L’intelligence artificielle s’est installée au cœur des innovations technologiques dans les dernières années. Plus récemment encore, l’IA générative (ou GenAI pour Generative Artificial Intelligence) s’est imposée comme un tournant majeur pour les acteurs SaaS (Software as a Service) en particulier, au point que 9 dirigeants SaaS sur 10 ont lancé ou prévoient de lancer des fonctionnalités GenAI dans les 18 prochains mois.
Plus qu’une tendance, ce virage stratégique vers l’IA générative est marqué par les opportunités de croissance que cette révolution technologique promet. Les acteurs SaaS anticipent en moyenne 18 % d’augmentation des revenus dans les prochaines années grâce à l’intégration de fonctionnalités GenAI. Néanmoins, pour atteindre ce potentiel de croissance, et face à des coûts opérationnels loin d’être neutres, une question s’impose comme clé de réussite avant de se lancer : quelle stratégie de monétisation des fonctionnalités GenAI en SaaS ? Quelles variantes possibles, et comment choisir ?
L’importance de définir la bonne stratégie de monétisation
De nombreux acteurs du secteur peinent aujourd’hui à définir une stratégie de monétisation permettant de bien capturer toute la valeur créée par l’IA générative, et de s’assurer d’un business model durable.
Le Wall Street Journal l’illustre à travers le cas de GitHub qui a lancé son offre Copilot avec un service illimité pour 10$ par mois par utilisateur. En apparence un succès en termes d’usage, avec plus d’1,5 millions d’utilisateurs, GitHub Copilot aurait en réalité généré une perte mensuelle moyenne de plus de 20$ par utilisateur du fait d’importants coûts variables.
Définir la bonne stratégie de monétisation pour l’IA générative apparaît donc comme un défi majeur. Cet article propose des pistes de réflexion construites sur base de l’expertise de Simon-Kucher, pour s’assurer de faire de cette innovation un puissant générateur de croissance rentable.
Les principales stratégies de monétisation
Le choix d’une stratégie de monétisation directe ou indirecte est essentiel. Dans le cas d’une approche directe, il est possible d’associer directement la proposition de nouvelles fonctionnalités d’IA générative à une hausse des revenus à travers deux principaux leviers. Le premier repose sur l’intégration de l’IA générative dans l’offre cœur de la solution, accompagnée d’une hausse des tarifs. L’innovation s’inscrit alors dans une amélioration du produit justifiant ainsi une augmentation du prix. Le second levier est la mise en place de frais spécifiques liés aux fonctionnalités d’IA générative, prenant souvent la forme d’une offre ou option distincte de l’offre cœur intégrant ces fonctionnalités.
Dans l’approche indirecte, l’IA générative n’est pas monétisée en tant que telle. En effet, on attend d’elle plutôt qu’elle accélère l’acquisition, qu’elle augmente le panier moyen ou qu’elle augmente l’usage s’il est capturé par une métrique de prix dédiée, de manière à générer des revenus incrémentaux de manière indirecte.
Comment choisir sa stratégie de monétisation ?
Bien choisir sa stratégie de monétisation requiert une anticipation des coûts liés à l’IA générative, mais aussi une compréhension fine de la perception de valeur côté client. Le cas de GitHub Copilot le démontre, omettre ou mal appréhender l’une de ces dimensions peut mettre à risque la pérennité du modèle à terme.
Ainsi, une approche indirecte peut être choisie si l’on anticipe des coûts variables faibles et une perception de valeur modérée. En revanche, il faut dans ce cas que les fonctionnalités d’IA générative permettent une amélioration significative de la conversion ou de la rétention. De manière générale, nous observons que cette stratégie de monétisation demeure insuffisante pour générer une croissance durable.
Nous recommandons donc plus souvent une stratégie de monétisation directe. Le choix d’intégrer l’IA générative dans l’offre ou d’en faire une proposition à part (option, offre distincte, plans premiums) doit être fait à la lumière de la perception client. Si tous les clients perçoivent de la valeur dans les fonctionnalités d’IA générative et sont prêts à payer pour, elle peut être intégrée dans l’offre cœur. En revanche, si seule une partie des clients perçoit de la valeur et associe une volonté de payer à l’IA générative, il convient plutôt d’intégrer ces fonctionnalités dans des offres spécifiques. Cette seconde approche est également à prioriser si les coûts variables sont élevés, de manière à s’assurer d’une monétisation cohérente au regard des coûts générés par la technologie (hébergement, requêtes, etc.) qui peuvent nuire au modèle dans le temps et dans l’usage.
Le prix : combien mais aussi comment
La réflexion prix est souvent abordée sous l’angle du niveau de prix (combien ?). Le modèle de prix (forfaitaire ? à l’usage ? sur quelle unité de facturation ?) est tout aussi important. Les modèles observés sur le marché aujourd’hui sont, contrairement à l’aspect innovant de la technologie, restés plutôt traditionnels. Dans les cas où les fonctionnalités d’IA générative sont monétisées, on observe qu’une grande partie des acteurs, dont les grands noms du secteur, a conservé les standards SaaS en établissant un modèle de prix par utilisateur. C’est le cas de ChatGPT à 25$ par utilisateur ou de Gemini pour Google Workspace à 20$ par utilisateur à l’heure où nous écrivons ces lignes.
Bien qu’un modèle de prix par utilisateur ait la vertu d’être simple et d’être une pratique de marché SaaS, il présente deux écueils majeurs. Le premier est qu’il ne reflète pas toujours la valeur perçue, contrairement à des modèles plus innovants de prix à l’usage ou au résultat. La difficulté de ces modèles alternatifs réside souvent dans l’implémentation, mais si elle est réussie, ils peuvent permettre au prix d’évoluer non seulement selon la valeur perçue mais aussi en ligne avec les coûts associés.
Le second point de questionnement sur la métrique à l’utilisateur est la résilience du modèle face à des changements structurels de marché. A terme, les outils d’intelligence artificielle peuvent, du fait d’importants gains en productivité, réduire le nombre d’utilisateurs ce qui mettrait par conséquent à risque les modèles de prix reposant sur cette dimension.
Ayant fait ces observations, certains acteurs se sont déjà orientés vers des métriques de prix à l’usage, comme ElevenLabs qui facture selon le nombre de caractères convertis en audio ou encore PolyAI qui facture selon le nombre de minutes d’utilisation de la solution. D’autres acteurs sont allés plus loin en se tournant vers des modèles innovants basés sur le résultat. C’est le cas de ChargeFlow dont la facturation dépend du montant remboursé grâce à la solution, ou de Fin AI Agent, solution d’Intercom Fin, dont la facturation dépend du nombre de questions résolues.
Les facteurs clés de succès
Suivre les axes de réflexion proposés dans cet article peut vous guider dans la définition de votre stratégie de monétisation de l’IA générative.
Simon-Kucher vous recommande par ailleurs de mener une véritable étude stratégique de monétisation de l’innovation, pour éclairer vos choix via une compréhension factuelle de la valeur perçue pour ces nouvelles fonctionnalités sur votre marché, l’acceptabilité des modèles envisagés et la volonté de payer associée. Nos équipes peuvent également vous accompagner pour faire de l’IA générative un levier de croissance durable, en sécurisant l’exploration des pistes pertinentes en un temps réduit de par notre expérience pour une prise de décision informée.
Si vous souhaitez en savoir plus sur l’accompagnement que Simon-Kucher peut vous proposer, vous pouvez contacter nos experts.
Bientôt disponible : le replay de notre webinaire Monétiser les fonctionnalités GenAI en SaaS pour approfondir le sujet !
