Pour la plupart des entreprises SaaS, la croissance est l’objectif principal : plus de clients, une utilisation accrue, plus de chiffre d’affaires, de meilleures marges. L’IA vient briser le dernier maillon de cette chaîne. Dans le cas d’un produit basé sur l’IA, la croissance de l’adoption peut entraîner une augmentation des coûts plus rapide que celle du chiffre d’affaires. Le calcul des marges qui faisait du SaaS un secteur d’activité intéressant pour les investisseurs ne s’applique pas automatiquement.
Il ne s'agit pas là d'une préoccupation purement théorique. C'est la situation dans laquelle se retrouvent la plupart des équipes chargées des produits d'IA six à douze mois après leur lancement, lorsque la base de clients croît plus rapidement que ne le permet le modèle tarifaire initialement prévu. Nous allons maintenant nous pencher en détail sur la gestion des marges dans le domaine de l'IA : quels en sont les facteurs, comment l'anticiper et comment réagir lorsque la tendance prend déjà une mauvaise tournure.
Pourquoi le modèle de marge du SaaS n'est pas transposable
Le fonctionnement des marges dans le secteur du SaaS repose sur un mécanisme simple. Le coût marginal lié à la prise en charge d'un client supplémentaire est proche de zéro. L'infrastructure s'adapte progressivement à la croissance. Les coûts d'assistance restent maîtrisables. Il en résulte une amélioration de la marge brute à mesure que le chiffre d'affaires augmente, car la base des coûts fixes est répartie sur un chiffre d'affaires plus important.
L'IA présente une structure de coûts fondamentalement différente. Chaque requête traitée, chaque document analysé et chaque tâche effectuée par un agent génère des coûts d'infrastructure réels. Les coûts évoluent en fonction de l'utilisation, et non du nombre de clients. Un doublement du nombre d'utilisateurs actifs peut entraîner une augmentation de plus du double des dépenses liées à l'inférence, selon la conception du produit d'IA et la manière dont les clients l'utilisent. L'amélioration des marges qu'une entreprise SaaS tire de son échelle d'activité ne se traduit pas automatiquement dans le secteur de l'IA.
Cela ne signifie pas pour autant que le secteur de l'IA soit moins rentable. Cela signifie simplement que le modèle de marge doit être conçu en fonction de la structure réelle des coûts, et que le modèle de tarification doit être ajusté pour se prémunir contre les cas où la croissance dépasserait le chiffre d'affaires.
Où va réellement la marge ?
Les postes de coûts liés à l'IA qui entrent en ligne de compte dans le calcul de la marge sont les suivants : inférence et exécution des modèles, infrastructure et hébergement, orchestration des flux de travail, systèmes de sécurité et de qualité, observabilité et journalisation, ainsi que les frais généraux liés au support spécifique à l'IA. Chacun de ces postes évolue différemment à mesure que l'utilisation augmente.
L'inférence évolue linéairement avec le nombre de tokens traités, jusqu'à ce que vous atteigniez les limites de débit et que vous deviez passer à une infrastructure de niveau supérieur. L'orchestration des workflows évolue plus rapidement que l'inférence lorsque les clients commencent à enchaîner des étapes d'IA pour former des processus plus complexes. Les systèmes de sécurité et de qualité évoluent de manière moins que proportionnelle, car une grande partie de l’infrastructure de sécurité représente des coûts fixes. L’observabilité évolue en fonction du volume d’événements, qui est généralement plusieurs fois supérieur au volume des actions des utilisateurs. Les frais généraux liés au support évoluent en fonction de la complexité des tâches effectuées par l’IA, ce qui est vaguement corrélé à l’utilisation mais peut connaître des pics lors du déploiement d’une nouvelle fonctionnalité.
Il en résulte que la marge brute peut sembler satisfaisante avec 100 clients et se détériorer à 500 clients, même si la tarification de base reste identique. Le problème de gestion des marges lié à l'IA ne se manifeste pas par un échec soudain, mais par une dérive progressive qui n'apparaît clairement que lorsque l'équipe financière effectue ses calculs lors de la clôture.
Le schéma « la croissance nuit aux marges »
Le schéma qui conduit à ce que « la croissance pèse sur les marges » se présente généralement ainsi. Le modèle tarifaire est conçu en fonction d’une utilisation moyenne par client. L’adoption augmente. Des utilisateurs intensifs apparaissent, qui utilisent le produit trois à cinq fois plus que la moyenne. Leur coût augmente de manière linéaire en fonction de leur utilisation. Leurs revenus sont plafonnés par le niveau d’abonnement. La marge brute par utilisateur intensif devient négative. L’entreprise perd désormais de l’argent sur ses clients les plus engagés, et ce sont les clients qui utilisent le moins le produit qui subventionnent ceux qui l’utilisent le plus.
En réalité, le calcul est souvent encore plus défavorable. L’infrastructure d’IA présentant des limites de capacité réelles, le coût marginal du 10 000e événement d’un mois peut s’avérer supérieur à celui du premier événement si le débit a contraint à une mise à niveau de l’infrastructure sous-jacente. Les gros utilisateurs ne coûtent pas simplement plus cher proportionnellement. Ils coûtent disproportionnellement plus cher.
