La vague de churn de l’IA

Synthèse

L’ARR (revenu récurrent annuel) n’est pas une métrique GAAP. Il est pourtant devenu la brique de base des métriques SaaS. Et le socle des multiples de valorisation SaaS.

Nous voyons l’ARR comme un revenu (généralement) à forte marge, prévisible et en croissance. Ce qui signifie que les entreprises SaaS sont (généralement) en route vers une forte rentabilité à grande échelle.

Les startups d’IA viennent de plus en plus perturber ce raisonnement. Voici ce qui n’est pas nécessairement du revenu récurrent, mais qui est traité comme tel :

• Les revenus expérimentaux issus de produits d’IA (pas en production)
• Les contrats avec une sortie à trois mois où 70 à 80 % des clients sortent
• Les tarifications à l’usage ou à la performance
• Les prestations de services assurées par des forward deployed engineers

Les startups d’IA nous obligent à repenser l’ARR. Il y a d’abord un problème de marge brute, dont j’ai déjà parlé. Plus préoccupant encore : la durabilité des revenus d’IA soulève de vraies questions. Cassie Young, de Primary Venture Partners, a récemment prédit une « apocalypse de la rétention brute » imminente.

Les acheteurs vont passer leurs expérimentations d’IA au crible. Les touristes de l’IA iront voir le prochain produit à la mode. Et les grandes plateformes avaleront des dizaines de wrappers de LLM légers à mesure que les modèles progressent.

Pour les applications d’IA, la durabilité est une question existentielle. Pourtant, les données objectives sur le sujet restent rares. Pour y remédier, je me suis associé à ChartMogul, où je suis Analyst-in-Residence.

Nous avons collecté les sites web de 3 500 éditeurs de logiciels et utilisé l’IA pour les classer en SaaS B2B, SaaS B2C ou entreprises nativement IA (qui peuvent être B2B ou B2C). Nous avons ensuite comparé les taux de rétention brute (GRR) et nette (NRR) des revenus entre ces groupes. Je partage aujourd’hui ce que nous avons trouvé, et ce que vous pouvez faire pour vous protéger de ce qui pourrait être une vague de churn imminente.

Le problème des touristes de l’IA

La collecte assistée par IA a produit un jeu de données d’environ 2 700 entreprises SaaS B2B, 600 entreprises SaaS B2C et 200 entreprises nativement IA. Ces dernières regroupaient des activités B2B comme B2C, ainsi que des startups qui vendent à la fois aux particuliers et aux entreprises.

J’ai d’abord examiné les taux de rétention annualisés tout au long de 2025 parmi les entreprises ayant atteint au moins 250 000 $ d’ARR. Pourquoi 250 000 $ : les données historiques de rétention sont bien moins fiables pour des startups très jeunes, dont peu de clients arrivent à échéance.

Ce que montrent les données :

• Le SaaS B2B est relativement solide. La NRR médiane s’élevait à 82 %. (Le quartile supérieur à 97 %.)
• Le B2C est beaucoup moins solide, avec très peu d’upsell. La NRR médiane n’atteignait que 49 %.
• Les entreprises nativement IA affichaient une GRR encore plus faible que le B2C (40 %) et une NRR comparable (48 %).

Côté optimiste, la rétention dans l’IA s’est nettement améliorée depuis le début de l’année. La GRR médiane est passée de 27 % en janvier à 40 % en septembre. Je soupçonne que beaucoup des premiers touristes sont partis ; ceux qui restent sont plus engagés, ou passent de l’expérimentation à la production.

Malgré tout, les entreprises nativement IA ne ressemblent pas encore beaucoup, dans leur ensemble, aux entreprises SaaS B2B que nous connaissons et apprécions (et que nous aimons valoriser sur la base de l’ARR).

Facile à acheter, facile à résilier ?

La vague de churn de l’IA ne touchera pas toutes les entreprises d’IA de la même façon. Les produits les moins chers ont toujours attiré davantage de churn. L’écart est particulièrement marqué pour les produits d’IA.

La meilleure protection contre le churn consiste à passer des particuliers et des achats en self-service (moins de 50 $ par mois) à des achats B2B plus importants.

Ce que montrent les données :

• Les produits nativement IA vendus à plus de 250 $ par mois atteignent 70 % de GRR et 85 % de NRR. C’est pour l’essentiel le niveau du SaaS B2B.
• Les produits nativement IA vendus entre 50 $ et 249 $ par mois atteignent 45 % de GRR et 61 % de NRR. Soit 15 points de moins que le SaaS B2B. (Peu de produits B2C dépassent 100 $ par mois.)
• Les produits nativement IA vendus à moins de 50 $ par mois n’atteignent que 23 % de GRR et 32 % de NRR. Soit 20 points de moins que le SaaS B2B comme B2C.

C’est la malédiction du wrapper d’IA. La contrepartie d’un produit facile à acheter, c’est un produit facile à résilier.

J’y vois aussi un second facteur. Les utilisateurs d’IA en self-service sont peut-être des clients payants. Eux se considèrent comme des personnes en train d’essayer.

Les produits SaaS peu chers sont généralement freemium (ou en reverse trial) : les utilisateurs ont largement le temps d’essayer avant d’acheter. Avec plus de 80 % de marge brute, supporter des utilisateurs gratuits ne ruine personne. Les utilisateurs passent au payant quand ils ont consciemment décidé d’acheter. Et la rupture est minime : les gens savent ce qu’ils achètent quand ils achètent du SaaS.

