Les 90 millions de dollars de Manus sont-ils un mensonge ? La plus grande bulle spéculative du monde de l’IA est dévoilée.
Manus, dont le code d'invitation a été vendu 100 000 yuans chacun, a récemment annoncé pour la première fois que son chiffre d'affaires annualisé avait atteint 90 millions de dollars américains.
Quelques mois seulement se sont écoulés depuis son lancement en mars. Un produit d'IA avec une telle dynamique de croissance pourrait-il réellement atteindre près de 600 millions de RMB de chiffre d'affaires annuel aussi rapidement ? L'essentiel est que Manus n'utilise pas l'indicateur ARR, plus courant, mais plutôt le RRR (revenue run rate).
Le même jour, le fondateur de Manus, Xiao Hong, a même publié un long article expliquant que l'ARR est facile à falsifier et que l'utilisation du RRR est plus fiable.
Qu'il s'agisse d'ARR ou de RRR, la publication régulière d'indicateurs financiers est devenue monnaie courante dans le secteur de l'IA. Genspark affirme avoir généré 10 millions de dollars de chiffre d'affaires en neuf jours, et Lovable affirme avoir dépassé les 100 millions de dollars en huit mois. Soudain, les entreprises d'IA sont devenues des légendes de la création de richesse.
La question est donc : ces chiffres résistent-ils à un examen minutieux ?
Pour comprendre ce problème, nous devons d’abord comprendre ce que sont ARR et RRR.
Pour faciliter la compréhension, prenons un exemple :
Supposons que vous gagniez 10 000 yuans par mois et que vous receviez une prime de fin d'année de 30 000 yuans à la fin de l'année, alors votre revenu total pour ce mois est de 40 000 yuans.
Si l'on utilise l'algorithme ARR, qui ne prend en compte que le salaire fixe, 10 000 x 12 = 120 000 $ de revenu annuel. Si l'on utilise l'algorithme RRR, qui ne prend en compte que le revenu mensuel total, 40 000 x 12 = 480 000 $ de revenu annuel.
Le problème est que la prime de fin d'année n'est versée qu'une fois par an. Les 480 000 yuans calculés selon le RRR semblent impressionnants, mais en réalité, vous ne pourrez pas toucher 40 000 yuans chaque mois l'année prochaine.
De même, dans la finance d’entreprise, l’ARR (revenu annuel récurrent) est la mesure standard pour les entreprises SaaS, faisant référence aux revenus d’abonnement prévisibles et durables au cours d’une année.
Il se concentre davantage sur la part du chiffre d'affaires qui génère des revenus année après année, hors transactions occasionnelles. La formule de calcul est également très simple : ARR = MRR (revenu mensuel récurrent) × 12. Par exemple, si un produit génère 1 million de yuans de revenus d'abonnement mensuels, l'ARR est de 12 millions de yuans.
L'intérêt de l'ARR réside dans la stabilité des prévisions de bénéfices d'une entreprise pour l'année à venir. Les investisseurs apprécient cette certitude, ce qui fait de l'ARR un indicateur incontournable lors des roadshows de levée de fonds et un indicateur standard pour comparer les entreprises d'un même secteur.
Cependant, l'ARR repose sur une hypothèse fatale : les utilisateurs conserveront exactement le même comportement de consommation au cours des 365 prochains jours. Cela peut être vrai dans l'industrie traditionnelle du logiciel et dans le secteur des services de communication, mais sur un marché de l'IA en rapide évolution, le sens de la nouveauté des utilisateurs s'estompera, des concurrents apparaîtront et les fluctuations saisonnières seront également évidentes. Le calcul de l'ARR ignore dans une certaine mesure ces changements.
Le RRR (Revenue Run Rate) est une autre méthode de calcul qui extrapole directement les revenus d'une période en cours à l'année entière.
