For years, enterprise software gave the illusion of a rational order: one category, one leader, one budget, one buyer. Today, that order is collapsing before our eyes, replaced by a series of acquisitions that deliberately blur historical boundaries. Snowflake talks observability, ServiceNow talks cybersecurity, Salesforce talks data infrastructure, Palo Alto Networks talks monitoring. And the rest of us poor mortals thought all of this was just opportunistic drift or a simple revenue chase. How naive we were. It is in fact the sign of a far deeper mutation: the shift from a product market to a market of power positions. A breakdown.

The era where every vendor “stayed in their lane” is over

Ten years ago, the landscape was legible. So clear as crystal that everyone stayed in their lane and everyone understood what the others were doing. Snowflake and Databricks did data platforms. ServiceNow managed tickets (yes, that’s reductive, but you follow me). Salesforce managed CRM. Palo Alto Networks did security. Elastic did search. Each category had its leaders, its analysts, its budgets and its buyers. Everyone claimed to sit in the top right of some Gartner Magic Quadrant that came from God knows where, sometimes. You bought the “best tool” for a precise function, then stacked the bricks and moved on.

Today, that map is terribly obsolete. We see Snowflake in discussions to acquire Observe for approximately one billion dollars, planting a foot in observability. We see Palo Alto Networks announce the acquisition of Chronosphere for 3.35 billion dollars, explicitly assuming entry into an “observability” layer that would once have been considered out of scope for a cyber player. We see ServiceNow announce the acquisition of Armis for 7.75 billion dollars, with a “security exposure + workflows” logic that far overflows its historical ITSM territory. And we see Salesforce sign and then finalize the acquisition of Informatica at around 8 billion dollars, to lock in the data management and governance that fuels its AI ambitions.

This could all be told as simple “platform consolidation.” That would be true… and insufficient. The real logic is deeper, colder, more political.

Abonnez-vous maintenant

First logic: best-of-breed didn’t fail technically, it failed humanly

The best-of-breed promise rested on a fantasy: organizations capable of rationally managing growing complexity. In reality, stacking 30 to 60 critical tools doesn’t just add up licenses. It adds up integrations, blurry responsibilities, cross-functional committees, governance friction, data duplication, metric divergences, and gaps in security coverage. A disaster. At first, it’s manageable. Then the organization slows. Then it exhausts itself. And the day a serious incident hits, everyone discovers that “everyone” was responsible for nothing.

I remember a CIO I met six or seven years ago who showed me a map of all his cybersecurity tools: lights blinking everywhere, and he himself couldn’t make sense of it anymore. But it reassured him to have picked “the best” each time. At the end of the day, it was his teams who dealt with it. It’s the same everywhere.

That’s where the buying criterion shifts. You’re no longer looking for “the best product,” you’re looking for “the biggest complexity vacuum.” In other words, a player capable of offering a more unified framework, clearer accountability, more native integration, and above all a governance model that’s simpler to sell internally. That is exactly what all these software vendors now sell: less a feature, more a reduction of organizational friction. And in a period of budget constraints, friction becomes a cost as real as any invoice. In the end, everyone will end up with the same sales pitch everywhere, regardless of the vendor.

Second logic: observability becomes central because it captures operational truth

Why does observability attract everyone, to the point where a data platform finds itself eyeing an app monitoring company, and a cyber giant buys an observability platform? Because observability is not an “ops” byproduct. It’s the place where reality catches up with storytelling.

Logs, metrics, traces, incident signals, and now the behaviors of AI workloads, tell you what’s actually happening. Not what was promised. Not what’s in the PowerPoint. Not what’s “supposed” to be stable. That signal is rare: it’s real-time, transversal, hard to manipulate, and directly correlated to customer experience, availability, and risk.

Whoever controls this layer controls the executive narrative: what is critical, what is breaking, what costs money, what creates risk, what must be prioritized. Datadog became enormously powerful not just because it “collects logs,” but because it serves as the daily cockpit for teams who no longer have time to interpret twenty systems. That is exactly the cockpit that other platforms don’t want to leave in the hands of a third party. When Snowflake discusses Observe, the issue isn’t “adding a feature.” The issue is avoiding relegation to an invisible backend layer while another player becomes the control tower.

Palo Alto Networks, by buying Chronosphere, says the same thing in a different grammar: modern security is no longer just a matter of perimeters, it’s a matter of signals and real-time understanding of systems. And those signals live precisely in observability.

Abonnez-vous maintenant

Third logic: the war isn’t to expand TAM, it’s to avoid commoditization

The “we’re expanding our TAM” argument is convenient. It justifies everything. Maybe even anything and everything. But the real engine is often defensive: avoid becoming a commodity in someone else’s stack.

The Elastic example is instructive because it is brutal. For years, Elastic was a foundational component. Used everywhere, technically respected, omnipresent even. And yet, platforms like Datadog built a layer on top, captured the budget, captured daily usage, and captured disproportionate economic value relative to the underlying component. The lesson the market absorbed is simple: being “the engine” no longer guarantees capturing the rent. The rent is in the cockpit, in the experience, in governance, in pricing, in the ability to become the standard. And everyone has understood that and wants to carve a path from the reactors to the cockpit.

That is exactly what Salesforce wanted to secure with Informatica: data is not just fuel, it’s a matter of quality, cataloging, lineage, governance - therefore a matter of trust. And AI inside Salesforce has no chance at scale if the data foundation is unstable or fragmented. So it was missing a serious enterprise-grade data tool like Informatica to do the job. Same logic on the ServiceNow side: the enterprise no longer wants one system for tickets and another system that “sees” cyber exposure. It wants a pipeline where you see, prioritize, orchestrate, and execute. Armis brings precisely a real-time visibility into an attack surface that overflows the traditional information system, and ServiceNow brings the workflow engine.

In other words, this is not joyful expansion. It is rational fear: if I remain “a brick,” someone else will build the interface, and I will become negotiable. If I’ve learned one thing over the years watching M&A, it’s that at the end of the day, many companies act out of fear of being sidelined, of missing a wave, of being caught by more aggressive players. Kill before being killed.

Fourth logic: AI doesn’t create the movement, it makes it mandatory

AI is often presented as the cause. In reality, it acts as a brutal accelerator. Companies already struggle to operate distributed systems. They already struggle to govern data. They additionally struggle to secure an expanding attack surface. AI adds a layer of requirement: more data, more pipelines, more monitoring, more controls, more auditability, more “strange” incidents - models drifting, costs exploding, non-deterministic behaviors.

In short, you see where this is going. In this context, a fragmented stack becomes nothing more than a risk multiplier. Platforms therefore promise something very attractive to a decision-maker: less stitching, more integration, more control, clearer accountability. That’s why ServiceNow talks about unifying the ability to “see, decide, and act” on the attack surface, and why the transaction is explicitly justified by AI and rising risk. And this is not marketing poetry: it’s a response to a systemic constraint. And they are right to move in this direction.

Abonnez-vous maintenant

What these acquisitions are really saying: a recentralization of software power

Strip away the press releases, and one dynamic remains: vendors want to become control planes. Not in the sense of “broader product,” but in the sense of “center of gravity for decision-making.”

Across every major domain, the same power architecture is emerging.

First, a real-time truth layer (observability, asset visibility, telemetry, events). Then, a governance and trust layer (quality, lineage, compliance, policies). Then, an orchestration layer (workflows, remediation, automation). And finally, an internal distribution layer - being the tool opened every day by the right teams, with an expandable budget.

The winner? The one who links these layers without friction and establishes itself as the single point of entry. The one-stop shop to manage everything without wasting energy running in all directions. That’s why these movements give the impression that “everything converges toward everything.” This is not executive whim. It’s a battle to capture the center. Nothing more, nothing less.

The consequence for buyers: fewer vendors, but more dependency

Consolidation reduces integration pain, but it increases dependency on a handful of platforms. Companies will likely gain in execution speed on certain projects. That’s nearly certain. They will also lose part of their ability to freely arbitrate between components, because platforms will play bundling, conditional discounts, integrated roadmaps, and sometimes subtle lock-ins. Where a few players (the hyperscalers) were champions at this, now hypergrowth vendors are building their own version of the same story. Isn’t that just the logical order of things in the end?

The paradox (and put that way it’s almost funny) is that everyone will keep talking about “openness” and “ecosystem” and “agnosticity,” while building increasingly walled gardens. This is not necessarily immoral. It’s simply the normal functioning of a market where value shifts toward central positions.

Abonnez-vous maintenant

The consequence for vendors: product excellence is no longer enough, you need a position

In this new world, being the best in a micro-category remains useful, but becomes fragile if you don’t control part of the cockpit. You can be integrated, resold, or bypassed. You can also become a commodity whose price gets compressed. And therefore your growth ends up limited.

The strategic question is no longer “are we technically number one?” Being the Gartner MQ leader in a domain is very good. But it’s just the baseline - congratulations, thank you, and have a good day sir. The real question to ask now is: “are we indispensable in the chain of decision and execution?” That goes even further than the “must-have product” when you really think about it. That’s why the deals cited seem logical despite their “out-of-category” nature. They don’t respond to a category logic. They respond to a gravity logic.

In short… it’s not chaos, it’s a new power map

The previous decade was the golden age of categories. The decade now opening is the golden age of platforms that control signal, governance, and orchestration. Observability becomes a conquest terrain because it captures operational truth. Data management becomes central because it conditions trust in AI. Cybersecurity overflows everywhere because the attack surface is now everywhere. And vendors converge because they all want the same thing: not to be a replaceable brick.

Those who continue to think “product” while ignoring “position” will get eaten - slowly, cleanly, and sometimes with a press release that talks about “synergies.”

The most revealing signal may actually come from the data platforms themselves. Databricks launched Genie, then Genie Code in early 2026 - a conversational AI layer that lets any business user query data, build pipelines, and deploy dashboards without touching a single line of code. Snowflake responded with Intelligence, then Project SnowWork on March 2026 - a platform that lets executives run complex workflows from a simple prompt. Two companies historically invisible to the C-suite, now racing to become its daily interface. The backend wants to become the cockpit. The engine wants to become the steering wheel. And if that doesn't illustrate the power logic described in this article, nothing will.

And to close, the words of Adrien Damez-Fontaine, Digital & Tech Talent Agent at Lincoln Singapore: “What we see very clearly in the market is that companies are losing interest in ‘pure’ technical experts. They are looking for profiles capable of understanding business stakes, working with business teams, and adapting to technologies that evolve constantly.”

It all makes sense now !

Laissez un commentaire.

Depuis presque deux ans, le débat sur l’IA et l’emploi tourne presque à l’obsession. Chaque semaine, un CEO, un fonds ou un chercheur annonce soit une vague massive de destructions d’emplois, soit au contraire une nouvelle ère de prospérité. D’un côté, les scénarios catastrophes : cols blancs remplacés, chômage de masse, fin du travail tel qu’on le connaît et tout ce qui s’en suit. De l’autre, les héritiers de Schumpeter, qui rappellent que chaque révolution technologique détruit des métiers… pour en créer de nouveaux, souvent plus qualifiés et probablement mieux payés. Entre ces deux visions, le débat devient presque idéologique. Le problème, c’est qu’il repose souvent sur des intuitions, rarement sur des faits stabilisés. Ou plus récemment sur des études faites par des acteurs comme Anthropic (mais que faire d’une étude sur l’IA faite par des leaders de l’IA ?). Et pendant que tout le monde projette ses convictions sur l’avenir, une transformation beaucoup plus complexe (et beaucoup moins visible) est déjà en train de se produire… sous nos yeux.

Abonnez-vous maintenant

Une fiction qui fait trembler des milliards

Ces dernières semaines, un objet un peu étrange a circulé dans les cercles financiers, sans passer par les canaux habituels. Pas une note de banque d’affaires, pas une étude académique, pas un rapport institutionnel. Un simple texte publié sur Substack par Citrini Research. Une fiction, écrite comme un mémo envoyé depuis le futur, daté de juin 2028. Le document raconte un scénario dans lequel l’IA aurait progressivement détruit une partie du travail intellectuel, entraîné une chute de la consommation, puis une correction brutale des marchés financiers. Rien n’y est prouvé, tout est hypothétique. Et pourtant, le texte a été suffisamment crédible pour déclencher des réactions bien réelles : volatilité accrue sur certaines valeurs tech, discussions en salle de marché, inquiétudes relayées dans des cercles d’investisseurs. Ce phénomène est en lui-même révélateur. Il montre que l’IA n’est plus perçue comme une innovation parmi d’autres, mais comme une variable systémique difficile à modéliser. Et quand un simple récit suffit à faire bouger des milliards, c’est que le marché n’a plus de grille de lecture stable. Le marché devient presque émotif, réagissant instantanément à chaque nouveauté de l’IA. Mais sur le long terme ça donne quoi ?

Le narratif “IA = licenciements” est en grande partie une construction

Ce flou est amplifié par un narratif dominant devenu presque caricatural : “l’IA détruit les emplois”. Dans les faits, la situation est beaucoup plus ambiguë. Les vagues de licenciements observées depuis deux ans dans la tech américaine sont systématiquement associées à l’automatisation et à l’IA. Mais une lecture plus froide montre autre chose. Une partie importante de ces réductions d’effectifs relève de cycles économiques classiques : sur-embauches post-Covid, correction des coûts, pression des investisseurs sur la rentabilité. Si certains géants ont de vraies stratégies basées sur l’IA, la majorité se sont contentés d’ajouter “AI” dans leurs pitchs de vente et ça ne va pas beaucoup plus loin. Pour beaucoup, l’IA sert alors de justification stratégique, presque d’alibi dans pas mal de cas. C’est la seule raison de licencier qui fait monter un cours de bourse. Annoncer que l’on remplace des équipes par de l’IA envoie un signal de modernisation, de discipline financière et de projection vers le futur. Le problème, c’est que ce narratif brouille complètement la lecture du réel. Impossible de savoir quelle part des suppressions de postes relève d’une transformation structurelle et quelle part relève d’un simple ajustement conjoncturel. Et dans un environnement où tout le monde prend des décisions sur la base d’anticipations, ce brouillage devient dangereux.

Abonnez-vous maintenant

Le paradoxe Klarna : moins d’humains, mais beaucoup plus chers

Le cas de Klarna est particulièrement intéressant parce qu’il met en lumière un angle mort du discours actuel. J’en avais parlé dans plusieurs de mes articles précédents. L’entreprise a communiqué massivement sur sa capacité à automatiser son service client grâce à l’IA, avec un équivalent annoncé de plusieurs centaines d’agents remplacés. Sur le papier, c’est exactement ce que recherchent les directions financières : moins de coûts, plus de productivité, meilleure scalabilité. Les premiers indicateurs semblaient valider la stratégie, avec une croissance du chiffre d’affaires et une forte augmentation du revenu par employé. Mais très vite, un problème est apparu : la qualité du service s’est dégradée. Et dans un business où l’expérience client est directement corrélée à la confiance et à la rétention, cela a un coût immédiat. L’entreprise a dû réintroduire de l’humain, corriger ses process, absorber des coûts supplémentaires. Mais le point le plus intéressant est ailleurs. La masse salariale n’a pas disparu. Elle s’est concentrée. Moins d’employés, mais mieux payés, plus critiques, plus difficiles à remplacer. Si vous avez lu “No rules Rules” de Reed Hastings, vous comprenez probablement la logique. En fait, l’IA ne réduit pas le coût du travail, elle le redistribue. Elle crée des organisations où la dépendance à certains profils (des top profils, performants sans IA et ultra-performants quand ils utilisent l’IA) devient extrême. Et plus cette dépendance augmente, plus le système devient fragile.

Le vrai danger : une économie qui ne s’effondre pas… mais qui s’appauvrit

Ce phénomène s’observe aussi à l’échelle macroéconomique, mais de manière beaucoup plus insidieuse. Contrairement aux scénarios catastrophes, il est peu probable que l’IA provoque un effondrement brutal du marché du travail. Les économies modernes sont capables d’absorber des chocs importants. En revanche, un phénomène beaucoup plus discret est en train d’émerger : le déclassement progressif d’une partie de la population active. Les données américaines donnent un aperçu de cette dynamique. Aux USA, le taux de chômage reste relativement stable, avec ou sans IA, ce qui donne l’impression que tout va bien et que l’IA n’a pas eu d’impact négatif. Mais dans le même temps, certains segments, notamment les jeunes profils qualifiés, voient leurs opportunités se réduire. Ces travailleurs ne disparaissent pas des statistiques. Ils se repositionnent, souvent sur des emplois moins rémunérés. Et c’est là que le problème devient systémique. Le marché du travail continue de fonctionner, mais il produit moins de valeur. Or, dans des économies où une large partie des recettes fiscales repose sur les revenus du travail, cette baisse de valeur aura un impact direct sur les finances publiques. C’est une crise qui ne se voit pas immédiatement, parce qu’elle ne passe pas par une explosion du chômage, mais par une érosion progressive des revenus. Peut-être devrait-on réinventer tout notre modèle économique de A à Z.

Abonnez-vous maintenant

Le recrutement, premier secteur à se faire disrupter en silence

Certaines industries donnent déjà un aperçu très concret de cette transformation. Je parle souvent du marché de la tech mais il n’est pas unique. Le recrutement en est un autre bon exemple. Des acteurs comme Adecco, Randstad ou ManpowerGroup ont construit leur modèle sur des activités largement standardisées : tri de CV, qualification, mise en relation. Pendant des années, cette intermédiation avait de la valeur parce qu’elle reposait sur du temps humain. Les entreprises déléguaient la recherche de candidats à des personnes qui vendaient leur temps et leur énergie pour ça. Aujourd’hui, ces tâches peuvent être exécutées par des agents IA en quelques secondes, avec un niveau de performance suffisant pour remettre en question le modèle économique. Ce qui disparaît, ce n’est pas le besoin de recruter, mais la valeur de l’intermédiation basique. Les acteurs capables de survivre seront ceux qui montent en gamme : compréhension fine des besoins organisationnels, accompagnement stratégique, capacité à auditer et certifier des systèmes de recrutement automatisés dans un cadre réglementaire de plus en plus strict. Voilà pourquoi on dit souvent que l’IA est capable de cracher du code mais désormais, les développeurs vont devoir faire évoluer leur métier, mieux comprendre les besoins métiers et les traduire, encadrer l’IA etc. Les autres risquent de devenir rapidement interchangeables, voire inutiles.

Les marchés face à un problème qu’ils ne savent pas pricer

Le point commun entre tous ces signaux (fiction virale, licenciements, expérimentations ratées, transformation sectorielle) est simple. En fait, personne ne comprend vraiment ce qui est en train de se passer. C’est tout simplement inédit, même si l’Histoire nous a montré des révolutions dans la façon de travailler. Les marchés financiers fonctionnent sur des narratifs relativement simples : croissance, productivité, disruption. L’IA casse ces catégories. Elle est à la fois un levier d’efficacité et une source de déséquilibre, un moteur de croissance et aussi un facteur de fragmentation sociale. Et surtout, elle évolue trop vite pour être correctement intégrée dans des modèles économiques classiques. C’est précisément cette incertitude qui crée la volatilité actuelle. Le vrai sujet n’est pas de savoir si l’IA va détruire ou créer des emplois. Le vrai sujet est que personne ne sait à quelle vitesse, dans quelles proportions, ni avec quelles conséquences secondaires. Et dans un système où les valorisations reposent largement sur l’anticipation, cette absence de visibilité devient en elle-même un risque majeur.

Abonnez-vous maintenant

Bref…

Dans ce contexte, chercher des certitudes est une erreur stratégique.
Première règle : miser sur l’adaptabilité plutôt que sur un métier - développez des compétences transférables, pas des tâches répétables. Ce qui est répétable sans intelligence humaine est plus facilement automatisable.
Deuxième règle : rapprochez-vous de la création de valeur (vente, décision, stratégie, relation client), pas de son exécution. Rien ne remplacera la confiance, l’humain, etc.
Troisième règle : apprenez à utiliser l’IA mieux que les autres, sinon vous serez mis en concurrence avec elle. L’IA ce n’est pas juste ChatGPT.
Quatrième règle : diversifiez vos sources de revenus et de compétences - la stabilité linéaire devient un mythe. Vous avez beau avoir 10 ans d’expérience ou être le meilleur de votre job, l’entreprise qui vous emploie obéit à des logiques financières et peut très bien vous dégager du jour au lendemain (j’ai moi-même vu de nombreux top performers se faire virer sans raison réelle).
Enfin, gardez une lecture froide du marché : ceux qui gagnent ne sont pas les plus optimistes ou pessimistes, mais les plus lucides.

Laissez un commentaire.

Dans le silence des rapports financiers, le paradigme de la tech "légère" vient (ou est en train) de s'effondrer. Alors que Wall Street panique face à la SaaSpocalypse et qu’Oracle restructure dans l’ombre, une réalité plus brutale émerge : la disruption ne sera pas une explosion, mais une contraction invisible. Entre l’effondrement des rentes logicielles et le retour de la tech comme industrie lourde, nous lisons tous les mauvais signaux. Voici l’analyse de ce qui est réellement en train de basculer.

L’effondrement des récits linéaires

Le mois de mars 2026 restera probablement dans les mémoires comme le moment où plusieurs narratifs dominants sur l’intelligence artificielle se sont effondrés simultanément. Ce n’est pas arrivé avec le fracas d’une explosion médiatique, mais dans le silence froid des chiffres publiés par des institutions dont le métier est la précision, pas le spectacle. Anthropic a sorti une étude de référence (voir schéma ci-dessous) sur l’impact réel de l’IA sur le marché du travail qui contredit les visions terriblement simplistes auxquels nous étions habitués. Wall Street a injecté un nouveau terme dans le lexique financier, la SaaSpocalypse, après qu’un seul outil spécialisé a vaporisé des centaines de milliards de dollars de capitalisation en quelques heures (le cours de bourse de plusieurs entreprises puissantes de la tech s’est effondré après l’arrivée de nouveaux outils d’IA en l’espace de quelques semaines). Pendant ce temps, Oracle préparerait le plus grand plan de licenciement de son histoire moderne, touchant entre 20 000 et 30 000 postes selon les analystes les plus proches du dossier.

Et pendant ce temps, un chiffre vient tempérer l’hystérie : 84% de l’humanité n’a toujours jamais utilisé un outil d’intelligence artificielle générative de sa vie. Oui, l’humanité ne se résume pas à quelques pays développés et ultra connectés. Ce que je veux dire, c’est que ces quatre réalités coexistent dans une tension permanente. Mais elles ne se contredisent pas mutuellement. Elles racontent en fait la même histoire, mais à des échelles de temps - et de perception - différentes. Le problème actuel est que la plupart des professionnels de la technologie, même les plus aguerris, lisent tout simplement mal au moins deux de ces signaux, s’accrochant à une vision du monde qui a déjà cessé d’exister.

Abonnez-vous maintenant

La contraction silencieuse du marché du travail

Mais revenons sur l’étude Anthropic. Publiée au premier trimestre 2026, elle constitue l’une des rares analyses chirurgicales sur l’impact effectif de l’IA sur l’emploi. Ses conclusions sont inconfortables pour tout le monde. Pour les prophètes de l’apocalypse, le constat est nuancé : si l’IA peut théoriquement automatiser plus de 90% des tâches dans les filières de l’informatique pure et des mathématiques appliquées, l’usage observé sur le terrain ne couvre pour l’instant que 33% de ces tâches. L’écart entre la capacité technique brute et le déploiement opérationnel reste massif, freiné par l’inertie organisationnelle et la dette technique. Donc théoriquement, il est possible que l’IA nous remplace tous…mais ça prendra du temps car l’humain est lent et les organisations aussi. C’est la première fois que la lenteur de la société va nous faciliter les choses, c’est du jamais vu.

Cependant, pour ceux qui minimisent le phénomène, les données sont tout aussi inquiétantes. Les métiers les plus exposés, comme les programmeurs (75% des tâches automatisables) ou le service client (70%), n’affichent aucune hausse spectaculaire du chômage global. En revanche, le recrutement des jeunes diplômés de 22 à 25 ans dans ces filières a chuté d’environ 14% en un an. Ce que nous vivons n’est pas une vague de licenciements massifs, mais une contraction silencieuse des points d’entrée.

Le coût de formation d’un junior est devenu prohibitif face à un senior augmenté par l’IA qui peut désormais abattre le travail de trois personnes sans avoir besoin de mentorat. La disruption ne ressemble donc pas à la crise sanitaire de 2020, brutale et visible. Elle ressemble au choc de la mondialisation des années 2000 : une érosion graduelle des structures, dont on ne mesure les effets systémiques qu’avec une décennie de retard. C’est une transition de phase où les alarmes ne sonnent pas parce que la température monte degré par degré. Le fameux syndrome de la grenouille : plongez-la dans l’eau bouillante et elle s’échappe, mais chauffez l’eau degré par degré et elle finira par crever sans avoir jamais senti le besoin de sauter. L’IA représente la chaleur et nous pauvres humains sommes cette pauvre grenouille.

