Secteur

Un moat est ce qui ne se réentraîne pas

Trois ans de débats sur les moats de l’IA, et une thèse chassée tous les six mois par la suivante. Cette instabilité est elle-même un indice : on cherche le moat au mauvais endroit.

On a passé trois ans à débattre des moats dans l’IA, et le débat n’a jamais tenu en place. Les uns plaçaient l’avantage défendable dans la taille des modèles, d’autres dans les données d’entraînement, d’autres dans la puissance de calcul, d’autres encore dans la rapidité d’exécution ou la levée de fonds. Chaque thèse a connu son heure, a fait l’objet d’articles convaincus et de tours de table considérables, puis a été emportée par la suivante. Cette valse n’est pas le signe d’un débat encore jeune qui finirait par se stabiliser. C’est le signe, plus simple et plus dérangeant, qu’on regarde au mauvais endroit, et qu’aucune amélioration du regard ne corrigera une erreur de direction.

Une thèse qui tombe tous les six mois

Quand une explication doit être remplacée tous les six mois, le problème n’est généralement pas dans l’explication, mais dans le lieu où on la cherche. Si chaque candidat-moat se révèle franchissable en un ou deux cycles de modèles, c’est qu’aucun d’eux n’était un moat ; c’étaient des avances. Et une avance, par définition, se rattrape. Le rythme même auquel les thèses se succèdent aurait dû alerter plus tôt : ce n’est pas le marché qui change trop vite, c’est la définition qui est mal posée. On a cherché des douves là où il n’y avait que des longueurs d’avance, et l’on s’est étonné de les voir comblées.

Quand une thèse de moat tombe tous les six mois, le problème n’est pas la thèse. C’est l’endroit où on regarde.

La confusion vient de ce qu’on appelle moat tout ce qui procure un avantage, alors qu’un avantage et un moat ne sont pas de même nature. Un avantage est une position favorable à un instant donné. Un moat est ce qui empêche un concurrent de reprendre cette position, quels que soient ses moyens. Le premier se mesure aujourd’hui ; le second se mesure dans la durée, à l’épreuve de tout ce qu’un rival bien financé pourrait tenter. Confondre les deux, c’est prendre une avance pour une protection, et se croire à l’abri au moment précis où l’on est le plus exposé.

La distinction n’est pas qu’académique : elle change la manière d’investir. Qui croit détenir un moat alors qu’il n’a qu’une avance se repose sur sa position au lieu de la défendre, et découvre, au cycle suivant, que ce qu’il prenait pour une douve n’était qu’une longueur que le concurrent vient de combler. À l’inverse, qui sait ne détenir qu’une avance reste lucide sur sa fragilité et cherche, lui, à transformer cette avance en quelque chose qui, précisément, ne se rattrape pas. Toute la question est de savoir ce qui, dans l’IA d’entreprise, appartient à cette seconde catégorie.

La règle qui fait le tri

Une règle simple permet pourtant d’identifier un moat dans n’importe quel secteur technologique, et elle coupe court à la plupart des illusions : un moat est ce qui ne se réentraîne pas. Tout ce qui peut être reproduit en relançant un entraînement, en rachetant un jeu de données, en recopiant une architecture, n’est pas un moat. C’est une avance, parfois confortable, toujours temporaire. La règle a ceci de commode qu’elle se teste : il suffit, pour chaque candidat, de se demander s’il survivrait à un concurrent déterminé et bien doté qui relancerait le processus.

Appliquée méthodiquement, cette règle élimine les fausses douves les unes après les autres. Un modèle plus grand ? Il se réentraîne, et le concurrent le fera. Des données d’entraînement supérieures ? Elles s’acquièrent, se licencient, se reconstituent. Une architecture astucieuse ? Elle se réplique dès qu’elle est connue, et elle finit toujours par être connue. Un financement massif ? Il s’égale par un tour de table. Une avance temporelle ? Elle s’érode à chaque mois qui passe. Un partenariat exclusif ? Il expire, ou se contourne. À chaque candidat, la même question tranche : un concurrent déterminé peut-il le reproduire en relançant un processus ? Si oui, écartez-le. Ce n’était pas un moat. La règle est brutale, et c’est sa brutalité qui la rend utile : elle ne laisse passer aucune illusion confortable.

Si un concurrent peut le réentraîner, le racheter ou le reconstruire, ce n’était pas un moat. C’était une avance.

