Sequoia Capital partage en privé : De la "livraison de logiciels" à la "livraison de résultats", la nouvelle logique de la commercialisation de l'IA et de la tarification du capital
Source : Vidéo de partage de Pat Grady "AI for BC IC"
Compilation : AGI 2050
Note de l'éditeur
À un moment charnière du cycle technologique, les évaluations internes des principales sociétés de capital-risque constituent souvent une clé pour observer les tendances de l'industrie.
Cet article est tiré d'une présentation fermée faite par Pat Grady, partenaire mondial de Sequoia Capital, à l'intention du comité d'investissement du Boston College. Dans cette présentation, Grady a placé son point de vue sur l'automne 2026, examinant systématiquement l'évolution des technologies fondamentales, le rythme de l'industrialisation et les changements structurels dans la logique de tarification du capital depuis l'émergence des grands modèles.
Contrairement aux discours généralisés destinés au grand public, ce rapport, destiné aux représentants des investisseurs principaux (LP), se concentre sur une série de questions commerciales concrètes et aiguës :
• Changement de logique fondamentale : La nature de cette vague n'est pas une révolution de la distribution de l'information, mais une restructuration de l'architecture de calcul sous-jacente, dont l'espace de marché potentiel (TAM) passe d'un domaine de logiciels de plusieurs milliers de milliards de dollars à une pénétration substantielle dans le marché des services professionnels, qui est d'un à deux ordres de grandeur plus grand ;
• Saut de paradigme en R&D : Avec la maturité des technologies de raisonnement logique et des agents à long terme (Long-horizon Agents), le centre de recherche des laboratoires de pointe a déplacé son attention de l'intelligence artificielle générale (AGI) vers l'intelligence artificielle super (ASI) et l'amélioration auto-récursive (RSI) ;
• Différenciation commerciale et fossé de diffusion : Il existe un fossé de diffusion technologique évident entre les capacités natives des modèles et leur application réelle par les entreprises, les travaux de connaissance à forte valeur ajoutée (programmation, soins de santé, conformité fiscale, etc.) donnant naissance à une nouvelle génération d'entreprises systémiques, mais les fluctuations fréquentes de la technologie sous-jacente poussent également les entreprises de la couche d'application à restructurer leur forme organisationnelle ;
• Nouvelle forme de bulle de capital : Dans un climat de marché frénétique, le marché primaire a évolué vers un modèle de financement en deux étapes "séparant les partenaires de co-construction et les partenaires financiers", et les leviers de valorisation et les rythmes de prime des marchés primaire et secondaire subissent des tests sans précédent.
Voici le texte complet de notre compilation :
I. Ce n'est pas une révolution de la distribution de l'information, mais une reconstruction du calcul
Le matériel présenté aujourd'hui vise principalement à répondre à une question posée par le comité d'investissement du Boston College : "Quel est l'état actuel de l'industrie de l'IA ?"
Je vais enregistrer ces observations comme un instantané de ce moment en septembre 2026.
L'industrie du capital-risque utilise souvent un graphique pour montrer l'évolution des vagues technologiques au cours des dernières décennies : de l'évolution des puces à celle des systèmes de calcul, en passant par la connexion au public via Internet ; puis l'émergence des appareils mobiles, donnant naissance à un écosystème d'applications complexe ; jusqu'à présent, l'IA commence à conférer à ces applications une puissance de traitement sans précédent.
Le fil conducteur de l'évolution technologique a toujours été ainsi. Mais cette vague centrée sur l'IA présente trois caractéristiques radicalement différentes des cycles précédents :
Premièrement, l'espace de marché potentiel (TAM) est sans précédent.
Au cours des dernières décennies, l'objectif principal de l'industrie était la "taille du marché des logiciels" (Software TAM) ; tandis que l'IA s'attaque directement à la "taille du marché des services professionnels" (Services TAM) - ce dernier étant d'un à deux ordres de grandeur plus grand que le logiciel pur.
Deuxièmement, la vitesse de diffusion technologique dépasse de loin les précédentes.