La SaaSpocalypse ou la fin des rentes de situation

En février 2026, le secteur du logiciel en tant que service (SaaS) a subi un séisme financier avec une perte de valeur estimée à 1 000 milliards de dollars. L’indice IGV a plongé de 25% en une semaine. Le terme SaaSpocalypse a été forgé par les analystes de Jefferies après qu’Anthropic a lancé un agent dédié aux juristes d’entreprise. Sans compter les outils de sécurisation du code avec Claude (toujours Anthropic), laissant le monde entier craindre que les géants de la cybersécurité (Okta, CrowdStrike, etc) sont finis à cause de ça. En une seule journée, Thomson Reuters a chuté de 16%, LegalZoom de 20% et CS Disco de 12%. La lecture rapide de cet événement est que l’IA remplace le logiciel. Je pense que c’est une erreur de diagnostic.

Ce que les marchés ont sanctionné, c’est la destruction des couches de distribution. Le fossé concurrentiel de Thomson Reuters ne résidait pas dans l’exclusivité de sa donnée juridique, mais dans la friction nécessaire pour y accéder et aussi pour l’exploiter. Ce monopole sur l’accès a disparu dès lors qu’un modèle de langage peut synthétiser, vérifier et citer des sources juridiques en quelques secondes sans passer par une interface propriétaire totalement hors de prix.

À l’opposé, Palantir affichait une croissance de 36% sur la même période. Pourquoi ? Parce que leur produit est si profondément ancré dans les processus opérationnels et les workflows critiques que les coûts de migration ne se calculent pas en dollars, mais en mois de réorganisation humaine. Salesforce, de son côté, tente la fuite en avant avec ses 29 000 contrats Agentforce, transformant ses clients captifs en utilisateurs de ses propres agents autonomes. La question pour tout dirigeant de SaaS n’est plus la richesse de sa roadmap produit, mais surtout la solidité de son canal de distribution. Si une IA sortie de nulle part peut répliquer votre fonctionnalité principale en trois mois, ce qu’il vous reste à défendre est uniquement la relation de confiance et la friction positive installée chez votre client. Tout le reste est devenu une commodité périssable.

Abonnez-vous maintenant

Le retour à l’industrie lourde et la fin de l’asset-light

L’annonce probable de licenciements massifs chez Oracle, touchant potentiellement 30 000 employés, marque un tournant idéologique pour la Silicon Valley. Pendant deux décennies, la tech a été célébrée comme une industrie asset-light : peu de capital physique, des marges brutes flirtant avec les 80% et une scalabilité quasi infinie sans infrastructure lourde. Et aussi des développeurs et des professionnels de l’informatique intouchables, presque maîtres du monde et au sommet de la chaîne alimentaire. Mais l’IA générative vient de pulvériser ce modèle. Nous entrons dans l’ère de la tech comme industrie de transformation.

Les investissements massifs requis en data centers, en processeurs graphiques (GPU) et en infrastructures énergétiques transforment radicalement la structure de coûts du secteur. Les dépenses de capital (capex) explosent, forçant les entreprises à effectuer des arbitrages sanglants dans leurs dépenses de fonctionnement (opex). Pour financer les milliards de dollars de puces nécessaires à la survie technologique, les organisations compressent les fonctions perçues comme périphériques. Dit en français : on vire des gens pour économiser de l’argent (+ rassurer les actionnaires) et on reprend cet argent pour acheter de la GPU…pour faire fonctionner l’IA.

Ce n’est pas un paradoxe de voir une entreprise licencier alors que ses revenus sont au plus haut ; c’est la logique implacable d’un changement de cycle industriel. La technologie redevient une industrie d’infrastructures lourdes, avec ses dynamiques de consolidation, de barrières à l’entrée financières et de réorganisations brutales. Pour les salariés du secteur, cela signifie que les trajectoires de carrière ne sont plus garanties par la croissance globale, mais par la proximité avec ces nouveaux centres de coût stratégiques. En France, superbe pays qui a toujours 5 à 10 ans de retard par rapport au reste du monde, on ne comprend toujours pas le gouffre dans lequel on va plonger sur les années à venir. Nous entrons dans une véritable révolution de l’humanité et allons devoir repenser certaines choses.

L’érosion de la confiance et le duopole de la défense

La semaine où ChatGPT (fin février, début mars) a enregistré une chute vertigineuse de son image de marque, avec des désinstallations records et une dégradation massive des notes sur les stores, révèle une rupture profonde. L’accord d’OpenAI avec le Département de la Défense américain a été le catalyseur d’une crise de confiance majeure. Une partie des utilisateurs voyait dans l’IA un assistant universel et neutre ; ils découvrent une infrastructure potentiellement militaire. Cette fracture n’est pas qu’une question d’éthique, c’est un pivot stratégique vers le complexe militaro-industriel.

Pendant ce temps, Claude d’Anthropic a capté une part importante des déçus, progressant de 51% aux États-Unis. Est-ce qu’OpenAI va disparaître ? Impossible de le savoir, surtout quand on sait qu’ils ont refait une levée de 110 milliards de US$ dans la foulée…Mais pas impossible pour autant. L’histoire de la technologie est un cimetière de pionniers qui ont éduqué le marché avant d’être dévorés par leurs successeurs. Netscape a ouvert la voie au web avant de disparaître, MySpace a inventé le réseau social de masse pour laisser la place à Facebook. OpenAI dépense aujourd’hui près de trois dollars pour chaque dollar gagné, avec une consommation de trésorerie qui frôle les 17 milliards de dollars pour l’année 2026.

C’est un pari sur la domination totale par le déficit, une stratégie de terre brûlée financière qui ne tient que par la confiance des investisseurs et des utilisateurs. Si cette confiance s’évapore au profit d’un concurrent jugé plus stable ou moins compromis, le géant pourrait se retrouver face à une crise de liquidités sans précédent avant d’atteindre la rentabilité promise pour 2029.

Abonnez-vous maintenant

La prime à l’hypocrisie comme arme marketing

Dans un épisode récent du podcast Silicon Carne, Oussama Ammar a soulevé une thèse provocatrice mais analytiquement puissante : ce que nous voyons chez Anthropic est peut-être le coup marketing le plus cynique et brillant de la décennie. Dario Amodei se positionne depuis des mois (des années ?) comme le garant d’une IA encadrée, éthique et sécurisée, sans partenariat avec l’armée, multipliant les alertes sur les risques existentiels. Pourtant, sur le plan technique, plusieurs chercheurs affirment que les modèles de Claude sont parfois plus faciles à contourner que ceux de ChatGPT, dont les multiples couches de protection finissent par dégrader l’expérience utilisateur.

Ammar appelle cela la prime à l’hypocrisie. Je trouve cette réflexion intéressante. En tenant le discours du danger, Anthropic attire les meilleurs talents qui veulent travailler pour “la boîte des gentils”. C’est une stratégie de recrutement et de différenciation qui fonctionne parce qu’en fin de compte, l’humain est programmé pour accorder du crédit au discours le plus vertueux, même quand le produit final raconte une autre réalité technique. Dans une industrie qui brasse 2 000 milliards de dollars d’investissements, la distinction entre conviction éthique et positionnement de marché devient floue. La responsabilité est devenue une arme de guerre commerciale, une manière de verrouiller le marché par la régulation tout en construisant une image de marque inattaquable.

L’immensité du marché invisible

Pour conclure, il faut regarder le chiffre qui devrait hanter toutes nos certitudes : 84% de l’humanité n’a toujours pas touché à une IA. Les abonnés aux versions premium ne représentent qu’une infime fraction de la population mondiale, soit environ 0,3%. Ce constat ne minimise pas la révolution en cours, il en redéfinit le calendrier. Nous vivons dans une bulle de saturation médiatique où chaque mise à jour est vécue comme un événement historique, alors que la majorité des processus économiques mondiaux n’ont pas encore bougé d’un iota.

Patrick Collison, le CEO de Stripe, a récemment suggéré que le logiciel du futur devrait ressembler à une sorte de … pizza. En gros, un produit préparé sur mesure, à la demande, plutôt qu’une solution industrielle figée. Jusqu’ici, l’économie du SaaS reposait sur des coûts fixes amortis sur des millions d’utilisateurs identiques. Demain, avec des coûts d’inférence en baisse et une capacité de génération à la volée, le logiciel standardisé sera obsolète. L’avenir de la tech sera probablement la création de logiciels sur mesure, pour des utilisateurs n’étant pas forcément des cols blancs, avec un pricing basé sur la conso ou le succès de l’IA derrière votre logiciel. Qui vivra verra.

Mais c’est dans cet interstice que vont s’engouffrer les 84% restants. Ils n’utiliseront pas d’agents parce qu’ils sont passionnés par l’IA, mais parce que l’IA sera devenue l’interface invisible de tous leurs outils quotidiens. Cette seconde vague sera beaucoup moins spectaculaire que la première. Elle ne fera pas la une des journaux avec des démonstrations de chatbots bavards. Elle sera structurelle, silencieuse et irréversible. Le vrai choc n’est pas celui que nous commentons aujourd’hui ; c’est celui qui se prépare au moment où l’IA cessera d’être un sujet de discussion pour devenir une commodité aussi banale et invisible que l’électricité.

Laissez un commentaire.

Si vous êtes entrepreneur (ou futur entrepreneur) ou que vous pensez à investir dans du private equity, cet article est fait pour vous. Cessez de chercher des business angels ou des prêts BPI, il existe une nouvelle génération d’investisseurs silencieux à aller convaincre : les artistes et les athlètes. En France, cela commence tout doucement avec des noms comme Blaise Matuidi (Origins) ou Tony Parker (The Bitcoin Society) - qui pour l’instant se contentent de prêter leur nom et leur “branding” aux structures qu’ils représentent. Aux USA, les choses de ce type ont commencé il y a bien longtemps et ont permis à des start-up d’aller très loin. On regarde l’exemple de Chamillionnaire, dont vous avez probablement jamais entendu parler.

De la musique au capital-risque : une reconversion moins glamour qu’il n’y paraît

Chamillionaire (prononcez “Kai millionnaire”) est souvent présenté comme le rappeur américain ayant percé, puis disparu rapidement, puis devenu investisseur tech. En réalité, cette lecture est trop courte. Son parcours n’est pas celui d’un artiste “chanceux” ayant placé un chèque au bon moment, mais celui d’un individu qui a progressivement déplacé son centre de gravité intellectuel. Après avoir connu le succès dans la musique, Chamillionaire se retrouve très tôt confronté à une réalité que beaucoup d’artistes découvrent trop tard : les revenus créatifs sont volatils, cycliques et fortement dépendants de tendances qu’on ne contrôle pas. Contrairement à d’autres, il ne cherche pas à compenser cette instabilité par plus de visibilité ou plus de projets artistiques, mais par une compréhension plus profonde des mécanismes de création de richesse à long terme (c’est ce que vous devriez faire). Curieux de nature, il s’intéresse d’abord aux entrepreneurs qu’il croise, aux modèles économiques derrière les plateformes qu’il utilise, puis aux logiques d’investissement qui permettent à certains acteurs de capter une valeur disproportionnée sans être au premier plan.

Son premier investissement marquant, Maker Studios, revendu ensuite à Disney, n’est donc pas juste un coup de poker. C’est un déclencheur cognitif. Il réalise que ce n’est pas le travail opérationnel qui génère l’essentiel de la valeur dans la tech, mais le positionnement en amont, au moment où le risque est encore mal pricé (donc en Seed ou Série A bien souvent). Il découvre alors une asymétrie fondamentale : dans les écosystèmes technologiques, une minorité de décisions produit l’écrasante majorité des rendements, tandis que le reste du bruit disparaît. Ce moment marque un basculement durable : Chamillionaire cesse de penser en termes de carrière linéaire et commence à raisonner en termes de systèmes, de probabilités et de portefeuilles - une grille de lecture qui structurera toute sa trajectoire d’investisseur par la suite.

Plutôt que de s’arrêter à cet exit, il choisit de comprendre le système. Son passage comme Entrepreneur in Residence chez Upfront Ventures est clé. Il observe le fonctionnement réel du venture capital : le tri du dealflow, la mécanique des comités d’investissement, la lecture froide des cap tables, la brutalité des décisions quand les chiffres ne suivent pas. Là où beaucoup d’angels opèrent à l’instinct ou à l’émotion, Chamillionaire internalise une règle simple : investir n’est pas une affaire de flair, mais de structure. Cette phase de formation est déterminante. Elle explique pourquoi, plus tard, son portefeuille ressemblera davantage à une construction probabiliste qu’à une collection de paris émotionnels.

Abonnez-vous maintenant

Plus de 60 deals : quand la quantité devient une stratégie, pas une faiblesse

Chamillionaire revendique plus de soixante investissements dans des startups technologiques, majoritairement en early-stage. Ce chiffre n’est pas un détail, c’est le cœur de la stratégie. Contrairement à l’imaginaire populaire, multiplier les deals n’est pas une dispersion irresponsable, mais une manière rationnelle d’augmenter la probabilité de rencontrer des “outliers”. Maker Studios, Lyft, Ring ou Cruise ne sont pas la norme de son portefeuille ; ils en sont les anomalies positives. Et ce sont précisément ces anomalies qui font tout le rendement.

Cette logique fait directement écho aux thèses développées dans The Psychology of Money (si vous ne l’avez pas lu, allez l’acheter, il est top). Morgan Housel y explique que la majorité des performances financières provient d’un nombre infime de décisions. Le reste du portefeuille est souvent médiocre, parfois perdant, mais statistiquement…nécessaire. Chamillionaire applique ce principe avec rigueur : petits tickets, beaucoup de paris, et une acceptation totale du fait que la plupart n’iront nulle part. Et cela permet d’éviter deux pièges classiques : la surconfiance après un succès, et la paralysie après un échec.

Early-stage, valorisations contenues et fin des illusions de croissance infinie

L’autre point clé de sa thèse d’investissement réside dans le stade et les conditions d’entrée. Chamillionaire privilégie les tours Seed et Series A, avec des valorisations qu’il juge encore compatibles avec une création de valeur réelle. Il évite les pré-seed trop flous et les sociétés déjà survalorisées, non par conservatisme, mais par calcul. Une valorisation trop élevée réduit mécaniquement l’upside et augmente la dépendance à des scénarios de croissance agressifs. Or, l’histoire récente de la tech a démontré les limites du “growth at all costs”.

Cette approche résonne particulièrement avec la tech post-2022 et les perspectives 2026. La liquidité n’est plus gratuite, les tours se raréfient, et les investisseurs exigent des trajectoires crédibles vers la rentabilité (il était temps). Dans ce contexte, la discipline de Chamillionaire apparaît presque en avance sur son temps. Il cherche des fondateurs capables de construire un produit utile, de résister aux cycles et de s’adapter, plutôt que de simplement optimiser une narration pour lever le tour suivant. Pour les entrepreneurs, le message est clair : la qualité de l’exécution redevient plus importante que la capacité à lever vite et cher.

Abonnez-vous maintenant

Smart money ou capital inutile : une distinction de plus en plus brutale

Chamillionaire insiste régulièrement sur un point que beaucoup de fondateurs découvrent trop tard : tous les investisseurs ne se valent pas. Le capital seul est devenu une commodité. Ce qui fait la différence, c’est l’utilité réelle sur la cap table. Lui se positionne explicitement comme du “smart money”. Non pas par posture, mais par construction. Il apporte de la visibilité, de la distribution, de la crédibilité, et surtout la capacité à mobiliser un réseau d’autres investisseurs, artistes et figures publiques.

Cette capacité à syndiquer les deals crée un effet de levier rarement quantifié. Dans un monde saturé de produits, l’accès à l’attention et à la confiance devient un avantage compétitif majeur. Chamillionaire transforme son personal brand en actif économique au service des startups. Pour les fondateurs, cela pose une question stratégique : lever auprès de qui, et pour quoi faire ? À l’ère de la rareté du capital, la valeur ajoutée non financière d’un investisseur devient un critère de sélection aussi important que le montant du chèque.

Diversité, biais du capital-risque et opportunités sous-exploitées

Enfin, son engagement en faveur des fondateurs noirs et sous-représentés, notamment via Access 12, ne relève pas uniquement d’un combat social. Il s’agit aussi d’une lecture froide des inefficiences du marché. Je pense que quand moins de 2 % du capital-risque est alloué à certains profils, le problème n’est pas seulement moral ; il est économique. Des marchés entiers sont sous-financés, mal compris et donc sous-exploités. Nous avons le même problème ici en Europe.

Chamillionaire utilise sa position pour corriger partiellement ce biais, en pariant sur des fondateurs et des usages que les circuits traditionnels ignorent. À long terme, cette approche pourrait s’avérer extrêmement performante. L’histoire de la tech montre à plusieurs reprises que les grandes vagues d’innovation émergent souvent en marge, là où les investisseurs institutionnels regardent peu. Dans un monde tech de plus en plus compétitif et normalisé, la capacité à sourcer différemment devient un avantage stratégique.

Bref…

En 2025, on estimait que la fortune de Chamillionaire était entre 30 et 50 millions de dollars (je doute qu’il ait envie que le fisc connaisse le montant exact). Mais au final, ce n’est pas un modèle parce qu’il a réussi quelques exits spectaculaires. On s’en fout de ça. Il est intéressant parce qu’il incarne une vérité inconfortable pour la tech : la performance durable ne repose ni sur le génie, ni sur la prédiction, mais sur la discipline, la gestion du risque et la capacité à durer. Dans un marché qui sort de l’excès, son parcours agit comme un rappel brutal : ceux qui survivront au prochain cycle ne seront pas les plus bruyants, mais les mieux structurés.

Laissez un commentaire.

Pendant des années, le logiciel d’entreprise a donné l’illusion d’un ordre rationnel : une catégorie, un leader, un budget, un acheteur. Aujourd’hui, cet ordre s’effondre sous nos yeux, remplacé par une série d’acquisitions qui brouillent volontairement les frontières historiques. Snowflake parle observabilité, ServiceNow parle cybersécurité, Salesforce parle data infrastructure, Palo Alto Networks parle monitoring. Et nous autres pauvres mortels qui pensions que tout cela n’était qu’une dérive opportuniste ou une simple course au chiffre d’affaires. Que nous étions naïfs. C’est en fait le signe d’une mutation beaucoup plus profonde : le passage d’un marché de produits à un marché de positions de pouvoir. Décryptage.

L’époque où chaque éditeur “restait à sa place” est terminée

Il y a dix ans, l’univers était lisible. Tellement clair comme de l’eau de roche que tout le monde restait à sa place et chacun comprenait ce que les autres faisaient. Snowflake et Databricks faisaient de la data platform. ServiceNow gérait des tickets (oui, c’est réducteur mais vous m’avez suivi). Salesforce gérait le CRM. Palo Alto Networks faisait de la sécu. Elastic faisait du search. Chaque catégorie avait ses leaders, ses analystes, ses budgets et ses acheteurs. Chacun clamait qu’il était en haut à droite d’un énième Magic Quadrant du Gartner sorti d’on ne sait où, parfois. On achetait un “meilleur outil” pour une fonction précise, puis on se contentait d’empiler les briques.

Aujourd’hui, cette carte est terriblement obsolète. On voit Snowflake en discussions pour racheter Observe pour environ 1 milliard de dollars et mettre un pied dans l’observabilité. (The Information). On voit Palo Alto Networks annoncer l’acquisition de Chronosphere pour 3,35 milliards de dollars, en assumant explicitement l’entrée dans une couche “observability” qu’on aurait autrefois jugée hors-périmètre pour un acteur cyber. (Palo Alto Networks). On voit ServiceNow annoncer l’acquisition d’Armis pour 7,75 milliards de dollars, avec une logique “security exposure + workflows” qui déborde largement l’ITSM historique. (ServiceNow Investor Relations). Et on voit Salesforce signer puis finaliser l’acquisition d’Informatica autour de 8 milliards de dollars, pour verrouiller la data management/gouvernance qui alimente ses ambitions IA. (Salesforce)

On pourrait raconter tout ça comme une simple “consolidation de plateformes”. Ce serait vrai… et insuffisant. La vraie logique est plus profonde, plus froide, plus politique.

Abonnez-vous maintenant

Première logique : le best-of-breed n’a pas échoué techniquement, il a échoué humainement

La promesse best-of-breed reposait sur un fantasme : des organisations capables de gérer rationnellement une complexité croissante. Dans la réalité, empiler 30 à 60 outils critiques n’additionne pas seulement des licences. Cela additionne des intégrations, des responsabilités floues, des comités transverses, des frictions de gouvernance, des doublons de données, des divergences de métriques, des trous dans la raquette sécurité. Une catastrophe. Au début, c’est supportable. Puis l’organisation ralentit. Puis elle s’épuise. Et le jour où un incident sérieux arrive, tout le monde découvre que “tout le monde” n’était responsable de rien. Je me rappelle d’un DSI que j’avais rencontré il y a 6 ou 7 ans et qui me montrait une map de tous ses outils de cybersécurité : ça clignotait de partout mais lui-même n’y comprenait plus rien. Mais ça le rassurait d’avoir pris “les meilleurs à chaque fois”. Et au fond c’était ses équipes qui gérait. C’est pareil partout.

C’est là que le critère d’achat change. On ne cherche plus “le meilleur produit”, on cherche “le plus gros aspirateur de complexité”. Autrement dit, un acteur capable de proposer un cadre plus unifié, une responsabilité plus claire, une intégration plus native, et surtout une gouvernance plus simple à vendre en interne. C’est exactement ce que vendent désormais tous ces éditeurs : moins une feature, plus une réduction de friction organisationnelle. Et, en période de contraintes budgétaires, la friction devient un coût aussi réel qu’une facture. En fin de compte, on finira par avoir les mêmes pitch de vente partout, quel que soit l’éditeur.

Deuxième logique : l’observabilité devient centrale parce qu’elle capture la vérité opérationnelle

Pourquoi l’observabilité attire tout le monde, au point qu’un data platform se retrouve à regarder une boîte d’app monitoring et qu’un géant cyber achète une plateforme d’observabilité ? Parce que l’observabilité n’est pas un sous-produit “ops”. C’est le lieu où la réalité rattrape le storytelling.

Les logs, métriques, traces, signaux d’incidents, et maintenant les comportements des workloads IA, racontent ce qui se passe vraiment. Pas ce qui a été promis. Pas ce qui est dans le PowerPoint. Pas ce qui est “supposé” être stable. Ce signal-là est rare : il est temps réel, transversal, difficile à manipuler, et directement corrélé à l’expérience client, à la disponibilité, et au risque.

Celui qui contrôle cette couche contrôle la narration exécutive : qu’est-ce qui est critique, ce qui casse, ce qui coûte, ce qui crée du risque, ce qui doit être priorisé. Datadog est devenu extrêmement puissant non seulement parce qu’il “collecte des logs”, mais parce qu’il sert de cockpit quotidien à des équipes qui n’ont plus le temps d’interpréter vingt systèmes. C’est exactement ce cockpit que d’autres plateformes ne veulent pas laisser à un tiers. Quand Snowflake discute avec Observe, l’enjeu n’est pas “d’ajouter une feature”. L’enjeu est d’éviter d’être relégué à une couche backend invisible pendant qu’un autre acteur devient la tour de contrôle.

Palo Alto, en achetant Chronosphere, dit la même chose avec une autre grammaire : la sécurité moderne n’est plus seulement une affaire de périmètres, c’est une affaire de signaux et de compréhension temps réel des systèmes. Et ces signaux vivent précisément dans l’observabilité. (Palo Alto Networks)

Abonnez-vous maintenant

Troisième logique : la guerre n’est pas d’élargir le TAM, elle est d’éviter la commoditisation

L’argument “on élargit notre TAM” (total adressable market) est pratique. Il justifie tout. Peut-être même tout et n’importe quoi. Mais le moteur réel est souvent défensif : ne pas devenir une commodité dans la stack de quelqu’un d’autre.

L’exemple Elastic est instructif parce qu’il est cruel. Pendant des années, Elastic a été un composant fondamental. Utilisé partout, respecté techniquement, omniprésent même. Et pourtant, des plateformes comme Datadog ont construit une couche au-dessus, ont capté le budget, ont capté l’usage quotidien, et ont capté une valeur économique disproportionnée par rapport au composant sous-jacent. La leçon que le marché a intégrée est simple : être “le moteur” ne garantit plus de capturer la rente. La rente est dans le cockpit, dans l’expérience, dans la gouvernance, dans le pricing, dans la capacité à devenir le standard. Et ça, tout le monde l’a compris et veut se frayer un chemin pour aller des réacteurs au cockpit.

