IA agentique : comment valoriser une entreprise lorsque l’intelligence devient abondante ?

L’intelligence artificielle ne se limite plus à aider les salariés à rédiger un texte, résumer un document ou rechercher une information. Une nouvelle génération de systèmes, qualifiés d’« agents IA », peut désormais recevoir un objectif, organiser les différentes étapes nécessaires à sa réalisation, mobiliser plusieurs outils et contrôler une partie de son propre travail.

Cette évolution pourrait profondément transformer l’organisation et l’économie des entreprises. Elle permet d’envisager des structures capables de produire davantage avec des équipes plus réduites, d’automatiser des processus complexes et de personnaliser leurs services à grande échelle.

Pour autant, utiliser l’intelligence artificielle ne suffit pas à créer un avantage concurrentiel ni à justifier une valorisation supérieure. Lorsque les mêmes modèles deviennent accessibles à tous, la valeur se déplace vers les entreprises capables de les intégrer dans une organisation, de maîtriser la relation avec leurs clients et d’accumuler une connaissance opérationnelle difficile à reproduire.

Comment cette mutation affecte-t-elle la valeur des entreprises ? Quels actifs immatériels faut-il désormais identifier ? Et comment adapter les méthodes traditionnelles de valorisation à des modèles économiques reposant de plus en plus sur des agents IA ?

De l’IA comme outil à l’IA comme acteur

Les premières applications de l’intelligence artificielle générative ont principalement pris la forme de « copilotes ». Le salarié restait à l’origine de chaque action : il formulait une demande, examinait la réponse, apportait les corrections nécessaires et décidait de l’étape suivante.

L’IA agentique modifie cette relation. L’utilisateur ne décrit plus nécessairement chacune des opérations à effectuer : il indique le résultat recherché. L’agent peut alors décomposer la mission, sélectionner les informations utiles, solliciter des applications ou des agents spécialisés, vérifier certains résultats et poursuivre le processus jusqu’à son terme.

Dans un cabinet de conseil, un agent pourrait, par exemple, collecter les documents transmis par un client, les classer, identifier les informations manquantes, procéder à de premiers contrôles et préparer une analyse. Dans une entreprise industrielle, plusieurs agents pourraient coordonner les approvisionnements, la maintenance et la planification de la production. Dans une banque ou une compagnie d’assurance, ils pourraient intervenir dans l’analyse d’un dossier de crédit, la détection d’une anomalie ou le traitement d’un sinistre.

Il ne s’agit donc plus seulement d’améliorer ponctuellement la productivité d’un salarié. C’est l’unité même de production qui peut évoluer : une partie du travail autrefois réalisée et coordonnée par des personnes peut être accomplie par un ensemble de systèmes numériques placés sous supervision humaine.

Cette évolution a été présentée par Raphaëlle d’Ornano comme une « discontinuité » davantage que comme une simple disruption. Selon cette analyse, le passage des machines du statut d’outil à celui d’acteur modifie la structure du travail, les coûts de coordination et les lieux de concentration de la valeur. Cette thèse est développée dans la série Orchestration Economics publiée sur Decoding Discontinuity.

Lorsque l’intelligence se banalise, la valeur se déplace

Les modèles d’IA progressent rapidement, tandis que leur coût d’utilisation diminue et que les écarts de performance entre les principales solutions tendent à se réduire sur certains usages. Dans ce contexte, disposer d’un accès à un modèle performant ne constitue pas, à lui seul, un avantage concurrentiel durable.

La situation peut être comparée à celle d’autres technologies devenues progressivement accessibles au plus grand nombre. L’électricité, l’informatique ou le cloud ont créé une valeur considérable, mais toutes les entreprises ayant accès à ces infrastructures n’ont pas bénéficié du même avantage. La valeur s’est concentrée chez celles qui ont su transformer ces ressources en produits, en processus et en relations commerciales difficiles à reproduire.

Dans l’économie des agents, l’enjeu central devient ainsi l’orchestration : la capacité à coordonner l’intelligence disponible, à choisir les bons intervenants, à organiser le processus et à transformer une intention humaine en résultat exploitable.

