De l’innovation à la création de valeur

L'histoire des marchés financiers montre que les entreprises ne sont pas valorisées pour leur capacité d'innovation en tant que telle, mais pour leur capacité à transformer cette innovation en flux de trésorerie durables. L'électricité, l'automatisation industrielle, Internet ou le cloud n'ont créé de valeur durable que lorsqu'ils ont amélioré la productivité, les marges et le rendement du capital.

L’intelligence artificielle semble aujourd’hui suivre la même trajectoire. Si l’attention des investisseurs se concentre principalement sur les fournisseurs de technologies, une part importante de la création de valeur devrait aussi provenir des entreprises capables d’intégrer l’IA à leurs processus et d’en tirer des gains durables d’efficacité opérationnelle. Cette hypothèse conduit à l’émergence d’une nouvelle source d’alpha: la prime d’automatisation.

L'Automation Gap: Mesurer le potentiel de la prime d'automatisation

La prime d’automatisation représente le supplément de rentabilité et potentiellement de valorisation qu’une entreprise peut capter lorsqu’elle substitue une partie du travail humain à coût élevé par des solutions logicielles ou robotiques. Cette prime ne se matérialise toutefois pas systématiquement: elle dépend de la qualité de l’exécution, des coûts de mise en œuvre, du contexte concurrentiel et, selon les secteurs, des contraintes réglementaires.

L’Automation Gap ne correspond pas à la prime elle-même, mais au potentiel de gains encore non captés par l’automatisation. Plus cet écart est important, plus les gains de productivité futurs peuvent être significatifs, toutes choses égales par ailleurs.

Alors que la première vague d’intelligence artificielle concerne principalement l’automatisation des tâches cognitives et administratives, la robotique avancée et les systèmes autonomes étendent progressivement ce potentiel aux activités physiques. L’évaluation de l’Automation Gap doit donc intégrer à la fois l’IA logicielle et l’IA physique, les deux principaux vecteurs de transformation de la productivité au cours de la prochaine décennie.

Quantifier l’Automation Gap

Afin de comparer les secteurs sur une base homogène, construisons heuristiquement un Automation Gap Score indicatif combinant ces trois dimensions: Coût du travail, Niveau de productivité actuel et potentiel d’automatisation des activités. Plus le score est élevé, plus le potentiel de gains de productivité susceptibles d’être capturés grâce à l’IA et à la robotique est important.

Cette pondération vise à donner davantage de poids à l’intensité du coût du travail, principal levier économique de l’automatisation. Le score de productivité actuel repose sur une mesure normalisée du chiffre d’affaires et de l’EBIT par employé. Il constitue un proxy utile, mais ne prétend pas résumer à lui seul l’efficacité opérationnelle d’un secteur. Le potentiel d’automatisation combine quant à lui deux dimensions complémentaires: l’automatisation réalisable via l’IA logicielle et celle permise par l’IA Physique, ajustées des contraintes réglementaires propres à chaque secteur.

Ensuite nous estimons un potentiel théorique d’expansion des marges, calculé comme:

Cet indicateur représente un plafond théorique d’amélioration des marges opérationnelles. Il ne tient pas compte des coûts d’implémentation, du capex, du temps de déploiement ni du fait qu’une partie des gains peut être rétrocédée aux clients par la concurrence.

Des écarts sectoriels marqués

L'application de ce cadre aux principaux secteurs du MSCI World fait apparaître des écarts significatifs dans le potentiel de création de valeur lié à l'automatisation. Les résultats mettent en évidence une distinction claire entre les secteurs où l’automatisation constitue un levier immédiat de création de valeur et ceux où elle représente davantage une opportunité de long terme.

Les technologies de l’information, l’industrie et la santé affichent les Automation Gap Scores les plus élevés, portés par une forte intensité en main-d’œuvre et un potentiel important d’automatisation. Les technologies bénéficient principalement de l’essor de l’IA logicielle, tandis que l’industrie apparaît comme le principal bénéficiaire de la robotique physique. Dans la santé, les gains potentiels sont importants mais leur matérialisation devrait être ralentie par un environnement réglementaire plus contraignant.

Les services financiers constituent un cas particulier. Malgré le potentiel d’automatisation le plus élevé de l’échantillon, leur niveau de productivité déjà élevé limite l’ampleur de l’Automation Gap. En revanche, leur potentiel d’amélioration des marges reste parmi les plus importants, soulignant l’impact significatif que l’IA pourrait avoir sur la rentabilité du secteur.

A l’inverse, les secteurs de l’énergie et des services aux collectivités affichent les scores les plus faibles. Leur faible intensité de main-d’œuvre et leur productivité déjà élevée limitent les gains potentiels. L’IA et la robotique devraient y améliorer l’efficacité opérationnelle, mais de façon plus incrémentale que transformationnelle.

Pour l’investisseur, l’enjeu est d’identifier les entreprises capables de transformer ce potentiel en gains de productivité et de marges supérieurs à ceux de leurs pairs. L’Automation Gap reste une grille de lecture, et non une prévision. Son ajustement en fonction de la nature de l’entreprise (services ou manufacture) pourrait s’avérer pertinent. A mesure que l’IA et la robotique gagneront en maturité, l’exécution pourrait devenir un facteur de différenciation aussi important que l’innovation elle-même et faire émerger une véritable prime d’automatisation.