mille déclarations au cours de cette campagne fiscale, les a préparées avec une précision pouvant atteindre quatre-vingt-dix-sept pour cent, a fait gagner aux praticiens environ un tiers de leur temps de préparation et a augmenté le volume traité de près de moitié. Le compte rendu technique d'OpenAI mesure aussi l'auto-amélioration du système : au lancement, seul un quart des déclarations atteignait 75 % de champs correctement remplis, et en six semaines cette part est montée à 86 %. Le système a commencé par les formulaires simples W-2 et 1099 puis, au fil de la saison, a intégré les formulaires K-1 et les revenus locatifs, nettement plus difficiles à extraire.

La saisie des données seule pouvait prendre huit heures sur une déclaration de complexité moyenne à élevée, et c'est le chiffre le plus parlant sur l'origine du gain de productivité. L'intervenant décrit les personnes qui préparaient les déclarations passant à la fonction de contrôle, la nature du travail laissé à l'humain changeant plutôt que disparaissant. Le tableau reste à deux faces. Thomson Reuters a constaté en 2026 que 74 % des professionnels utilisent des outils d'IA chaque semaine, tandis que 91 % jugent que leur organisation en livre moins que la technologie ne le permettrait. Le travail change ; les affirmations sur les margins n'ont pas encore fait l'objet d'un audit indépendant.

La version à personne unique

Voici l'affirmation centrale : ce modèle n'est pas réservé aux fonds de milliards. Un entrepreneur solo intervient sur le segment que ces fonds ignorent, car les grands fonds sont construits autour de cibles de taille intermédiaire et d'attentes de revenus à sept chiffres. Dans la version à personne unique, l'entrepreneur réunit trois avantages à la fois : l'accès aux mêmes modèles et outils que les fonds, la capacité à assurer lui-même l'intégration, et le fait qu'un propriétaire ayant consacré quarante ans à son œuvre se soucie de la personne qui la reprendra. Des propriétaires qui ne vendraient jamais à un fonds de capital-investissement peuvent vendre à un individu, et la concurrence ne vient pas du fonds, car elle vit sur un autre plan. Le coût, c'est qu'une seule personne porte la responsabilité opérationnelle de plusieurs entreprises et doit empêcher les nouvelles acquisitions de casser le système.

L'entrepreneur transforme ensuite l'idée en structure concrète. En haut se trouve une holding qui possède les entreprises ; en dessous, quelques sociétés chacune avec son propre directeur général ; tout en bas, une couche partagée que toutes utilisent. Le point que l'intervenant souligne est que cette couche existe déjà lorsque la deuxième entreprise arrive et se stabilise davantage avec la troisième : agents, règles, back-office et tableaux de bord sont construits une seule fois. Le directeur général est le plus souvent le comptable principal présent depuis quinze ans, qui connaît tous les clients ; la part de capital qu'on lui attribue est le véritable prix du maintien d'une relation client de vingt ans.

Fichiers, règles et journal des corrections

L'arborescence de fichiers est la partie du modèle que l'intervenant juge la plus utile. Un dossier de thèse indique dans quel secteur on entre et pourquoi, afin qu'une décision prise dans l'enthousiasme ne soit pas défendable plus tard. Le dossier partagé contient les fichiers d'agents, les règles générales, des exemples réels de travail accepté et des procédures pour ce qui se répète. Chaque entreprise a son propre dossier avec ses clients, ses équipes et ses règles locales : un client qui veut ses rapports le trois du mois et non le premier, parce qu'il l'a demandé en 2011, est exactement le type de détail qui y appartient, car c'est l'accumulation de ce que ce bureau a appris. Le fichier le plus important est le journal des corrections. Chaque modification apportée par une personne à la sortie d'un agent y est consignée, les corrections répétées deviennent des règles, et chaque règle approuvée devient un test utilisant l'entrée réelle du dossier et la sortie acceptée. L'intervenant rattache cette boucle à un rythme hebdomadaire et considère cette heure comme la plus importante de la semaine : après quelques centaines de dossiers, la liste de règles est le seul élément que le modèle possède réellement, car tout le monde peut utiliser les mêmes modèles, mais personne d'autre ne connaît toutes les façons dont ce type d'activité se trompe. L'approche rejoint aussi le langage d'infrastructure d'évaluation utilisé par les ingénieurs, où les échecs de production deviennent des évaluations ciblées et le système se corrige lui-même.