C’est exactement ce que Salesforce a voulu sécuriser avec Informatica : la donnée n’est pas seulement un carburant, c’est un sujet de qualité, de catalogage, de lineage, de gouvernance, donc un sujet de confiance. Et l’IA dans Salesforce n’a aucune chance à l’échelle si la fondation data est instable ou fragmentée. Donc il manquait un vrai outil de data pour entreprise comme Informatica pour faire le job. Même logique côté ServiceNow : l’entreprise ne veut plus d’un système de tickets et d’un autre système qui “voit” l’exposition cyber. Elle veut un pipeline où l’on voit, on priorise, on orchestre, et on exécute. Armis apporte précisément une visibilité temps réel sur une surface d’attaque qui déborde le SI traditionnel, et ServiceNow apporte le moteur de workflow.

Autrement dit, ce n’est pas une expansion joyeuse. C’est une peur rationnelle : si je reste “une brique”, quelqu’un d’autre fera l’interface, et je deviendrai négociable. Si j’ai appris une chose ces dernières années en observant les fusac, c’est qu’au fond, beaucoup d’entreprises agissent par crainte d’être reléguée, de louper une vague, de se faire rattraper par des acteurs plus agressifs. Il faut tuer l’autre avant d’être tué.

Quatrième logique : l’IA ne crée pas le mouvement, elle le rend obligatoire

L’IA est souvent présentée comme la cause. En réalité, elle agit comme un accélérateur brutal. Les entreprises ont déjà du mal à opérer des systèmes distribués. Elles ont déjà du mal à gouverner les données. Elles ont en plus du mal à sécuriser une surface d’attaque qui s’étend. L’IA ajoute une couche d’exigence : plus de data, plus de pipelines, plus de monitoring, plus de contrôles, plus d’auditabilité, plus d’incidents “bizarres” (des modèles qui dérivent, des coûts qui explosent, des comportements non déterministes).

Bref, vous voyez où je veux en venir. Dans ce contexte, une stack fragmentée devient rien de plus qu’un multiplicateur de risques. Les plateformes promettent donc quelque chose de très attractif pour un décideur : moins de couture, plus d’intégration, plus de contrôle, plus de responsabilité claire. C’est pour ça que ServiceNow parle d’unifier la capacité à “voir, décider et agir” sur l’attaque surface, et que la transaction est explicitement justifiée par l’IA et la montée des risques. Et ce n’est pas de la poésie marketing : c’est une réponse à une contrainte systémique. Et ils ont raison d’avancer dans ce sens.

Abonnez-vous maintenant

Ce que ces acquisitions racontent vraiment : une recentralisation du pouvoir logiciel

Si on enlève les communiqués de presse, il reste une dynamique : les éditeurs veulent devenir des control planes. Pas au sens “produit plus large”, au sens “centre de gravité de décision”.

Dans chaque grand domaine, on observe une même architecture de pouvoir.

D’abord, une couche de vérité temps réel (observabilité, asset visibility, telemetry, events). Ensuite, une couche de gouvernance et de confiance (qualité, lineage, conformité, policies). Ensuite, une couche d’orchestration (workflows, remédiation, automation). Et enfin, une couche de distribution interne (être l’outil ouvert tous les jours, par les bonnes équipes, avec un budget extensible).

Le gagnant ? C’est celui qui relie ces couches sans friction et s’impose un comme point d’entrée unique. LE guichet unique pour tout gérer sans dépenser d’énergie à aller dans tous les sens. C’est pour ça que ces mouvements donnent l’impression que “tout converge vers tout”. Ce n’est pas un caprice de dirigeants. C’est une bataille pour capturer le centre. Rien de plus, rien de moins.

La conséquence pour les acheteurs : moins de vendors, mais plus de dépendance

La consolidation réduit la douleur d’intégration, mais elle augmente la dépendance à quelques plateformes. Les entreprises vont probablement gagner en vitesse d’exécution sur certains chantiers. C’est même certain. Elles vont aussi perdre une partie de leur capacité à arbitrer librement entre composants, parce que les plateformes joueront le bundling, les remises conditionnelles, les roadmaps intégrées, et parfois les verrouillages subtils. Là où quelques uns (les hyperscalers) étaient des champions en la matière, désormais les hypergrowth vendors construisent leur histoire pour faire de même. N’est-ce pas là l’ordre logique des choses après tout ?

Le paradoxe (et dit comme ça c’est même assez marrant) c’est que tout le monde va continuer à parler d’“ouverture” et d’“écosystème”, d’"agnosticité”, tout en construisant des jardins de plus en plus clôturés. Ce n’est pas nécessairement immoral. C’est juste le fonctionnement normal d’un marché où la valeur se déplace vers les positions centrales.

Abonnez-vous maintenant

La conséquence pour les éditeurs : l’excellence produit ne suffit plus, il faut une position

Dans ce nouveau monde, être le meilleur dans une micro-catégorie reste utile, mais devient fragile si on ne contrôle pas une partie du cockpit. Tu peux être intégré, revendu, ou contourné. Tu peux aussi devenir une commodité dont le prix est compressé. Et donc ta croissance se retrouve limitée ?

La question stratégique n’est plus “sommes-nous top 1 techniquement ?”. Que vous soyez leader du Gartner MQ dans un domaine, c’est très bien. Mais c’est juste la base, félicitations, merci et bonne journée. La vraie question à se poser désormais c’est : “sommes-nous indispensables dans la chaîne de décision et d’exécution ?”. Ca va encore plus loin que le “must have product” quand on y réfléchit bien. C’est pour ça que les deals cités paraissent logiques malgré leur côté “hors-catégorie”. Ils ne répondent pas à une logique de catégorie. Ils répondent à une logique de gravité.

Bref…ce n’est pas le chaos, c’est une nouvelle carte du pouvoir

La décennie précédente a été l’âge d’or des catégories. La décennie qui s’ouvre est l’âge d’or des plateformes qui contrôlent le signal, la gouvernance et l’orchestration. L’observabilité devient un terrain de conquête parce qu’elle capte la vérité opérationnelle. La data management devient centrale parce qu’elle conditionne la confiance dans l’IA. La cybersécurité déborde partout parce que la surface d’attaque est désormais partout. Et les éditeurs convergent parce qu’ils veulent tous la même chose : ne pas être une brique remplaçable.

Ceux qui continueront à penser “produit” en ignorant la “position” vont se faire manger, lentement, proprement, et parfois avec un communiqué de presse qui parle de “synergies”. Et pour finir, les mots d’Adrien Damez-Fontaine, Agent de Talents Digital & Tech Lincoln Singapour : “Ce que nous voyons très clairement sur le marché, c’est que les entreprises se désintéressent des experts techniques “purs”. Elles cherchent des profils capables de comprendre les enjeux business, de travailler avec des équipes métiers et de s’adapter à des technologies qui évoluent en permanence.”
Tout s’explique désormais !

Note de contexte, pour éviter l’ambiguïté : Au moment où j’écris ces lignes, Snowflake est, à date, seulement “en discussions” pour Observe selon des sources de presse, alors que les acquisitions Armis/ServiceNow, Chronosphere/Palo Alto et Informatica/Salesforce ont été annoncées/confirmées par les entreprises elles-mêmes.

Abonnez-vous maintenant

Laissez un commentaire.

Il existe une réalité que beaucoup de personnes, y compris les cadres, refusent de regarder en face parce qu’elle contredit quinze ans de discours rassurants sur “l’employabilité”, la “marque personnelle” et la “pénurie de talents”. Sur 100 candidats qui postulent à un poste cadre, en particulier dans la tech et les fonctions connexes, une minorité seulement obtient un entretien. Dix sur cent est un ordre de grandeur réaliste. Parfois moins. Ce chiffre n’a rien d’idéologique. Il décrit simplement un mécanisme de sélection devenu brutal, rapide et profondément asymétrique.

Ce n’est pas que les candidats sont devenus moins bons. C’est que le marché, lui, a changé de nature. Et ceux qui continuent à raisonner avec les codes de 2018 ou même de 2021 s’épuisent à force de postuler sans comprendre pourquoi le silence est devenu la norme.

La fin de l’économie indulgente et le retour de la sélection froide

Jusqu’à 2020-2022, le recrutement se portait plutôt bien. Et c’est normal, puisque les taux étaient bas, les capitaux abondants, les levées de fonds faciles. On vivait dans un monde édulcoré mais on ne s’en rendait pas compte. C’est Macron lui-même qui le disait en août 2022 “c’est une grande bascule (…) nous vivons la fin de l’abondance”. Presque personne n’y prêtait attention à l’époque mais cette phrase était une vraie alerte. Les entreprises recrutaient non pas en fonction de leurs besoins immédiats, mais en anticipation d’une croissance future supposée. On embauchait pour “prendre de l’avance”, “occuper le terrain”, “scaler”. Le recrutement était parfois approximatif, souvent généreux, rarement défensif.

Depuis 2023, cette logique a quasiment disparu. Quel que soit le domaine d’activité dans lequel vous êtes, vous êtes impacté. La remontée des taux, la pression sur la rentabilité, la réduction des budgets publics et privés, l’incertitude politique (la France et ses premiers ministres qui changent sans arrêt) et géopolitique ont profondément modifié la psychologie des entreprises. En France, la croissance reste faible, les marges sont sous tension, et la visibilité à moyen terme est limitée. Résultat : les entreprises continuent de recruter, mais elles recrutent en minimisant le risque, pas en maximisant le potentiel.

Ce basculement est fondamental. Le marché n’est plus dans une logique d’expansion, mais de préservation. Chaque recrutement est perçu comme un engagement coûteux, difficile à corriger. La question implicite n’est plus “qui pourrait nous faire grandir”, mais “qui est le moins susceptible de nous créer un problème”. On va voir comment vous devez gérer ça à votre échelle, à présent.

CV et LinkedIn : pourquoi le minimum est devenu invisible

Dans ce contexte, une erreur revient de manière obsessionnelle chez les candidats : croire que posséder un CV et un profil LinkedIn bien remplis constitue un avantage concurrentiel. Ce n’est plus le cas depuis longtemps. Aujourd’hui, tout le monde a un CV. Et plus personne ne le lit. Tout le monde a LinkedIn. Ces outils ne servent plus à se différencier, mais simplement à ne pas être éliminé d’emblée. C’est comme si vous disiez “je sais lire, écrire, compter”. Oui, et ?

Le CV et LinkedIn sont devenus des filtres, pas des leviers. Ils permettent au recruteur ou au manager de trier rapidement, souvent dans de mauvaises conditions, un volume toujours plus élevé de candidatures. Le temps consacré à chaque profil est extrêmement réduit lors de la première lecture. L’objectif n’est pas de comprendre un parcours dans sa globalité, mais de répondre à une question simple et brutale : “Est-ce que ce profil vaut qu’on y consacre plus de temps ?”

Dans cette phase, tout ce qui complique la lecture est pénalisant. Et c’est précisément là que beaucoup de candidats se sabotent sans le savoir.

Le grand malentendu du CV “créatif”

On a dit à toute une génération que le CV devait être “impactant”, “différenciant”, “visuellement marquant”. C’est l’un des conseils les plus destructeurs qui circulent encore. Non pas parce qu’il est faux en théorie, mais parce qu’il est totalement déconnecté de la réalité du recrutement.

Un CV n’est pas lu comme un magazine. Il est scanné. Et il est scanné d’abord par des logiciels ATS qui permettent d’isoler 10 CV ayant les bons mot-clés les plus proches de l’offre d’emploi (à vous d’adapter votre CV désormais, je dis ça je dis rien…) puis ensuite par des personnes fatiguées, pressées, souvent interrompues, qui doivent prendre des décisions rapides. Dans ce contexte, le design n’est pas un atout, c’est une friction. Les doubles colonnes, les icônes, les couleurs, les barres de compétences, les polices originales fragmentent l’information et obligent l’œil à chercher ce qui devrait être immédiatement visible. Faites un CV qui soit plus ATS friendly : pas de couleur, une police de caractères. Oui c’est triste, mais c’est un robot qui regarde votre CV en premier et il faut lui faciliter la vie.

Ce que le recruteur cherche, ce sont des repères clairs : où est le candidat aujourd’hui, dans quel type d’entreprise il évolue, et quels résultats concrets il a produits. Tout le reste est secondaire. Un CV simple, linéaire, noir sur blanc, avec des expériences lisibles et des résultats chiffrés, répond beaucoup mieux à cette logique qu’un document esthétiquement sophistiqué.

Faire “moche” n’est pas une posture provocatrice. C’est une stratégie de lisibilité.

Abonnez-vous maintenant

Le marché ne recrute pas les meilleurs profils…mais les moins risqués

Vous venez de signer votre CDI ? Félicitations ! Vous pensez être une pépite avec un vrai potentiel car vous avez gagné face à 200 autres candidats…et pensez que vous êtes le meilleur ? Bienvenue dans le monde merveilleux des illusions.

Cette illusion persiste : celle selon laquelle le recrutement serait une compétition méritocratique où les meilleurs gagnent. En réalité, le recrutement est avant tout un exercice de gestion du risque. Les managers n’embauchent pas le candidat le plus brillant sur le papier. Ils embauchent celui qui leur semble le plus prévisible, le plus compréhensible, le plus rassurant. Vous bossez chez Google ? Vous serez rassurant pour le manager de chez Microsoft. Vous bossez chez chez Snowflake ? Vous serez rassurant pour les recruteurs de Databricks. Et ainsi de suite.

C’est pour cela que les parcours “évidents” sont survalorisés. Même secteur, même type de clients, mêmes cycles de vente, même stack technologique, même géographie. Ce n’est pas du favoritisme, c’est de la réduction d’incertitude. En 2026, il faut arrêter de voir le recrutement comme une simple "recherche de talent" et commencer à le voir comme un investissement financier à haut risque pour le manager. À l’inverse, un profil atypique ou en transition doit fournir beaucoup plus d’efforts pour démontrer sa pertinence, non pas parce qu’il est moins compétent, mais parce qu’il est moins lisible (on verra comment, plus bas).

Le marché récompense donc la rareté, mais une rareté spécifique : celle qui est immédiatement compréhensible. Une compétence rare, une langue peu courante, une spécialisation sectorielle claire, des certifications spécialisées, une expertise sur un marché précis. L’hyperspécialisation n’est pas un risque dans un marché tendu. C’est souvent une assurance. Mais le risque pour vous, c’est qu’elle vous enferme dans une niche. Donc tout est une question de dosage.

Le manager qui recrute, lui, ne cherche même plus le candidat parfait : il cherche le candidat qui représente le plus faible risque. Si le candidat vient de l’entreprise concurrente et y a bossé 5 ans mais est moyen ? Alors c’est bon. S’il vient d’une entreprise d’un secteur très différent mais est brillant ? Bof. Mettez-vous à la place du manager en question : il doit justifier de débloquer un budget pour vous recruter. Si vous êtes le profil “risque réduit” alors son entreprise le suivra et même en cas d’échec, ne lui en tiendra pas rigueur. Si vous êtes le profil “très haut potentiel mais à risque” alors si vous échouez en poste, le manager peut se faire dégager aussi. Et chacun défend son bifteck.

Abonnez-vous maintenant

Pourquoi postuler est souvent la stratégie la plus lente

Beaucoup de cadres continuent de penser que le marché français fonctionne essentiellement par annonces publiques. C’est une vision très partielle. Une part significative des recrutements se fait en amont, par cooptation, par sourcing direct, par cabinets mandatés, ou via des opportunités qui ne sont jamais réellement “ouvertes” au public. On appelle ça le “off-market” : vous arrivez à parler au manager avant même que les offres n’existent et il prévoit de vous pousser pour la prochaine offre qui arrive dans 6 mois. La phrase que je dis souvent, c’est que quand vous êtes en train de postuler sans stratégie, certains créent leur réseau, font des call de networking, cherchent à se faire introduire en avance depuis des mois. Au moment où l’offre paraît, il est déjà trop tard, à moins que vous ayez le CV qu’il faut pour réduire le risque encore une fois.

Postuler n’est pas inutile, mais c’est rarement le canal le plus efficace. Les candidats qui avancent le plus vite sont ceux qui travaillent en amont, en ciblant un nombre restreint d’entreprises, en comprenant leurs enjeux, en faisant une due diligence de celles-ci, et en entrant en relation avec des personnes qui vivent le métier au quotidien. Le réseau, dans ce contexte, n’est pas un outil pour demander un poste, mais pour devenir un profil familier avant même qu’un besoin formel n’existe.

Cette approche demande du temps, de la méthode et une posture différente. Elle suppose de parler du problème de l’entreprise avant de parler de soi. De montrer qu’on comprend un contexte avant de demander une opportunité. De construire une relation avant de solliciter un recrutement. Et surtout de s’ouvrir au monde et construire des relations sur le long terme basées sur la confiance.

La question que ni le CV ni LinkedIn ne peuvent résoudre

Au fond, la plupart des candidats se trompent de combat. Ils veulent améliorer leur CV, optimiser leur profil LinkedIn, multiplier les candidatures, point barre. Ils traitent les symptômes plutôt que la cause.

La vraie question n’est pas “comment me présenter mieux”, mais “pourquoi quelqu’un devrait-il vouloir de moi, maintenant”. Pas ce que vous savez faire en général, mais quel problème précis vous savez résoudre, dans quel type d’organisation, et dans quelles conditions. Tant que cette réponse reste floue, le CV est un maquillage. Quand elle est claire, le CV devient presque accessoire. Les meilleurs profils que j’ai vu sur le marché ont des jobs sans même envoyer de CV…tout est une question de relations et de réseaux. Bienvenue dans l’époque où on préfèrera un nul qu’on connait bien plutôt qu’un compétent inconnu (sur le long terme, c’est ça qui provoque le déclin des entreprises et de notre pays tout entier).

Une carrière n’est pas une accumulation d’expériences. C’est un récit cohérent, une thèse implicite que le marché lit et évalue. Soit vous prenez le contrôle de cette thèse et racontez votre histoire, soit vous laissez le marché la simplifier, la caricaturer ou l’ignorer. Dans un environnement dur, prévisible et sélectif, cette différence détermine qui obtient des entretiens, et qui envoie des candidatures dans le vide.

Laissez un commentaire.

Depuis une dizaine d’années, la souveraineté numérique est devenue un thème central du débat public français. Elle est invoquée dans les discours présidentiels, les rapports parlementaires, les stratégies ministérielles et les communiqués de la DINUM ou de l’ANSSI. Et même les clients en parlent énormément, parfois sans comprendre ce qui se trame vraiment. Pourtant, à mesure que les mots se multiplient, les actes semblent aller dans la direction inverse. La France n’est pas seulement dépendante technologiquement : elle a institutionnalisé cette dépendance. Ce décalage entre le récit politique et la réalité opérationnelle mérite d’être décortiqué, calmement, méthodiquement, sans posture idéologique mais avec un minimum (un zeste seulement) de lucidité stratégique.

Le discours de la souveraineté : un consensus verbal, aucune contrainte réelle

Sur le papier, tout est clair. La France affirme vouloir maîtriser ses données sensibles, réduire sa dépendance aux acteurs extra-européens et protéger ses administrations des législations étrangères extraterritoriales. Jusqu’ici, tout va bien. Les doctrines existent, les mots sont précis, les principes sont affichés. La stratégie (ou doctrine) « Cloud au Centre » impose théoriquement le recours à des solutions qualifiées SecNumCloud pour les données sensibles. Les recommandations de la CNIL rappellent régulièrement les risques juridiques liés au Cloud Act et au FISA américains.

Mais ce cadre reste essentiellement déclaratif quand on y regarde de plus près. Il ne crée ni obligation forte, ni sanction crédible, ni véritable arbitrage politique. Les ministères peuvent demander des dérogations, les administrations invoquer la continuité de service, et les grands programmes numériques avancer sans remise en cause sérieuse. La souveraineté devient alors rien de plus qu’un vague horizon abstrait, jamais une condition bloquante. Elle sert à rassurer l’opinion, pas à structurer les décisions.

En fait, il est fort probable que ce flou est entretenu volontairement. Il permet d’affirmer une ambition…sans en assumer les coûts. Car une vraie souveraineté numérique impose des choix plus que difficiles : accepter des outils parfois moins matures, investir sur le long terme, créer plus de datacenters, supporter des frictions internes, et rompre avec une logique de confort technologique. Rien de tout cela n’est politiquement attractif à court terme. Et personne n’en veut, ni vous, ni nous.

Abonnez-vous maintenant

La réalité opérationnelle : santé, défense, éducation, tous sous dépendance

Dès que l’on quitte les documents de stratégie pour observer les systèmes réellement utilisés, le tableau change brutalement. Les cas emblématiques sont désormais bien documentés. Et parfois même récents et stupéfiants. Ne riez pas.

Le Health Data Hub, qui centralise des données de santé parmi les plus sensibles du pays, est hébergé depuis 2019 sur l’infrastructure de Microsoft via Azure. Malgré les alertes répétées de la CNIL, malgré les décisions du Conseil d’État reconnaissant explicitement un risque juridique, malgré les engagements de migration vers un prestataire européen, la situation est restée inchangée jusqu’en 2025. L’État sait que ces données sont juridiquement exposées. Il l’accepte et visiblement, ça ne l’alerte pas plus que ça. Le ministère de la Santé a lancé en juillet 2025 un appel d'offres de 6,2 millions d'euros sur 4 ans pour créer une copie du Health Data Hub vers une "solution intercalaire" souveraine. Cependant, il s'agit d'une copie du Health Data Hub, pas d'un remplacement complet, ce qui suggère que Microsoft continuera à héberger la version principale à court terme. Affaire à suivre, donc.

Dans le renseignement, la dépendance est encore plus structurelle. La DGSI s’appuie depuis près de dix ans sur les outils d’analyse de données de Palantir. Palantir ? Palantir est une entreprise américaine spécialisée dans l'analyse de données massives (big data) et l'IA, qui vend des logiciels de renseignement et de surveillance principalement aux gouvernements et agences de sécurité occidentales. De 2005 à 2008, la CIA était le seul client et patron de Palantir. Non, j’ai mieux attendez. Dès 2004, Palantir a reçu un financement crucial du fonds In-Q-Tel, la branche de capital-risque de la CIA. Ce fonds investit spécifiquement dans des startups de haute technologie pour le compte de la CIA. Ce qui devait être un dispositif temporaire est devenu une brique critique du système de renseignement français. Chaque renouvellement de contrat est justifié par l’absence d’alternative crédible à court terme, renforçant mécaniquement la dépendance à long terme. On croit rêver.

L’éducation et la recherche ne font pas exception. Universités, grandes écoles et administrations centrales utilisent massivement Microsoft 365 et Google Workspace. Les mises en garde de la CNIL sur l’accès potentiel aux données par les autorités américaines n’ont pas conduit à des remises en cause majeures. La familiarité des utilisateurs et la facilité de déploiement l’emportent systématiquement sur les enjeux de souveraineté.

Enfin, le marché du cloud français est dominé à plus de 70 % par Amazon Web Services, Microsoft et Google Cloud. Cette domination concerne directement les administrations publiques. Tout comme les structures privées collectant des données sensibles de personnes : Doctolib, par exemple, a choisi AWS pour héberger ses données. Il ne s’agit donc plus d’un phénomène marginal ou transitoire, mais d’un choix structurant.

Abonnez-vous maintenant

Le cœur du problème : la dépendance utilisée comme justification politique

Ce qui rend la situation particulièrement problématique, ce n’est pas vraiment la dépendance en elle-même. Tous les pays interconnectés dépendent de technologies étrangères à des degrés divers. C’est peut-être ça la mondialisation au final et on n’y peut rien. Le vrai sujet est la logique circulaire qui s’est installée.

Les ministères expliquent qu’ils choisissent des solutions américaines parce qu’ils y sont déjà dépendants. Pieds et poings liés. Les études internes censées démontrer l’absence d’alternative se limitent parfois à quelques notes, sans analyse stratégique sérieuse (sinon, trouvez-la moi svp). La dépendance devient alors un fait acquis, jamais remis en question, utilisé comme argument d’autorité pour éviter tout débat.

Plus troublant encore, certains responsables administratifs présentent le recours massif à des acteurs américains comme une étape nécessaire pour faire émerger, à terme, des solutions souveraines. Cette logique est profondément incohérente. En renforçant la position dominante de fournisseurs soumis au droit américain, l’État affaiblit mécaniquement les alternatives européennes et françaises. Il envoie un signal clair au marché : la souveraineté est optionnelle. Importante sur le papier, mais facile à contourner en fin de compte.

Dans le même temps, les solutions open source ou européennes sont pénalisées par des procédures d’achat public mal adaptées, un manque de lobbying, et l’absence de garanties contractuelles comparables à celles des géants du cloud. Le problème n’est pas leur inexistence, mais l’écosystème politique et administratif qui refuse de leur donner une chance réelle.

