Le problème des wrappers IA : pourquoi la plupart des startups IA d'aujourd'hui n'existeront plus en 2028

Un schéma émerge sur le marché des startups IA, que les investisseurs commencent à aborder honnêtement mais que les fondateurs évitent encore pour la plupart : une grande partie des entreprises financées entre 2022 et 2025 sur la base d'un positionnement « AI-first » construisent sur du temps emprunté. Le problème n'est pas qu'elles fabriquent de mauvais produits. Le problème est que leurs produits sont des fonctionnalités — et les plateformes dont elles dépendent livrent ces fonctionnalités plus rapidement que les startups ne peuvent croître.

Ce qu'est réellement un « Wrapper »

Un wrapper IA, dans le sens peu flatteur que le terme a acquis, est une startup dont la proposition de valeur principale est de présenter une API LLM (OpenAI, Anthropic, Google) via une interface plus propre, pour un cas d'usage spécifique, avec une marge. L'utilisateur obtient un produit basé sur GPT-4o ou Claude sans la complexité de l'API brute. La startup perçoit des frais d'abonnement. Le fournisseur de modèle de fondation obtient des revenus d'inférence plus la relation client lorsqu'il livre la même capacité nativement.

Le calendrier pour cette dernière étape a été remarquablement cohérent : les Custom GPTs de ChatGPT, les fonctionnalités de mémoire, la gestion de fichiers, la génération d'images, la création de documents basée sur canvas et les outils d'ajustement de ton ont chacun pris 12 à 18 mois entre le moment où une catégorie de startups a été financée autour de la capacité et celui où OpenAI ou Anthropic l'a livrée nativement. Les startups qui ont construit une défendabilité dans cette fenêtre ont survécu. Celles qui ne l'ont pas fait n'ont pas de chemin viable à une échelle comparable.

Le problème de l'économie unitaire

Le problème structurel aggrave le problème concurrentiel. Une startup construite sur une API LLM commerciale fait généralement face à des coûts d'inférence qui consomment 70 à 80 % du chiffre d'affaires à une échelle modeste. Les entreprises SaaS traditionnelles affichent des marges brutes de 70 à 80 %. La différence n'est pas un handicap mineur — c'est un modèle économique totalement différent.

Des coûts d'inférence élevés signifient que les startups wrapper IA ne peuvent pas investir dans les ventes, le marketing et le développement produit au même rythme que les entreprises SaaS comparables. Elles ne peuvent pas acquérir des clients de manière aussi agressive car chaque client coûte plus cher à servir. Et à mesure que l'utilisation augmente, le problème de marge s'aggrave plutôt que de s'améliorer, car les coûts d'inférence évoluent linéairement avec l'utilisation tandis que les coûts d'infrastructure logicielle dans les entreprises SaaS sont largement fixes.

Les entreprises avec une économie unitaire durable dans l'IA sont celles qui soit entraînent leurs propres modèles (nécessitant des centaines de millions en capital), soit trouvent des cas d'usage où la valeur délivrée par inférence est suffisamment élevée pour soutenir la structure de marge. La révision de contrats juridiques à 500 $ par document peut soutenir l'économie. La génération de lignes d'objet d'email alimentée par l'IA à 20 $ par mois ne le peut probablement pas.

Où est allé le capital-risque

Au premier trimestre 2026, le financement mondial du capital-risque a atteint environ 300 milliards de dollars, dont environ 80 % pour les entreprises IA. De ce montant, la grande majorité s'est concentrée sur un petit nombre de tours de table importants : OpenAI, Anthropic, xAI et Waymo ont collectivement absorbé la part du lion des investissements en capital-risque IA au cours du trimestre. L'infrastructure des modèles de fondation, la construction de centres de données IA et une poignée d'entreprises IA verticales avec de véritables fossés de données propriétaires ont attiré le reste.

Le marché des tours d'amorçage et de série A pour les startups IA reste actif, avec des startups positionnées IA obtenant des primes de valorisation de 42 % par rapport à leurs pairs non IA. Mais la capacité à lever des fonds n'égale pas la capacité à construire une entreprise durable. Beaucoup des entreprises qui lèvent des tours d'amorçage en 2025 et 2026 feront face à leur moment de série A en 2027 avec une croissance qui a plafonné, un paysage concurrentiel qui s'est resserré autour d'elles, et des investisseurs qui sont devenus sceptiques quant au fait que « AI-first » soit une revendication de différenciation suffisante.

Ce qui fonctionne réellement

Les startups qui démontrent une valeur durable ont plusieurs caractéristiques en commun. Premièrement, les données propriétaires : les entreprises qui ont accumulé des données d'entraînement, des boucles de rétroaction ou des ensembles de données spécifiques à un domaine qui ne peuvent pas être reproduits à partir de données publiquement disponibles ont un véritable fossé défensif. Les startups IA dans le secteur de la santé avec des partenariats EHR, les startups IA juridiques avec des bibliothèques de documents, et les startups fintech avec des données de transaction peuvent fine-tuner des modèles de manière que les LLM génériques ne reproduisent pas bien.

Deuxièmement, la tarification basée sur les résultats : les entreprises qui alignent leur modèle de revenus sur les résultats commerciaux qu'elles délivrent — réduction des coûts, génération de revenus, évitement des risques — peuvent exiger des prix qui soutiennent leur économie unitaire. Une startup qui facture un pourcentage des économies de coûts juridiques qu'elle réalise se trouve dans un marché fondamentalement différent de celui qui facture un abonnement mensuel fixe pour l'accès à la génération de documents assistée par IA.

Troisièmement, la profondeur de l'automatisation des workflows : les startups qui sont allées au-delà de la couche UI pour s'intégrer aux systèmes d'entreprise, gérer les cas limites complexes dans les processus métiers réels, et construire la confiance institutionnelle nécessaire pour une action autonome au nom des utilisateurs ont construit des coûts de changement qu'une livraison de fonctionnalité par un modèle de fondation ne peut pas instantanément éliminer. Ces entreprises ont investi dans les parties peu sexy des logiciels d'entreprise — revues de sécurité, documentation de conformité, support de gestion du changement — que la capacité pure IA ne remplace pas.

Le message difficile pour les fondateurs

L'écosystème du capital-risque a des incitations à financer des récits optimistes. Un investisseur d'amorçage qui laisse passer une entreprise qui réussit a commis une erreur qu'il peut observer. Un investisseur d'amorçage qui finance une entreprise qui échoue gracieusement a commis une erreur facile à rationaliser. Cette asymétrie signifie que les fondateurs construisant des produits IA à enveloppe fine continueront à trouver des financements même si les pressions structurelles sur leur catégorie s'intensifient.

La question honnête pour tout fondateur de startup IA est : qu'est-ce que mon entreprise aura dans deux ans qu'OpenAI, Anthropic ou Google ne peuvent pas livrer comme fonctionnalité ? Si la réponse n'est pas des données propriétaires, une intégration verticale profonde, ou une relation client construite sur des coûts de changement qui prennent des années à développer, le temps presse. Le marché de l'IA est réel, vaste et en croissance. Mais la majeure partie de la valeur revient à la couche d'infrastructure et à l'ensemble restreint d'applications qui peuvent soutenir des modèles économiques défendables au-dessus.