La formule est encore plus rudimentaire : chiffre d'affaires mensuel × 12, ou chiffre d'affaires trimestriel × 4. Si Manus gagne actuellement 7,5 millions de dollars par mois, le RRR est de 90 millions de dollars. Il ne s'agit pas du chiffre d'affaires réel, mais d'un chiffre théorique basé sur l'hypothèse « si ce niveau reste le même au cours des 12 prochains mois ».
La principale différence entre les deux est que l'ARR met l'accent sur les « revenus d'abonnement durables », tandis que le RRR correspond simplement aux « revenus courants x 12 ». Le premier est plus conservateur, tandis que le second est plus agressif.
En réponse aux doutes, le fondateur de Manus, Xiao Hong, a expliqué en détail les raisons du choix de RRR.
Il estime que l'ARR est facile à falsifier : « Au début du lancement d'un produit, de nombreuses entreprises calculent l'ARR en multipliant sept jours de revenus par 52. Cela inclut les revenus des utilisateurs payants annuels, qui peuvent être plusieurs fois supérieurs. De plus, l'engouement précoce pour un produit et les premiers utilisateurs peuvent facilement conduire à une surestimation des performances futures. »
Les propos de Xiao Hong sont logiques. De plus, il existe de nombreuses autres astuces pour gonfler artificiellement l'ARR.
Par exemple, la méthode la plus courante pour gonfler les revenus consiste à les comptabiliser à l'avance. Par exemple, si un client signe un contrat de trois ans, la réglementation financière exige que les revenus soient comptabilisés sur trois ans. Cependant, pour améliorer le taux de marge annuel, l'entreprise regroupe simplement le montant du contrat de trois ans sur cette année.
Ou bien ils peuvent offrir aux KOL des commissions très élevées de 50 %, voire de 70 %, leur permettant de « perdre de l'argent et de gagner en publicité ».
Les leaders d'opinion utilisent ensuite cet argent pour reverser de l'argent à leurs abonnés, vendant rapidement un grand nombre d'abonnements annuels. Sur le papier, les revenus mensuels explosent et le taux de retour sur investissement est incroyablement élevé. Mais un examen plus approfondi révèle qu'il s'agit d'un faux-semblant alimenté par des subventions ; les utilisateurs n'ont pas payé pour le produit lui-même.
Certaines entreprises incluent également des frais uniques tels que des frais de déploiement, des frais de service de personnalisation et des frais de formation dans l'ARR.
Une approche plus discrète consiste à permettre aux gros clients d'essayer le produit gratuitement pendant six mois. Le montant du contrat correspond au « prix après utilisation officielle », mais même si le client n'a pas payé ou promis de renouveler, il sera inclus dans l'ARR.
Par exemple, une autre pratique consiste à signer une commande avec une remise mais à l’enregistrer au prix d’origine.
Par exemple, vous offrez une remise de 10 %, 20 %, voire 50 % à un client important pour accélérer la signature du contrat, mais calculez l'ARR sur la base du prix officiel du produit. Vous ne percevez que 500 000 $ de revenus, mais affirmez que l'ARR est de 1 million $.
Ce matin, Xiao Hong a une fois de plus souligné sur les réseaux sociaux que RRR est plus réel :
Le taux d'exécution des revenus est une mesure financière rigoureuse, calculée comme le revenu mensuel multiplié par 12. Le point essentiel est que le revenu n'est pas égal au revenu en espèces, et les paiements annuels ne sont considérés que comme un dépôt. Il a également cité l'exemple d'entreprises comme AWS, Databricks et Stripe, qui utilisent toutes le taux d'exécution des revenus pour refléter la substance de leurs activités basées sur l'utilisation.
Cependant, si nous analysons attentivement la rhétorique de Xiao Hong, nous pourrions trouver quelques failles.
Les géants utilisent le RRR car leurs entreprises fonctionnent de manière stable depuis des années et disposent de données historiques abondantes pour étayer leurs extrapolations. Cependant, Manus, une startup en activité depuis quelques mois seulement, est intrinsèquement trompeuse par rapport à ces entreprises établies.