Deux facteurs aggravent cette situation dans la pratique. Premièrement, les clients qui connaissent la croissance la plus rapide sont généralement ceux que l’on souhaite le plus fidéliser ; augmenter leurs tarifs en cours de contrat comporte donc un risque de perte de clientèle. Deuxièmement, une fois qu’un modèle tarifaire est en place sur le marché, le modifier nécessite de renégocier les contrats existants, ce qui est coûteux et prend du temps. La marge de manœuvre pour ajuster les tarifs est plus restreinte que ne le pensent la plupart des équipes produit.
Comment l'anticiper
Deux indicateurs permettent de distinguer les entreprises qui identifient ce phénomène à un stade précoce de celles qui ne le découvrent qu'au cours d'un trimestre difficile. Les deux sont fastidieux à mettre en place et coûteux à négliger.
Marge brute par client, suivie mensuellement. Il ne s'agit pas de la marge brute globale, mais bien de celle par client. Globalement, un ensemble solide de clients peu utilisateurs peut masquer un groupe de clients très utilisateurs dont la marge brute est négative. Par client, la perte apparaît dans la queue de la distribution avant de se refléter dans le chiffre global.
Coût par utilisateur actif par rapport au chiffre d'affaires par utilisateur actif. Dans le secteur du SaaS, ces deux chiffres évoluent globalement de concert. Dans le domaine de l'IA, ils peuvent diverger, le coût par utilisateur actif augmentant plus rapidement que le chiffre d'affaires par utilisateur actif à mesure que l'utilisation s'intensifie. L'écart entre ces deux chiffres reflète la marge, et c'est l'évolution de cet écart au fil du temps qui constitue la tendance à prendre en compte.
Ces deux indicateurs exigent que la plateforme de facturation établisse un lien entre les données de coûts et celles relatives au chiffre d'affaires au niveau de chaque client. Si ces deux types de données sont stockés dans des systèmes distincts et ne sont rapprochés qu'une fois par mois dans un tableur, la tendance n'apparaît généralement qu'une fois que le problème est déjà là.
Que faire lorsque la tendance va dans la mauvaise direction ?
Il existe trois options, et chacune présente ses avantages et ses inconvénients.
- Commencez par revoir les tarifs des nouveaux contrats. Adaptez le modèle tarifaire aux nouveaux clients et laissez les clients existants passer au nouveau tarif lors du renouvellement. C'est l'option la plus lente, mais aussi la plus sûre, car elle préserve la fidélisation des clients existants et laisse au service financier le temps de modéliser la nouvelle tarification en fonction des habitudes d'utilisation réelles.
- Ajouter une clause de dépassement d'utilisation ou un système de crédit aux contrats existants. Renégocier les contrats des clients existants pour passer à un modèle hybride plafonnant le volume d'utilisation inclus dans l'abonnement. Plus rapide. Cela comporte toutefois un risque de perte de clientèle, car les clients considèrent les changements de tarification en cours de contrat comme une rupture de l'accord initial, même lorsque le contrat les autorise.
- Proposez l'IA sous la forme d'une référence distincte, avec sa propre tarification. Plutôt que de modifier le prix des produits déjà achetés par les clients, regroupez les fonctionnalités d'IA les plus coûteuses dans une référence premium distincte à laquelle les clients peuvent souscrire. Cela permet de conserver la tarification existante du produit de base. Cela nécessite une modification de l'offre qui doit être menée par le produit.
Le choix de la solution appropriée dépend de la concentration du problème de marge. S'il concerne un petit nombre de clients à forte consommation, il est plus efficace de s'adresser directement à eux plutôt que de procéder à une révision générale des tarifs. S'il est généralisé à l'ensemble de la clientèle, c'est le modèle de tarification lui-même qui doit être modifié, et non pas contrat par contrat.
Comment éviter ce problème dans le prochain produit ?
Il est plus facile de prévenir les problèmes de gestion des marges liés à l'IA que de les résoudre ; c'est pourquoi impliquer le service financier dans les décisions de tarification liées à l'IA avant le lancement d'un produit fait toute la différence entre une IA source de croissance et une IA source de problèmes de résultat. Les trois éléments à mettre en place en amont :
- Modélisez la rentabilité unitaire en multipliant par 2 et par 5 la consommation actuelle avant de fixer le prix. Si les calculs de marge ne tiennent plus la route lorsque la consommation est multipliée par 5, cela signifie que le modèle de tarification présente un problème que l'entreprise n'a pas encore identifié.
- Intégrez dès le départ les dépassements dans la structure tarifaire. Même si le forfait de base est un abonnement, le fait de disposer d'un système de crédits et d'un tarif de dépassement permet à la plateforme de s'adapter aux variations de consommation des utilisateurs intensifs sans avoir à revoir ses tarifs.
- Mesurez la marge brute par client dès le premier jour. Si une tendance doit se dessiner, vous voulez la constater dès le troisième mois, et non au douzième.
Pour consulter le guide financier complet sur la stratégie de monétisation de l'IA, y compris le cadre en six étapes permettant d'anticiper les décisions en matière de tarification, rendez-vous sur billingplatform.com/ai-monetization.
BillingPlatform met en corrélation les données de coûts de livraison générées par l'IA avec les données de chiffre d'affaires sur une seule et même plateforme, ce qui permet au service financier de visualiser la marge par client en temps réel, et non plus seulement à la clôture. Pour en savoir plus, rendez-vous sur billingplatform.com.
