Y Combinator : Le marché des agents IA spécialisés par secteur sera dix fois plus grand que celui du SaaS
TechFlow SélectionTechFlow Sélection
Y Combinator : Le marché des agents IA spécialisés par secteur sera dix fois plus grand que celui du SaaS
Le succès du secteur SaaS est la meilleure preuve de l'essor des agents d'intelligence artificielle spécialisés dans des domaines verticaux.
Dédié à des analyses Web3 approfondiesRédaction : Jiang Ye, AIGC Nouveaux Savoirs
Texte : Résumé réalisé avec l'efficacité d'Ali Tongyi. Merci pour les corrections.
Dans le dernier épisode de YC intitulé « Les Agents IA Verticaux Pourraient Être 10 Fois Plus Grands Que le SaaS », quatre investisseurs expérimentés de YC — Gary, Jared, Harj et Diana — analysent en profondeur pourquoi les agents IA verticaux deviendront la prochaine vague entrepreneuriale, à partir de l'évolution du secteur SaaS et illustrée par de nombreux exemples concrets.
Avec l'amélioration rapide et concurrentielle continue des modèles d'intelligence artificielle, un nouveau modèle économique émerge : les agents IA verticaux. Dans cet épisode de Lightcone, l'hôte examine l'impact potentiel de ces agents sur les entreprises SaaS existantes, quels cas d'utilisation sont les plus pertinents, et comment cette catégorie seule pourrait donner naissance à des sociétés valorisées à 300 milliards de dollars.
1. Le succès du SaaS prouve que les agents IA verticaux ont un potentiel énorme
Jared estime que la taille du marché des agents IA verticaux sera très importante, au point de permettre l'émergence d'entreprises valorisées à plus de 300 milliards de dollars.
Il affirme que le succès du secteur SaaS constitue la meilleure preuve de l'essor imminent des agents IA verticaux. L'apparition du modèle SaaS (Software as a Service) a radicalement transformé l'industrie logicielle. Autrefois, les entreprises devaient acheter des licences coûteuses et consacrer beaucoup de temps et de ressources à l'installation et à la maintenance. Le modèle SaaS, lui, héberge les logiciels dans le cloud, permettant aux utilisateurs de payer un abonnement pour y accéder, réduisant ainsi considérablement le seuil d'accès et les coûts.
Jared pense que les agents IA verticaux, en tant que nouveaux logiciels B2B, pourraient dépasser le marché SaaS en taille, car ils ne se contentent pas de fournir un service logiciel comme le SaaS, mais peuvent aussi automatiser des opérations grâce à l'IA, améliorant encore davantage l'efficacité et réduisant les coûts.
2. La technologie LLM jette les bases de l'explosion des agents IA verticaux
La technologie LLM (modèles linguistiques massifs) ouvre de nouvelles possibilités pour le développement logiciel, permettant de combiner logiciel et opérations humaines pour créer des agents IA verticaux plus puissants capables de remplacer à la fois les logiciels SaaS traditionnels et les tâches humaines.
Les LLM peuvent comprendre et générer du langage humain, ce qui permet de développer des applications telles que des chatbots, la génération automatique de texte ou la traduction.
3. Pourquoi les grandes entreprises ont-elles manqué le coche du SaaS B2B ?
La principale raison pour laquelle les grands groupes ont raté le marché SaaS B2B est sa fragmentation extrême : chaque domaine vertical exige des connaissances spécialisées approfondies et une attention spécifique aux problèmes locaux. Les grandes entreprises préfèrent se concentrer sur quelques marchés de grande ampleur plutôt que disperser leurs efforts sur de nombreux segments niche.
Gusto, une entreprise SaaS spécialisée dans la gestion des salaires, a réussi parce qu'elle maîtrise parfaitement les détails complexes et la réglementation liés à ce domaine.
Pour un géant comme Google, développer un produit similaire à Gusto nécessiterait un investissement énorme en temps et ressources pour acquérir ces connaissances spécifiques, ce qui serait peu rentable.
4. Comment les agents IA vont-ils transformer la structure des effectifs en entreprise ?
Les applications LLM transforment le modèle de recrutement des startups : à l’avenir, des entreprises n’ayant besoin que de très peu d’employés (voire une seule personne) pourront croître rapidement.