Cette vitesse de pénétration élevée n'est pas propre à la technologie de l'IA, mais est le résultat inévitable de la préparation des infrastructures. Au début de l'ère du cloud computing, moins de 100 millions de personnes dans le monde avaient accès à Internet ; lors du lancement de l'Internet mobile, les utilisateurs devaient acheter des appareils intelligents un par un. Actuellement, avec l'infrastructure réseau mondiale et les appareils intelligents largement répandus, une fois que la technologie franchit le point de rupture de l'utilisabilité, la résistance à sa diffusion à grande échelle est tombée à son niveau historique le plus bas.
Troisièmement, et c'est le point le plus crucial : la forme de cette transformation technologique est, sur le plan logique physique, complètement différente des précédentes.
Les révolutions technologiques des dernières décennies - y compris les ordinateurs personnels, les réseaux locaux, Internet et le cloud computing - appartiennent essentiellement à une "révolution de la distribution de l'information", dont le cœur est d'optimiser l'efficacité de la transmission de l'information dans l'espace.
Ce que nous vivons actuellement est une "révolution du calcul lui-même". Elle ne traite plus de la manière dont l'information est transmise, mais de la manière dont l'information est traitée et réorganisée. Une telle reconstruction fondamentale n'a pas été observée dans l'industrie depuis l'invention des circuits intégrés à semi-conducteurs dans les années 1960 et 1970.
Cette distinction a des implications commerciales substantielles : elle signifie que la base technologique sur laquelle s'appuient les entrepreneurs de la couche d'application est encore en évolution dynamique avec des déplacements fréquents.
En examinant le fil de développement des dernières années, l'industrie a traversé trois points de basculement clés :
La période de ChatGPT à la fin de 2022 a établi la faisabilité technique et le potentiel d'expansion de la pré-formation sans supervision (Pre-training) ;
La publication d'OpenAI o1 à la fin de 2024 a validé le chemin du raisonnement (Reasoning), marquant la capacité initiale des grands modèles à passer de la pensée rapide intuitive (système 1) à la pensée lente logique (système 2) ;
Le lancement de Claude Code et Opus 4.5 a confirmé l'utilisabilité des "agents intelligents autonomes à long terme (Long-horizon Agents)" dans des environnements de tâches complexes.
Ces trois étapes semblent appartenir à un même continuum technologique, mais à la fin de la troisième étape, l'industrie a en réalité franchi un point critique - l'intelligence artificielle générale (AGI) est passée d'une hypothèse technique à une réalité industrielle.
Au début de cette année, Sequoia a prédit dans un article de colonne que "2026 sera l'année de l'AGI". À l'époque, cette affirmation était encore controversée dans l'industrie ; mais aujourd'hui, elle est progressivement devenue un consensus général dans le monde de la technologie et des investissements.
II. De la "carrosse" à la "voiture" : Réalités et effets secondaires de la commercialisation
Si nous empruntons la question classique du fondateur de Sequoia, Don Valentine - "Et alors ? Quelle valeur substantielle cela crée-t-il ?" - l'évolution technologique actuelle signifie en réalité que les moyens de transport ont franchi le cap du "carrosse amélioré" à celui de la "voiture".
Au cours des dernières années, de nombreux produits qualifiés d'IA appartenaient en réalité à des améliorations progressives de logiciels traditionnels, n'étant rien d'autre que des outils numériques offrant une meilleure expérience ; tandis qu'aujourd'hui, la technologie change fondamentalement le processus et la forme de la livraison de la productivité.
Dans le domaine des affaires, cette migration se manifeste dans plusieurs scénarios :
• La forme logicielle évolue de "boîte à outils" à "collaborateur" : des produits comme Instinct ou Muse sont passés d'outils de traitement de tâches à des collaborateurs commerciaux livrant des résultats de bout en bout. Leur logique de développement est similaire à celle de l'industrie de la visioconférence : avant que Zoom ne franchisse le seuil de l'utilisabilité et de la confiance, la technologie de visioconférence existait depuis des années mais n'était pas acceptée sérieusement par les entreprises mainstream ; une fois que la stabilité technologique a franchi un certain seuil, les réunions en ligne se sont rapidement établies comme le flux de travail par défaut. L'IA actuelle se trouve dans une phase de transition de confiance similaire.