Partager

Souveraineté réelle ou souveraineté performative : le choix évité

Les initiatives dites « de confiance » comme Bleu ou S3NS sont souvent présentées comme des compromis raisonnables. Elles reposent cependant sur des technologies américaines sous-jacentes, avec des promesses de cloisonnement juridique et opérationnel. Même lorsqu’elles sont pertinentes, elles restent dépendantes de la bonne volonté des acteurs qu’elles prétendent neutraliser. N’oubliez pas, dans S3NS il y a Thales en alliance avec Google. Dans Bleu, il y a Orange, Capgemini et…Microsoft.

La question de fond reste donc entière. La France veut-elle une souveraineté numérique réelle, avec ce que cela implique en termes de coûts, de renoncements et de conflits d’intérêts ? Ou se contente-t-elle d’une souveraineté performative, faite de discours, de labels et de promesses futures ?

À ce stade, les faits sont clairs. La France a fait le choix implicite du confort technologique et de la continuité administrative, au détriment de la maîtrise stratégique. Ce choix n’est ni neutre ni temporaire. Il engage le pays sur plusieurs décennies, dans un contexte géopolitique où la donnée est devenue un levier de puissance.

La souveraineté numérique ne disparaît pas par accident. Elle s’érode quand elle n’est jamais prioritaire. Et aujourd’hui, la vraie question n’est plus « de qui se moque-t-on ? », mais combien de temps encore la France pourra-t-elle soutenir ce double discours sans en payer le prix stratégique. Pour être clair : je travaille depuis des années avec et pour des groupes américains, et je n’ai aucun problème idéologique avec ça. Mais assumons-le franchement : soit la France choisit la dépendance et en accepte les conséquences, soit elle choisit la souveraineté réelle et en paie le prix - le reste, c’est de la langue de bois.

Bref…

La souveraineté numérique française n’est pas un problème de compétences, ni même de technologies disponibles. C’est un problème de volonté et de hiérarchisation des priorités. En privilégiant la facilité, la continuité apparente et le confort des solutions dominantes, l’État a transformé une dépendance subie en dépendance organisée. Tant que la souveraineté restera un principe sans caractère contraignant, elle restera un slogan. Et un pays qui traite sa souveraineté comme un élément de communication finit toujours par en perdre la substance stratégique.

Laissez un commentaire.

“Google a raté le train de l’IA, OpenAI va écraser Google, Google c’est du passé !” pensions-nous il y a deux ans. J’avoue avoir aussi eu des doutes concernant le géant de Mountain View lors de l’explosion d’OpenAI. En fait,pendant des mois, l’histoire semblait écrite d’avance. OpenAI faisait la course en tête, NVIDIA vendait les pelles et les pioches, et Google regardait passer le train. Trop lent, trop corporate, trop dépendant de la pub. Mais Google est bien plus fort qu’on ne le croit. Et ça ne se limite pas au développement de Gemini, comme vous le verrez. Wall Street a commencé à acheter. Massivement. Buffett, Soros, les fonds : tous sont revenus sur Google au même moment.

Ce n’est pas un effet de mode. C’est un changement de lecture.

Car l’intelligence artificielle n’est pas une bataille de chatbots, mais une guerre industrielle faite de cash, de puces et de contrôle des infrastructures. Et sur ce terrain-là, Google n’était pas en retard. Il attendait simplement que le jeu devienne sérieux.

NVIDIA et le test du refroidissement du marché

Au moment même où les marchés commencent à douter de l’euphorie autour de l’IA, un signal faible mais lourd de sens apparaît : certains investisseurs ne parient plus sur la poursuite aveugle du cycle, mais sur sa normalisation. Revenons sur ce point qui est tout sauf un détail.

La critique de Michael Burry contre NVIDIA éclaire en creux la position stratégique de Google. Là où NVIDIA dépend presque exclusivement d’un cycle de capex extrêmement agressif chez ses clients - hyperscalers, labs IA, plateformes - Google se trouve…des deux côtés de la table. Il est à la fois acheteur de compute pour ses propres modèles, fournisseur d’infrastructure via Google Cloud, concepteur de ses propres puces (TPU) et monétisateur final de l’IA à travers la recherche, la publicité, YouTube et Workspace. Autrement dit, si le scénario de Burry se matérialise (à savoir un ralentissement des investissements, arbitrages plus stricts des CFO, normalisation des budgets IA), NVIDIA encaisse le choc de plein fouet, tandis que Google l’absorbe, voire en tire un avantage relatif. Un refroidissement du marché ne tuerait pas l’IA chez Google ; il renforcerait au contraire l’attrait de solutions intégrées, moins chères à l’usage, financées sur fonds propres et pensées pour durer. En fait, là où NVIDIA incarne aujourd’hui la vitesse maximale du cycle IA, Google incarne déjà sa phase suivante : celle de l’industrialisation, de l’optimisation des coûts et du retour à une logique économique plus rationnelle.

Mais pour comprendre pourquoi Google peut se permettre cette posture de long terme, il faut revenir sur ce que le marché a longtemps mal compris : Google n’est pas seulement une machine publicitaire…bien loin de là. Et c’est précisément là que la lecture de Wall Street a basculé.

Abonnez-vous maintenant

Pourquoi Google n’est pas “juste une boîte de pub” (et pourquoi la Bourse change d’avis)

Pendant des années, beaucoup d’investisseurs ont résumé Google à une équation simple : de la publicité, beaucoup de cash, peu de surprise. Cette lecture était confortable, mais incomplète. Car derrière la machine publicitaire se cachait un actif autrement plus stratégique : une capacité industrielle et financière unique pour absorber les coûts colossaux de l’intelligence artificielle. En fait, l’IA moderne n’est pas un logiciel que l’on installe sur un laptop. C’est une industrie lourde, comparable à l’énergie ou aux télécoms, où il faut investir des dizaines de milliards avant même de voir le moindre retour.

C’est précisément ce que les marchés ont commencé à intégrer en 2025. Lorsque Alphabet est redevenu l’un des achats préférés des grands fonds, le message était clair : Google n’est pas une “option IA”, c’est une plateforme capable de financer l’IA sur la durée. Berkshire Hathaway, le véhicule d’investissement du très célèbre Warren Buffett, a pris une position massive dans Alphabet, aux côtés de fonds quant comme Renaissance Technologies et d’investisseurs opportunistes comme George Soros. Ces acteurs ne parient pas sur des promesses futuristes : ils parient sur la capacité d’une entreprise à transformer une rupture technologique en flux de trésorerie récurrents, sans dépendre d’un financement externe.

Bref pour faire simple : là où beaucoup d’acteurs de l’IA brûlent du cash pour exister (coucou OpenAI), Google gagne déjà de l’argent et l’utilise pour construire l’infrastructure de demain. C’est cette asymétrie qui a déclenché la réévaluation boursière.

Abonnez-vous maintenant

Le retour de Sergey Brin : symbole plus que mythe

L’un des récits les plus commentés est le retour de Sergey Brin dans les bureaux de Google. Certains l’ont romancé : l’ingénieur visionnaire qui revient coder face à la menace OpenAI. En fait la réalité est plus sobre, mais plus significative.

Quand Sergey Brin quitte Google en 2019, il pense réussir sa retraite intellectuelle : lire, réfléchir, disparaître doucement du tumulte. Puis le Covid passe par là, l’ennui s’installe malgré le yacht qu’il a acheté, et surtout arrive le choc ChatGPT. D’un coup, Brin comprend que Google est en train de regarder la révolution IA depuis le banc de touche. Trop prudente. Trop lente. Inacceptable.

Même sur un yacht, un passionné finit par s’emmerder et a besoin de retourner au front. C’est comme ça : Sergey Brin est un génie et il ne fait pas tout ça pour l’argent.

Il revient d’abord par curiosité, quelques jours par semaine. Puis presque tous les jours. Non pour reprendre le pouvoir, mais pour remettre Google en mode fondateur : accélérer, challenger, prendre des risques. Gemini devient le point de fixation. Son retour n’est pas nostalgique : il est stratégique. Pour Brin, l’IA générative n’est pas une feature de plus. C’est un moment “création de Google”. Et ce genre de moment ne se regarde pas à distance.

Brin est revenu parce que l’IA n’est pas une évolution incrémentale : c’est un changement de paradigme comparable à l’arrivée d’Internet ou du smartphone.

Concrètement, Brin participe aux décisions stratégiques autour de Gemini, le modèle phare de Google. Il challenge les équipes, s’implique dans les priorités de recherche et valide des choix structurants. Pour un public non technique, il faut comprendre ceci : quand un fondateur de ce niveau revient, ce n’est pas pour écrire des lignes de code, mais pour aligner toute l’entreprise sur un objectif vital. Cela envoie un signal fort aux employés, aux partenaires… et aux investisseurs. Google ne traite plus l’IA comme un “produit parmi d’autres”, mais comme le cœur de son avenir.

TPU, GPU : comprendre la bataille de l’infrastructure IA

La plupart des débats sur l’IA se concentrent sur les chatbots. Est-ce que Gemini est meilleur que ChatGPT, est-ce que DeepSeek est bien ou est-ce que Le Chat de Mistral AI fait le job. C’est une erreur. Le vrai nerf de la guerre, c’est le “compute”, c’est-à-dire la capacité de calcul. Pour entraîner et faire fonctionner des modèles d’IA, il faut des puces spécialisées, extrêmement puissantes et très énergivores.

Historiquement, ce marché est dominé par NVIDIA, dont les GPU sont devenus la norme mondiale. Google, lui, développe depuis plus de dix ans ses propres puces : les TPU. En fait, Google développe ses propres puces IA, les TPU, depuis le début des années 2010, avec une décennie d’itérations successives désormais au cœur de sa stratégie IA. La différence est essentielle. Les GPU sont polyvalents, utilisables partout. Les TPU sont conçus spécifiquement pour l’IA et surtout…profondément intégrés à l’écosystème Google.

Pourquoi cela compte ? Parce que sur certains usages, les TPU peuvent coûter sensiblement moins cher à l’usage que les GPU NVIDIA, notamment lorsqu’ils sont loués sur Google Cloud avec des engagements de long terme. Quand j’ai compris ça j’ai eu une seule réaction : Google est vraiment trop fort. Alors attention, cela ne signifie pas non plus que les TPU sont “meilleurs partout”, ni que NVIDIA est menacé à court terme. Mais cela introduit une alternative crédible dans un marché qu’on croyait jusque-là quasi monopolistique.

Le contrat signé avec Anthropic illustre parfaitement ce basculement. Anthropic, sérieux concurrent d’OpenAI sur le marché BtoB et qui vise une IPO sur 2026, a choisi de bâtir une partie majeure de son avenir sur les TPU de Google, avec une montée en puissance progressive vers des volumes gigantesques. Ce n’est pas un détail technique : c’est la preuve qu’un acteur de premier plan fait confiance à Google pour être un fournisseur d’infrastructure critique, au même titre qu’AWS ou Azure.

Abonnez-vous maintenant

Google, OpenAI, NVIDIA : trois modèles économiques très différents

Dire que Google a “mangé” OpenAI ou NVIDIA serait tout de même trompeur. Ces entreprises ne jouent pas exactement le même jeu. OpenAI est un champion produit, capable de créer des modèles spectaculaires, mais dépend fortement de Microsoft pour le financement, le cloud et la distribution. NVIDIA est le fournisseur d’outils indispensable : tant que la demande de calcul explose, ses puces restent centrales.

Google, lui, combine plusieurs rôles : fournisseur de modèles (Gemini), de plateformes (Search, YouTube, Android), d’infrastructure (Cloud, TPU) et de monétisation. Cette intégration verticale lui donne un avantage structurel. Même si un modèle concurrent devient temporairement meilleur, Google conserve l’accès aux utilisateurs, aux données d’usage et aux canaux de distribution. La preuve, Gemini compte aujourd’hui presque autant d’utilisateurs que ChatGPT et Google intègre son IA dans l’ensemble de ses services. Pour un investisseur ou un dirigeant, c’est un point clé : la valeur durable ne se situe pas uniquement dans la “meilleure IA”, mais dans la capacité à l’industrialiser à grande échelle.

Ce qui nous attend sur les prochaines années

À horizon 2026-2030, plusieurs tendances se dessinent clairement. D’abord, le coût de l’IA va devenir un sujet central. Les entreprises chercheront à réduire leur dépendance à un seul fournisseur de puces, ce qui favorisera des alternatives comme les TPU. Ensuite, l’IA va s’intégrer de plus en plus profondément dans les produits existants : moteurs de recherche, outils bureautiques, plateformes vidéo, services cloud. Sur ce terrain, Google dispose d’un avantage incomparable.

NVIDIA restera un acteur clé, mais ses marges pourraient être progressivement mises sous pression par la montée des puces propriétaires chez Google, Meta ou Amazon. OpenAI, de son côté, devra clarifier son positionnement : rester un laboratoire d’excellence sous l’aile de Microsoft, ou trouver un modèle plus autonome dans un écosystème devenu ultra concurrentiel. Tout en sachant qu’OpenAI mettra du temps à être vraiment rentable et reste encore très dépendant des autres.

L’ouverture la plus intéressante est peut-être ailleurs : l’IA entre dans une phase de normalisation. Elle cesse d’être un “produit miracle” pour devenir une infrastructure, au même titre que l’électricité ou le cloud. Dans ce monde, les gagnants ne seront pas seulement ceux qui inventent les meilleures idées, mais ceux qui peuvent les financer, les déployer et les maintenir sur la durée. Et à ce jeu-là, Google n’est plus un outsider. C’est un acteur central, redevenu stratégique, que Wall Street regarde désormais comme un pilier de long terme plutôt que comme une mode passagère. Qui vivra verra.

Laissez un commentaire.

Bon ça pourrait bien prendre un peu plus de temps. Mais il est très probable qu’on finisse par en arriver là.

La création, le développement et le marketing cessent d’être des métiers séparés

Première hypothèse : nous entrons dans une phase où les frontières historiques entre création graphique, développement logiciel et marketing digital deviennent floues, voire inutiles. Pendant des décennies, ces fonctions ont été organisées autour d’outils distincts, de compétences spécialisées et de chaînes de production complexes. Mais l’IA change la nature même du travail : on ne « fabrique » plus étape par étape, on formule une intention, et le système produit une réponse exploitable.

Dans ce contexte, des acteurs historiques comme Adobe ne sont plus seulement des vendeurs de logiciels créatifs. Ils deviennent des orchestrateurs de résultats. Surtout face à un acteur comme Figma, en pleine croissance, qui redistribue les cartes. L’enjeu n’est plus d’aider à dessiner, coder ou analyser, mais de permettre à un individu ou à une équipe de dire : « je veux lancer une campagne », « je veux créer un produit », « je veux tester une idée », et d’obtenir quelque chose de fonctionnel.

L’hypothèse d’une consolidation majeure – via acquisitions ou alliances – repose sur cette logique. Par exemple, un géant comme Adobe pourrait très bien racheter une start-up comme Lovable et cela serait logique. Non pas pour grossir, mais pour contrôler l’interface entre l’intention humaine et l’exécution logicielle. En 2026, ce mouvement pourrait ne pas encore être totalement visible pour le grand public, mais il structure déjà les décisions stratégiques des grands éditeurs.

Une “couche personnelle” d’IA s’interpose entre nous et le numérique

Deuxième hypothèse : plutôt qu’un nouvel appareil révolutionnaire, nous verrons émerger une couche logicielle personnelle, transversale, qui s’intercale entre l’utilisateur et l’ensemble de ses outils numériques. Cette couche ne remplace pas les systèmes existants. Elle les coordonne.

Avec des acteurs comme OpenAI, l’idée n’est pas de créer un nouvel OS au sens classique, mais une sorte d’interface universelle capable de comprendre le contexte, les préférences et les objectifs d’une personne. Travail, apprentissage, organisation personnelle, parfois même santé ou relations : tout passe par un même point d’entrée conversationnel.

Pour quelqu’un qui n’est pas dans la tech, cela signifie une chose simple : moins de clics, moins de menus, moins d’applications à apprendre. On simplifie au maximum l’interaction homme-machine. On ne “gère” plus ses outils, on dialogue avec un système qui agit à notre place. Cette évolution est lente, peu spectaculaire, et souvent sous-estimée. Pourtant, elle pourrait être l’une des transformations les plus profondes de la décennie.

Abonnez-vous maintenant

Les applications ne disparaissent pas…mais cessent d’être visibles

Troisième hypothèse : les applications continueront d’exister, mais elles ne seront plus le point de départ de l’expérience utilisateur. Depuis toujours, le numérique repose sur un principe implicite : pour faire quelque chose, il faut ouvrir une application spécifique. Ce modèle est peu à peu en train de s’éroder.

Des entreprises comme Apple avancent progressivement vers une logique différente : l’utilisateur exprime une intention, et le système assemble en arrière-plan les briques nécessaires. Réserver, organiser, produire, analyser : l’action devient centrale, l’outil devient secondaire. Pour aller plus loin, c’est par ici.

Pour le grand public, ce changement est presque invisible. Il ne se traduit pas par une annonce spectaculaire, mais par une sensation diffuse : on “passe moins de temps à naviguer”. Pour les développeurs et les entreprises, en revanche, c’est un bouleversement majeur. Réellement. L’innovation ne se joue plus uniquement dans l’application elle-même, mais dans sa capacité à s’intégrer dans des flux plus larges, pilotés par l’IA. Il faut simplifier au maximum la tech.

L’Europe pourrait enfin produire une marque d’IA grand public

Quatrième hypothèse : l’Europe pourrait voir émerger sa première marque d’IA grand public culturellement forte, au-delà des seules performances techniques ou des discours réglementaires (il était temps). Jusqu’ici, le continent a surtout produit des champions B2B, solides mais peu visibles pour le grand public (je pense à SAP ou Mistral AI par exemple).

L’idée ici n’est pas une entreprise “conforme” ou “responsable” par défaut (l’Europe nous pousse à penser comme cela malheureusement) mais une marque qui assume une vision, un design, une esthétique et des valeurs claires. Une IA perçue non comme un outil froid, mais comme un objet culturel. Quelque chose d’un peu étrange, mais désirable. Un logiciel qui raconte une histoire. Je rêve un peu mais ce serait possible : l’Europe ne se limite pas à Paris. L’Europe voit naître des champions : N8N, Lovable, Mistral AI, Mirakl, Klarna, Revolut, Synthesia ou encore ElevenLabs. Principalement avec des concepts BtoB et tous ne sont pas tournés sur des use cases IA. Mais ces start-up, ayant toutes un vrai product-market fit, confirment que le talent existe en Europe.

Berlin, Paris, Stockholm ou Vienne disposent d’un mélange rare : talents créatifs, sens du design, fatigue des modèles ultra-standardisés venus d’ailleurs. 2026 ne serait probablement pas l’année d’une domination mondiale, mais celle où ces proto-marques deviennent visibles et crédibles.

Abonnez-vous maintenant

Les réseaux sociaux se scindent en deux univers opposés

Cinquième hypothèse : je ne pense pas les réseaux sociaux disparaitront, mais ils se diviseront clairement en deux mondes. Ca sera progressif. D’un côté, des plateformes saturées de contenus générés par IA, de personnalités synthétiques, de flux infinis optimisés pour capter l’attention. Un univers de dopamine permanente, efficace, mais épuisant. Ces plateformes continueront de vivre encore un bon moment.

De l’autre, une multiplication de réseaux plus petits, plus fermés, basés sur des identités réelles et des relations existantes. Des espaces où l’on ne “performe” pas pour un algorithme, mais où l’on échange avec des gens que l’on connaît vraiment ou pas (mais pour des échanges de qualité), parfois même hors ligne. Exemple : Substack.

Ce qui souffre le plus, ce n’est pas l’un ou l’autre extrême, mais le milieu : les grandes plateformes généralistes qui n’offrent ni intimité, ni spectacle assumé. En 2026, cette fracture pourrait devenir évidente pour tous, y compris pour ceux qui n’analysent pas ces dynamiques.

Être moins connecté devient un signe de statut

Dernière hypothèse : dans un monde saturé d’écrans, d’alertes et de sollicitations, le véritable luxe devient la réduction volontaire. Être moins joignable, utiliser moins d’outils, limiter les plateformes, afficher des plages hors ligne : non pas comme rejet de la technologie, mais comme démonstration de contrôle.

Ce phénomène n’est pas anti-tech. Il est post-tech. Il signale que la personne n’est plus dominée par ses outils, mais qu’elle les choisit. Les notifications sont devenus une addiction, une drogue : dès le téléphone vibre, on l’attrape - et dans 9 cas sur 10 la notification est inintéressante (c’est comme le frigo, on l’ouvre toutes les 10 min mais il est toujours aussi vide). Comme d’autres marqueurs culturels avant lui, ce minimalisme numérique devient un signe de statut, souvent réservé à ceux qui ont le plus d’autonomie et de ressources. L’avenir appartient à ceux qui disposent et contrôlent les outils numériques, pas ceux qui en dépendent.

En 2026, la valeur ne sera plus dans l’effort visible ou l’hyper-activité affichée, mais dans la capacité à maintenir une attention focalisée, rare et précieuse. Dans un monde où le temps de concentration des gens à tendance à diminuer (à cause des Tiktok, des reels Instagram, des stories Snapchat etc), être en mesure de gérer son temps, rester concentrer sur une tâche (lecture, etc) sans être déconcentré…devient un luxe, voire même une compétence.

Bref…

Ces six hypothèses n’annoncent pas un futur spectaculaire, mais plutôt un glissement silencieux. La technologie ne cherche plus à impressionner. Elle cherche à structurer, filtrer, voire même organiser. Elle disparaît de l’interface, mais s’installe au cœur des décisions.

Dans ce monde, l’enjeu n’est plus d’adopter toujours plus d’outils, mais de choisir consciemment ce que l’on délègue et ce que l’on garde sous contrôle : son attention, son temps, ses relations, son jugement.

2026 ne sera peut-être pas une rupture visible. Mais ce pourrait être le moment où ignorer ces transformations devient un risque stratégique. Et aussi culturel et personnel.

Abonnez-vous maintenant

Laissez un commentaire.

La French Tech. Un sujet rempli de rebondissements, on pourrait écrire un livre là-dessus. A une époque, Macron parlait même de “start-up nation”. On se souvient qu’en 2019, notre cher Emmanuel Macron national annonçait la création de 25 licornes avant 2025. Mais cet objectif a été dépassé avant cette année. Plus fort encore, l’objectif du gouvernement est d’avoir 10 licornes françaises cotées en bourse en 2025. Pour le coup, ça c’est raté.

Alors oui nous avons des licornes. Plein de licornes. Mais combien sont rentables ? Combien existent encore ? Et aussi, est-ce que compter les licornes a vraiment du sens ? Une licorne, pour rappel, c’est une entreprise ayant une valorisation d’1 Mds $ - donc on ne la juge pas vraiment sur des critères de rentabilité, de performance, de croissance, de marge ou de chiffre d’affaires. Il suffit d’une levée de fonds record et vous ferez partie du club licorne. Et c’est bien ça le problème, même si c’est aujourd’hui devenu un secret de polichinelle.

La French Tech a longtemps prospéré sur un imaginaire collectif où l’argent public (bonjour la BPIFrance) et privé servait à accélérer des ambitions nationales - parfois lucides, souvent excessives. Durant une décennie, les levées à plusieurs centaines de millions ont été présentées comme des indicateurs de réussite, des jalons quasi patriotiques prouvant que la France pouvait rivaliser avec la Silicon Valley. Sauf que comme d’habitude, la France a compris les choses qu’à moitié : lever des fonds n’est PAS signe de réussite, on le dira des centaines de fois s’il le faut. D’ailleurs l’année 2025 agit comme un révélateur brutal : trois dossiers - Ÿnsect, Sorare et Brevo - montrent, chacun à leur manière, que cet âge d’or fondé sur l’hypercroissance, la communication performative et une forme d’aveuglement collectif (ou peut-être une hallucination collective comme disait Sylvain Pierre Durif) touche à sa fin. Non pas à cause d’une crise cyclique, mais parce que les modèles eux-mêmes étaient fragiles, parfois construits sur des narratifs séduisants mais déconnectés des réalités industrielles, économiques ou réglementaires. La période actuelle marque un retour aux fondamentaux, un recalibrage sévère où le marché reprend ses droits et où les illusions technologiques sont disséquées. Et sans anesthésie.

Attention, le but de c'et article n’est pas simplement de faire du “french bashing” mais d’analyser certaines réalités. Si vous aimez un pays, vous le critiquez et acceptez de voir les réalités en face. Idem avec un ecosystème. Arrêtons le patriotisme émotif deux minutes et parlons business comme des adultes raisonnables afin d’éviter de reproduire les erreurs. Les erreurs ne sont pas un bug de l’apprentissage mais une fonctionnalité de celui-ci et dans la Silicon Valley, nombreux sont les entrepreneurs ayant échoué et participant à des failcon pour témoigner de leur échec publiquement pour aider les autres à progresser plus vite.