Traditionnellement, les startups agrandissent progressivement leur équipe avec la croissance de leurs activités. Or, les LLM permettent d’automatiser de nombreuses tâches, réduisant ainsi la dépendance à la main-d’œuvre humaine.
Dans le recrutement, Triplebyte, une société spécialisée dans le recrutement de développeurs logiciels, utilise des outils automatisés pour trier les CV, réaliser des tests techniques et mener des entretiens préliminaires, réduisant considérablement la charge de travail des recruteurs.
5. Quel est le potentiel du marché des agents IA verticaux ?
Le marché des agents IA verticaux pourrait être dix fois plus grand que celui du SaaS, car ils ne remplacent pas seulement les logiciels existants, mais aussi une grande partie du travail humain.
Les logiciels SaaS traditionnels nécessitent encore beaucoup d’intervention humaine pour accomplir divers processus. Les agents IA verticaux, eux, combinent logiciel et automatisation pour atteindre une efficacité et une économie bien supérieures.
Momentic, une entreprise utilisant l’IA pour les tests de qualité (QA), dispose d’un agent capable d’exécuter automatiquement les scénarios de test et de produire des rapports, remplaçant complètement une équipe QA traditionnelle.
6. Exemples d’applications des agents IA verticaux
Les quatre investisseurs expérimentés de YC citent plusieurs exemples d’entreprises d’agents IA verticaux.
Outset : améliore le domaine des enquêtes et questionnaires.
- Les logiciels traditionnels nécessitent une conception manuelle des questions, une collecte des données et une analyse des résultats.
- L’agent IA d’Outset peut automatiser toutes ces tâches, ajustant dynamiquement les questions et réponses selon les retours des utilisateurs, augmentant ainsi l’efficacité et la précision des enquêtes.
Powerhelp : gère les flux de travail complexes du support client.
- Le support client classique repose sur des opérateurs humains répondant aux appels, e-mails et résolvant les problèmes.
- L’agent IA de Powerhelp peut assurer toutes ces fonctions, offrant des solutions personnalisées basées sur les demandes et historiques des clients, améliorant satisfaction et efficacité.
Salient : automatise le recouvrement des prêts automobiles.
- Le recouvrement traditionnel implique des appels manuels, des discussions avec les emprunteurs et l’enregistrement des résultats.
- L’agent IA de Salient peut effectuer ces tâches automatiquement, adaptant la stratégie de recouvrement selon la situation et la capacité de remboursement de chaque emprunteur, augmentant ainsi efficacité et taux de réussite.
7. La technologie des appels vocaux par IA
La technologie des appels vocaux par IA progresse rapidement. Grâce aux avancées dans la synthèse vocale et le traitement du langage naturel (NLP), elle peut désormais être utilisée dans des scénarios complexes tels que le recouvrement de dettes, le service client ou le marketing.
- Technologie T2V (Text-to-Voice) : convertit le texte en voix fluide, permettant à l’agent IA de dialoguer comme un humain.
- Technologie NLP (Natural Language Processing) : permet à l’agent IA de comprendre l’intention et les émotions de l’utilisateur, et d’y répondre de façon appropriée.
8. Comment choisir son domaine pour une startup d’agent IA ?
Jared conseille aux fondateurs souhaitant créer une entreprise d’agent IA de cibler les tâches administratives ennuyeuses et répétitives, qui mobilisent beaucoup de personnel et sont faciles à automatiser via l’IA.
Par exemple, Sweet Spot a remarqué que les appels d’offres publics impliquent de nombreuses tâches répétitives, et a donc développé un agent IA pour automatiser tout ce processus.
Transcription complète de l’interview
Ouverture
Tous les trois mois, la situation s’améliore progressivement. Aujourd’hui, nous parlons d’agents IA entièrement verticaux, capables de remplacer des équipes entières, des départements et même des entreprises. Ce progrès reste pour moi incroyablement excitant. Beaucoup.
Les modèles fondamentaux constituent un véritable catalyseur. Il fut un temps où OpenAI était le seul acteur en ville, mais cela change maintenant, notamment depuis notre dernier cycle d’incubation.
Dieu merci. La concurrence est le sol fertile d’un écosystème de marché florissant. Les consommateurs auront le choix, les fondateurs auront des opportunités. C’est le monde dans lequel je veux vivre.
