Why the AI Boom Is Just Getting Started

L'intervenant principal explique que l'entreprise dans laquelle il travaille, Whale Rock, s'appuie sur une philosophie d'investissement basée sur la courbe en S, l'avantage concurrentiel et le pouvoir de gain sous-estimé. Il souligne que la croissance des revenus n'est pas linéaire, mais exponentielle pour les entreprises dotées d'un modèle économique solide. Il est possible de prévoir avec précision la croissance sur 2 à 4 ans en comprenant la courbe en S et en modélisant les données. L'intervenant partage son expérience concernant l'investissement dans Anthropic, une entreprise d'IA. Lorsque ChatGPT d'OpenAI a été lancé en novembre 2022, son équipe a effectué une analyse approfondie. Ils ont identifié que chaque nouveau paradigme informatique crée une nouvelle pile technologique, avec de nouveaux gagnants et perdants. Dans cette nouvelle pile, les puces et l'infrastructure constituaient les premières priorités d'investissement, car elles bénéficient de la demande initiale et les gagnants sont plus clairs, indépendamment des modèles fondamentaux qui émergent. Il y a deux ou trois ans, 60 entreprises se disputaient le marché des modèles fondamentaux. L'équipe a envisagé plusieurs scénarios : un modèle « le gagnant rafle tout », une marchandisation totale due à l'open source, une course vers zéro, ou un oligopole de 3 ou 4 acteurs majeurs. Au fil du temps, la plupart des startups ont échoué, et même de grandes entreprises comme Amazon et Meta ont rencontré des difficultés. Anthropic est apparue comme un outsider, se concentrant sur le marché des entreprises, tandis qu'OpenAI dominait le marché grand public. Google (Gemini) est également un acteur important. La situation s'est transformée en une course à trois, similaire à l'évolution du marché du cloud, dominé par trois entreprises. Le risque de l'open source est reconnu, mais la qualité des tokens des modèles de pointe est jugée supérieure. Les modèles open source, manquant de puissance de calcul suffisante, peuvent s'approcher des performances mais ne peuvent pas les dépasser. Les lois d'échelle et les boucles de rétroaction suggèrent une forte croissance continue. Le véritable déclencheur de l'IA a été le code. Au début, l'équipe était sceptique quant aux revenus potentiels de l'IA et à sa capacité à remplacer la main-d'œuvre. Cependant, en 2025, les outils de codage basés sur l'IA ont explosé. Des outils comme Microsoft C-Pilot, initialement limités à l'amélioration grammaticale ou à la détection de bugs, ont été surpassés par Anthropic, dont les capacités étaient bien plus étendues, permettant un fonctionnement agentique. Le marché du codage a explosé, avec des utilisateurs dépensant des sommes considérables en tokens. Avec 20 millions de codeurs dans le monde, le marché du codage représente à lui seul un demi-billion de dollars. L'investissement dans Anthropic a été réalisé sur la base d'une valorisation de 180 millions de dollars, avec un objectif de 9 milliards de dollars, mais les chiffres ont dépassé toutes les attentes. Le code de Claude est devenu presque entièrement agentique. Andrej Karpathy et Linus Torvalds, deux figures éminentes du codage, ont constaté un changement radical : les outils d'IA peuvent désormais écrire la quasi-totalité du code, même à partir de descriptions en langage naturel. Anthropic a réussi à maintenir son avance dans ce domaine. Contrairement au cloud, qui est en grande partie une commodité, les modèles d'IA présentent une différenciation significative. Il existe différentes méthodes d'entraînement et des compétences spécifiques. Anthropic excelle dans le domaine du capital-investissement et de la finance, tandis que Google est très efficace pour l'ingestion de PDF. Cette propriété intellectuelle critique constitue un avantage concurrentiel majeur. Les modèles fondamentaux comme Anthropic ne se limitent pas à l'API ; ils construisent un écosystème complet de produits autour