Le cas Ÿnsect

Le cas Ÿnsect, probablement le plus spectaculaire, illustre de façon certaine le point de rupture entre vision et faisabilité. Pendant des années, la startup a été présentée comme un fleuron de la bioéconomie française, bénéficiant d’un soutien massif de l’État, des banques publiques et d’investisseurs convaincus que l’élevage d’insectes à grande échelle deviendrait une solution incontournable pour nourrir le monde et réduire l’impact environnemental de l’élevage traditionnel. Sur le papier, c’est plutôt visionnaire.

Mais la logique industrielle s’est avérée implacable : construire une méga-usine avant d’avoir prouvé la rentabilité unitaire du produit s’est révélé être une erreur stratégique colossale. L’entreprise a voulu scaler une usine d’insectes comme un scale un SaaS - sauf que la biologie a ses lois et s’en fout complètement de la performance financière. Les coûts énergétiques liés au maintien des insectes dans des environnements chauffés, les contraintes biologiques, les obstacles techniques et la réalité du prix de marché ont rendu le modèle intenable. L’entreprise a affiché moins de 700 000 euros de chiffre d’affaires pour plus de 80 millions de pertes annuelles, sans perspective de stabilisation. Derrière la faillite, c’est toute une politique d’innovation trop volontariste, pas assez économique qui se fissure. Les investisseurs, désormais échaudés, ne financeront plus facilement des projets industriels « verts » à plusieurs centaines de millions sans une réelle validation commerciale préalable. Le secteur des protéines alternatives va survivre, certes, mais fragmenté, recentré sur des niches premium plutôt que sur des ambitions mondiales.

Toutefois, il faudra tirer des enseignements de cette série sombre dans cette niche industrielle : Ynsect a tiré le rideau, Agronutris a connu des difficultés mais a rebondi, Agricool a fini en redressement judiciaire.

En attendant, n’ayez crainte : Lavoisier disait “rien ne se perd, rien ne se crée, tout se transforme”. Et pour cause : le site de Dole/Damparis laissé par Ÿnsect a bien été discrètement repris en 2025 par une toute nouvelle société de biosolutions liée à son cofondateur Antoine Hubert (ainsi qu’à l’ex-ministre Julien Denormandie qui avait aidé au financement d’Ynsect à l’époque, mais à confirmer), via un nouveau véhicule de reprise.​
Ce “recyclage” industriel montre qu’une partie de l’écosystème construit autour d’Ÿnsect survit tout de même malgré la liquidation judiciaire du reste des activités. Bref, plus de 600 millions qui ont été investis sont partis en fumée, dont une grande partie d’argent public. Mes impôts. Vos impôts aussi.

Abonnez-vous maintenant

Sorare, dans une bulle de savon

Sorare, de son côté, raconte une histoire radicalement différente mais tout aussi emblématique : celle d’une startup devenue licorne grâce à une bulle spéculative, puis ramenée brutalement sur terre. Lorsque l’entreprise a levé 680 millions de dollars en 2021, la rareté numérique incarnée par les NFT semblait une promesse infaillible. Les ligues sportives du monde entier s’associaient au projet, les utilisateurs spéculaient, et la valorisation de 4,3 milliards d’euros apparaissait presque comme un fait acquis. La suite démontre à quel point les marchés fondés sur l’émotion et l’euphorie collective peuvent s’évaporer dès que la confiance se fissure. Entre 2022 et 2025, les revenus ont chuté de plus de 70 %, les pertes ont explosé, l’activité a ralenti, la spéculation s’est effondrée, et l’entreprise a dû annoncer un plan social supprimant un tiers des effectifs. Pour 2026, leur objectif est simple : rentabilité. Mais la fragilité la plus profonde n’est pas juste financière : elle est réglementaire. Les autorités française et britannique examinent toujours si Sorare doit être requalifié comme jeu d’argent, ce qui impliquerait KYC obligatoire, limites de dépense, agréments spécifiques et contrôle renforcé. Une telle décision pourrait transformer radicalement son modèle économique, voire même menacer son existence. Le pivot engagé en 2024–2025 - gameplay simplifié, repositionnement moins spéculatif, migration vers Solana -montre une volonté réelle de construire une entreprise durable, mais il s’agit davantage d’une reconstruction que d’une évolution. La croissance organique dépendra désormais de l’adoption par un public moins spéculatif et plus « gamer », un marché beaucoup plus exigeant que celui des collectionneurs crypto. Moralité : méfiez-vous des émotions et des bulles spéculatives.

Abonnez-vous maintenant

Brevo, le cas…particulier

Brevo, enfin, représente une troisième forme de bascule. Probablement moins dramatique, mais tout aussi significative. Là où les deux précédentes startups illustrent de façon certaine les excès de l’enthousiasme technologique, Brevo révèle les nouvelles règles du jeu financier. En décembre 2025 la France s’enthousiasme d’une levée de fonds chez Brevo. Présentée comme une levée de 500 millions d’euros, l’opération était en réalité rien d’autre qu’un rachat massif de parts par deux fonds internationaux, valorisant l’entreprise à un milliard sans qu’il s’agisse d’un financement d’hypercroissance. Les investisseurs historiques ont pris leurs gains, les nouveaux actionnaires prennent le contrôle opérationnel, et seule une petite fraction du montant sert véritablement à alimenter la trésorerie. Mais comme je dis souvent “l’histoire, c’est toi qui la racontes” donc on peut très bien raconter ce qu’on veut, personne n’ira fouiller les détails. L’ajout d’une dette de 200 millions d’euros clôt le tableau : ce n’est plus une startup, mais une entreprise sous logique de private equity. Ce cas révèle que les grosses opérations financières de la French Tech ne sont plus des paris technologiques, mais des montages d’optimisation, où la croissance future dépendra surtout de discipline budgétaire, d’acquisitions ciblées et de capacité à améliorer la rentabilité. Brevo n’est pas une faillite ni un signal faible : c’est le modèle mature, pragmatique, consolidé, que la plupart des sociétés tech françaises de cette taille devront désormais adopter. Et aussi, c’est un story telling remarquable qui rassure le marché.

Rentabilité et rien d’autre

En observant ces trois trajectoires, un fil conducteur apparaît : la fin de l’argent facile transforme en profondeur l’écosystème. Les projets industriels devront désormais démontrer une viabilité économique avant d’ambitionner une échelle mondiale. Les startups issues de bulles devront reconstruire leur proposition de valeur hors de la spéculation. Les entreprises SaaS en forte croissance entreront progressivement dans le giron du private equity, pour être restructurées, consolidées, puis revendues à horizon 5 à 7 ans (sauf si croissance record permettant d’aller chercher une IPO mais ça ne semble pas être la priorité de nos entrepreneurs).

Cette transformation n’est ni pessimiste ni réjouissante : elle est inévitable. La France a besoin de miser sur des vrais champions répondant à des enjeux réels et avec une viabilité économique réelle elle aussi (Mistral AI ?). Pas sur des start-up de chaussettes connectées créées par des gars de HEC étant simplement motivés à devenir les prochains Zuckerberg. La French Tech est en train de quitter son adolescence (faite de symboles, de narratifs, de « levées record ») pour entrer dans une ère moins flamboyante mais - on l’espère - plus solide, où la profitabilité, la rigueur financière et la lisibilité stratégique remplaceront les promesses grandioses. Ce tournant peut sembler brutal, mais il est nécessaire. Car derrière le mythe des licornes, il y a toujours eu une vérité que l’écosystème préférait ignorer : une entreprise n’existe durablement que lorsqu’elle génère de la valeur réelle, au bon prix, pour un marché réel. Tout le reste n’est que storytelling et l’heure des contes est passée pour laisser place à l’heure des comptes désormais.

Abonnez-vous maintenant

Laissez un commentaire.

Avec la montée en puissance de l’automatisation, de l’IA, et des marketplaces B2B, beaucoup se sont amusés à prédire la disparition imminente des commerciaux. Les plateformes digitales prennent en charge de plus en plus de processus de vente, des CRM sophistiqués comme Salesforce à l’automatisation complète des contrats via des systèmes comme DocuSign. On voit même, dans l’industrie du SaaS BtoB, des produits que l’on peut acheter directement avec sa carte bancaire sur le site de l’éditeur. Et ça se fait de plus en plus.

En parallèle, les métiers comme SDR se voient petit à petit “remplacés” par des outils automatisant la prise de rendez-vous (Outreach pour aider, OliverList pour remplacer). Quelle époque.

Et pourtant, une catégorie de commerciaux résistera toujours à cette vague technologique : les Sales Grands Comptes. Ces dernières années, pendant la crise Covid et celle de l’Ukraine, j’ai observé un pattern intéressant : les jobs de Sales à pourvoir sont moins nombreux quand il y a des crises, mais le seul job qui traverse les tempêtes sans réel impact, c’est l’Account Executive sur les grands comptes.

Pourquoi eux ? Parce qu’ils maîtrisent ce qu'aucune machine ne pourra jamais remplacer : la relation humaine à haut niveau, la compréhension des enjeux complexes et la capacité à naviguer dans la politique interne des multinationales. Et qu’on se le dise : ils ont aussi l’expérience et la capacité d’aller chercher des deals stratégiques, à des gros montants, sur des comptes très sexy.

Partager

Un métier d'artisan, pas d’automate

Les petits deals transactionnels, comme la vente d'abonnements SaaS standardisés ou de logiciels avec peu de personnalisation, seront les premiers à succomber à l'automatisation. Les clients n'ont pas besoin d'une longue conversation pour acheter un logiciel de gestion de projet ou un outil de collaboration. Ils lisent quelques avis, comparent les prix, et cliquent sur "acheter". J’ai fait de la vente SMB pendant des années et franchement, combien de fois j’ai tenté de vendre la “vision” et la “valeur” de mon produit mais je me suis heurté à un mur qui me répondait “oui, mais le prix…”. Le SMB achète souvent du prix, donc autant ne pas perdre trop d’énergie. Dans ce contexte, les commerciaux disparaissent peu à peu au profit de plateformes plus efficaces, moins coûteuses, et surtout toujours disponibles.

Mais dès qu’il s’agit de contrats multi-millionnaires avec des entreprises du Fortune 500 ou du CAC40, les cartes changent. Après avoir parlé à des dizaines de Sales, il est clair qu’un commercial grands comptes n'est pas un simple "closer” de deal ; c'est un stratège, un chef de projet, un négociateur, parfois même un politicien. Ces deals peuvent impliquer plusieurs départements, des comités d’achat, des consultants externes et parfois même des régulateurs publics. Comprendre ces dynamiques nécessite une intelligence relationnelle et émotionnelle que la technologie n'a pas encore – et peut-être jamais – égalée. Sur les grands comptes, la performance currency et la relationships currency prennent tout leur sens, plus qu’ailleurs.

La complexité des deals : un terrain de jeu humain

Les grands comptes exigent des négociations personnalisées. Gartner et bien d’autres ont fait énormément d’études pour explique qu’énormément d’achats B2B impliquent des processus complexes, où la simple logique ne suffit pas. Il faut une écoute active, une capacité à lire entre les lignes et à naviguer dans les zones grises où se mêlent enjeux financiers, politiques internes et dynamiques interpersonnelles.

Prenons l’exemple d’une vente à un conglomérat comme General Electric. Ce type de vente implique de multiples unités opérationnelles réparties à travers le monde, chacune ayant ses propres priorités. Vous devez convaincre non seulement le département IT, mais aussi la finance, le marketing, et parfois même le conseil d'administration. Comment un algorithme pourrait-il gérer ces subtilités ? C’est clairement impossible. Et quand bien même ça le serait, le board de GE n’a pas envie de lâcher 5 millions de dollars sur un produit en ayant juste parlé à un ersatz de ChatGPT. Ce qui fait le succès d’un commercial grands comptes, c’est sa capacité à créer des ponts entre ces divisions, à influencer et à jouer un rôle de conseiller de confiance.

Abonnez-vous maintenant

Des relations qui comptent

Dans l’univers des grands comptes, les relations humaines ne sont pas un luxe, elles sont essentielles. McKinsey estime que la majorité des entreprises du Fortune 100 privilégient des relations à long terme avec leurs fournisseurs (pour aller plus loin, voir ici). Et pour cause : ces transactions engagent des centaines de millions de dollars et peuvent redéfinir la trajectoire de l’entreprise. Un fournisseur qui ne comprend pas profondément les enjeux stratégiques du client ou qui n’a pas développé une relation de confiance se verra remplacer sans hésitation.

Dans un monde où tout devient commodité, ces commerciaux se positionnent comme de véritables conseillers stratégiques (voire même des consultants), anticipant les besoins des entreprises avant même que celles-ci ne les expriment. Leur rôle ne se limite plus à la vente d’un produit ou d’un service. Ils s'impliquent dans la stratégie de croissance de leurs clients, apportant des solutions sur mesure.

…Mais l'automatisation a ses limites

L’IA, aussi puissante soit-elle, ne comprend pas encore les zones d’ombre. Allez tester ChatGPT sur des subtilités, vous verrez qu’il est encore plus limité qu’un gosse de 4 ans. Même Yann Le Cun est d’accord avec moi. Prenons un exemple simple : lorsqu’une entreprise envisage une acquisition majeure, un simple chiffre de ROI ne suffit pas pour convaincre toutes les parties prenantes. Il y a des nuances géopolitiques, des décisions RH à long terme, des réglementations, et même des affinités personnelles entre dirigeants. C’est ici que le commercial grands comptes intervient, jouant un rôle de médiateur, de consultant et parfois de confident. En clair, le commercial grand comptes ne peut pas être juste une sorte de Jean-Claude Convenant qui attend son bon de commande, il faut que ce soit quelqu’un d’intelligent et cultivé (deux choses différentes).

Alors, quand beaucoup prédisent la fin des commerciaux, il convient de nuancer : **ceux qui ne s'adapteront pas, qui vendent des produits standardisés et ne s’intéressent pas aux relations humaines, disparaîtront probablement**. Mais ceux qui travaillent avec des multinationales, qui sont capables de gérer des deals complexes et d’interagir avec les C-levels, ont encore de beaux jours devant eux.

Abonnez-vous maintenant

Le sales, une espèce en voie d’évolution

La réalité, c’est que les ventes se transforment plus qu’elles ne disparaissent. Les commerciaux qui échouent à monter en compétence sur les grands comptes ou à comprendre les nouvelles attentes des clients risquent de se voir remplacés par des chatbots. Mais pour les autres, la sophistication des ventes ne cesse de croître.

Dans un monde de plus en plus digitalisé, les commerciaux Grands Comptes deviennent des artisans, affinant des relations sur des années, naviguant dans des discussions complexes et créant une valeur que l’automatisation ne pourra jamais égaler. Un commercial grands comptes, c'est un expert, un conseiller, un stratège... bref, tout sauf un bouton "acheter maintenant". Et ce n'est pas un algorithme qui changera cela.

En fin de compte, les machines peuvent aider, mais elles ne remplaceront jamais l'essence même de la vente complexe : **la relation humaine**. Une compétence que seuls les meilleurs sauront préserver et développer.

By the way, si vous faites carrière dans la vente et que vous souhaitez y rester, ne pensez pas que tous les postes de commerciaux disparaitront…mais les offres diminueront avec les années. Sauf pour le commercial grand comptes, du coup.

Trois ans. Que le temps passe vite. Trois ans que l’IA générative a bouleversé nos vies, depuis ChatGPT est entré sur scène en novembre 2025. Certains font leur devoir de maths avec (coucou les lycéens), d’autres demandent des conseils de drague (c’est pour un ami évidemment), d’autres encore créent des flyers ou des images qu’ils iront partager sur les réseaux sociaux. D’autres encore comme Boris Johnson en sont tellement amoureux qu’ils le prononcent d’une façon curieuse. Bref. En fin d’année 2025, ChatGPT culmine à près de 800 Millions de MAU (utilisateurs actifs mensuels, dont Boris Johnson du coup), contre près de 650 Millions côté Gemini. Si Google avait fait des débuts catastrophiques avec Bard à l’époque (on a pas oublié), le géant de Mountain View n’avait pas dit son dernier mot. Et Gemini 3 risquerait bien de faire taire ceux qui à l’époque disaient “OpenAI va tuer Google”. Ben voyons.

La première IA qui organise, planifie et exécute comme un chef de projet sous caféine

Gemini 3 a été officiellement lancé le 18 novembre 2025. La plupart des gens ont découvert Gemini 3 comme ils découvrent chaque nouvelle IA : ils ouvrent la fenêtre de chat, tapent un prompt un peu pourri, obtiennent une réponse correcte et décrètent que “oui, c’est pas mal, mais ça reste une IA comme les autres”.

Le problème, c’est que Gemini 3 n’est pas conçu pour répondre. Il est conçu pour structurer.

Là où ChatGPT se contente souvent de sortir un texte propre et très obséquieux (pour pas dire autre chose mais je vais rester poli), Gemini 3 déplie la demande, l’analyse comme un pipeline, puis décide de la meilleure manière d’arriver au résultat. C’est la première fois que grand public et entreprises ont accès à un modèle qui fonctionne plus comme un chef de projet — certes un chef de projet hyperactif dopé au raisonnement multimodal — que comme un “assistant conversationnel”. Et c’est précisément pour ça que les prompts longs deviennent contre-productifs : Gemini 3 n’a pas besoin de votre recette de cuisine en 40 étapes. Dites-lui l’assiette que vous voulez servir, il prépare le menu et vous ramène les courses. Pour ceux qui avaient bâti un business sur la rédaction de prompts optimisés… disons que la disruption vient de taper à leur porte. Et elle n’a pas l’air de vouloir s’excuser.

Le CEO de Salesforce qui “donne son avis” comme un général qui déplace des troupes

Il y a une naïveté presque touchante dans la façon dont certains ont interprété le fameux tweet de Marc Benioff. “Oh, il teste Gemini 3 et il aime bien.” Non. Quand le patron de Salesforce — l’un des chefs d’orchestre les plus puissants de la tech entreprise — publie “I’m not going back to ChatGPT”, ce n’est pas un état d’âme. C’est un signal, presque un tir d’artillerie, lancé simultanément à trois publics. Aux DSI : “si vous pensiez que vos choix IA pour 2026 étaient gravés dans le marbre, je vous conseille de prendre un crayon à papier”. À Google : “on peut pousser l’alliance plus loin, mais montrez-nous ce que vous avez vraiment dans le ventre”. À OpenAI : “vous n’êtes plus le capitaine du navire ; vous êtes un acteur parmi d’autres”. Et tout cela, sans une seule slide PowerPoint, sans budget marketing, sans conférence de presse. Juste un tweet. L’économie de moyens est presque insolente. Mais au fond, on ne sait pas vraiment quel est l’intérêt de Benioff de dire ça : est-ce un coup de com’ orchestré avec Google ? Ou un appel de phares ? Ou encore autre chose ? On en saura jamais rien. Mais à la limite on s’en fout parce que c’est surtout un rappel : ce ne sont plus vraiment les modèles qui se battent, ce sont les écosystèmes. Salesforce ne se positionne pas sur “le meilleur LLM”. Salesforce se positionne comme la plateforme qui les pilote tous et décide lequel gagne dans quel contexte. Traduction : l’influence ne se trouve plus dans les paramètres du modèle, mais dans la couche qui orchestre les modèles. Et Benioff compte bien être dans cette couche.

Abonnez-vous maintenant

Google ne lance pas un modèle : il lance une armée

Regarder Gemini 3 sous l’angle “chatbot” est un contresens total. Google ne crée pas un concurrent de ChatGPT. Ca n’a jamais été leur but d’ailleurs. Google crée un infrastructure layer, un ensemble de briques qui transforment l’IA en plateforme de production : Nano Banana Pro pour les visuels cohérents (texto inclus), Antigravity pour les agents autonomes avec navigateur, terminal et éditeur de code, intégrations profondes dans Workspace, Vertex AI, Search, Android. Le tout porté par un modèle qui ingère nativement texte, image, vidéo, audio et fichiers massifs. Résultat : Gemini 3 ne sert plus uniquement à “répondre”, mais à produire ce que produisaient autrefois des équipes entières. Un dashboard, un mini-site, un funnel marketing, un script vidéo, une note stratégique, un prototype visuel : ça sort d’une seule commande.

Ce n’est pas que l’IA devient plus intelligente ; c’est qu’elle devient opérationnelle. Elle travaille. Elle exécute. Et Google la déploie partout où il y a du flux, de la donnée, ou un écran. Pour les agences, les consultants, les freelances no-code, c’est un moment de vérité : si votre valeur résidait uniquement dans l’exécution, préparez-vous à rencontrer la précarité. Si votre valeur réside dans la stratégie, l’analyse, la compréhension humaine, vous venez de recevoir l’outil qui vous met à 10x. La ligne de fracture est là, autant le savoir dès maintenant (même si c’est déjà trop tard en vrai).

Abonnez-vous maintenant

L’avenir : la guerre des modèles touche à sa fin, la guerre des plateformes commence

Si Gemini 3 déclenche autant de réactions, ce n’est pas parce qu’il “bat ChatGPT” - j’ai presque l’impression que dans la guerre des IA la liste des vainqueurs change tous les trois mois. Ce qui perturbe vraiment l’industrie, c’est que Gemini marque le début de la fin d’une époque où les entreprises se demandaient : “quel modèle dois-je choisir ?”. Dans deux ans, tout le monde aura un modèle très performant.

En fait, je pense même que la vraie bataille sera ailleurs : dans les données propriétaires, dans la vitesse d’exécution des agents, dans la capacité à s’intégrer aux workflows, dans la gouvernance, dans la sécurité, dans l’écosystème de partenaires. En clair : les LLM deviennent des “commodities”, comme les moteurs de base de données avant eux. Ce qui va compter, c’est pas tant le LLM que l’orchestration. Microsoft a évidemment une carte énorme avec Office 365. Salesforce en a une autre avec Agentforce et Data Cloud. Google pousse son avantage sur Search, Android et le multimodal natif. Et pendant que tout cela se joue, une transformation plus profonde semble pourtant avancer en silence : le travail opérationnel va s’effondrer. Ce n’est pas juste une prédiction dystopique, c’est une simple logique d’économie qui va s’étendre sur les années à venir. Si une IA peut créer un projet complet en quelques minutes, les métiers fondés sur l’exécution deviennent compressibles. Voire complètement inutiles. Ce qui va rester - et devenir précieux - ce sont les compétences humaines : comprendre un marché, sentir le risque, formuler un objectif, décider malgré l’incertitude, influencer des stakeholders, raconter une histoire, imaginer un angle stratégique. L’humain ne disparaît pas, il va devoir monter d’un étage et montrer sa réelle valeur ajoutée. Et ceux qui ne montent pas avec lui resteront coincés au rez-de-chaussée, dans un monde où personne n’a plus besoin de leurs tâches.

Bref…

Gemini 3 n’est pas une fin de course. C’est un début. Le début d’un monde où la performance brute des modèles ne fera plus la différence, parce que tous seront suffisamment bons, selon ce que l’on attend d’eux - mais où la capacité à les orchestrer, les connecter, les gouverner et les faire travailler ensemble deviendra le réel avantage décisif. Un monde où l’IA ne sera plus un outil isolé mais une infrastructure, un tissu invisible qui reliera workflows, décisions et créations. On rentre petit à petit dans une ère où on deviendra réellement dépendant de l’IA et on vivra avec l’IA comme si on avait jamais vécu sans. Un monde où les entreprises les plus rapides ne seront pas celles qui auront “adopté l’IA” (ça c’est le niveau 0 du progrès) mais celles qui auront appris à formuler des objectifs clairs, à déléguer intelligemment aux agents, et à redéfinir les rôles humains autour de la stratégie, de l’intuition et du sens.

La vraie question, maintenant, n’est plus : “Quel modèle est le meilleur ?”
La vraie question devient : “Quelle place, en tant qu’humain, peux-tu occuper dans un monde où les tâches disparaissent et où seules les décisions subsistent ?”

Parce qu’à ce stade, le futur n’a plus rien d’un débat technologique. C’est un test de leadership et d’utilité de l’humain. Et qui vivra verra.

Abonnez-vous maintenant

Laissez un commentaire.

En moins de dix ans, le logiciel a changé de tempo. Ce qui prenait cinq ans et plusieurs levées de fonds s’accomplit aujourd’hui en douze à dix-huit mois. Cette accélération fulgurante ne tient pas au hasard, mais à une révolution silencieuse du modèle économique, de la culture produit et des infrastructures.