Bienvenue dans un nouvel épisode de « Lightcone ». Je suis Yu Kaijie (Gary). Voici Jared Harge et Diana. Ensemble, nous avons financé des startups aujourd’hui valorisées des milliards de dollars, alors qu’elles n’étaient au départ qu’à une ou deux personnes. Aujourd’hui, Jared est particulièrement enthousiaste : il va parler des agents IA verticaux.
Un enthousiasme pour les agents IA verticaux
Je suis très excité car je pense que les gens, surtout les fondateurs de startups, jeunes en particulier, ne réalisent pas pleinement à quel point les agents IA verticaux seront gigantesques. Ce n’est pas une idée nouvelle : certains en parlent déjà, et nous en avons financé beaucoup. Mais je crois que le monde n’a pas encore pris conscience de leur potentiel colossal. C’est pourquoi je vais expliquer pourquoi je pense qu’il y aura plus de 300 milliards de dollars de valeur créée rien que dans cette catégorie.
Je vais faire une analogie avec le SaaS. De la même manière, beaucoup ne comprennent pas à quel point le SaaS est immense. En effet, la plupart des fondateurs, surtout les jeunes, tendent à percevoir l’entrepreneuriat à travers les produits qu’ils utilisent en tant que consommateurs. Or, en tant que consommateur, on n’utilise pas tant d’outils SaaS que ça, car la plupart sont destinés aux entreprises. Beaucoup ignorent donc un fait fondamental : si l’on regarde ce que la Silicon Valley a le plus financé ces 20 dernières années, c’est essentiellement des entreprises SaaS. Pendant cette période, plus de 40 % des fonds de capital-risque ont été investis dans le SaaS. En 20 ans, nous avons vu naître plus de 300 licornes SaaS, plus que dans toute autre catégorie.
Le logiciel, c’est formidable. En repensant à son histoire — car nous aimons toujours discuter de la manière dont l’histoire technologique façonne l’avenir —, le véritable catalyseur de la prospérité du SaaS ? Eh bien, vous vous souvenez des requêtes XML Http ? Bon sang, je dirais que c’est vraiment ce qui a déclenché l’explosion. Comme Ajax, oui. En 2004, les navigateurs ont ajouté la fonction JavaScript « XMLHttpRequest », pièce manquante permettant de construire des applications web riches directement dans le navigateur. Pour la première fois, on pouvait créer des sites ressemblant à des applications bureautiques, donnant naissance à Google Maps, Gmail, et finalement à tout l’écosystème SaaS. Fondamentalement, la clé technologique a été le passage du logiciel installé sur disque dur à un logiciel utilisé via site web ou smartphone.
Paul Graham a d’ailleurs vécu cela de près, car il fut l’un des premiers à comprendre qu’on pouvait utiliser une requête HTTP pour interagir directement avec une invite Unix. Vous n’aviez plus besoin d’un programme séparé pour modifier un site web. Via le web, vous pouviez créer une boutique en ligne, un peu comme Shopify aujourd’hui, mais version ancienne.
C’était en quelque sorte le tout premier logiciel SaaS. Paul Graham avait en réalité inventé le SaaS dès 1995. Seulement, ces premières applications étaient médiocres faute de XMLHttpRequest : chaque clic rechargeait toute la page, rendant l’expérience pénible. Ce n’est qu’avec l’arrivée de XMLHttpRequest vers 2005 que cela a vraiment décollé. En somme, je pense que cette technologie LLM actuelle est très similaire : c’est un nouveau paradigme informatique qui rend possible des choses radicalement différentes. En 2005, quand le cloud et le mobile ont décollé, on se posait la même question : quelle application créer avec cette nouvelle technologie ? Où la valeur allait-elle se concentrer ? Où se trouvaient les bonnes opportunités pour les startups ?
Analogies entre SaaS traditionnel et LLM
Où la valeur va-t-elle s’accumuler ? Où se trouvent les bonnes opportunités pour les startups ?
En parcourant la liste des entreprises valorisées à un milliard de dollars, j’ai remarqué que les chemins suivis par les fondateurs pouvaient se diviser en trois catégories. La première : les « bonnes idées évidentes » susceptibles de devenir des produits grand public. Par exemple, documents, photos, e-mail, calendrier, chat — tout ce que nous faisions sur PC et qui pouvait clairement migrer vers navigateur et mobile. Curieusement, dans cette catégorie, presque toute la valeur a profité aux géants existants : Google, Facebook, Amazon, qui dominent tous ces domaines.