• La démocratisation des connaissances professionnelles avancées : dans le domaine médical, les établissements de santé de base et les praticiens des zones reculées peuvent accéder à des connaissances de diagnostic et de traitement à tous les niveaux de l'industrie via des terminaux mobiles ; dans le domaine de l'éducation, des systèmes d'enseignement innovants comme Alpha School montrent comment les modèles éducatifs natifs de l'IA peuvent transformer l'enseignement personnalisé.
• La débordement des infrastructures vers les industries réelles : la vague de construction de centres de données à grande échelle crée une demande industrielle continue dans les domaines de l'ingénierie réelle, des équipements électromécaniques et des infrastructures énergétiques.
En même temps, la rapide évolution technologique entraîne également une série de réactions en chaîne au niveau industriel et social :
• Pression sur les dépenses en capital des fournisseurs d'infrastructure cloud : les grands fournisseurs de services cloud (Hyperscalers) voient leurs investissements en infrastructures de calcul continuer à augmenter, et il devient de plus en plus difficile de couvrir entièrement les dépenses d'investissement (Capex) uniquement par les flux de trésorerie disponibles, l'industrie commence à recourir à l'émission d'obligations pour maintenir la compétition en matière de calcul.
• Diffusion de nouvelles menaces de cybersécurité : l'amélioration des capacités des modèles fondamentaux abaisse objectivement le seuil de développement des outils d'attaque automatisée avancés, l'équilibre entre l'attaque et la défense des infrastructures numériques est continuellement perturbé.
• Restructuration de la valeur des emplois de connaissance : les postes de cols blancs traitant des textes purs et des informations de base subissent des impacts substantiels. Les travailleurs capables d'utiliser activement les modèles pour augmenter leur productivité bénéficient d'un avantage significatif en termes d'efficacité de production, tandis que ceux qui n'ont pas établi de barrières de collaboration avec les outils font face à une pression continue de substitution marginale.
• Frictions au niveau de la distribution sociale et de la gouvernance : les problèmes de consommation d'énergie des calculs deviennent progressivement un sujet de débat géopolitique et régional ; les différences de retour sur capital et de retour sur travail engendrées par l'IA aggravent également, dans une certaine mesure, les inégalités de distribution de la richesse existantes.
III. Changement de l'accent de recherche et développement des laboratoires de pointe : exploration avancée et réalité d'ingénierie
En approfondissant le travail de recherche et développement des principaux laboratoires de pointe, on peut constater que les jugements des chercheurs sur les chemins d'évolution technologique sont souvent très ciblés et directs.
Actuellement, les laboratoires centraux ont déjà déplacé leur attention de la mise en œuvre de l'ingénierie de l'AGI vers les domaines de l'intelligence artificielle super (ASI) et de l'amélioration auto-récursive (RSI, Recursive Self-Improvement).
Parmi eux, le RSI indique la capacité du modèle à participer de manière autonome, voire à diriger le cycle d'auto-amélioration de la rédaction, des tests et de l'optimisation de l'architecture des codes des modèles de nouvelle génération. L'émergence de ce cycle technique a suscité une évaluation prudente par les équipes de recherche et développement concernant le "décollage exponentiel de la technologie" et les risques potentiels de désalignement (p(doom)). Cela constitue le contexte technique central derrière les récents appels publics de figures de proue telles que Dario Amodei, co-fondateur d'Anthropic, pour un alignement du rythme de recherche de pointe dans l'ensemble de l'industrie.
Sur le plan technique et commercial, les laboratoires de première ligne présentent les tendances déterministes suivantes :
Franchir les frontières du langage naturel pur : Les scénarios d'entraînement et d'inférence des modèles se déplacent rapidement vers des domaines d'exploration scientifique complexe et de validation de conjectures mathématiques de pointe, nécessitant une nouvelle ronde d'optimisation de l'efficacité des architectures de calcul sous-jacentes ;