Le travail circule ensuite le long d'une chaîne à trois étages. Le premier agent reçoit le dossier, rassemble les documents et relance ce qui manque. Le deuxième fait le travail : catégoriser les transactions, préparer une clôture mensuelle. Le troisième vérifie le projet par rapport aux règles et le renvoie si quelque chose ne colle pas. La règle sur laquelle l'intervenant revient est que le vérificateur peut bloquer mais ne peut jamais envoyer, et que le préparateur ne peut pas envoyer non plus. Rien n'atteint un client sans validation humaine, et chaque fichier d'agent se lit comme une description de poste en langage courant qui précise ce qu'il ne doit pas faire. C'est la décision de conception qui réduit le plus le risque du modèle.

Le rythme hebdomadaire et la première affaire

Le système a un rythme hebdomadaire. Le lundi, on vérifie cinq chiffres par entreprise : la marge, les minutes humaines par dossier, la fréquence des corrections des projets d'agents, la rétention des clients, et le bien-être et la stabilité des personnes clés. Le mardi, on s'entretient séparément avec chaque directeur général. Le mercredi vient l'heure qui compte : toutes les corrections apportées par un humain à un travail d'agent sont examinées, les répétitions deviennent des règles, et chaque règle approuvée est écrite comme un test avec son entrée réelle et sa sortie acceptée. Jeudi et vendredi vont à la recherche de la prochaine entreprise : un café avec des propriétaires, l'apprentissage d'un secteur. La première acquisition ne se trouve pas en cherchant un investissement, mais en vendant d'abord un service.

Le chemin vers la première entreprise commence par choisir un seul secteur, par exemple la comptabilité bookkeeping, et à en faire le travail le plus pénible avec des agents : nettoyer la clôture de fin de mois des clients les plus dispersés, ou relancer les documents manquants. Faire ce travail apprend comment le secteur fonctionne vraiment de l'intérieur et vous met devant ses propriétaires. Six, neuf ou douze mois plus tard, l'un d'eux sera prêt à se retirer et vous serez la personne la plus évidente pour reprendre. L'idée que cette section nomme est le multipreneurship : ne pas agrandir une seule entreprise, mais en exploiter plusieurs sur une couche partagée. L'intervenant gère sa propre holding ainsi depuis des années, et c'est la qualité du directeur général qui détermine si le système fonctionne.

Les objections

L'intervenant ne cache pas ses objections. La première est que les roll-ups échouent et qu'il s'agit de capital-investissement avec un autocollant IA ; l'article du Wall Street Journal sur General Catalyst fait le même constat depuis l'autre côté. Les roll-ups échouent en effet, et pour des raisons connues : trop payer, acheter plus vite qu'on ne sait intégrer, laisser se dégrader la culture. L'IA ne corrige rien de tout cela à elle seule. Sa réponse est que la version à personne unique achète lentement, assure elle-même la première intégration, et valorise l'entreprise sur ce qu'elle produit aujourd'hui plutôt que de payer le vendeur une marge IA qui n'existe pas encore. La deuxième objection est que lorsque tout le monde utilisera l'IA, les marges seront rognées par la concurrence. Oui, probablement à terme, mais il existe une fenêtre entre la baisse de vos coûts et le rattrapage des prix du secteur, et dans plusieurs de ces secteurs cette fenêtre se compte en années. Ce qui fidélise les clients, des relations de vingt ans et une liste privée de règles sur la façon de faire le travail, est plus difficile à copier qu'il n'y paraît. La troisième objection est qu'il s'agit d'activités réglementées et à fort enjeu, où un humain doit tout vérifier, donc sans économie. Il y en a une : vérifier un projet prend bien moins de temps que de le produire à partir de zéro.

L'objection que l'intervenant prend le plus au sérieux est que les gens détestent le changement et que le personnel partira. Certains partiront, et c'est pourquoi rien de visible ne change pour les clients pendant les premiers trente jours, pourquoi les agents tournent en arrière-plan avant de toucher quoi que ce soit de réel, et pourquoi la personne qui connaît tous les clients devient directrice générale avec une vraie part du capital. La dernière objection est que voilà un joli mot pour dire « licenciements ». Sa réponse est que les rôles passent de la réalisation à la vérification et que chaque personne gère plus de clients, et il évite soigneusement d'affirmer le contraire : certaines personnes ne réussiront pas cette transition, et il s'attend à ce que certains de ces postes disparaissent. Il conclut qu'il y a des risques réels, mais qu'aucun n'a changé la taille de l'opportunité qu'il voit.