On oublie souvent que Google Docs n’était pas la seule tentative de mettre Office en ligne. Une trentaine d’entreprises ont essayé, mais toutes ont perdu face à Google. Puis est venue la deuxième catégorie : des idées grand public non évidentes, impensables auparavant — Uber, Instacart, DoorDash, Coinbase, Airbnb. Ces idées surgissaient de nulle part, sans lien apparent entre elles. Les grands acteurs n’ont même pas cherché à concurrencer ces domaines avant qu’il ne soit trop tard. D’où la victoire des startups.
Enfin, la troisième catégorie : toutes les entreprises SaaS B2B, environ 300 au total. En termes de nombre, davantage de licornes ont émergé ici que dans les deux autres catégories réunies. Selon moi, cela s’explique par l’absence d’un géant dominant dans chaque segment vertical du SaaS. Contrairement à Microsoft dans les logiciels bureautiques, aucun acteur n’a réussi à dominer tous les secteurs verticaux du SaaS, pour des raisons structurelles. Chaque entreprise a ses propres besoins spécifiques, d’où la prolifération d’acteurs spécialisés.
Salesforce fut probablement la première vraie entreprise SaaS. Je me souviens de Marc Benioff venant parler à YC. Il racontait qu’au début, personne ne croyait qu’on puisse créer des applications d’entreprise complexes via le cloud ou le SaaS. C’était un problème de perception : « Non, ce n’est pas du vrai logiciel, ce n’est pas une boîte qu’on installe. »
Faire cela était difficile, car les premières applications web étaient mauvaises. Il fallait avoir la vision de Paul Graham pour comprendre que les navigateurs allaient s’améliorer et devenir excellents. Cela me rappelle exactement ce que l’on entend aujourd’hui : « On ne pourra jamais construire des applications d’entreprise complexes avec ces outils LLM ou IA, car ils hallucinent, ne sont pas parfaits, ressemblent à des jouets. »
C’est exactement la même histoire que celle du SaaS au début. Donc, en pensant aux similitudes avec les LLM, on peut imaginer que des catégories évidentes de type « applications grand public » apparaîtront — des opportunités énormes, certes, mais que les grandes entreprises risquent de dominer. Pensez à un assistant vocal IA généraliste capable de tout faire : cela semble inévitable, mais tous les gros acteurs vont se battre pour l’occuper.
Apple est un peu lent là-dessus, pourquoi monsieur ? Si stupide, il n’a toujours aucune intelligence perceptible.
Il semble y avoir un contraste : ce qui paraît évident, c’est la recherche, et Google devrait probablement gagner. Mais Confused (Perplexity ?) va certainement leur donner du fil à retordre.
Oui, c’est le dilemme classique de l’innovateur. On peut objecter que des services comme Uber ou Airbnb sont très risqués du point de vue réglementaire. Si vous êtes Google, avec une mine d’or garantie chaque mois, pourquoi prendre le risque de poursuivre des projets potentiellement dangereux ou destructeurs ?
Je pense que c’est la principale raison pour laquelle les grands acteurs n’ont ni développé ni copié ces produits, même après leur succès. Google n’a jamais lancé de clone d’Uber, ni d’Airbnb. J’ai entendu Travis raconter lors d’une conférence qu’au début d’Uber, il craignait d’aller en prison pendant longtemps — il prenait littéralement le risque d’être incarcéré. Aucun cadre bien payé chez Google ne ferait cela.
Pourquoi les grandes entreprises ne font-elles pas de SaaS B2B ?
Qu’en pensez-vous ? Pourquoi les grandes entreprises n’ont-elles pas investi le B2B ? Est-ce dû à la dispersion des cas d’usage ?
Bonne question. J’aime entendre vos avis. Mon sentiment est qu’en tant qu’entreprise, il est trop difficile de tout faire. Chaque entreprise SaaS B2B doit se concentrer très profondément sur un domaine, comme si elle vivait dans le métier qu’elle sert, et se soucier intensément de problèmes très précis. Par exemple, pourquoi Google n’a-t-il pas créé un concurrent compétitif dans la paie ? Parce que chez Google, personne ne connaît vraiment bien ce système, ni n’a la patience d’étudier toutes les subtilités absurdes de la réglementation salariale. Ce n’en vaut pas la peine pour eux. Il est plus simple de se concentrer sur quelques grandes catégories.