Déséquilibre à long terme entre l'offre et la demande de puissance de calcul : La pénurie de puissance de calcul reste le principal goulot d'étranglement technique entre les laboratoires de pointe et les entreprises du secteur, et la tendance à développer des puces silicium spécifiques, telles que les ASIC, se renforce dans l'ensemble de l'industrie ;
La concurrence pour les API d'inférence devient féroce : La lutte commerciale pour la consommation de tokens des modèles de base est extrêmement intense, avec une baisse continue des prix des API. Pour verrouiller efficacement l'utilisation des grandes entreprises telles que le Fortune 500, les laboratoires de tête commencent à établir des équipes de services d'entreprise internes, en avançant dans l'infiltration des scénarios grâce à des consultations personnalisées intensives ;
Normalisation des acquisitions externes : Avec la stabilisation du paysage concurrentiel intersectoriel, les laboratoires de pointe commencent à établir progressivement des mécanismes d'acquisition de talents, d'équipes et d'actifs de manière régulière, montrant des caractéristiques d'expansion des grandes entreprises.
IV. Le fossé de diffusion technologique et la puissance commerciale de l'application
L'explosion des capacités des modèles de base et le niveau d'absorption réel de l'industrie présentent un décalage évident, ce décalage étant ce que l'on appelle le "fossé de diffusion technologique". Pour les startups du secteur des applications, ce fossé constitue l'opportunité commerciale la plus importante.
Dans ce cycle, les points d'entrée les plus commercialement certains se concentrent dans le domaine du travail de connaissance à haute valeur ajoutée (High-value Knowledge Work) : ingénierie logicielle, cybersécurité, services professionnels médicaux, finance et investissement, audit et conformité, etc. Chaque segment avec de fortes barrières cognitives professionnelles a le potentiel de donner naissance à de nouvelles entreprises de type plateforme avec une valorisation de plusieurs milliards de dollars.
En référence à la position des systèmes de base (Systems of Record) établie par ServiceNow, Workday et Salesforce durant le cycle du cloud computing, une nouvelle génération de systèmes d'enregistrement, centrés sur l'IA comme noyau d'interaction et de logique, est en train de se former dans divers scénarios verticaux professionnels.
Dans l'exploration des applications de base, certaines architectures verticales montrent des ratios d'efficacité bien supérieurs à ceux des grands modèles généraux :
• Conception de molécules candidates dans le domaine biopharmaceutique : Des modèles optimisés pour des calculs scientifiques spécifiques peuvent désormais générer des molécules de médicaments candidates en très peu de temps, réduisant considérablement le temps de conception moléculaire dans le développement traditionnel de médicaments ;
• Éruption ponctuelle d'architectures ultra-simplifiées : La demande pour des bases génériques homogènes est limitée, mais les modèles verticaux capables de reconstruire des tâches ponctuelles avec de nouvelles architectures croissent rapidement. Prenons l'exemple récent de Jev, qui est essentiellement un "classificateur de décisions" à haut débit. Dans la production réelle, de nombreuses demandes d'appels complexes de LLM relèvent essentiellement de tâches de classification discrètes. Ce produit, grâce à une coupe computationnelle extrême, a réduit le coût d'inférence par tâche d'environ 100 fois, réalisant une transition exceptionnelle du revenu récurrent annualisé (ARR) en très peu de temps.
Cette puissance commerciale indique que, dans des scénarios verticaux à forte marge et à haute barrière cognitive, les produits logiciels habilités par l'IA montrent une pente de croissance anormale.
Les entreprises capables de maintenir des barrières au niveau des applications présentent généralement les caractéristiques organisationnelles et commerciales suivantes :
Premièrement, contrôle autonome de la base intelligente.
