Je parle avec des dirigeants de fabricants de matériel qui savent nommer chaque concurrent de leur catégorie, et jamais leurs propres douves (le “moat” de Warren Buffett). Dans l’IoT, cet écart décide qui vend encore dans dix ans.
Que sont les douves en affaires ?
Warren Buffett a donné au monde des affaires sa métaphore la plus utile. Une entreprise est un château, et le château sera attaqué. Ce qui le protège, ce sont les douves : l’avantage structurel qui empêche les concurrents de prendre vos clients, même quand ils copient votre produit. Dans son essai de 1999 paru dans Fortune, “Mr. Buffett on the Stock Market”, il le disait sans détour : la clé de l’investissement n’est pas de juger à quel point un secteur va changer le monde, mais de “déterminer l’avantage concurrentiel d’une entreprise donnée et, surtout, la durabilité de cet avantage”. Dans sa lettre aux actionnaires de 2007, il a affiné le propos : “Une entreprise réellement exceptionnelle doit posséder des ‘douves’ durables qui protègent d’excellents rendements sur le capital investi.” Morningstar a plus tard transformé la métaphore en système de notation, attribuant aux entreprises des douves larges, étroites ou inexistantes selon la durée pendant laquelle elles peuvent défendre des rendements supérieurs à leur coût du capital.
Les sources classiques de douves sont stables sur un siècle d’histoire économique : effets de réseau, coûts de changement, actifs immatériels comme les brevets et la marque, avantages de coût liés à l’échelle, et domination d’une niche trop petite pour attirer un second entrant. 7 Powers de Hamilton Helmer est le raffinement moderne de la même liste. Pour les entreprises technologiques en particulier, l’analyse des douves dans le secteur tech par Vaultinum traduit ces sources en termes logiciels : code source et propriété intellectuelle exclusifs, architecture qui a demandé des années de travail, avantages de données, et intégration profonde dans les systèmes du client. C’est une bonne carte. C’est aussi une carte générique, écrite pour des éditeurs de logiciels, et l’IoT n’est pas une activité logicielle. C’est une activité physique avec du logiciel dedans, et ses douves se comportent autrement.
Que sont les douves dans l’IoT ?
La meilleure analyse universitaire de cette question vient de Harvard. En 2014, Michael Porter et James Heppelmann ont publié How Smart, Connected Products Are Transforming Competition dans la Harvard Business Review, et ce texte reste ce qui s’est écrit de plus fin sur la concurrence dans l’IoT. Leur thèse : dès que les produits embarquent des capteurs, du logiciel et de la connectivité, les cinq forces elles-mêmes se déplacent. Les produits intelligents et connectés peuvent relever les barrières à l’entrée, alourdir les coûts de changement et offrir à l’acteur en place un avantage de données qui se cumule à chaque unité livrée. Dix ans plus tard, les entreprises qui ont lu cet article attentivement en touchent les dividendes.
En travaillant avec des fabricants de matériel dans plus de 130 pays, je vois de près les versions IoT de ces douves classiques. Elles sont physiques, lentes à creuser et lentes à franchir.
La flotte installée. Un concurrent SaaS peut voler un client avec une meilleure démo et un script de migration. Personne ne migre 40 000 compteurs d’eau avec un script. Chaque appareil déployé est à la fois un ancrage de revenu et un capteur qui vous remonte des données que votre concurrent ne peut pas acheter. Remplacer une flotte, c’est un projet d’investissement avec des interventions sur site, et les acheteurs le savent. Dans l’IoT, les coûts de changement se mesurent en échelles et en chariots élévateurs, pas en fichiers d’export.
Le datagraph. Les données de flotte collectées chez des milliers de clients, reliées à la façon dont les machines se comportent réellement sur le terrain. Aucun concurrent ne peut les synthétiser, parce que les produire exige de posséder la flotte. C’est l’avantage de données que Porter et Heppelmann annonçaient, et l’actif au centre de Fusion Strategy, le livre de Govindarajan et Venkatraman dont je parlais la semaine dernière dans Gravir l’échelle de la fusion.
La physique du métier. Une startup logicielle loue des serveurs cloud en un après-midi. Elle ne loue pas trente ans de savoir sur la façon dont un compresseur dérive avant de tomber en panne, ou dont un capteur se comporte pendant un été brésilien. Ce savoir est inscrit dans votre firmware, vos courbes de calibration et votre équipe de support, et il ne se transfère pas par une offre d’emploi.
Certifications et homologations. UL, FCC, CE, ATEX, FDA. Chaque barrière réglementaire que vous avez franchie est un mur qu’un nouvel entrant doit escalader au prix plein, sans pouvoir raccourcir les délais. Les investisseurs tech sous-estiment ces douves parce que le logiciel pur les a rarement.
L’intégration dans les opérations. Quand vos appareils alimentent les plannings de maintenance, la facturation et les rapports de conformité d’un client, vous n’êtes plus un fournisseur. Vous êtes l’infrastructure. Vous arracher de là, c’est repenser le fonctionnement même du client.
Remarquez ce qui manque dans cette liste : les fonctionnalités matérielles. La précision, la qualité de fabrication et les avantages de fiche technique sont réels, et ils s’érodent. Une fonctionnalité est une avance. Les douves sont une structure. J’ai développé cet argument en détail la semaine dernière : l’échelle de la fusion, des fusion products jusqu’aux fusion solutions, est un programme d’élargissement des douves. Chaque barreau alourdit les coûts de changement et fait grandir le datagraph. Buffett répète à ses dirigeants que leur travail quotidien est d’élargir les douves. Pour une entreprise de matériel, gravir l’échelle, c’est exactement ce que veut dire élargir les douves.