Dans le monde du SaaS B2B, cela rejoint le débat sur le découpage versus l’agrégation logicielle, qui revient souvent, mais à plus grande échelle. Pourquoi tant de solutions SaaS verticales B2B émergent-elles, plutôt que des suites comme Oracle, SAP ou Netsuite ? Car Netsuite, par exemple, veut tout faire. Cela pourrait aussi être lié au changement de modèle de vente des logiciels, passant des anciennes méthodes à celles du SaaS et d’internet.
Encore une fois, imaginez le logiciel en boîte, très coûteux, entouré d’un écosystème complet. Dès que vous voulez une personnalisation, les intégrateurs disent : « On peut créer une extension maison, comme une fonction paie. » Puis Salesforce arrive en tant que solution SaaS, semblant moins puissante ou complexe qu’une installation coûteuse en entreprise. Mais ils ont prouvé le contraire. Cela a ouvert la porte à tous. Ces solutions SaaS verticales font exactement ce que vous attendez d’elles.
Autre problème : pour beaucoup de logiciels d’entreprise, si vous êtes utilisateur d’Oracle ou Netsuite, l’expérience utilisateur est médiocre, car ils doivent couvrir trop de domaines. Ils veulent être bons partout, mais maîtres nulle part. Résultat : une expérience « bac à sable ». C’est là qu’une entreprise SaaS verticale B2B peut offrir une expérience 10 fois meilleure, plus agréable, car il existe une différence nette entre les produits grand public et l’UX d’entreprise.
Les logiciels ont trois prix : 5 $, 500 $ ou 5000 $ par poste. Cela correspond directement au grand public, aux TPE/PME ou aux entreprises. L’ère ancienne nous a enseigné cela — heureusement, c’est de moins en moins vrai pour les nouveaux logiciels. Mais les logiciels d’entreprise sont souvent mauvais, car ce n’est pas l’utilisateur final qui achète. Dans une entreprise du Fortune 1000, c’est un haut cadre qui décide, motivé par un contrat à sept chiffres. Et il choisit parfois un produit qui n’est pas optimal pour l’utilisateur final (celui qui l’utilise quotidiennement). Je suis curieux de voir comment cela va changer avec les LLM.
À ce jour, ce qui ressort fortement chez les entreprises logicielles SMB et B2B, c’est que toutes les startups, à mesure qu’elles croissent, ont une perception commune : le nombre de personnes à embaucher est lié à leur taille. Quand on voit des licornes, même dans le portefeuille YC actuel, il est courant de voir des entreprises générant 100 à 200 millions de dollars de revenus annuels avec 500 à 1000 employés. Je suis très intrigué : quand je commence à conseiller des entreprises âgées d’un ou deux mois, mes recommandations diffèrent légèrement de celles que j’aurais données l’an dernier ou il y a deux ans.
Avant, on disait : « Trouvez la personne la plus intelligente possible pour diriger une autre partie de l’organisation, comme le succès client ou la vente. Je veux quelqu’un que je connaisse, excellent. Je vais camper devant sa porte jusqu’à ce qu’il vienne travailler pour moi. Je veux qu’il construise une équipe, embauche plein de monde. » Cela peut encore être pertinent, mais je sens un changement de paradigme : vous voudrez peut-être embaucher davantage d’excellents ingénieurs logiciels qui comprennent les grands modèles linguistiques et peuvent automatiser précisément les tâches bloquantes de votre croissance. Cela pourrait entraîner une transformation profonde, quoique subtile, de la manière dont les startups développent leur activité après avoir trouvé leur product-market fit. Cela signifie que je vais construire des systèmes LLM, réduire mes coûts, et n’aurai pas besoin d’embaucher 1000 personnes. Je pense que nous sommes au début de cette révolution.
Nous en avons parlé dans l’épisode précédent : une licorne pourrait bientôt fonctionner avec seulement 10 employés. C’est tout à fait plausible.
Ils écrivent des évaluations et des prompts.