Les entreprises commencent à déplacer activement leurs charges de travail principales des API de grands modèles fermés vers des bases open source pour un post-entraînement approfondi. Le moteur principal de ce changement est le coût et l'efficacité : les modèles de base génériques servent principalement à un point d'équilibre limité à la frontière de Pareto général ; pour réaliser un rapport qualité-prix extrême dans des tâches commerciales spécifiques, le modèle open source ajusté par des ingénieurs est la solution commerciale optimale.
Deuxièmement, la structure organisationnelle évolue vers une "percée sur les points forts".
Étant donné que la pile technologique de base et les capacités des modèles changent tous les quelques mois, les entreprises survivantes au niveau des applications doivent maintenir des cycles de reconstruction de produits très courts. Ces organisations abandonnent progressivement le modèle de collaboration traditionnel limité par les faiblesses de l'équipe, s'appuyant plutôt sur un très petit nombre de personnes clés pour mener des efforts techniques, propulsant l'ensemble des affaires à un rythme élevé.
Troisièmement, la gouvernance d'entreprise évolue vers un réseau de collaboration décentralisé.
Les systèmes de commandement et de contrôle hiérarchiques traditionnels commencent à céder la place à des architectures décentralisées où les intelligences artificielles servent de centres d'information, maintenant l'efficacité opérationnelle de l'organisation avec un très petit nombre de personnes grâce à des processus d'automatisation à haute densité et à une collaboration autonome.
V. La différenciation du système de tarification des capitaux et l'effet de levier
Sur le marché des capitaux, au cours de l'année passée, la tarification des actifs dans le domaine de l'IA a montré des caractéristiques de polarisation et de structuration marquées.
Pour équilibrer le risque et le rendement dans un environnement d'actifs surchauffés, certains projets précoces ont commencé à adopter un mécanisme de financement en "deux étapes" : c'est-à-dire une séparation structurée entre le capital industriel assumant des responsabilités de co-construction stratégique et le capital financier pur fournissant des munitions pour l'expansion ultérieure.
Dans plusieurs transactions typiques auxquelles Sequoia a participé en profondeur au cours de l'année écoulée, les tendances suivantes se sont manifestées :
• À un stade précoce, les institutions en tant que co-construteurs des affaires ont complété le premier tour de financement avec une base d'évaluation relativement raisonnable (par exemple, dans une fourchette post-financement de 110 millions de dollars) ;
• Après une très courte période de validation des affaires, le capital financier externe a rapidement suivi, propulsant la valorisation de l'objet à plusieurs fois, voire plus, (la moyenne de certains échantillons atteignant plus de 3 milliards de dollars).
Ce changement rapide de multiples de valorisation élevée reflète objectivement la soif extrême du marché primaire pour des objets ayant de véritables barrières technologiques et commerciales, mais met également en lumière la prime de liquidité élevée accumulée sur le marché actuel.
Face aux chemins d'évolution industrielle futurs, aucune institution ne peut détenir une feuille de route entièrement certaine. Cependant, la loi fondamentale qui traverse le cycle d'investissement technologique reste valable :
Lorsque le coût marginal d'un facteur de production clé diminue d'un ordre de grandeur et que l'efficacité de traitement globale continue d'augmenter de manière exponentielle, la restructuration structurelle au niveau industriel deviendra une réalité objective irréversible. La reconstruction technologique du système commercial mondial n'en est actuellement qu'à la phase de déploiement de la première moitié.
Prix de --
Ce contenu est fourni à titre informatif uniquement et ne constitue pas un conseil financier, d'investissement, juridique ou fiscal. Les événements, récompenses, promotions en ligne ou informations mentionnées ici ne doivent pas être considérés comme une recommandation, une sollicitation ou une invitation à acheter, vendre, trader ou effectuer toute autre opération sur des actifs crypto. Les actifs crypto sont très volatils et peuvent entraîner des pertes. La disponibilité des services, produits et événements liés à WEEX peut varier selon les régions. Veuillez vous assurer que votre participation respecte les lois et réglementations locales applicables.
Vous pourriez aussi aimer