Cette approche permet d’identifier trois nouveaux facteurs déterminants de la valeur d’une entreprise.

1. La maîtrise de la relation et de l’intention du client

La première source de valeur réside dans la proximité avec le client au moment où celui-ci exprime son besoin.

L’entreprise qui reçoit directement la demande peut déterminer comment elle sera traitée : quels outils seront mobilisés, quels agents spécialisés interviendront, quelles contraintes devront être respectées et comment le résultat sera présenté. Elle maîtrise la relation commerciale et conserve la capacité d’orienter le travail vers les solutions qu’elle juge les plus pertinentes.

À l’inverse, une entreprise située uniquement à l’extrémité du processus risque de devenir un simple fournisseur technique. Son service pourra être appelé automatiquement par une plateforme ou un agent principal et comparé en permanence à des solutions concurrentes selon des critères de coût, de rapidité et de qualité.

Cette distinction est essentielle en matière de valorisation. Une société réalisant un chiffre d’affaires important peut néanmoins être vulnérable si elle ne possède pas réellement la relation client ou si son service peut être facilement remplacé. À l’opposé, une entreprise qui constitue le point d’entrée naturel de ses clients peut conserver un pouvoir de prescription et une capacité de monétisation supérieurs.

Cette « proximité avec l’intention » constitue la première loi proposée dans le cadre de l’économie de l’orchestration.

2. L’accumulation d’un contexte opérationnel propriétaire

La deuxième source de valeur ne réside pas uniquement dans les données détenues, mais dans le contexte accumulé autour de leur utilisation.

Une base de données enregistre des informations. Un système enrichi par l’expérience conserve également la trace des décisions prises, des solutions retenues, des erreurs rencontrées, des corrections apportées, des préférences des clients et des exceptions propres à l’activité.

Ce contexte opérationnel peut comprendre :

• l’historique des demandes et des interactions avec les clients ;
• les règles métier formalisées et informelles ;
• les critères ayant conduit à accepter ou écarter une solution ;
• les contrôles appliqués selon la nature du dossier ;
• les erreurs détectées et les mesures correctrices ;
• les résultats obtenus à la suite des recommandations formulées ;
• la connaissance particulière d’un marché, d’une clientèle ou d’un environnement réglementaire.

Deux entreprises utilisant exactement le même modèle d’IA peuvent donc obtenir des résultats très différents. Celle qui a organisé et capitalisé plusieurs années d’expérience dispose d’un actif que son concurrent ne peut pas acquérir instantanément par la simple souscription à une solution technologique.

Cette distinction entre donnée et contexte est centrale. Le véritable actif immatériel pourrait de moins en moins être le modèle d’IA lui-même et de plus en plus la combinaison des données, de l’expérience, des processus métier, de la mémoire des décisions et des mécanismes de contrôle.

Cette idée est développée dans la deuxième loi de l’économie de l’orchestration.

Un RDV gratuit avec un consultant XVAL pour échanger sur un projet de valorisation :

3. Le contrôle et la fiabilité du processus

La troisième source de valeur est la capacité à organiser de manière fiable la réalisation d’un travail complexe.

Un modèle d’IA peut être très performant sans être parfaitement fiable. Il peut produire une bonne analyse dans un cas et commettre une erreur dans une situation proche. La mise en production exige donc une architecture capable de limiter son champ d’action, de décomposer les travaux en étapes vérifiables et d’introduire des contrôles aux points sensibles.

La valeur ne provient pas seulement de l’automatisation, mais de la capacité à répondre à plusieurs questions :

• Comment la mission est-elle décomposée ?
• Quelles informations sont nécessaires à chaque étape ?
• Quel agent ou quel outil doit intervenir ?
• Quels contrôles sont réalisés ?
• Dans quels cas l’intervention humaine demeure-t-elle obligatoire ?
• Qui assume la responsabilité du résultat final ?

Le processus constitue toutefois un avantage moins durable s’il peut être facilement observé et reproduit. Il devient réellement différenciant lorsqu’il incorpore une expertise métier, un historique d’expérience, des données propriétaires et une relation client que les concurrents ne peuvent pas reconstituer rapidement.