Je pense que ce que vous dites fait écho à une tendance déjà amorcée avant les LLM. Quand je dirigeais Triplebyte, par exemple, nous devions développer le marketing ou l’acquisition d’utilisateurs. Après notre série B, la méthode traditionnelle aurait été d’embaucher un responsable marketing, créer une équipe, lancer la machine. Mais j’ai rencontré un fondateur YC, Mike, dont l’entreprise construisait une poêle intelligente. Étrange, mais c’était un ingénieur du MIT. Pour vendre cette poêle, il devait maîtriser parfaitement la publicité payante, Google Ads, etc. Il a adopté une démarche d’ingénieur. Je me souviens lui avoir parlé, et compris qu’un ingénieur du MIT faisant notre marketing surpasserait n’importe quel candidat marketing. Il a pu nous scaler, dépensant environ un million de dollars par mois en marketing et campagnes.
Dans le grand marketing de Triplebyte, je me souviens de la prise de contrôle d’une station Caltrain, ou de toutes les actions menées à domicile. Des réalisations de très haute qualité. On sentait que ce n’était pas fait par un marketeur classique.
C’était tout Mike. Un commentaire fréquent à l’époque : « Combien de personnes chez Triplebyte ? — Environ 50. — Vous faites mieux qu’une centaine. » Je pensais : non, tout cela vient du fait que si un ingénieur très intelligent s’attaque à une tâche, il trouve un moyen, il trouve un levier. Aujourd’hui, avec les LLM, ce levier dépasse celui du logiciel pur.
Voilà mon argumentaire pour 300 licornes d’agents IA verticaux. En réalité, pour chaque entreprise valorisée à un milliard, vous pouvez imaginer une équivalente en agent IA vertical. Comme dans le passé, de nombreuses entreprises fabriquaient des logiciels en boîte, puis ont été disruptées par le SaaS. Même chose pourrait se reproduire. Aujourd’hui, chaque entreprise SaaS construit un logiciel utilisé par des humains. L’équivalent IA vertical, c’est simplement le logiciel + la personne dans le produit.
Une chose reste floue : les entreprises ne savent pas encore exactement ce qu’elles veulent, ce dont elles ont besoin. J’ai vu une approche intéressante chez des fondateurs expérimentés, comme Brett Taylor, ancien COO de Facebook, qui a fondé une entreprise. Je ne connais pas tous les détails, mais d’après ce que je sais, c’est davantage une personnalisation d’entreprise, déployant ces agents IA sur mesure, plutôt que « Hé, on a un agent spécifique pour ça ».
C’est ce que j’ai vu chez une entreprise appelée Vector Chef, financée il y a environ un an. Deux brillants informaticiens de Harvard ont tenté de créer une plateforme facilitant la construction d’agents internes alimentés par LLM, sans code ou via SDK. Mais les entreprises ne savent souvent pas quoi en faire. Alors, en revenant en arrière, je me demande : comme dans le monde des logiciels en boîte, où l’on commence avec des fournisseurs qui convainquent les gens d’utiliser un logiciel « universel », puis cela devient plus complexe et spécialisé, verrons-nous d’abord des acteurs horizontaux, puis des spécialistes ? Ou pensez-vous que, cette fois, les agents verticaux décolleront dès le départ ?
Oui, c’est intéressant. En repensant à l’histoire du SaaS, les premières applications (2005-2010) étaient surtout grand public : e-mail, chat, cartes. Les gens se sont habitués à les utiliser personnellement. Cela a rendu plus facile la vente de logiciels SaaS aux entreprises, car souvent, la même personne est consommateur et employé.
Je pense que la réponse est : c’est juste la continuité du logiciel. Pas besoin de repartir de zéro. Les LLM n’ont pas à redevenir des plateformes générales. Si les entreprises ont déjà acquis suffisamment de confiance dans les solutions verticales ou ponctuelles — en termes d’expérience utilisateur, de valeur — elles pourraient être prêtes à miser sur une startup promettant dès aujourd’hui une excellente solution d’agent IA vertical. Je pense que nous voyons déjà cela : certaines de nos entreprises dans ce domaine obtiennent une traction plus rapide que tout ce que nous avons vu auparavant.
Je pense que nous en sommes aux tout débuts, non ? Comme tous les logiciels, on commence verticalement. Puis, à mesure que le secteur mûrit, eh bien, je viens de répondre à ma propre question : pourquoi une entreprise finit-elle avec 1000 employés ? Au début, chacun crée des solutions ponctuelles. Puis arrive un moment où il faut étendre horizontalement — par exemple, quand vous dépensez massivement en vente et marketing. Une fois que vous avez saturé votre marché vertical, la seule manière de continuer à croître est d’élargir à d’autres fonctions.