Johnson & Johnson est en bonne voie pour atteindre 101 milliards de dollars de ventes en 2026. Ce roi des dividendes est-il toujours un bon investissement ?

Altria offre un rendement de 5,8 % et a augmenté son dividende 61 fois en 57 ans. Voici exactement combien 5 000 $ investis rapportent chaque année.

Mr&强 discute du système de tirage de cartes sur la chaîne

Le ratio de l'indice des semi-conducteurs américain par rapport au S&P 500 atteint un nouveau creux depuis avril 2026

Perspectives macroéconomiques de la semaine prochaine : le PCE de base d'octobre aux États-Unis, fermeture des marchés pour les vacances de Thanksgiving

Midterms 2026 : Voici exactement ce que je fais avec mon portefeuille d'investissement en ce moment

Vente panique sur le marché boursier américain, plusieurs institutions estiment qu'il pourrait encore être en phase de correction de marché haussier

Perdre Jensen Huang coûte bien plus que 25 000 milliards de dollars

Si un krach boursier se profile, Warren Buffett dit que c'est le premier mouvement que tous les investisseurs devraient faire

2 actions financières à acheter près de leurs plus bas de 52 semaines

Le Bitcoin a été échangé en dessous de sa moyenne sur 200 semaines seulement 8,4 % du temps. L'histoire dit que c'est le moment où les investisseurs patients sont récompensés.

Le marché des cryptomonnaies s'effondre, le Bitcoin tombe en dessous de 56 000 dollars

Point de vue : La perte de 6000 milliards de dollars des actions américaines en 45 jours n'est pas l'éclatement de la bulle AI, une reprise similaire à celle d'avril 2025 pourrait se reproduire

L'activité de trading de 1,5 milliard de dollars de Variational a un piège dont même les traders rentables ne peuvent s'échapper

Le S&P 500 vient d'entrer en territoire de correction. Voici ce que cela signifie pour les investisseurs en ce moment.

DWF Labs : Le Bitcoin n'est pas de l'or numérique, il suit le Nasdaq

Le VIX atteint son plus haut niveau depuis la tempête tarifaire d'avril dernier, l'indice de peur de Goldman Sachs frôle la note maximale, le marché boursier américain pourrait subir plus de 80 milliards de dollars de ventes la semaine prochaine

La corrélation entre le Bitcoin et le S&P 500 augmente, selon un responsable de Fidelity

Coca-Cola est-elle une action qui fait des millionnaires ?

Securitize verse son premier dividende d'actions Apple tokenisées en USDC

Le responsable des relations investisseurs de Strategy déclare que l'introduction en bourse d'Anthropic est un catalyseur de la correction du Bitcoin

Où sera l'action de Bloom Energy dans 5 ans après avoir plus que doublé son chiffre d'affaires en 2026 ?

L'action de Walmart augmente de 162 % en cinq ans, le ratio C/B à 46,5

Les coûts de construction des centres de données aux États-Unis augmentent de 13 % en 2026

Costco atteint un nouveau sommet historique après l'annonce d'un dividende spécial de 30 $ par action. L'action est-elle à acheter avant le 10 décembre ?

Les analystes de Bank of America : L'évolution des actifs à risque en 2027 dépendra de deux questions clés

L'ETF incontournable que j'achèterais aujourd'hui et conserverais pendant des décennies

Warren Buffett achèterait-il Anthropic ? Voici la seule question qu'il se poserait

Société Générale prévoit que le S&P 500 atteindra 8500 points d'ici fin 2027