On peut se demander pourquoi ce réflexe de chercher le moat dans la technologie elle-même est si tenace, alors que la règle le démonte si facilement. La raison tient à l’histoire récente du logiciel, où la technologie a longtemps été le moat : détenir un algorithme propriétaire, un format fermé, une brique que nul ne savait reproduire, c’était détenir une position défendable. Le réflexe s’est formé là, et il a été récompensé. Mais l’IA renverse ce régime : les capacités techniques se diffusent désormais à une vitesse qui interdit à n’importe laquelle de rester rare. Continuer à chercher le moat dans la technologie, c’est appliquer à un monde où tout se réplique vite un réflexe forgé dans un monde où la technologie restait captive. Le réflexe n’est pas absurde ; il est simplement périmé.

Reste alors ce qui résiste à l’épreuve, et c’est instructif. Ce qui ne se réentraîne pas, dans l’IA d’entreprise, c’est tout ce qui s’accumule dans l’usage réel d’une organisation et ne se transfère pas avec un simple changement d’outil : une mémoire opérationnelle construite dossier après dossier, des méthodes éprouvées, des positions cohérentes, un contexte qui s’est sédimenté avec le temps. Cela ne se relance pas, parce que cela n’a pas été fabriqué ; cela a été vécu. Et ce qui a été vécu par une organisation ne peut pas être téléchargé par une autre, ni reconstitué par un concurrent, si riche soit-il. C’est la seule chose, dans toute la pile, qui réponde positivement au test.

Le moat a changé de propriétaire

Il y a, dans ce déplacement, un renversement qui mérite d’être nommé, parce qu’il inverse une habitude vieille de plusieurs décennies. Pendant longtemps, le moat appartenait au fournisseur : c’est lui qui détenait la technologie rare, le savoir-faire propriétaire, l’actif que le client ne pouvait pas reproduire. Le client louait l’accès à cette rareté, et sa dépendance au fournisseur était la contrepartie de l’avantage qu’il en tirait. Avec l’IA, la rareté change de camp, et ce changement de camp est peut-être l’événement stratégique le plus sous-estimé de la période.

Car ce qui ne se réentraîne pas n’est pas détenu par le fournisseur du modèle, qui est lui-même réplicable, mais par l’organisation qui accumule au-dessus de lui. Le moat ne se loge plus dans l’outil ; il se loge dans l’usage. Il ne se vend plus ; il se construit, et celui qui le construit le possède. Le fournisseur, dans ce schéma, n’est plus le détenteur du moat : il est le fournisseur du terrain sur lequel le client bâtit le sien. C’est une inversion complète de la chaîne de valeur, où l’actif défendable migre du vendeur vers l’acheteur.

Cette inversion a une implication que les organisations devraient méditer avant de choisir leurs outils. Si le moat se construit désormais côté client, alors le bon critère de choix n’est pas la puissance du fournisseur, mais ce que l’outil permet à l’organisation d’accumuler et de garder en propre. Un outil qui produit beaucoup mais ne laisse rien accumuler enrichit le fournisseur, pas le client. Un outil qui constitue, du côté du client, une couche d’accumulation qui lui appartient, lui construit un moat. La différence est invisible à l’achat ; elle est décisive à terme.

Le moat de l’IA d’entreprise n’appartient pas au fournisseur du modèle. Il appartient à l’organisation qui accumule au-dessus.

Ce renversement ne réjouit pas tout le monde, et l’on comprend pourquoi. Il prive les fournisseurs de la position confortable qu’ils occupaient, celle du détenteur de rareté à qui l’on paie un droit d’accès. Mais il ouvre, pour les organisations, une possibilité qu’elles n’avaient jamais eue : se constituer un avantage qui leur appartienne en propre, qu’aucun changement de fournisseur ne leur retire, et qu’aucun concurrent ne puisse acheter. Encore faut-il qu’elles choisissent les outils en conséquence, c’est-à-dire en fonction de ce qu’ils leur permettent de garder, et non de ce qu’ils leur font produire.

C’est cette conviction qui structure l’architecture de MAX. La Legal Semantic Layer n’est pas conçue pour constituer un moat au profit d’un fournisseur, au sens classique d’une rareté qu’on loue, mais pour donner à l’organisation l’endroit où bâtir le sien : la couche où s’accumule, lui appartient et lui reste ce qui, précisément, ne se réentraîne pas. Le rôle de MAX n’est pas de détenir le moat du cabinet. C’est de lui en fournir le terrain.