Peut-être qu’un autre facteur expliquant que les agents IA verticaux pourraient être plus grands que le SaaS est que le SaaS nécessite encore une équipe opérationnelle pour manipuler le logiciel et gérer les workflows — approbations, saisie de données, etc. Ici, l’argument est que non seulement vous remplacez tous les logiciels SaaS (équivalence 1:1), mais aussi une grande partie de la masse salariale, car dans de nombreuses entreprises, les salaires représentent une part bien plus importante que les dépenses logicielles.
Exactement. Ils dépensent bien plus en salaires qu’en logiciels.
Donc, ces petites entreprises sont plus efficaces, nécessitant moins de personnel pour des tâches comme la saisie de données, les validations ou les clics dans le logiciel.
Je suis d’accord. Je pense que l’équivalent vertical pourrait être 10 fois plus grand que l’entreprise SaaS qu’il remplace.
Il y a deux scénarios. Peut-être que la solution verticale ponctuelle est assez grande pour ne pas avoir besoin d’étendre horizontalement. Ce serait un bon scénario.
Exemples d’applications verticales des agents IA
Devrions-nous donner des exemples ? Nous avons travaillé avec tant d’entreprises dans ces domaines, et avons des retours directs sur leur évolution.
Par exemple, Aaron Cannon collabore avec Stray, une entreprise YC qui applique les LLM au domaine des enquêtes et de la qualité. Qualtrics ne construira probablement jamais un grand modèle linguistique doté de capacités de raisonnement.
Et ce qui est intéressant avec les enquêtes, c’est pour qui elles sont faites : les responsables produit, les équipes marketing, ceux qui cherchent à comprendre ce que veulent vraiment les clients. Et devinez quoi ? C’est du langage. Donc, ces entreprises doivent naviguer avec précaution, car les logiciels B2B et SMB sont souvent vendus à des décideurs clés dans l’organisation. Il faut monter assez haut pour que la personne à qui vous vendez n’ait pas peur que tout son travail ou celui de son équipe disparaisse.
C’est une difficulté que beaucoup de sociétés rencontrent : si vous vendez un produit qui va remplacer une équipe, celle-ci résistera.
Donc, c’est une approche intéressante, souvent descendante : il faut parfois passer par le CEO pour obtenir l’approbation.
Je collabore avec une entreprise, Mee, qui est essentiellement un agent IA. Elle a commencé par les tests QA et obtient maintenant une forte traction.
C’est intéressant, car il y a dix ans, Rainforest QA, une entreprise de service QA, vivait une tension particulière : elle ne pouvait pas vraiment remplacer toute l’équipe QA. Elle devait donc créer un logiciel pour rendre le QA plus efficace. Mais cela voulait dire essayer de les remplacer autant que possible. Impossible de supprimer toute l’équipe, donc elle marchait constamment sur la corde raide : vendre aux chefs d’ingénierie (qui veulent moins de QA) tout en vendant à des équipes QA qui ne veulent pas être remplacées. C’était un frein à la croissance. Maintenant, avec un agent IA comme Mee, on peut remplacer totalement les testeurs QA. Le message n’est plus « Cela rend vos QA plus rapides », mais « Vous n’avez plus besoin d’équipe QA ». On peut donc cibler directement l’ingénierie, qui n’a pas besoin d’acheter au département QA. On peut aussi aller vers des entreprises qui n’ont même pas de grande équipe QA. Elles utilisent simplement Mee, et cela s’adapte automatiquement. Elles n’auront jamais besoin de construire une équipe de 18 personnes. C’est une étude de cas réelle montrant pourquoi ces entreprises d’agents IA verticaux peuvent être 10 fois plus grandes que les SaaS.
Je vois cela aussi dans le recrutement. Construire un logiciel pour faciliter le filtrage et l’embauche de développeurs nécessite d’obtenir l’adhésion de l’équipe technique et de l’équipe RH. Or, le logiciel que nous développons essaie de remplacer les recruteurs, sans pouvoir les remplacer complètement. Mais maintenant, avec l’IA…
Les recruteurs s’opposent toujours, car cela menace leur emploi.