Le modèle T2D3 : la machine à croissance de l’ancien monde

Pendant plus d’une décennie, la croissance dans le SaaS a obéi à un manuel unique : le T2D3. Ce concept, inventé par l’investisseur Neeraj Agrawal de Battery Ventures, signifie Triple, Triple, Double, Double, Double. En gros, il définissait la trajectoire idéale d’une startup logicielle qui part d’un million de dollars de revenus récurrents annuels pour atteindre la barre symbolique des 100 millions en 5 ans (ou plus rapidement, même). Les deux premières années, elle triple son chiffre d’affaires, puis le double trois fois. C’est le modèle qui a façonné l’âge d’or de Salesforce, Zendesk, Workday, DocuSign ou ServiceNow : une croissance rapide, mais soutenue, portée par des forces de vente aguerries, des contrats pluriannuels et une discipline commerciale (enfin surtout au niveau de la stratégie GTM) presque militaire. Le SaaS d’alors ressemblait davantage à une mécanique industrielle qu’à une aventure virale.

Ce modèle était lent, mais il avait l’avantage d’être robuste. L’entreprise construisait d’abord son organisation commerciale avant de viser la domination produit. Chaque étape exigeait des cycles longs : identification des besoins, démonstrations, négociation, déploiement, formation, support. Le SaaS était un marathon, pas un sprint. Les fondateurs visaient un ARR de cent millions comme un sommet à atteindre au prix de cinq années de discipline stratégique. Et à cette époque, cette vitesse-là semblait déjà vertigineuse.

Partager

L’avènement du modèle product-led : quand l’usage précède la vente

En moins d’une décennie, un autre modèle s’est imposé : celui du produit qui s’impose de lui-même, souvent sans prospection, sans formation, et parfois même sans service commercial au départ. Le SaaS est devenu usage-led avant d’être sales-led. C’est encore plus vrai dans l’industrie de la data avec des offres pay-as-you-go : un coup de carte bancaire et même une entreprise a accès aux services instantanément (Snowflake par exemple). L’utilisateur final a remplacé le décideur comme point d’entrée. Quelque part, tant mieux. Les cycles d’achat, jadis mesurés en trimestres, se comptent désormais en jours (attention à ne pas en faire une généralité non plus). Et l’adoption ne repose plus sur des arguments, mais sur une expérience immédiate. Qui est une première porte d’entrée sur un compte avant d’aller des gros deals.

En fait, ce glissement s’explique par la généralisation du modèle product-led growth, la croissance tirée par le produit. Dans ce paradigme, le logiciel n’est pas seulement un outil ; il devient sa propre machine de vente. Le client découvre la valeur en l’utilisant, non en l’écoutant. La friction initiale est réduite à zéro : inscription immédiate, essai gratuit, intégration simple, preuve de valeur quasi instantanée. Là où Salesforce devait convaincre des directions commerciales entières de changer leurs processus, les produits modernes séduisent d’abord un individu, un data engineer, un manager, un développeur. Cette micro-adhésion se transforme ensuite en adoption collective. L’entreprise achète parce que l’usage s’est installé.

Ce changement de séquence a bouleversé les vitesses de croissance. Des sociétés comme Wiz, Deel ou OpenAI ont démontré qu’il était désormais possible de franchir le seuil symbolique des 100 millions de dollars de revenus annuels en moins de deux ans.

Abonnez-vous maintenant

Wiz, Deel, OpenAI : trois incarnations du nouveau tempo

Wiz, fondée en 2020, a atteint 100 millions de revenus en seulement 18 mois. Ce qui frappe, c’est la radicalité de son approche : aucun agent à déployer, aucun projet d’intégration, aucun prérequis technique. En quelques minutes, la plateforme scanne un environnement cloud et visualise toutes les failles de sécurité. Pour une équipe sécurité, la démonstration est instantanée : la douleur est visible, la solution aussi. L’achat devient évident. Ce n’est plus un cycle de vente, c’est un réflexe. Wiz a inversé la chronologie classique : l’usage précède la conviction, et la valeur précède le contrat.

Deel, dans un tout autre domaine, a suivi une trajectoire similaire. La société a identifié une douleur universelle : recruter et payer des salariés à l’international sans se perdre dans la bureaucratie. Et elle a capitalisé sur une époque remplie de télétravail et de contrats offshore. Là où les concurrents vendaient des solutions de conformité sur mesure, Deel a industrialisé la simplicité : un onboarding en dix minutes, un moteur de règles locales automatisé, et une interface unique pour gérer la paie mondiale. Chaque manager, chaque recruteur devient un vecteur viral. L’usage se répand de filiale en filiale, sans effort marketing disproportionné. En moins de vingt mois, Deel dépasse les 100 millions de revenus récurrents. Ce n’est pas seulement un exploit commercial, c’est un basculement culturel : la croissance ne dépend plus d’un plan de prospection, mais d’un plan d’adoption.

Quant à OpenAI, c’est le cas extrême. En 2022, ChatGPT est lancé comme un produit grand public, et en quelques semaines, il dépasse les 100 millions d’utilisateurs. Il se trouve que mon frère m’avait montré le modèle GPT d’OpenAI près de 8 mois avant la sortie de ChatGPT…il était clairement ultra mauvais, mais force est de constater qu’OpenAI est très fort pour développer/améliorer ses produits à une vitesse éclair. Toutefois l’effet de levier véritable réside dans la transformation de cet usage massif en business B2B. L’API d’OpenAI permet aux entreprises d’intégrer directement ses modèles dans leurs propres produits. En parallèle, les abonnements individuels (ChatGPT Plus) génèrent un flux de revenus récurrents. Le résultat : un run-rate estimé à plusieurs milliards de dollars en 2025. Ici, la croissance ne provient plus du démarchage ou du marketing traditionnel, mais d’un double moteur : viralité grand public et intégration structurelle dans les logiciels d’entreprise. Le logiciel devient plateforme, et la plateforme devient standard. Aujourd’hui, OpenAI tend à devenir un monstre inarrêtable qui va bientôt rivaliser très sérieusement avec les GAFAM.

Abonnez-vous maintenant

Les trois leviers de l’hypercroissance

Ce nouveau paradigme s’appuie sur trois piliers fondamentaux. Le premier, c’est l’immédiateté de la valeur. Les utilisateurs doivent percevoir l’utilité du produit dès les premières minutes. Cet effet “woaw !” est le cœur de la conversion : il transforme la curiosité en dépendance. Le deuxième pilier, c’est la flexibilité du modèle économique : la tarification à l’usage. En éliminant la barrière d’entrée, elle autorise une adoption progressive, presque organique, où le client agrandit son empreinte sans contrainte contractuelle. Il y a quelques jours, je déjeunais avec le leader GTM d’un éditeur américain bien connu qui m’expliquait “le pay-as-you-go, ça emmerde les Sales, mais les CRO voient chaque petit client en ligne comme une petite poche d’argent qui va gonfler progressivement dans les années à venir ; d’autant plus qu’un client online en plus, ça reste un nouveau logo et ça rassure les investisseurs”. Et ça marche, parce qu’aujourd’hui de nombreuses entreprises ne savent même plus à quel point elles dépendent et dépensent d’argent chez les cloud provider par exemple. D’où l’émergence d’acteurs de FinOps, tels que DoIT par exemple. Le troisième pilier, c’est la communauté. Là où les ventes s’appuyaient autrefois sur des présentations PowerPoint soporifiques et des cycles de validation, les produits modernes s’appuient sur des utilisateurs qui partagent, forment, documentent, évangélisent. Chaque utilisateur devient un maillon de distribution.

Ce triptyque — valeur immédiate, monétisation fluide, communauté active — explique pourquoi certaines entreprises atteignent désormais des vitesses autrefois jugées impossibles. Mais attention, parce que cette accélération n’est pas gratuite. Elle suppose un produit quasi parfait dès le lancement, une architecture technique sans faille, une compréhension intime du comportement utilisateur et une capacité à livrer à l’échelle mondiale. Là où le SaaS de 2015 tolérait l’imperfection et la correction progressive, celui de 2025 impose l’excellence d’entrée de jeu. Les règles ont changé et le monde d’aujourd’hui est (trop ?) concurrentiel.

Abonnez-vous maintenant

La contrepartie : la fragilité des champions

La contrepartie, c’est la fragilité. Ce modèle crée des géants rapides, mais aussi des chutes brutales. Beaucoup de produits “bottom-up” échouent à franchir le mur de la gouvernance : sécurité insuffisante, conformité absente, gestion de comptes totalement chaotique. La vitesse sans structure peut être une illusion de succès. Les champions comme Wiz ou Deel sont l’exception et pas la norme. Leur réussite repose sur une exécution chirurgicale, une lisibilité parfaite du marché et un alignement total entre produit, usage et distribution. Je connais un mec qui veut créer une appli “nice to have” et qui me disait “j’ai pompé toute la GTM Strategy de Cursor, Lovable et Wiz, j’ai foutu ça sur ChatGPT et il va m’adapter la stratégie commerciale pour ma boîte”…sauf que si ton appli sert à rien, tu peux reproduire la stratégie de Cursor ou d’OpenAI autant que tu veux, ça ne donnera rien.

Dans ce nouveau monde, la croissance n’est plus un acte de volonté, c’est une conséquence d’adéquation. Si le produit est juste, s’il résout une douleur sans effort, la traction devient automatique. On vous le répétera 10 millions de fois s’il le faut, mais si votre produit ne résout pas un besoin réel alors le client s’en tape de vous l’acheter. Aucune stratégie de vente ne peut compenser un produit qui sert à rien. Ce réalisme brutal est le revers de la médaille : l’écart entre les vainqueurs et les autres se creuse à une vitesse jamais vue.

Abonnez-vous maintenant

Le commercial, d’acteur central à orchestrateur du momentum

Ce qui change profondément par contre, c’est le rôle du commercial. Dans le modèle T2D3, il était au centre du jeu. D’où le fait qu’il ait eu ses heures de gloires entre 2010 et 2020. Dans le modèle moderne, le Sales devient l’orchestrateur d’un momentum déjà créé. La vente ne crée plus la traction, elle la convertit. Les signaux d’usage — le nombre d’utilisateurs actifs, le volume d’appels API, la fréquence d’accès — remplacent les leads traditionnels. L’équipe commerciale lit les données avant d’ouvrir le deal. Elle ne vend plus une promesse, elle contractualise un usage. Et je le dis très clairement : en 2025, un lead ne veut plus rien dire (dans 80% des cas il est de basse qualité pour plein de raisons et ne convertira pas). Par contre, la data, elle, ne ment pas. Si je vois un client qui utilise déjà ma solution depuis quelque temps et consomme de plus en plus, je vais parler à ce client.

Le commercial moderne n’est plus un chasseur, mais un analyste d’adoption. Il doit comprendre les dynamiques d’usage, identifier les champions internes et formaliser une expansion naturelle. Sa compétence clé n’est plus la persuasion, mais la synchronisation : détecter des signaux, savoir quand le client est prêt, et comment transformer un usage spontané en contrat global.

Abonnez-vous maintenant

Bref…une nouvelle ère du SaaS, plus exigeante et plus sélective

Le passage du T2D3 à l’hypercroissance en 12 mois ne signifie pas que tout le monde doit aller plus vite. Ne me faites pas dire ce que je n’ai pas dit. Il signifie que la vitesse est désormais une variable stratégique, pas une conséquence. Le SaaS de 2025 récompense ceux qui comprennent que la valeur doit être vécue avant d’être vendue. Ce modèle consacre une nouvelle élite : des entreprises capables de livrer une expérience immédiate, une infrastructure mondiale, et une exécution sans faille. Nul doute que les entreprises ayant réussi ce pari ont vu grand dès le début. Mais de façon smart.

Mais il impose aussi une rigueur impitoyable : la médiocrité ne survit plus. L’époque où l’on pouvait itérer lentement sur un produit moyen ou un MVP qui tient à peu près la route est révolue. Le marché ne laisse plus le temps de corriger. Soit le produit devient réflexe, soit il disparaît. Il y a trop de concurrents sur le marché donc si votre produit est “bien” ou “bof”, il sera noyé et oublié. Bref : le logiciel n’est plus une promesse : c’est une évidence ou rien.

Sources : Battery Ventures, T2D3: Triple, Triple, Double, Double, Double ; TechCrunch ; Sacra ; Reuters ; Wiz ; Deel ; OpenAI company filings.

Laissez un commentaire.

Ayant bossé dans les ventes BtoB à travers des structures de logiciels variées, j’ai compris une chose : les 1 % des Account Executives (AE) les plus performants ne vendent pas. Oui, c’est paradoxal pour un commercial. Mais sérieusement. Ils jouent un tout autre jeu. Ces types et ces nanas ne sont pas là pour bourrer le crâne de leurs prospects sur leurs produits ou leurs caractéristiques. Non, ils font quelque chose de beaucoup plus subtil : ils deviennent des guides, des conseillers de confiance, la voix rationnelle qui rend tout clair et évident pour l’acheteur. C’est ce qui fait la différence entre un cycle de vente pourri et un gros deal réussi.

Ces vendeurs, les tops des tops, ce sont les pros de ce que certains appellent le « processus d’achat en tant que service ». Leur vrai job ? Faire en sorte que l’acheteur n’ait pas à se demander quoi faire, pourquoi le faire, ni pourquoi le faire avec eux. Et je vous le garantis : quand ils atteignent leurs quotas (souvent bien plus haut que le standard), c’est parce qu’ils maîtrisent quatre éléments clés du processus de vente. Les voici.

1. Des démos qui valent une heure de consulting à 1 000 $

Imaginez : vous êtes dans une démo, l’AE déroule comme s’il donnait un cours magistral qui vous concerne uniquement, vous. C’est exactement ce que font les meilleurs AE. Leur secret ? Ils ne parlent jamais de leur produit comme si c’était la star de l’affaire. Pas de « Cette fonctionnalité fait X », ni de retour sur investissement « génial » sur le papier. Ils se concentrent exclusivement sur les douleurs de l’acheteur, et comment d’autres dans l’industrie ont su les résoudre grâce à leur solution. La clé est là : l’acheteur se sent compris et au centre du show.

À l’inverse, combien de fois on a vu des AE se planter en bombardant leurs prospects de toutes les fonctionnalités de leur outil ? Résultat : le prospect repart avec une migraine, en se demandant pourquoi il devrait même envisager de bouger. Dans le meilleur des cas il a pu faire une sieste pendant votre démo et conclue mollement à la fin du rdv : “ah ben oui, c’est vrai que c’est une belle solution…”. Dit autrement, il n’a pas interagi, pas posé de questions, le client s’en fout et attend juste que vous la fermiez pour aller faire autre chose. La démo, ce n’est pas une liste de features à dérouler comme une liste de courses, c’est une consultation. Et les bons savent parfaitement faire la distinction.

Abonnez-vous maintenant

2. Un suivi qui fait du vrai « Project Management as a Service »

Un bon suivi ? C’est pas seulement envoyer un e-mail pour forcer une réponse. Les AE moyens foncent là-dedans en mode désespéré parce que leur pipeline est à la ramasse (ça sent le vécu, ça). Les top AE, eux, sont malins : ils divisent leur pipeline en deux catégories. D’un côté, les deals où ils avancent en collaboration avec les acheteurs, avec un plan bien ficelé (ça s’appelle un plan mutuellement convenu ou “Mutual Action Plan” pour les intimes). De l’autre, les deals un peu incertains, qu’ils analysent et peaufinent constamment pour tenter de créer de la valeur.

Pour les accords fermes, ils assurent un mode « gestion de projet » : ils bossent en rétro-planning à partir de la date où l’acheteur espère obtenir des résultats. Ils rappellent le plan à chaque réunion et veillent à rester en alignement avec leur champion du deal. Dans les cas incertains, ils passent leurs appels et notes au peigne fin, cherchant des leviers ou une autre voix d’influence dans l’organisation. L’objectif ? Ne pas envoyer de simples suivis, mais des actions précises qui peuvent faire basculer le deal. Ils veulent atteindre ce point d’équilibre où l’acheteur perçoit le suivi comme un service à valeur ajoutée, pas comme un coup de pression pour conclure. Je vous l’accorde, c’est pas toujours simple à faire : ça nécessite de comprendre que l’AE n’est pas un vendeur mais un véritable chef de projet qui doit prendre le lead sur le sujet et contrôler le timing.

Partager

3. Multithreading : l’art de bâtir le consensus

Ah, le multithreading. Beaucoup d’AE en parlent, mais rares sont ceux qui maîtrisent vraiment cet art. On a tous vu des AE qui, en mode bulldozer, contournent leur champion pour atteindre directement les big boss. Une vraie erreur. Le souci c’est quand ton chef te demande de le faire et que tu le fais vraiment...tu risques juste de flinguer ton deal dans ce cas. Les deals dans les entreprises ne se gagnent pas en ignorant les parties prenantes qui font le lien. Les top AE ont compris que chaque niveau compte. Ils valorisent les middle managers, les responsables intermédiaires, voire les utilisateurs finaux. Un champion, ça se valorise et ça s’utilise. Mais un champion, c’est pas juste un gars qui te sourit en réunion en te disant qu’il aime bien ta réunion, ça tout le monde le sait.

Pourquoi est-ce que chaque niveau compte ? Parce que ces personnes influencent énormément la décision finale. Les top AE s’assurent que tout le monde est aligné, créant un réseau de soutien au sein même de l’organisation. Les anglo-saxons appellent ça la “relationship currency”. La décision en comité, ce n’est pas juste une case à cocher. C’est un tremplin pour s’assurer qu’une solution est bien acceptée par tous ceux qui auront à l’utiliser ou à l’implémenter. Si quelqu’un manque de soutien dans l’organigramme, les chances de succès dégringolent.

4. Partage de ressources : donner les bonnes munitions, au bon moment

Partager des ressources ? Facile, non ? Fausse idée. La plupart des AE bombardent leurs prospects de livres blancs, d’études de cas, et autres fichiers en espérant que quelque chose « clique ». Mais la pulvérisation d’assets, c’est du gaspillage. Tu peux m’envoyer le dernier album de Jul en CD, Vynil, Spotify ou par pigeon-voyageur, j’en ai rien à carrer vu que c’est nul et que c’est pas ce que je veux. Les meilleurs savent que chaque ressource doit être orchestrée et présentée au bon moment, pour le bon public. Une ressource donnée au hasard peut tuer un deal aussi vite qu’un mauvais suivi.

Les top AE ont un véritable plan pour leurs partages. Premier e-mail ? Un récap « Ce que nous avons entendu » qui devient une base d’analyse. Ensuite, un document sur l’étendue du Proof of Concept (POC) que toute l’équipe POC pourra lire et comprendre. Puis, un modèle de générateur de listes d’exigences pour que le prospect puisse comparer les fournisseurs en toute objectivité. Avant la réunion avec l’exécutif ? Un récap personnalisé partagé avec leur champion, histoire que celui-ci arrive préparé et prêt à défendre le choix en toute confiance.

Bref. Un AE c’est un conseiller, pas un vendeur

Voilà ce qui distingue les 1 % des top AE. Ils ne vendent pas dans le sens traditionnel. Ils facilitent, ils accompagnent, ils montrent la voie et deviennent des extensions de l’équipe d’achat. Ils n’attendent pas d’être à l’étape suivante du processus de vente pour pousser. Ils créent une expérience d’achat où le prospect se sent soutenu, où la décision devient logique, presque évidente.

Donc, si vous voulez percer dans le BtoB, arrêtez de vendre. Devenez un conseiller expert, un guide fiable. Proposez un vrai « processus d’achat en tant que service ». La vente, c’est secondaire. Ce que les clients veulent, c’est un partenaire qui leur simplifie la vie et les aide à prendre des décisions.

Vous connaissez la série MindHunter ? C’est une super série qui raconte comment le FBI, à la fin des années 70, a commencé à réellement étudier ce qui se passe dans le crâne des tueurs en série. La série Netflix est connue pour être assez fidèle à des éléments de la réalité, notamment les joies de la bureaucratie chez les agences fédérales. Dans la fiction, un agent, Holden Ford, tente des approches peu habituelles pour réussir à comprendre l’esprit des tueurs en série déjà arrêtés (l’objectif final étant de résoudre des affaires criminelles en cours), mais ça n’est pas de goût de tout le monde.

Jusqu’au jour où deux membres des affaires internes du FBI admonestent l’agent Ford, qui quitte la pièce en disant : « La seule erreur que j’ai jamais faite, c’est celle de douter de moi-même. »
Pourquoi cette phrase est plus importante qu’il n’y paraît ?

Cette phrase lâchée par Holden Ford est un uppercut verbal qui pourrait figurer dans un manuel pour entrepreneurs audacieux. Reprenons le contexte : Holden, jeune agent du FBI, développe donc des méthodes innovantes pour interroger les tueurs en série. Pas de discours mielleux ni de méthodes classiques, mais un plongeon dans les abîmes de leur psyché. Il parle leur langage – cru, dérangeant, brutal. Résultat : il obtient des informations précieuses là où d’autres échouent. Mais ça ne plaît pas. La bureaucratie du FBI s’offusque : ces méthodes, bien qu’efficaces, sont trop "hors cadre". Incompréhension, critiques, remises en question… Holden incarne le dilemme de tout innovateur.

En fait, quand vous faites bouger les lignes, attendez-vous à un retour de bâton. Mais c’est justement là que réside le cœur de l’innovation : dans sa capacité à déranger.

L’innovation, ce mal-aimé du système

Ce qui dérange dans l’innovation, ce n’est pas l’idée elle-même. Non, le problème vient de ce qu’elle révèle. Elle met à nu l’incompétence, les zones d’ombre, et surtout, le confort d’un statu quo. Le FBI dans MindHunter n’est pas différent de beaucoup d’entreprises : il est englué dans ses process, ses habitudes, ses peurs. Ce n’est pas un hasard si tant de boîtes ratent leur transition numérique ou se font dépasser par des startups agiles. C’est tout simplement parce qu’elles ne veulent pas sortir de leur zone de confort. De nos jours le combat n’est pas tant entre les petites boîtes vs les grandes boîtes, il est plutôt entre les entreprises acceptant l’innovation et l’agilité vs celles qui pourrissent la poussière. Le souci, c’est que l’inconnu ça fait peur.

Prenons un exemple concret : Netflix. À la fin des années 90, Blockbuster régnait en maître sur le marché de la location de vidéos. Les cassettes et les DVD étaient loués dans des boutiques physiques, et tout le monde trouvait ça normal. Quand Netflix est arrivé avec son service de location de DVD par correspondance, puis plus tard avec le streaming, les réactions furent… mitigées. Les dirigeants de Blockbuster auraient pu acheter Netflix pour une bouchée de pain. Ils ne l’ont pas fait, trop occupés à se moquer de ce modèle économique jugé bancal. Résultat ? Netflix a changé le monde, pendant que Blockbuster rejoignait le cimetière des géants déchus….la boîte a disparu en 2014.

Partager

Pourquoi ça dérange ?

Innover, c’est aller à contre-courant. Et ça dérange, pour trois raisons principales :

1. L’égo des institutions : Les entreprises, comme les bureaucraties, adorent leur propre reflet. Elles préfèrent croire qu’elles détiennent la vérité. Quand une idée nouvelle arrive, elle est perçue comme une menace, un jugement implicite sur leurs méthodes. Je me souviens moi-même d’une manager il y a plusieurs années qui n’avait pas supporté certaines méthodes (rien d’illégal bien sûr) pour détecter du business…devant les résultats, elle a fini par adopter mes méthodes lorsque je me suis barré de l’entreprise et toute l’équipe devait les utiliser ensuite (d’après mes ex-collègues).

2. L’inconfort : L’innovation exige qu’on admette qu’il y a une meilleure manière de faire. C’est comme dire à quelqu’un : « Ce que tu fais, c’est bien, mais pas suffisant. » On comprend vite pourquoi ça pique. Le souci c’est qu’on grandit tous dans des dogmes, des paradigmes. Et forcément, si au bout de 30 ou 40 ans d’existence je t’explique en 5 min ou même en 5 mois que tout ce que tu sais est faux, alors forcément tu vas exploser et rejeter mon raisonnement. Intellectuellement, tu seras peut-être d’accord avec mon approche…mais ton ego va bloquer le tout et éviter cela.

3. La peur de l’échec : Toute nouveauté comporte un risque. Les conservateurs préfèrent un échec confortable à un succès incertain. C’est ce que je dis souvent aux amis commerciaux : votre plus grand concurrent, c’est pas Microsoft, Google, ou je ne sais qui. Votre plus grand concurrent, c’est l’inaction côté client, c’est le fait que le deal ne se fasse tout simplement jamais…parce qu’il est toujours plus sûr de ne rien faire du tout que d’acheter quelque chose avec son lot de risques.

Abonnez-vous maintenant

L’effet Domino : De controversé à évident

Et pourtant, l’histoire montre que ce qui choque aujourd’hui devient une évidence demain. L’innovation suit toujours le même cycle : incompréhension, rejet, puis adoption massive.