Le calcul change avec les produits d’IA. Chaque token a un coût. Les produits d’IA poussent à la conversion soit immédiatement, soit dès qu’un usage sérieux apparaît. Certains imposent même un paywall d’usage quotidien avant que l’utilisateur ait besoin de passer au payant, ce qui serait inimaginable en SaaS. Les gens commencent à payer parce que le champ des possibles les intrigue, mais ils n’ont pas anticipé la place de ces produits dans leur activité sur le long terme.

Nous devons ajuster notre façon de mesurer la rétention (et l’ARR, d’ailleurs) afin de distinguer nettement les dépenses expérimentales des dépenses sérieuses, au lieu de tout mélanger. Je proposerais de considérer comme dépense sérieuse le revenu des clients ayant payé au moins 250 $. Cela peut venir d’un abonnement annuel payé d’avance, d’un contrat supérieur à 250 $, ou d’un client dépensant peu mais qui reste.

Rétention = ARR durable

Les entreprises nativement IA pulvérisent les records de croissance : beaucoup passent de zéro à 100 millions de dollars en un an seulement. C’est indéniablement impressionnant. Mais il devient presque impossible de tenir une hypercroissance quand une base installée toujours plus grande s’en va chaque mois. Il existe une expression pour cela : brûler son TAM.

J’ai cartographié les 3 500 éditeurs de logiciels du jeu de données selon deux dimensions : la rétention nette des revenus (NRR) de septembre 2025 et la croissance du chiffre d’affaires en glissement annuel.

Ce que montrent les données :

• Globalement, la corrélation entre la NRR et la croissance à long terme est très forte.
• Les startups en phase d’amorçage peuvent croître vite (plus de 200 %) même avec une NRR sous les 40 %.
• Mais les entreprises à faible rétention risquent énormément de voir leur croissance s’inverser : elles sont trois fois plus nombreuses à décroître qu’à croître vite.

Regarder ensemble la rétention et l’ARR rend le tableau encore plus net. Les entreprises qui atteignent 5 millions de dollars d’ARR affichent des taux de rétention brute et nette nettement meilleurs que leurs pairs en phase d’amorçage. Une part relève sans doute d’un biais de sélection ; une part étonnamment large vient du fait que celles qui percent parviennent à se transformer en grandissant.

C’est déjà perceptible au sein des entreprises nativement IA, même si la taille des échantillons devient faible (environ 50 par groupe), ce qui rend les données indicatives plutôt que statistiquement inattaquables. Les meilleures entreprises nativement IA affichent deux fois la GRR et 2,5 fois la NRR de leurs pairs en phase d’amorçage.

Que faire face au churn

Au fil des ans, j’ai travaillé avec des dizaines d’entreprises pour améliorer leur rétention. C’est aussi un sujet auquel je réfléchis activement en tant qu’auteur d’une newsletter avec un abonnement premium à 15 $ par mois.

D’après mon expérience, les meilleures entreprises traitent le churn comme un problème d’entreprise, pas comme un problème de customer success. Comment les entreprises d’IA peuvent prévenir le churn :

1. Visez des flux de travail et des cas d’usage à forte valeur. Les produits d’IA n’ont pas intrinsèquement un churn élevé ; les wrappers d’IA grand public, oui. Monter en gamme signifie généralement (a) être plus profondément intégré aux processus métier, (b) être connecté à davantage d’outils et (c) se différencier plus nettement des LLM généralistes.
2. Ajoutez des services à l’IA. Palantir est connu pour recruter des forward deployed engineers chargés de prototyper et de déployer des solutions d’IA chez les prospects à forte valeur. Beaucoup d’entreprises d’IA, dont OpenAI, font désormais de même. Les FDE comblent l’écart entre ce que l’IA permet et ce que les clients en retirent réellement. Comme l’écrivait récemment a16z, le modèle FDE échange de la marge contre un avantage concurrentiel durable — et cela vaut généralement le coup sur la durée.
3. Arrêtez de trop vendre dès le premier contrat. Les promesses sur ce que l’IA pourrait faire sont immenses. Il vaut généralement mieux commencer petit, prouver la valeur rapidement, puis ouvrir des opportunités de croissance ensuite. Cela raccourcit aussi les cycles de vente et réduit fortement le périmètre confié aux FDE, qui peuvent alors travailler avec plus d’entreprises.
4. Réduisez l’écart entre la livraison du produit et son adoption. Brian Balfour, de Reforge, m’a récemment confié que sa priorité absolue pour 2026 est la suivante : comment accélérer l’adoption produit ? Le rythme des sorties d’IA est vertigineux ; les clients n’arrivent pas à suivre et ne savent probablement même pas ce qui a changé.
5. Vendez davantage d’abonnements annuels. Passer du mensuel à l’annuel peut faire débat. Mais vous y gagnez généralement, car vous avez plus de temps pour convaincre le client et le client est plus motivé pour déployer le produit. Les données montrent que la NRR médiane est supérieure de 10 à 20 points de pourcentage pour les abonnements annuels par rapport aux mensuels. Comment faire : proposez l’annuel par défaut, demandez le passage à l’annuel tôt (mois 2 et 3) et envisagez une remise plus généreuse (celle de Grammarly est de 60 %).