de celle-ci, comme des SDK et des couches d'orchestration. Cette approche, similaire à celle d'AWS en 2013, crée un verrouillage client progressif. L'infrastructure AI est estimée à 10% de pénétration. Bien que des centaines de millions de personnes utilisent l'IA, elles n'utilisent que l'IA 1.0, similaire à un moteur de recherche amélioré. Avec les nouvelles primitives permettant l'intégration de l'IA aux ordinateurs et le développement de "compétences" et de "bots" IA, la pénétration devrait passer de 0,1% à 15% des travailleurs du savoir au cours des quatre prochaines années. Le marché de l'IA d'entreprise est pénétré à moins de 1% et connaît une croissance rapide, qualifiée de "courbe en L" plutôt qu'en S. La demande de puissance de calcul est telle qu'il y a une pénurie mondiale. L'intervenant aborde ensuite la manière d'obtenir des positions dans des entreprises privées de grande importance. Il cite l'exemple d'Anthropic, où son équipe a dû se familiariser en profondeur avec l'entreprise, après avoir initialement décliné un investissement à une valorisation de 60 milliards de dollars en raison de marges brutes négatives et d'une compréhension insuffisante de l'explosion du codage. En rencontrant la direction et en réalisant une analyse approfondie (avec un document de 90 pages), ils ont réussi à investir à une valorisation plus favorable. Le marché des licornes est désormais plus grand que la plupart des marchés boursiers européens combinés. Pour investir dans ces entreprises, il est essentiel de les connaître en profondeur. L'entreprise de l'intervenant réalise 2 000 à 3 000 rencontres en personne avec des équipes de direction par an, dont 10 à 15% avec des entreprises privées. Leur premier investissement privé a été Stripe, en 2020. Ils ont étudié cette entreprise en détail en lien avec Adyen, une autre entreprise de paiement, réalisant que ces deux entreprises étaient comme "Coca-Cola et Pepsi". Grâce à des contacts et à une connaissance approfondie du marché, ils ont pu acquérir une participation significative dans Stripe. L'intervenant expose ensuite le cadre d'investissement basé sur la courbe en S, l'avantage concurrentiel et le pouvoir de gain sous-estimé. La courbe en S décrit l'adoption de toute technologie : une phase initiale lente, suivie d'une croissance exponentielle (le "tornado de la demande") lorsque les barrières à l'adoption sont levées, puis une phase de ralentissement. Exemples : l'iPhone, les véhicules électriques. Il est crucial de comprendre non seulement le moment de l'inflexion, mais aussi l'ampleur potentielle de la courbe en S pour déterminer la durée de la détention de l'investissement. La taille du marché adressable (TAM) est un facteur clé. Les "méga-courbes en S" (Internet, mobile, cloud, e-commerce, IA) s'appuient les unes sur les autres. Il faut rester vigilant, car certaines courbes peuvent s'arrêter plus tôt que prévu, comme les véhicules électriques qui ont atteint un plateau à 10-15% au lieu des 40-50% anticipés. La croissance exponentielle ralentit généralement lorsque la pénétration atteint 30-40%. Concernant le moment opportun pour acheter, l'intervenant souligne que les points d'inflexion stratégiques ne peuvent pas toujours être basés sur des données, mais nécessitent de l'intuition et des preuves anecdotiques. Il cite l'exemple des jeux vidéo mobiles, où il a observé l'explosion de la demande en Chine. Pour le marché des entreprises, des indices peuvent être trouvés lors d'événements comme le Gartner IT Symposium, où l'affluence aux présentations d'entreprises comme Splunk, VMware ou AWS signalait une demande corporative croissante. Il est acceptable d'arriver un peu en retard, car la croissance peut durer longtemps si le haut de la courbe en S est très élevé. La vitesse d'adoption varie : la radio a atteint 100% de pénétration en 7 ans, tandis que le lave-vaisselle a pris beaucoup plus de temps en raison de la nécessité d'une infrastructure. Les