Prenez Tesla. Aujourd’hui, la voiture électrique est un symbole de modernité, même si en réalité c’est bien loin d’être parfait. Mais il y a 15 ans, quand Elon Musk s’est lancé dans l’aventure, les sceptiques étaient nombreux. Les grandes marques automobiles rigolaient dans leur coin, persuadées qu’aucun client ne troquerait un bon vieux moteur thermique contre une batterie. Les arguments pleuvaient : trop cher, pas assez fiable, peu d’infrastructures. Et pourtant, Tesla a redéfini l’industrie, au point que les mêmes constructeurs se battent désormais pour rattraper leur retard.

L’innovation dans le quotidien : à chacun son Holden Ford

Que vous soyez entrepreneur, manager ou simple collaborateur, il y a - je l’espère - un peu de Holden Ford en vous. Je dis souvent que le monde progresse grâce à l’innovation (dans la science et technologies) et aux gens exigeants. L’idéal c’est d’être au moins dans l’un des deux. Chaque fois que vous proposez une nouvelle idée, que vous osez un processus inédit, vous vous exposez aux mêmes critiques. Dans les affaires comme dans la vie, on préfère souvent le statu quo à la prise de risque.

Un autre exemple personnel ? Le cas ChatGPT. Pas besoin d’aller chercher loin. J’avais une équipe qui ne pigeait pas pourquoi utiliser cet outil, qui en avait “vaguement entendu parler” et un autre qui me disait “nan mais tu sais c’est du gadget tout ça…moi je fais du business j’ai pas le temps pour ça quoiiii…”. Ben voyons, excuse-nous Warren Buffet. En attendant ça fait 8 ans que t’as pas fait ton quota. Quand j’ai montré à mes collègues que j’arrivais à récolter des infos sur mes comptes en 20 min et eux en deux jours, bizarrement tout le monde a voulu comprendre comment.

Bref…osez déranger

Alors, la prochaine fois que vous proposez quelque chose de nouveau et que vous essuyez des critiques, souvenez-vous de ceci : c’est bon signe. Ils sont dans le passé, pas vous. Si personne ne vous critique, c’est que vous ne faites rien de réellement disruptif. Voilà pourquoi j’en ai personnellement plus rien à faire d’être critiqué. La bureaucratie, les conservateurs et les sceptiques auront toujours une longueur de retard. Leur peur, c’est votre opportunité. Comme Holden Ford, vous devez rester fidèle à vos idées, même quand tout le monde vous dit que vous avez tort.

Et si vous doutez encore, rappelez-vous : ce n’est pas en récitant des poèmes qu’on fait parler un tueur en série, ni en suivant les règles qu’on change le monde. Alors, osez. Soyez audacieux. Parce qu’un jour, ceux qui vous critiquent aujourd’hui vous remercieront – ou pire, s’approprieront votre succès.

Laissez un commentaire.

Dans la Tech beaucoup font la chasse à l’entreprise pré-IPO en espérant devenir millionnaire sous 4 ans. J’ai vu un paquet de gars chercher à rentrer dans une boîte “qui va cartonner” et au final, la boîte n’a jamais vraiment explosé. Les chasseurs de tête l’ont bien compris puisque l’argument “Pre-IPO” est devenu plus parlant que n’importe quel package. Mais concrètement, ça ne veut rien dire…combien d’entreprises promettent une IPO qu’elles ne feront jamais ? Trop. Beaucoup trop.

Une introduction en Bourse ne s’improvise pas. Derrière les chiffres spectaculaires affichés au jour J se cachent des mois, parfois des années, de préparation silencieuse. Mais à qui sait observer, cette métamorphose laisse des traces. Car une IPO est rarement une surprise pour ceux qui savent lire les signaux faibles : elle est précédée d’une série de décisions stratégiques, de changements internes et de mouvements financiers qui forment un récit lisible. Je ne suis pas expert de la finance, mais avec le temps j’apprends à repérer des indices que j’aimerais vous partager - peut-être en voyez-vous d’autres et je serais heureux que vous m’aidiez à compléter cette liste.

Ce récit n’est pas toujours écrit noir sur blanc, mais il s’esquisse dans les recrutements, les levées de fonds, la gouvernance, la communication. L’enjeu pour les observateurs avertis – investisseurs, concurrents, ou simples curieux de la tech – est donc de détecter ces mouvements en amont. La liste que je vous donne n’est pas exhaustive, n’hésitez pas à critiquer en commentaire.

Les CFO, premier marqueur possible

Dans le monde des entreprises en croissance rapide, le recrutement d’un CFO “IPO-ready” est l’un des signaux les plus visibles et fiables. Ce profil n’est pas simplement un expert de la comptabilité, mais un stratège du marché. Il connaît les rouages réglementaires, parle le langage de Wall Street, anticipe les objections des analystes. Son rôle est d’encadrer les états financiers, superviser l’audit, piloter la rédaction du formulaire S-1 (aux États-Unis) et accompagner les dirigeants lors des roadshows. Ce schéma s’est vérifié chez Snowflake (Mike Scarpelli), Nutanix (Duston Williams) ou encore Rubrik (Brian McCarthy), qui ont tous nommé des CFO chevronnés dans les 18 mois précédant leur IPO. Bizarrement, lorsqu’on regarde le CV de plusieurs d’entre eux, ils ont déjà vécu des IPO dans le passé donc cette expérience intéresse les boards qui les recrutent. Leur arrivée fut systématiquement saluée comme une étape de structuration, un feu vert implicite adressé aux marchés.

Au-delà des CFO, regardez également du côté des CRO (chief revenue officer). Ce sont eux qui imposent les changements structurels dans le go-to-market d’une entreprise technologique et par conséquent, ils ont le vrai pouvoir. Analyser le profil et le track record d’un CRO en dit parfois long sur les ambitions de l’entreprise qu’il rejoint, si tant est qu’on arrive à lire entre les lignes d’un profil LinkedIn.

Plus de gouvernance

Mais les signaux sont aussi structurels. Une entreprise en route vers la Bourse muscle sa gouvernance. Elle crée des comités d’audit, de nomination et de rémunération, souvent dirigés par des administrateurs indépendants venus de sociétés cotées. Le conseil d’administration s’étoffe de figures rassurantes : anciens CEO, ex-ministres de l’économie, ou partenaires de grands cabinets financiers. Ces figures jouent le rôle de garants auprès des futurs actionnaires. Elles n’apportent pas seulement du réseau : elles incarnent la transition entre une culture startup et une discipline de société publique.

Maturation technique

Ce processus de “maturation” se traduit aussi sur le plan technique. Avant même de déposer quoi que ce soit auprès de la SEC ou de l’AMF, les entreprises mettent à niveau leurs systèmes de gestion interne. L’implémentation d’un ERP (comme NetSuite ou Workday), l’unification du reporting financier, l’adoption des normes IFRS ou GAAP, et la conformité au Sarbanes-Oxley Act (une énième loi américaine datant de 2002 et qui impose aux entreprises cotées des obligations strictes de transparence financière et de contrôle interne pour prévenir la fraude comptable et protéger les investisseurs) ne sont pas de simples gestes techniques. Ils visent à démontrer la robustesse opérationnelle et la capacité à générer une information financière fiable et réplicable. Ces changements sont rarement annoncés, mais ils transparaissent dans les offres d’emploi, les profils LinkedIn, ou les témoignages internes.

Une communication différente

Plus subtil encore : le virage de la communication. Lorsqu’une entreprise entre dans une phase de pré-IPO, son narratif change. On passe d’un discours centré sur l’innovation et la disruption à un registre de stabilité, de scalabilité, de prévisibilité. Les dirigeants se montrent dans des interviews posées, les données financières sont mises en avant, et la couverture médiatique se tourne vers des médias plus institutionnels : Bloomberg, CNBC, The Information. Plus larges, plus mainstream. C’est toute une stratégie de mise en condition des marchés : rassurer les analystes, séduire les investisseurs institutionnels, convaincre les fonds de pension que l’entreprise n’est plus un pari mais une valeur d’avenir.

Suivez ceux qui dictent notre vie

Ce travail d’image va de pair avec une autre dynamique puissante : celle des levées de fonds pré-IPO, où l’on retrouve systématiquement des noms comme BlackRock, Fidelity, ou Tiger Global. Ces mastodontes de la gestion d’actifs ne participent pas par hasard aux tours de table de sociétés comme Databricks, Stripe, UiPath ou ByteDance. Ils achètent du capital juste avant l’IPO (parfois plusieurs mois ou deux/trois avant, c’est possible aussi), à des valorisations élevées, pour encaisser une prime lors de l’introduction. Ce comportement n’est pas du tout spéculatif : c’est une stratégie assumée de positionnement sur les futurs leaders technologiques. La participation de BlackRock dans le tour de Databricks est confirmée, tout comme ses investissements dans Stripe (via des fonds de private equity), ou encore sa présence dans le tour d’UiPath aux côtés de Tiger Global. Le fonds avait aussi pris une position importante au moment de l’IPO de Snowflake. Attention, ce n’est pas systématique : le timing peut varier et il arrive parfois que BlackRock entre au moment de l’IPO, pas avant (ne me demandez pas pourquoi). Mais malgré ça, ce genre de schéma se répète souvent et peut servir de boussole. Quand BlackRock arrive, c’est rarement pour prendre une photo.

Dépôt de dossier d’IPO

Enfin, les signes réglementaires peuvent précéder l’annonce officielle. Aux États-Unis, la plupart des sociétés utilisent le mécanisme du S-1 confidentiel, autorisé par la SEC depuis le JOBS Act. Il s’écoule généralement 3 à 6 mois entre le dépôt initial (confidentiel ou non) et la réalisation effective de l’IPO. Ces dépôts, bien que discrets, sont régulièrement relayés par la presse financière spécialisée ou des pages officielles (comme Edgar). En France, on surveillera plutôt les changements de statut juridique (passage en SA), la nomination de commissaires aux comptes, ou la création de holdings opérationnelles. Là encore, ces signaux ne font pas la une, mais leur conjonction marque une transition.

Autres patterns observés

Les IPO dans la Tech pour des entreprises de petite taille sont extrêmement rares. Si on observe de façon empirique, les dernières IPO (Rubrik, Snowflake, Reddit, Klaviyo, SailPoint, CoreWeave) ne se faisaient pas à moins de 500-700 M$ d’ARR. En-dessous, n’espérez même pas avoir quelque chose d’imminent. C’était possible de faire une IPO à 100-200 M$ d’ARR il y a 10 ans, mais plus maintenant. Je note aussi d’autres aspects : une croissance forte (entre 40% pour Rubrik et 100% YoY pour Snowflake juste avant IPO) et une structuration des équipes (notamment sur le GTM) plus prononcée.

L’avantage des entreprises pré-IPO, c’est qu’elles ont souvent une croissance intéressante mais elles exigent plus d’implication de la part de leurs salariés : chaque personne est utile à la croissance et vous ne pouvez pas (uniquement) survivre à coups de manoeuvres politiques comme dans certains grands groupes. Si vous êtes le EMEA Founder, vous êtes entrepreneur : Sales, Marketing, Channel manager, bref tout ça à la fois. Thibault Ceyrolle racontait dans un podcast qu’en fondant Snowflake sur EMEA, il passait la moitié de son temps hors de chez lui pour aller voir les clients, les partenaires etc. Sammy Zoghlami m’avait dit à l’époque qu’il avait fondé Nutanix avec au départ “un PC et un téléphone, et rien de plus”. Tout ça pour dire que le pré-IPO est très tentant pour faire de l’argent mais 1/ le pari ne marche pas toujours, vous pouvez risquer de parier sur le mauvais cheval, 2/ ça impacte votre vie privée et 3/ le volume de travail qu’on attendra de vous ne sera pas de 9h - 17h. Autant que vous le sachiez dès maintenant si vous visez ce genre de boîtes : l’aventure est excitante mais elle exige des contreparties.

Que devriez-vous surveiller ?

Les IPO deviennent de plus en plus massives. Voici celles à surveiller :

• Deel, expert RH et paie, affiche une croissance de 70 % sur un an pour atteindre 1 Md$ d’ARR. Le procès avec Rippling risque toutefois de ralentir les choses. J’en parle dans un autre article.

• Databricks, plateforme datawarehouse, qui dépasse 3.7 Md$ ARR (croissance de plus de 50%) avec une valorisation à 100 Md$ pour l’instant. Probablement l’une des plus grosses IPO sur les années à venir, mais qui se fait un peu désirer. Toutefois, il est possible aussi que ce genre d’entreprise croule tellement sous le cash que l’IPO ne soit plus vraiment une priorité désormais. Après tout, une IPO sert à gagner de l’argent et sur le long terme, être une société publique, c’est cardio. Donc pourquoi se précipiter à chercher une IPO si on est déjà plein de cash ? Il y a de quoi se poser la question.

• Canva, leader du design, dépasse les 2,5 Md$ de revenus — préparée pour une IPO d’ampleur . Canva est d’ailleurs dans le top 5 des IA génératives les plus utilisées au monde.

• Stripe, fintech phare, pèse plus de 4 Md$ de CA avec une valorisation de 91 Md$ — une IPO reste l’un des événements les plus attendus. Même chose que pour Databricks.

• Klarna, du côté de l’Europe, avec 2.8 Md$ de CA et 16 Md$ de valorisation. J’ai écrit ce présent article en juillet 2025, au moment où vous le lisez, Klarna a fait son IPO en septembre.

• OpenAI, avec son IPO à 1 Trillion de Valorisation, même si les Exec souhaitent officiellement se “concentrer sur la croissance en premier”.

• Surveillez également : 1Password, Fivetran, Abnormal Security, Navan, Cribl, Groq. Pas forcément sur 2026 (je dirais plutôt horizon 2028 à 2030 pour certains d’entre eux), mais retenez tout de même ces noms - et je me trompe rarement, les lecteurs de Mind Upskiller le savent bien. Edit au 6 nov : au moment où je vous parle, Navan vient d’entrer en bourse il y a quelques jours.

Mais ce ne sont que des suppositions. En fait, j’ai de plus en plus l’impression que les entreprises ayant des levées de fonds et valorisations record ne regardent plus vraiment l’IPO comme une priorité (sinon, OpenAI et Databricks seraient les premières à considérer). On entre probablement dans une ère d’entre-deux, c’est-à-dire que l’IPO devient une sorte de méga levée de fonds si l’entreprise ne parvient pas à faire de nouvelles levées spectaculaires.

Bref…il n’existe pas un indicateur unique qui permettrait de prédire une IPO. Ce sont des faisceaux d’indices qui convergent, et c’est dans cette convergence que se cache la vérité stratégique d’une entreprise. Le financier expérimenté, le board restructuré, la levée de fonds bien placée, le changement de discours public, la structuration juridique… pris séparément, ces éléments peuvent sembler anodins. Pris ensemble, ils racontent une histoire. Celle d’une société qui ne se contente plus de croître : elle se prépare à s’exposer.

Et dans une époque où l’information est asymétrique, repérer ces mouvements avant qu’ils ne soient annoncés officiellement est un avantage décisif. Un peu comme flairer un changement de régime… avant l’ouverture du scrutin.

Laissez un commentaire.

Pendant plusieurs années, la vente B2B a vécu dans un environnement relativement prévisible. Les cycles étaient courts, les besoins clairs, la demande forte. Les Sales ayant connu cette période (avant Covid, disons) pourront vous le confirmer. Les éditeurs de logiciels pouvaient croître à deux chiffres simplement en répondant à un marché en expansion. Les commerciaux qualifiés trouvaient des deals, signaient, et répétaient la mécanique. Bon ok, c’était pas toujours aussi simple mais même si certains managers refuseront de l’avouer, la situation est différente aujourd’hui. J’irais même plus loin, cette ère de croissance organique, presque automatique, s’est brutalement refermée.

Depuis 2022-2023, la conjoncture a changé. Les budgets IT sont sous pression, la frilosité des directions financières s’est accentuée, et la multiplication des acteurs dans chaque segment technologique a provoqué une saturation du marché. Là où il y avait cinq solutions concurrentes pour un même besoin en 2018, il y en a aujourd’hui cinquante. Françaises, américaines, britanniques, asiatiques, etc. Le SaaS est devenu une jungle, et le client — qui a désormais accès à tout, tout le temps — est devenu le centre de gravité de la décision. Plus que jamais le client est roi, surtout sur le prix.

Dans cette densité, la différenciation est devenue un vrai mirage. Chaque entreprise prétend avoir la meilleure technologie, le meilleur support, la meilleure intégration. Et quand tout le monde dit presque la même chose, la seule variable qui reste… c’est le prix (attention, pas sur les deals Enterprise où le sujet est plus complexe que cela). Le rapport de force s’est inversé : le vendeur ne vend plus, il est auditionné. Le client ne choisit plus, il élimine - parfois même en tout début de cycle de vente, pas seulement en short-list après une soutenance. Les décisions se déplacent lentement vers les comités, les benchmarks s’étalent sur des mois, et la notion même de “closing” perd son sens dans un monde où les priorités changent tous les trimestres.

Ce basculement a aussi un effet psychologique profond : la peur de se tromper est devenue plus forte que la volonté d’acheter. Selon Gartner, 77 % des acheteurs B2B qualifient aujourd’hui le processus d’achat de “complexe ou déroutant”, et 40 % des deals se terminent sans décision. C’est ce que j’ai toujours dit à mes étudiants : votre plus gros concurrent n’est pas un autre acteur sur le marché, mais l’inaction du client - car c’est souvent l’option la moins risquée pour lui, plutôt que d’acheter et dépenser pour une solution dont on est pas convaincus à 1000% de son utilité ou de son ROI.
La vente B2B est entrée dans une ère où la compétence centrale n’est plus de convaincre, mais de simplifier — de rendre le processus d’achat lui-même possible.

Abonnez-vous maintenant

La guerre des modèles : Product-Led, Sales-Led et le mirage du modèle parfait

Le débat entre Product-Led Growth et Sales-Led Growth est souvent présenté comme une opposition culturelle : d’un côté, les entreprises modernes, agiles, dont la croissance repose sur la viralité du produit et l’auto-adoption des utilisateurs (Figma, Notion, Zoom, Cursor et j’en passe) ; de l’autre, les structures classiques du B2B, organisées autour d’une force commerciale, de cycles longs et de relations humaines (Salesforce, Oracle, ServiceNow). Mais en réalité, les lignes ont complètement bougé.

Dans les faits, les modèles les plus performants sont hybrides. Les entreprises qui se contentent de laisser “le produit vendre seul” plafonnent dès que le ticket moyen dépasse 20 000 €. À l’inverse, celles qui restent prisonnières d’une logique purement sales-led s’épuisent à alimenter des pipelines sans traction organique.

Le produit est devenu une arme d’ouverture, mais pas de conversion. Le commercial, lui, reste indispensable pour transformer un intérêt en conviction, une preuve d’usage en engagement contractuel.

Rares sont ceux qui ont vraiment réussi à le faire, mais l’avenir bien évidemment appartient aux entreprises capables de marier les deux : Product-Assisted Sales — un modèle où la découverte se fait via le produit, mais où la décision s’ancre dans la relation. Vous pouvez être le meilleur Sales du monde, si le produit est totalement nul vous ne vendrez pas - et on a vu aussi plein de mauvais Sales réussir des deals juste parce qu’ils vendent le bon produit au bon moment, aux bons clients.

Cette mutation oblige les commerciaux à comprendre le produit aussi bien que le marketing. Le rôle du vendeur n’est plus d’expliquer “ce que fait la solution”, mais de traduire un usage en impact business. Le commercial moderne est un interprète de valeur. Il doit maîtriser le langage de la technologie, comprendre les frictions internes du client, et construire une narration crédible entre les deux.
Autrement dit, la vente ne consiste plus à pousser une offre, mais à donner du sens.

Et pourtant, beaucoup d’entreprises continuent de raisonner en silos : d’un côté le marketing, censé “créer de la demande”, de l’autre les commerciaux, censés “convertir”. Disons-le, ce modèle séquentiel est mort. Les clients ne se laissent plus guider par un tunnel, ils suivent un parcours chaotique, fragmenté, influencé par des signaux faibles — un post LinkedIn, une recommandation d’un pair, une démo vue sur YouTube. Cela prend parfois plusieurs mois, voire années. L’outbound ne fonctionne vraiment que s’il s’appuie sur une empreinte de marque solide.

Ce que j’essaye de dire, c’est qu’aujourd’hui, l’outbound dépend de l’inbound.
Appeler à froid sans contexte, c’est comme prêcher dans le vide. Ca peut marcher, mais ça ne sera jamais aussi bon que si vous avez un peu préparé le terrain avant.

Abonnez-vous maintenant

Le milieu de gamme est devenu haut de gamme : quand le mid-market bascule dans la complexité enterprise

L’un des phénomènes les plus sous-estimés du moment, c’est la complexification silencieuse du mid-market.

Un deal à 20 000 € en 2025 ressemble désormais à une vente enterprise d’il y a cinq ans.
Même nombre d’intervenants, même durée de cycle, même exigence de justification.
La différence, c’est que personne n’a prévenu les équipes commerciales de cela et on continue de penser que rien n’a changé.

Pendant longtemps, les Account Executives mid-market étaient formés à des cycles courts : un champion, un sponsor exécutif, un budget validé, et un closing sous trois mois. Mais aujourd’hui, même pour un deal modeste, les interlocuteurs se multiplient. Le juridique veut auditer les clauses et modifier les MSA sur des détails. La DSI impose des questionnaires de sécurité sur chaque deal, le procurement étale la négociation, et la finance demande un business case complet avant d’engager le moindre euro.

Cela montre que même en SMB ou Mid-Market, le commercial n’a plus affaire à un acheteur, mais à un écosystème de décideurs partiels.

Ce changement est brutal, car il invalide les réflexes acquis. Les commerciaux qui ont performé pendant des années sur des cycles simples se retrouvent démunis face à cette dilution du pouvoir. Identifier un champion ne suffit plus : il faut désormais activer plusieurs sponsors, comprendre les jeux politiques internes, détecter les réticences cachées et anticiper les blocages culturels.

Le multithreading, autrefois réservé aux ventes enterprise, devient une compétence de survie même pour des deals moyens.

Mais beaucoup d’entreprises refusent de le voir. Elles confondent intensité et intelligence. Elles demandent plus d’appels, plus de démos, plus de follow-ups, comme si la quantité pouvait compenser la perte de lisibilité. Le chiffre et le nombre de mails rassure les top managers mais personne ne comprend lorsqu’à la fin de la fiscale on se rend compte que plus de la moitié des commerciaux n’atteint pas sa target. C’est une erreur stratégique.

Le problème n’est pas l’activité, c’est la méthode.

On ne gagne plus un deal à force d’énergie, mais à force de cartographie et de finesse.
Les meilleurs commerciaux ne sont pas ceux qui travaillent le plus, mais ceux qui savent lire les dynamiques de pouvoir et construire un consensus autour d’un besoin commun. Point à la ligne.

Dans cette configuration, le framework MEDDIC (ou Meddpicc), souvent érigée en dogme, montre ses limites. Le MEDDIC est devenu pour certains une forme de religion quasi intouchable mais tellement incomprise par nombre de gens. Ce framework structure le raisonnement, certes, mais il ne dit rien de la réalité culturelle des organisations. Vendre à un groupe français, allemand ou saoudien ne se pilote pas de la même façon, même si les acronymes sont identiques. Dans certains pays, la hiérarchie prime sur la logique. Dans d’autres, la confiance personnelle prévaut sur la rationalité économique. Les managers qui croient résoudre cette complexité avec un simple “pipeline review” hebdo sont en retard d’une guerre : sauf que ce n’est pas de leur faute, car eux-mêmes ont la tête dans le guidon et doivent accepter de jouer à ce jeu imposé par leur management…attention, je ne dis pas que les pipeline review devraient disparaître (au contraire). Mais croire que surveiller le nombre de mail et vérifier un Meddic chaque semaine sur un deal va aider à closer plus et plus vite, c’est une fausse bonne idée. Cela a pu marcher dans certains contextes, pays, typologies de deals, mais ça ne marche pas de façon systématique. La vente, c’est 1/3 d’humain, 1/3 de méthode, 1/3 de qualité du produit. Négligez l’un des trois et vous êtes foutus.

Abonnez-vous maintenant

L’avenir de la vente : moins de récitation, plus de lecture

La vraie rupture, en 2025, c’est que la vente est redevenue un métier intellectuel. Elle exige moins de scripts, mais plus de discernement. Moins d’énergie, mais plus de stratégie. Peut-être même moins de “closing” et plus de compréhension du contexte global du client. On ne vend pas pour vendre, on devrait vendre pour résoudre un vrai problème chez le client : c’est ça qui nous permettra même d’aller chercher des plus gros deals (lisez les posts Linkedin de Jamal Reimer si vous n’êtes toujours pas convaincus).