Oui, donc il y a toujours une friction : jusqu’où peut-on aller quand le client craint d’être remplacé ? Mais je pense qu’on est encore au début. Avec l’IA, on peut désormais construire des solutions couvrant tout le processus, comme le recrutement. Nous avons une entreprise qui collabore avec Nico sur le dernier patch, qui réalise uniquement des tests techniques complets et des entretiens préliminaires complets, et obtient une forte traction. À mesure que cela progresse, cette friction disparaîtra. Même si je dois convaincre les recruteurs d’utiliser l’outil, peut-être n’aurai-je plus besoin de construire d’équipe RH comme avant.
Un autre exemple : même les entreprises d’outils de développement doivent gérer beaucoup de support technique. Je collabore avec Capillo AI, qui a construit l’un des meilleurs chatbots capables de répondre à des détails techniques complexes. Beaucoup d’entreprises qui les utilisent ont des équipes DevRel bien plus petites, car le bot gère une grande partie de la documentation, des vidéos YouTube, des historiques de chat. Il devient de mieux en mieux, donne d’excellentes réponses. C’est l’un des meilleurs que j’aie vus.
Oui, j’ai aussi collaboré avec une entreprise de support client, Powerhelp, un agent IA de support. En fait, nous étions ensemble dans le dernier cycle. J’ai appris quelque chose d’intéressant avec Powerhelp. D’abord, la catégorie du support client par IA est réputée saturée : on dit qu’il y en a 100. Tapez « agent IA de support client » sur Google, vous obtenez 100 résultats. Mais ce que j’ai appris avec Powerhelp, c’est que c’est un peu faux : presque toutes ces entreprises font des choses très simples. Leurs LLM sans données ne peuvent pas vraiment remplacer une équipe de support qui gère des workflows complexes. Ce n’est qu’une bonne démo. Remplacer une équipe de support de 100 personnes traitant des cas complexes chaque jour ? Très peu d’entreprises le font. Il faut un logiciel très sophistiqué, capable de tout gérer, comme Jack Hiler le dit. Seulement 3 ou 4 entreprises tentent cela. Et cumulativement, leur pénétration de marché est inférieure à 1 %. Le marché est donc totalement ouvert.
Je vois aussi que c’est un cas d’hyperspécialisation : il n’y aura probablement pas, je veux dire, peut-être à terme, une entreprise de logiciel généraliste de support client. Mais cela ressemblerait à la huitième ou neuvième manche d’un match. Nous sommes vraiment au premier inning. Au contraire, vous aurez des entreprises comme Giga ML, qui traite 30 000 tickets par jour pour Zepo, remplaçant une équipe de 1000 personnes. Mais c’est très spécifique, pas une démo générique. Il y a un ensemble d’évaluation très détaillé avec 10 000 cas de test, et cela ne fonctionne pratiquement que pour Zepo. Mais si vous êtes une autre entreprise du marché de la livraison immédiate, vous pourriez l’utiliser, car c’est un marché très défini.
Je pense que cette dynamique conduit à des entreprises SaaS de 300 milliards de dollars, plutôt qu’à une méga-plateforme de 10 000 milliards offrant tous les logiciels du monde. Les clients ont besoin de solutions très personnalisées, difficiles à bâtir pour tout le monde.
Précisément. Nous avons donné trois exemples de support client, mais dans des verticaux très différents. Pour une entreprise d’outils de développement, le jeu d’entraînement est complètement différent, non ?
Oui, je suppose que que vous ayez des agents ou des humains travaillant pour vous, vous rencontrez le même problème : chaque entreprise contredit la théorie de Coase, selon laquelle une entreprise ne grandit que jusqu’à ce que devenir plus grande devienne moins efficace. C’est pourquoi nous avons des réseaux et des écosystèmes. Dans une économie mature, chaque entreprise se spécialise dans ce qu’elle fait de mieux. La limite externe de ces entreprises dépend en réalité de la capacité du manager. Cette idée me fascine, car quand nous étions avec Parker Conrad, son point favori était que tout le monde est obsédé par le fait que les rochers parlent, peut-être qu’ils peuvent dessiner. Mais pour lui, ce qui est plus intéressant, c’est que le logiciel HR/IT fonctionne. Il a beaucoup réfléchi à la
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Y Combinator