produits B2B sont généralement plus lents à adopter en raison de l'intégration aux systèmes existants, tandis que les produits grand public sont plus rapides. L'IA, en particulier pour les consommateurs, est très rapide car elle est accessible via un simple navigateur. L'intervenant explique ensuite comment les leaders émergent dans un marché concurrentiel. Son entreprise recherche d'abord une courbe en S, puis identifie les entreprises dotées d'un avantage concurrentiel puissant. Ces avantages peuvent inclure l'effet de réseau (LinkedIn, Facebook), la position de standard industriel (Oracle, Bloomberg), l'échelle rapide (Anthropic, Amazon), une plateforme sur laquelle d'autres construisent, ou une propriété intellectuelle critique (Qualcomm, ASML). La marque est également très importante (Google, Amazon, Apple). Ces avantages peuvent être plus puissants dans le monde numérique que dans le monde hors ligne. Les leaders bénéficient souvent d'une avance initiale et d'un écosystème qui leur permet de croître plus vite et plus grand. Sans avantage concurrentiel, même dans la meilleure courbe en S, une entreprise peut échouer, comme de nombreuses entreprises de téléphonie mobile (Nokia, Motorola). Concernant les risques liés aux entreprises d'IA fondamentales comme Anthropic et OpenAI, l'IA est le domaine le plus complexe et le plus rapide. Les récompenses sont potentiellement les plus élevées, car le marché pourrait atteindre des trillions de dollars. Anthropic maintient sa part de marché élevée dans le code, a bâti une marque forte pour les entreprises et a atteint une vitesse d'évasion grâce à une croissance des ventes multipliée par 10 et à sa capacité à lever des capitaux. L'amélioration récursive de leurs modèles, alimentée par le code généré, accélère leur innovation. OpenAI, bien que diversifié, montre également une croissance accélérée dans le domaine des entreprises et du codage. Le marché des entreprises est actuellement plus lucratif que celui des consommateurs, car il remplace la main-d'œuvre. Historiquement, le leader d'une courbe en S a tendance à devenir plus grand et à gagner. L'échelle est également cruciale, car la puissance de calcul est coûteuse et limitée. Cependant, des changements de paradigme peuvent entraîner la chute des leaders (AOL). L'intervenant est devenu moins optimiste quant aux entreprises de logiciels d'application traditionnelles. Initialement, il pensait que ces grandes entreprises pourraient intégrer les API d'IA et capitaliser sur leurs données. Cependant, leurs produits IA n'ont pas été très performants et n'ont pas généré de revenus significatifs. Son entreprise a donc vendu la quasi-totalité de ses positions dans les logiciels d'application. L'ancienne façon de concevoir les logiciels est obsolète face à l'IA révolutionnaire. De plus, la priorité des DSI s'est déplacée vers l'IA, réduisant les budgets pour les logiciels traditionnels. Les entreprises de logiciels pourraient également être confrontées à des pressions sur les prix et à un impact sur l'emploi. Bien que les systèmes ERP ne soient pas facilement remplaçables, de nouvelles entreprises natives de l'IA pourraient émerger et concurrencer les acteurs établis. Cependant, l'IA pourrait rendre certaines plateformes logicielles existantes plus importantes. Par exemple, l'intégration de Claude à Slack pourrait renforcer la position de Slack en tant que référentiel clé. Des agents IA pourraient opérer au sein de logiciels existants comme le CRM, consolidant ainsi leur rôle. Concernant les puces et l'infrastructure, le marché est très intéressant. Pendant 40 ans, le centre de données a été dominé par l'Intel x86, avec une croissance des charges de travail compensée par la loi de Moore, ce qui a entraîné une commodisation du matériel. Avec l'IA, les charges de travail augmentent 10 fois par an, poussant le matériel à ses limites physiques. Cela crée une croissance exponentielle des unités et une "décommoditisation" de l