Les données de Xsignal montrent que le nombre d'utilisateurs actifs mensuels de Manus a chuté de 20 millions en mars à 10 millions en mai, soit une baisse de moitié. Si le modèle économique de Manus est véritablement « basé sur l'utilisation », comme il le prétend, une baisse significative de l'utilisation entraînerait naturellement une baisse du chiffre d'affaires.
Si nous examinons l’ensemble du secteur des startups d’IA, presque toutes les entreprises d’IA utilisent des indicateurs et des expressions numériques similaires.
Selon The Information, les entreprises d'IA native ont généré plus de 15 milliards de dollars de chiffre d'affaires annuel depuis le lancement de ChatGPT. Cependant, presque toutes les entreprises d'IA utilisent des indicateurs numériques similaires.
Genspark a affirmé avoir généré 10 millions de dollars de revenus récurrents annuels (RRA) en neuf jours après son lancement. Lovable, une entreprise européenne de programmation d'IA, est allée encore plus loin, affirmant que son équipe de 35 personnes a réalisé 100 millions de dollars de chiffre d'affaires annuel en seulement huit mois. Elle prévoyait également d'atteindre 250 millions de dollars de RRA d'ici la fin de l'année et 1 milliard de dollars en 12 mois.
Ces chiffres ont tous un point commun : une courte période, une croissance rapide et un grand nombre.
Pourquoi les entreprises d’IA sont-elles si désireuses de divulguer ces chiffres ?
L'une des principales raisons de cette évolution est la réduction des barrières techniques à l'entrée, qui exacerbe les craintes d'homogénéité. Avec l'accès universel aux API ChatGPT et Claude, les obstacles techniques à la création d'applications d'IA ont pratiquement disparu, laissant les entrepreneurs déterminés à prouver leur irremplaçabilité.
Jouer avec les chiffres financiers est donc devenu une véritable bouée de sauvetage. Les indicateurs commerciaux traditionnels comme le taux de rendement annuel (ARR) semblent sérieux et prévisibles, et attirent les investisseurs. Comparé à l'explication de principes techniques complexes, un indicateur financier familier est plus facile à faire accepter.
Mais le problème est que les outils d’IA ne sont peut-être pas du tout adaptés à la mesure selon les normes SaaS traditionnelles.
Les produits SaaS traditionnels offrent des fonctionnalités relativement stables, des coûts de migration d'utilisateurs élevés, des effets de réseau et des avantages en termes de données importants. Les outils d'IA, en revanche, présentent l'exact opposé : des itérations technologiques rapides, de faibles coûts de changement d'utilisateur, et la plupart des applications manquent d'effets de réseau et présentent des avantages limités en termes de données.
L’histoire se répète toujours de manière surprenante.
Lors de la bulle Internet de 2000, les entreprises mettaient l'accent sur les clics et les pages vues ; à l'ère de l'internet mobile, les téléchargements et les utilisateurs actifs quotidiens sont devenus des panacées. Chaque évolution technologique engendre une vague de « mesures de vanité », et c'est désormais au tour de l'IA.
Il n’est donc pas étonnant que certains investisseurs aient commencé à qualifier en plaisantant les revenus de certaines startups d’IA de « ERR » – Experimental Recurring Revenue (revenus récurrents expérimentaux).
En fin de compte, le produit résout-il réellement les difficultés des utilisateurs ? Les barrières techniques sont-elles suffisamment importantes ? L'équipe possède-t-elle la capacité d'innovation durable ? Le modèle économique est-il durable ? Les réponses à ces questions fondamentales sont bien plus importantes que n'importe quel indicateur financier.
Après tout, le marché finira par s'imposer, les bulles éclateront toujours, et seuls les produits véritablement rentables survivront. Lorsque la marée se retirera, nous saurons qui nage nu.
#Bienvenue pour suivre le compte public officiel WeChat d'iFaner : iFaner (ID WeChat : ifanr), où du contenu plus passionnant vous sera présenté dès que possible.