Le vendeur moderne doit maîtriser le produit, les signaux du marché, les dynamiques d’achat internes, la psychologie de groupe, et les cycles budgétaires. Il doit comprendre que le pipeline n’est pas un entonnoir, mais un réseau de tensions : politiques, économiques, émotionnelles. La réussite ne dépend plus d’une méthode miracle (le Meddpicc est appliqué chez tous les éditeurs donc si tout ne dépendait que de ça, tous les Sales seraient millionnaires grâce à leurs deals à l’heure qu’il est), mais d’une capacité à observer, à s’adapter et à relier les points.

C’est pour cela que les meilleurs commerciaux de 2025 ressemblent de plus en plus à des analystes de terrain. Ils savent construire une narration claire dans la complexité. Ils intègrent les éléments rationnels (ROI, intégration, sécurité) mais aussi les dynamiques humaines (peur, ego, besoin de reconnaissance, inertie). Ils ne cherchent plus à convaincre tout le monde, mais à rendre la décision collective possible.
Leur rôle n’est plus de “vendre un produit”, mais de rendre l’achat possible.

Face à cette transformation, les entreprises doivent revoir leur manière de former, de manager et de mesurer la performance. L’obsession du chiffre d’activité — nombre de calls, d’emails, de démos — a atteint ses limites. Le marché ne récompense plus les plus bruyants, mais les plus pertinents. Faites le test de relancer votre client 10 fois par jour : ça va rassurer votre manager mais ça irritera le client qui va stopper le deal et aller voir votre concurrent. Ceux qui savent quand parler, et surtout, quand se taire, finiront par gagner.

Bref….

Vendre en 2026 n’aura rien d’un métier en déclin. C’est un métier en mutation rapide, à la croisée de la psychologie, de la stratégie et de la technologie. Les commerciaux qui réussiront ne seront pas ceux qui connaissent les frameworks, mais ceux qui savent lire le monde tel qu’il est devenu : saturé, exigeant et…contradictoire. La vente n’est plus une affaire de persuasion, mais d’intelligence collective. Et c’est précisément cette complexité qui, paradoxalement, en fait à nouveau un métier d’élite. Et tellement passionnant. Osez me dire le contraire !

Laissez un commentaire.

Abonnez-vous maintenant

Depuis un an, l’industrie de l’IA vit dans une forme d’euphorie collective. OpenAI, Nvidia, AMD, Oracle et Microsoft s’enchaînent les annonces d’investissements colossaux, de nouveaux data centers, de partenariats stratégiques et de plans d’expansion mondiaux. À première vue, tout semble indiquer une révolution économique portée par l’intelligence artificielle. Fantastique, dit comme ça. Mais une enquête récente de Bloomberg révèle une mécanique beaucoup plus dérangeante : celle des “deals circulaires”, où les mêmes dollars semblent tourner en boucle entre les mêmes entreprises, gonflant artificiellement les valorisations sans création de valeur tangible. Vous avez toutes et tous vu passer ce schéma sur LinkedIn récemment :

Incompréhensible, n’est-ce pas ? Pourtant, le principe est simple : Nvidia investit jusqu’à 100 milliards de dollars dans OpenAI, qui utilise ensuite cet argent pour acheter des millions de GPU Nvidia. Même schéma avec Oracle, qui signe un contrat cloud de 300 milliards avec OpenAI, tout en dépensant elle-même des dizaines de milliards chez Nvidia pour équiper ses data centers. Quant à AMD, elle fournit des puces à OpenAI tout en lui offrant des options d’achat sur ses propres actions. Dans ce système clos, client, fournisseur et investisseur se confondent — une boucle parfaite où l’argent ne quitte jamais réellement l’écosystème. Too big to fail, le système s’auto-maintient à coups de centaines de milliards.

Un écosystème d’interdépendances

Ces deals sont présentés publiquement comme des alliances stratégiques. Dans les faits, ils forment une toile d’interdépendances quasi systémique. Nvidia, valorisée à 4 500 milliards de dollars, est à la fois le fournisseur indispensable de tous les acteurs de l’IA et leur investisseur. OpenAI, qu’on ne présente plus, désormais valorisée à 500 milliards, est devenue le cœur autour duquel gravitent AMD, Oracle et Microsoft. Et tous dépendent de la performance d’un seul moteur : la demande exponentielle en puissance de calcul. C’est le coeur du réacteur.

Mais cette dynamique comporte un risque majeur : si la croissance d’OpenAI ou la rentabilité de ses modèles s’essoufflent, c’est tout le château de cartes qui menace de s’écrouler. Les contrats croisés, les warrants d’actions et les investissements mutuels entretiennent une forme d’illusion de prospérité durable — à condition que personne ne retire la première brique. Toutes les briques tiennent les unes dépendant des autres mais que se passerait-il si une d’entre elles ne tient plus ?

La comparaison avec la bulle internet de la fin des années 90 n’est pas exagérée. À l’époque déjà, les startups s’achetaient mutuellement des services, générant des revenus “virtuels” pour séduire les marchés. Rien de nouveau sous le soleil, il suffit de bosser chez un acteur du logiciel américain pour voir que les éditeurs de logiciels de la Silicon Valley sont tous clients les uns des autres. En France, on n’est pas foutus d’arriver à faire ça. Mais de nos jours, les montants sont simplement passés à l’échelle du trillion.

Abonnez-vous maintenant

Le mirage de la valeur créée

En fait, dans un marché normal, la valeur vient de l’usage : un produit utile, adopté, qui génère du cash-flow. Ici, la valeur vient surtout de la promesse que tout le monde va continuer d’investir. Nvidia achète des parts d’OpenAI non pour son dividende futur, mais parce que cela garantit des commandes massives de GPU. Oracle finance OpenAI pour sécuriser du volume cloud. AMD offre des options à OpenAI pour la fidéliser. Ce système d’incitations croisées crée une croissance auto-référentielle, où l’augmentation des valorisations sert de preuve de succès. Je te donne parce que tu m’as donné et ainsi de suite, on prend dans la poche du collègue qui lui-même s’est servi dans celle du voisin.

Autrement dit, la valeur n’est plus vraiment produite par l’innovation, mais par la vitesse de circulation du capital entre les différents acteurs. Grave ? Pas tant que ça. Dangereux ? Peut-être. En vrai, une bulle ne se définit pas par le montant investi, mais par l’écart entre la perception de valeur et la valeur réelle. Et cet écart semble aujourd’hui s’élargir.

L’illusion de la toute-puissance d’OpenAI

OpenAI est devenu le centre de gravité de cette économie circulaire. La société prévoit de brûler plus de 115 milliards de dollars de cash d’ici 2029 pour financer son expansion, ses data centers et ses modèles géants comme GPT-5 et au-delà. Or, la rentabilité de ces investissements reste incertaine. Les produits phares (ChatGPT, API, ChatGPT Enterprise) génèrent certes des revenus, mais très loin des ordres de grandeur nécessaires pour justifier de telles valorisations.

Si OpenAI ne parvient pas à transformer ces dépenses en profits concrets, tout le système d’interdépendance risque de se retourner. Oracle pourrait se retrouver avec des capacités cloud sous-utilisées, AMD avec des surcapacités de production, et Nvidia avec une demande qui ralentit brutalement. Une bulle de confiance, aussi solide qu’elle paraisse, éclate toujours au premier doute. Voilà pourquoi Sam Altman ne peut pas s’arrêter de délivrer des nouveautés tous les 3 à 6 mois et aussi de promettre des choses auxquelles il ne croit peut-être pas lui-même, allez savoir.

Abonnez-vous maintenant

Une bulle dans la bulle ?

Certains analystes parlent déjà d’une “bulle de bulle” : une surenchère spéculative à l’intérieur d’un secteur déjà surévalué. L’IA serait une méga bulle contenant cette bulle remplie d’interdépendances. D’un côté, il y a une révolution technologique réelle : l’IA transforme la productivité, la recherche, les usages. De l’autre, il y a une financiarisation extrême de cette révolution, où les valorisations se nourrissent davantage de la rhétorique que des résultats. L’histoire de la tech regorge d’exemples où l’excès d’optimisme précède la chute : les dot-coms, le Web3… L’IA pourrait (notez l’usage du conditionnel parce qu’au fond j’en sais rien) bien être la prochaine étape de ce cycle psychologique collectif qu’est la bulle spéculative.

Le danger n’est pas tant l’éclatement brutal que la distorsion progressive des signaux économiques : quand tout semble rentable parce que tout le monde investit dans tout le monde, les mécanismes de marché cessent de jouer leur rôle d’arbitre.

Bref…ce que cette situation nous enseigne

Au fond, cette circularité des investissements nous dit quelque chose de plus profond sur le capitalisme contemporain : l’innovation n’est plus seulement un moteur de valeur, c’est devenu un actif spéculatif. Les géants de l’IA ne se contentent plus d’inventer des technologies — ils inventent des mécanismes financiers pour amplifier la perception de leur succès. Et tant que la confiance collective tient, le système tourne. Jusqu’à ce que l’un des rouages se grippe.

Les prochaines années diront si ces investissements circulaires auront permis de bâtir une véritable infrastructure mondiale pour l’IA… ou s’ils n’auront été qu’un mirage de croissance alimenté par la peur de manquer le train.

Sources principales :
Bloomberg, Barron’s, TechCrunch, Reuters, The New York Times, CNN, Stratechery, Bloomberg Professional Insights, FirstOnline, OpenAI Press.

Abonnez-vous maintenant

Laissez un commentaire.

Depuis presque trois ans, les intelligences artificielles génératives occupent la scène mondiale. Elles écrivent des textes, génèrent des images, produisent du code ou encore résument des rapports. Tout le monde les utilise désormais et plus personne ne parvient à réfléchir tout seul sans demander un avis à son IA. ChatGPT, Claude, Gemini, Canva, Llama… les noms changent, mais le principe reste le même : ces systèmes apprennent en analysant des milliards de phrases, d’articles et de documents collectés sur Internet. Plus le volume de données est grand, plus le modèle a de chances de produire des réponses cohérentes et utiles.

Jusqu’ici, cette logique semblait infaillible.

Mais une étude de chercheurs d’Oxford, relayée en juillet 2024 par la prestigieuse revue Nature, est venue briser l’enthousiasme. Elle a mis en lumière un phénomène inquiétant : le « model collapse », ou effondrement des modèles.

Comprendre le problème : quand une IA apprend… de l’IA

Pour comprendre ce risque, il faut revenir à la façon dont une intelligence artificielle est entraînée. Imaginez une énorme machine statistique qui analyse des millions de phrases pour deviner quel mot a le plus de chances de suivre un autre. En ingérant des livres, des articles, des forums ou des pages web, elle apprend les structures de la langue, les faits connus et les contextes d’utilisation. Mais aujourd’hui, un problème se pose : de plus en plus de contenu disponible sur Internet n’a pas été écrit par des humains, mais déjà produit par… d’autres IA. L’IA produit vite du contenu qui atterrit sur internet et sert donc de source pour l’IA elle-même. Vous ne me croyez pas ? Alors lisez cet article qui rend la conclusion qu’en 2024, on estime que 61% des posts Linkedin francophones seraient générés par IA.

Vous me direz : Linkedin n’est pas la source principale d’infos pour les IA - oui, c’est vrai. Statista et Semrush ont publié une étude en juin 2025 évoquant le top 10 des sources d’informations utilisées par les LLM…plus de 60% des sources de Reddit et Wikipedia, eux-mêmes de plus en plus alimentés par l’IA. Au passage, Sam Altman, CEO d’OpenAI était le 3e plus gros actionnaire de Reddit avant l’introduction en bourse de ces derniers. Et rien que ça, ça la rendu milliardaire. Mais aujourd’hui, son IA est nourrie par Reddit. Je dis ça, je dis rien.

Enfin bref, revenons-en à nos moutons. Ce que je veux dire, c’est que les nouveaux modèles ne s’entraînent plus uniquement sur de la pensée humaine, mais aussi sur des textes artificiels. Et ces textes, même s’ils paraissent fluides, contiennent souvent des imprécisions, des simplifications ou des biais. Quand l’IA « boit sa propre eau », elle se met à reproduire et amplifier ses erreurs. C’est cela, le « model collapse » : une forme d’auto-intoxication. Au fil des générations, les détails rares disparaissent, les réponses deviennent plus banales, moins créatives, et la machine se coupe tout simplement de la complexité du réel.

Abonnez-vous maintenant

La consanguinité des données

Les chercheurs comparent ce phénomène à la consanguinité. Dans une population isolée, où tout le monde se reproduit avec tout le monde, la diversité génétique diminue. Les défauts et les maladies s’accumulent, jusqu’à fragiliser tout le groupe. Pour les intelligences artificielles, c’est exactement pareil : moins il y a de données humaines diversifiées, plus les erreurs « génétiques » des IA s’accumulent. Dans les premières étapes, on perd les « queues » statistiques — ces cas rares qui font la richesse et la précision d’un texte. Ensuite, les modèles deviennent uniformes, répétitifs, incapables d’imaginer autre chose que ce qu’ils ont déjà régurgité. L’IA finit par vomir des textes qu’elle ingurgite à nouveau pour le vomir après, et ainsi de suite. Le monde est rempli de textes générés par IA, fades et sans saveur et plus personne ne sait écrire à l’encre de ses pensées ou de son âme (rien que ça devrait vous prouver que mes textes ne sont pas à 100% générés par IA). Et au passage, tout le monde écrit les mêmes textes avec les mêmes emojis trahissant son auteur, à savoir ChatGPT.

Au-delà du fait que vos textes 100% IA sont nuls et fatigants, c’est surtout une menace bien réelle pour l’ensemble de l’écosystème numérique. Si les modèles cessent de refléter la complexité du monde humain, ils deviennent tout simplement incapables d’alimenter la recherche scientifique, les outils d’aide à la décision ou même les simples moteurs de recherche. L’innovation se grippe, et les utilisateurs se retrouvent face à des assistants qui répètent inlassablement des banalités.

Partager

Pourquoi ce risque grandit maintenant ?

On pourrait se dire : « Après tout, Internet regorge de textes humains, alors pourquoi s’inquiéter ? » Oui, mais non en fait. Le problème est que la proportion de contenus générés artificiellement explose. En 3 ans, l’Internet s’est métamorphosé et cela va être de pire en pire. Blogs automatiques, faux articles de presse, guides de voyage écrits par IA, forums pollués de réponses automatisées…même les commentaires sur LinkedIn sont générés par IA désormais. La frontière entre le contenu humain et le contenu synthétique devient floue. Or les grands modèles de langage sont entraînés sur des “crawls” géants du web (comme Common Crawl), qui ne filtrent pas parfaitement cette pollution.

Je pense qu’à cela s’ajoute un autre défi : les données de qualité vraiment utiles pour l’entraînement — archives de journaux, corpus scientifiques, textes littéraires — sont souvent derrière des paywalls ou protégées par le droit d’auteur. Les entreprises doivent donc négocier des licences coûteuses pour y accéder. Plusieurs analystes estiment même que nous approchons de la « fin des données fraîches » : d’ici quelques années, il n’y aura plus assez de contenus humains inédits disponibles pour nourrir les futurs modèles.

Abonnez-vous maintenant

La riposte des géants de la tech

Fort heureusement, les géants de la tech sont conscients du danger. Les grands acteurs de l’IA ont lancé une série d’initiatives pour éviter l’effondrement. OpenAI a signé des accords avec News Corp (Wall Street Journal, The Times), Le Monde ou encore le groupe espagnol Prisa afin de sécuriser des archives journalistiques authentiques (ouf). Google et Cohere misent sur la diversité linguistique, avec des projets comme Aya, un immense corpus multilingue couvrant des langues souvent ignorées par les modèles. Amazon s’est rapproché du New York Times pour renforcer la base de connaissances d’Alexa. Les géants de la tech font donc tout de même quelques efforts pour préserver la qualité et la diversité des données d’IA dans un contexte d’expansion rapide et de risques de dégénérescence des modèles.

En parallèle, de nouveaux outils apparaissent pour filtrer et « purifier » les données d’entraînement. Les projets RefinedWeb ou FineWeb passent au crible des milliards de pages pour écarter les contenus artificiels et préserver les textes humains. FineWeb, créé par HuggingFace, a pour but de fournir un corpus très filtré avec sélection rigoureuse de données textuelles “propres” et diversifiées, améliorant la qualité des modèles de langage entraînés dessus.

D’autres, comme DeepMind, travaillent sur la « data refinement » : réécrire ou corriger les passages pollués afin de ne pas perdre de volume. Enfin, un effort mondial s’organise autour du traçage et du marquage des contenus : grâce à des filigranes numériques, on pourra identifier les textes générés par IA (les étudiants qui trichent, on vous voit) et éviter de les ré-ingérer.

Une bataille pour les « vraies » données

Ce basculement révèle un paradoxe. Dans les années 2010, l’avantage compétitif était d’avoir le modèle le plus puissant, le plus gros réseau de neurones. Aujourd’hui, l’arme stratégique, ce sont les données. J’en parlais il y a quelques mois dans un autre article. Les « dernières données humaines authentiques » deviennent une ressource rare, convoitée et monétisée. Les éditeurs de presse, les bibliothèques et même les gouvernements voient finalement revenir la valeur de leurs archives. Maintenant, la question est : est-ce que les créateurs humains, souvent oubliés dans la première vague de l’IA, pourraient être rémunérés pour fournir cette matière première indispensable ? Qui vivra verra.

Mais je pense que c'’est aussi une opportunité pour diversifier les perspectives. Les IA d’hier étaient presque exclusivement entraînées sur des données anglo-saxonnes. Demain, la richesse viendra de la multiplicité des langues, des cultures, des contextes professionnels ou géographiques. En intégrant du français, de l’arabe, du swahili ou du portugais brésilien ou du serbo-croate, on évite le collapse et on ouvre la porte à des modèles capables de mieux refléter le monde réel. Donc bon, tout n’est pas si sombre en fin de compte : des sources en différentes langues, c’est aussi des façons de penser le monde sous des prismes différents.

Bref… l’IA face à son miroir

Le « model collapse » agit comme un miroir tendu aux géants de la tech. Si l’IA ne s’ancre plus dans la réalité humaine, elle s’appauvrit. Et elle finit par tourner à vide. La crise actuelle n’est donc pas qu’un problème technique, mais cela relève d’un défi culturel et économique : préserver, valoriser et transmettre le savoir humain. Dans un futur proche, la bataille ne sera plus de savoir qui a le modèle le plus puissant, mais qui a accès aux données les plus authentiques. Parce que tout se ressemblera et l’authenticité sera rare mais chère.

Autrement dit, l’avenir de l’IA dépendra moins de la taille des processeurs que de la fraîcheur et de la diversité des histoires humaines qu’elle saura absorber. On en reparle dans 10 ans si on est encore en vie.

Abonnez-vous maintenant

Laissez un commentaire.

L'Échec est moins grave que la stagnation : Pourquoi l'immobilité est le Vrai danger dans le business…et dans votre carrière ?

En fait, la plupart des gens jouent la sécurité. Ils évitent les risques, préfèrent rester dans leur zone de confort et s’accrochent à la stabilité. Durant des millions d'années, les premiers humains ont évolué dans un environnement hostile où la survie était une lutte quotidienne. Face aux dangers omniprésents — prédateurs, conditions climatiques extrêmes, pénurie de nourriture — la priorité c’était surtout d'éviter les risques. Ceux qui prenaient des décisions plus prudentes, favorisant la sécurité et la préservation des ressources, avaient une meilleure chance de survivre et de transmettre leurs gènes. C’est ce qu’on appelle en biologie la "sélection naturelle". L’instinct de survie, qui favorise les comportements conservateurs et prudents, a ainsi été profondément ancré dans l’évolution humaine.

Donc rien d’étonnant si beaucoup d’entre nous continuent de jouer la carte de la sécurité dans leur vie, quitte à avoir une vie digne d’un PNJ dans Grand Theft Auto. Ce comportement de PNJ est non seulement commun, mais profondément enraciné dans notre culture professionnelle. Cependant, cette obsession de la sécurité mène à un piège plus insidieux : la stagnation.

Le résultat ? Même compétences. Même pensée. Même vie. Année après année. Le même métro pourri chaque année avec la même détresse dans le visage de chaque personne dans la rame. La même vie sans arrêt. On se réveille un matin et, sans surprise, tout est pareil. Mais ce qui peut sembler être une sécurité est, en réalité, une forme de régression lente. Le monde évolue, les entreprises innovent, les marchés changent. Et la sécurité est un piège, car dans un monde qui change sans arrêt, rester immobile, c'est se condamner à être laissé derrière. Jusqu’à être jeté sur le bord de la route.

Abonnez-vous maintenant

Prenons des exemples concrets. L’histoire de Kodak est l’illustration parfaite de ce phénomène. Au sommet de sa gloire, Kodak dominait l’industrie de la photographie. Mais face à l’émergence de la technologie numérique, l’entreprise a choisi de ne pas commercialiser l’appareil photo numérique qu’elle avait pourtant inventé, par peur de cannibaliser ses ventes de pellicules. Ils ont préféré la stagnation à la prise de risque, et cela leur a coûté leur position de leader. Résultat : l'échec final, bien plus destructeur qu’une adaptation précoce aurait pu l'être. Leur refus d'évoluer a fait que l’entreprise s’est complètement cassée la gueule jusqu’à tomber en faillite en 2012.

Un autre exemple marquant est celui de Nokia. En 2007, Nokia détenait plus de 50 % du marché mondial des téléphones mobiles. Pourtant, lorsqu'Apple a révolutionné le secteur avec l'iPhone, Nokia est resté fidèle à son modèle existant, pensant que sa domination était inébranlable. Ils n’ont pas osé repenser leur produit, n’ont pas pris de risques pour s’adapter aux nouvelles attentes des consommateurs. En quelques années, Nokia a été balayé du marché des smartphones, un échec dû non pas à l'innovation ratée, mais à la stagnation.

Dans le monde des affaires, ceux qui refusent de prendre des risques calculés se retrouvent piégés dans un modèle périmé. Les entreprises qui prospèrent sont celles qui sont prêtes à expérimenter, à échouer et à apprendre. Amazon, aujourd’hui un géant mondial, est né d’une série de paris risqués. Jeff Bezos a toujours dit que "si vous misez sur des innovations et que vous échouez, vous pouvez toujours corriger le tir. Mais si vous ne tentez rien, vous êtes condamné". Amazon a essuyé des revers notables, comme l’échec de son smartphone Fire. Mais chaque échec a permis à l’entreprise de s’ajuster, de pivoter, et de continuer à croître.

Partager

Dans la carrière professionnelle, la stagnation est également un piège mortel. Combien de salariés se contentent d'un rôle qu'ils maîtrisent depuis des années sans chercher à évoluer ? Ils évitent les projets plus difficiles, ne demandent pas de nouvelles responsabilités, pensant qu'ils sont à l'abri en restant là où ils sont. Mais à long terme, ils deviennent obsolètes. Le marché évolue, les compétences recherchées changent, et ces salariés stagnants se retrouvent dépassés, inemployables ou tout simplement sans passion.

À l'inverse, ceux qui prennent des risques calculés dans leur carrière, qui cherchent à se réinventer, progressent plus vite. Pensez à Howard Schultz, l'ancien PDG de Starbucks. Schultz a pris le risque d'investir dans des machines à expresso à une époque où les Américains ne buvaient principalement que du café filtre. Ce pari risqué a révolutionné la manière dont les consommateurs interagissent avec le café et a transformé Starbucks en un géant mondial. S'il avait joué la sécurité en continuant à vendre du café traditionnel, Starbucks ne serait jamais devenu le phénomène qu'il est aujourd'hui.

Se souvenir de cela est essentiel : chaque expert a été un débutant, et chaque succès est bâti sur des échecs. Accepter l’inconfort, prendre des risques et apprendre des revers sont les véritables moteurs de la croissance. Éviter ces étapes, c’est choisir l’immobilisme. Et cet immobilisme, qu'il soit personnel ou business, finit toujours par coûter cher.

Votre plus grand concurrent n'est pas la société innovante qui se trouve en face de vous ou le collègue qui obtient des promotions. Votre plus grand adversaire est la version de vous-même qui a trop peur d’essayer. Celui qui reste confortablement installé dans une routine rassurante mais stérile. Et qui créera votre chute, que vous le vouliez ou non.

La vraie question à se poser est donc simple : préférez-vous échouer ou rester exactement là où vous êtes aujourd’hui ? Les erreurs et les échecs peuvent toujours être corrigés. Mais le temps perdu à stagner, lui, ne reviendra jamais. L'échec est temporaire ; la stagnation, elle, peut durer toute une vie.

Alors, êtes-vous prêt à laisser derrière vous la sécurité trompeuse de la stagnation et à embrasser le risque pour enfin progresser ? Si oui, sachez que la route sera semée d'embûches, mais qu’elle vous mènera bien plus loin que vous ne l’imaginez. Perso, je regrette le temps perdu à ne pas avancer. Mais je ne regrette aucune de mes erreurs. A vous de voir désormais