L’entreprise la mieux positionnée n’est donc pas nécessairement celle qui automatise le plus. C’est celle qui combine la maîtrise de la demande, la profondeur du contexte et le contrôle d’un processus fiable. Lorsque ces trois éléments convergent, l’entreprise peut occuper une fonction d’orchestrateur et capter une part importante de la valeur créée.

Le dernier chapitre de la série qualifie cette position d’« archétype AGNT ».

L’IA peut créer de la valeur, mais également en détruire

L’adoption d’agents IA peut améliorer les perspectives financières d’une entreprise de plusieurs manières :

• augmentation du volume traité sans croissance proportionnelle des effectifs ;
• réduction du coût marginal de certaines prestations ;
• raccourcissement des délais de production ;
• amélioration de la disponibilité du service ;
• personnalisation accrue des offres ;
• réduction de certaines erreurs ;
• capacité à développer plus rapidement de nouveaux produits ou marchés.

Mais les mêmes technologies peuvent également fragiliser une entreprise existante :

• banalisation d’une prestation auparavant facturée en fonction du temps passé ;
• diminution des barrières à l’entrée ;
• pression sur les prix lorsque les services deviennent comparables ;
• perte de la relation client au profit d’une plateforme généraliste ;
• dépendance à un fournisseur de modèles ou d’infrastructure ;
• obsolescence rapide des développements réalisés ;
• risques juridiques, réglementaires, réputationnels ou de cybersécurité ;
• difficulté à démontrer la fiabilité des résultats produits.

Une entreprise peut donc améliorer sa productivité tout en voyant son avantage concurrentiel se réduire. Si tous les acteurs d’un secteur bénéficient des mêmes gains, ceux-ci peuvent être progressivement transférés aux clients sous forme de baisse des prix plutôt que conservés dans les marges.

La question déterminante n’est pas : « L’entreprise utilise-t-elle l’IA ? » Elle devient :

Pourquoi cette entreprise conservera-t-elle ses clients, ses marges et son pouvoir de marché lorsque ses concurrents utiliseront les mêmes modèles d’intelligence artificielle ?

Comment adapter les méthodes de valorisation ?

Les méthodes traditionnelles restent pertinentes, mais leurs hypothèses doivent être examinées avec davantage de prudence.

Retraiter l’EBE sans anticiper des économies incertaines

Une entreprise en cours d’automatisation peut supporter des dépenses de développement, d’intégration et de réorganisation qui réduisent temporairement son résultat. À l’inverse, la direction peut présenter des économies futures importantes qui ne sont pas encore démontrées.

L’EBE normatif doit tenir compte :

• des coûts non récurrents de déploiement clairement identifiés ;
• des économies déjà constatées et documentées ;
• du coût récurrent des modèles, des infrastructures et de la maintenance ;
• des dépenses de contrôle, de sécurité et de conformité ;
• des effectifs réellement supprimés, non remplacés ou redéployés ;
• des compétences nouvelles nécessaires au fonctionnement du dispositif.

Des gains simplement envisagés ne devraient pas être intégralement capitalisés tant que leur réalisation et leur caractère durable ne sont pas suffisamment établis.

Reconsidérer les indicateurs de productivité

Le chiffre d’affaires par salarié pourrait progresser fortement dans les entreprises agentiques. Cet indicateur devra néanmoins être interprété avec prudence.

Une équipe réduite et très automatisée peut présenter une productivité exceptionnelle, mais aussi une forte dépendance à quelques dirigeants, à un prestataire technologique ou à une architecture insuffisamment documentée. Il convient donc d’apprécier la capacité de l’organisation à fonctionner durablement indépendamment de ses fondateurs et de ses fournisseurs actuels.

Différencier davantage les multiples

Deux sociétés appartenant au même secteur pourront justifier des multiples très différents selon leur position dans la chaîne de valeur.