L’IA constitue-t-elle des douves ?
Non, et le raisonnement compte, parce que dans la plupart des pitch decks IoT que je vois cette année, la slide sur les douves dit “IA”.
Par définition, les douves sont ce que votre concurrent ne peut pas répliquer facilement. Les modèles de fondation sont la capacité la plus réplicable de l’histoire du logiciel : chacun de vos concurrents peut appeler la même API, au même prix, dès cet après-midi. Une capacité que n’importe qui loue au token ne peut pas constituer des douves, quelle qu’elle soit par ailleurs. Même les entreprises qui construisent les modèles le savent. La note interne de Google qui a fuité en 2023 et fait le tour du secteur était intitulée “We Have No Moat, and Neither Does OpenAI” (nous n’avons pas de douves, et OpenAI non plus). Son auteur, un ingénieur de Google, voyait les modèles open source répliquer les fonctionnalités de pointe en quelques semaines. Si ceux qui construisent les modèles doutent que les modèles soient des douves, les entreprises qui se contentent de les appeler devraient en douter davantage.
La réponse de repli est “notre IA est entraînée sur nos données”, et elle mérite aussi un examen. Martin Casado et Peter Lauten, d’Andreessen Horowitz, l’ont démontée dans The Empty Promise of Data Moats. La plupart des effets de réseau de données revendiqués sont en réalité des effets d’échelle, et ils fonctionnent à l’inverse des vraies économies d’échelle : le coût de collecte des données augmente pendant que la valeur marginale de chaque nouvel enregistrement diminue, parce que les nouvelles données recoupent de plus en plus ce que vous détenez déjà. Les données seules, avertissent-ils, peuvent détourner les fondateurs du travail qui gagne vraiment les marchés.
L’IA ne creuse donc pas de douves. Ce qu’elle fait, sur de bonnes fondations, c’est élargir celles qui existent. Toute la partie se joue dans cette distinction.
L’IA ne creuse pas de douves. Elle élargit celles qui existent déjà.
Faites le test sur votre propre entreprise : si votre concurrent le plus direct appelle demain la même API de modèle, que lui manque-t-il encore ? Si la réponse est rien, l’IA vous a donné une fonctionnalité, et les fonctionnalités finissent par être égalées. Si la réponse est votre flotte, votre datagraph et votre physique du métier, alors l’IA est le multiplicateur d’un actif que vous seul détenez. Une prédiction de panne entraînée sur les signatures de panne de votre flotte est défendable parce que les signatures le sont, et le modèle est la partie bon marché. Le même modèle braqué sur des données publiques, c’est une démo.
C’est pourquoi la réserve d’a16z compte plus dans l’IoT que partout ailleurs. Casado et Lauten admettent que les données deviennent défendables quand la source est propriétaire et difficile d’accès. Une flotte installée, c’est exactement cela : les données n’existent pas avant que vos machines les produisent, et vos machines sont derrière la clôture de votre client. Les entreprises IoT détiennent la version rare des douves de données qui résiste à l’examen. La plupart n’ont encore rien bâti dessus.
Dessinez vos douves
J’ai clos le billet de la semaine dernière en demandant aux dirigeants de dessiner leur datagraph. La version douves de l’exercice prend dix minutes. Écrivez votre produit au milieu d’une page. Autour, n’écrivez que les choses qu’un concurrent bien financé ne pourrait pas égaler en deux ans : la flotte, les données, les certifications, la connaissance du métier, les intégrations opérationnelles. Barrez tout ce qu’il pourrait égaler : les fonctionnalités, la connectivité, les dashboards et, oui, le modèle d’IA. Ce qui survit, ce sont vos douves. Chez la plupart des entreprises de matériel, ce qui reste est plus solide qu’elles ne le croient, et moins exploité qu’il ne devrait l’être.
La plomberie sous tout cela, collecter les données de flotte de façon fiable et les transformer en produits, est un problème résolu ; des plateformes comme la nôtre existent pour que vous ne confondiez jamais l’infrastructure avec la stratégie. Les douves n’allaient jamais venir de nous ni d’aucun fournisseur. Elles viennent de ce que vous seul possédez : les machines sur le terrain et les décennies de physique derrière elles. L’IA vient simplement d’augmenter le gain qu’il y a à les mettre enfin au travail.
Sources
- Buffett, W., “Mr. Buffett on the Stock Market”, Fortune, 22 novembre 1999
- Buffett, W., Letter to Berkshire Hathaway shareholders, 2007
- Porter, M.E. et Heppelmann, J.E., How Smart, Connected Products Are Transforming Competition, Harvard Business Review, novembre 2014
- Govindarajan, V. et Venkatraman, V., Fusion Strategy: How Real-Time Data and AI Will Power the Industrial Future, Harvard Business Review Press, 2024
- Casado, M. et Lauten, P., The Empty Promise of Data Moats, Andreessen Horowitz, 2019
- “We Have No Moat, and Neither Does OpenAI”, note interne de Google qui a fuité, SemiAnalysis, 2023
- Helmer, H., 7 Powers: The Foundations of Business Strategy, 2016
- Vaultinum, MOAT in the Tech Industry