L’analyse devra notamment porter sur :

• la propriété et la stabilité de la relation client ;
• la récurrence des revenus ;
• la profondeur du contexte opérationnel accumulé ;
• la propriété intellectuelle effectivement détenue ;
• la transférabilité des systèmes et des processus ;
• la dépendance aux modèles et plateformes externes ;
• la facilité avec laquelle l’offre peut être copiée ;
• la qualité de la gouvernance et des contrôles ;
• la capacité à convertir les gains de productivité en marges durables.

Une simple mention de l’intelligence artificielle dans le positionnement commercial ne saurait justifier une prime. À l’inverse, une entreprise traditionnelle ayant organisé des décennies de connaissances métier pourrait disposer d’un potentiel important si elle parvient à rendre ce contexte exploitable par des agents.

Construire plusieurs scénarios dans le DCF

Les plans d’affaires liés à l’IA sont particulièrement exposés à l’incertitude. Une projection unique risque de donner une impression de précision injustifiée.

Il peut être pertinent de retenir plusieurs scénarios :

• un scénario d’adoption progressive, avec des gains limités mais démontrables ;
• un scénario d’accélération, dans lequel l’automatisation augmente les volumes et les marges ;
• un scénario de banalisation, marqué par une baisse des prix et un renforcement de la concurrence ;
• un scénario de rupture, lorsque tout ou partie du modèle économique historique devient substituable.

Les probabilités et le taux d’actualisation devront refléter la maturité de la technologie, la preuve de son utilisation réelle, la solidité des avantages concurrentiels et le risque d’obsolescence.

Une grille d’analyse spécifique pour les entreprises agentiques

Pour apprécier la valeur d’une entreprise dont le développement repose sur des agents IA, plusieurs questions complémentaires doivent être posées :

1. L’IA est-elle réellement utilisée en production ou uniquement au stade de l’expérimentation ?
2. Les gains de temps, de coût ou de qualité sont-ils mesurés et documentés ?
3. L’entreprise contrôle-t-elle directement la relation avec l’utilisateur final ?
4. Dispose-t-elle de données et d’un contexte opérationnel qu’un concurrent ne peut pas facilement reconstituer ?
5. Les processus automatisés sont-ils documentés, transférables et contrôlés ?
6. Quelle part de la technologie appartient réellement à l’entreprise ?
7. Existe-t-il une dépendance critique à un modèle, à une plateforme ou à une personne clé ?
8. Les revenus sont-ils fondés sur un abonnement, l’usage, le résultat obtenu ou le temps économisé ?
9. L’entreprise conserve-t-elle les gains de productivité ou doit-elle les répercuter dans ses prix ?
10. Quel investissement restera nécessaire pour maintenir l’avance technologique ?

Cette grille ne remplace pas l’analyse financière. Elle permet de déterminer si les perspectives présentées dans le business plan reposent sur un avantage durable ou sur l’utilisation d’une technologie rapidement accessible à tous.

Conclusion : aucune prime automatique à l’intelligence artificielle

L’IA agentique pourrait transformer profondément la structure de coûts et l’organisation de nombreuses entreprises. Certaines seront capables de produire davantage avec moins de ressources, d’accélérer leur développement et d’améliorer leurs marges. D’autres verront au contraire leur offre se banaliser, leurs prix diminuer ou leur relation client captée par de nouveaux intermédiaires.

Dans ce nouvel environnement, la valeur ne résidera probablement pas dans le seul accès à l’intelligence artificielle. Elle se concentrera davantage dans la capacité à comprendre l’intention du client, à accumuler un contexte opérationnel propriétaire et à orchestrer des processus fiables.

Pour le valorisateur, l’enjeu consiste à distinguer trois catégories souvent confondues : la promesse technologique, le gain de productivité démontré et l’avantage concurrentiel durable. Seule la combinaison des deux derniers peut justifier une amélioration pérenne des flux de trésorerie et, par conséquent, une valeur plus élevée.

L’intelligence devient peut-être plus abondante. La confiance, la connaissance métier, la relation client et la capacité d’exécution restent, elles, des ressources rares.

Un RDV gratuit avec un consultant XVAL pour échanger sur un projet de valorisation :