Ramp et Stripe créent de nouvelles sources de revenus autour de tâches pilotées par l'IA

Auteur : Simon Taylor

Traduction : Deep潮 TechFlow

Lecture approfondie de Shenchao : L'IA ne se limite pas à améliorer l'efficacité ; elle crée également de nouvelles tâches clientes inédites : dépenses en token, identité d'agent, routage de modèles. Ramp et Stripe ont déjà établi de nouveaux pôles de revenus autour de ces tâches ; leur narration de valorisation ne repose pas uniquement sur la croissance, mais sur un pari sur l'IA native. Comprendre cette carte des « nouvelles tâches » permet aux investisseurs de distinguer qui profite de cette évolution et qui risque d'être éliminé.

🧠 L'IA a créé de nouvelles questions clients

Résoudre ces problèmes est précisément là où se forment les produits financiers de la prochaine génération. Les dépenses en tokens, les identités d'agent et le routage de modèles n'existaient presque pas avant l'IA.

Ramp a récemment levé 750 millions de dollars à une valorisation de 44 milliards de dollars. Il ne nécessite peut-être pas ces fonds, mais cette levée de fonds achète quelque chose de plus grand qu'une croissance éclatante*. Elle achète une narration cohérente sur le fait de devenir natif à l'IA.

Cette histoire est crédible car elle se reconstruit autour de tâches client créées par l’IA. Par exemple, Router trouve pour chaque demande le modèle le moins coûteux et de la meilleure qualité, ce qui, selon Ramp, permet aux clients d’économiser 40 % de leurs coûts. Stripe assemble une pile technologique similaire : en base, les paiements ; Metronome, pour la mesure et la facturation à l’usage ; en haut, OpenRouter, qui routera le trafic entre plus de 400 modèles. Il aurait payé plus de 7 milliards de dollars pour les services en haut de la pile.

Chaque investisseur, en particulier les investisseurs en croissance, cherche des entreprises qui profitent de la montée rapide de l'IA et deviennent ainsi plus durables. Ils veulent détenir les bénéficiaires et éviter autant que possible les victimes.

Cette semaine, j'ai discuté avec trois fondateurs. Les trois sont à la veille de boucler un important financement sous le nom d'AI-native. Les trois m'ont posé à peu près les mêmes questions :

Comment devrions-nous nous positionner comme natifs de l'IA ? Quels devraient être nos produits ?

Ils posent la question d'un problème de positionnement. Je pense que la réponse est un problème de produit.

Cet article est ma réponse.

Carte rapide :

À quel poste vous trouvez-vous : adopteur, bénéficiaire ou autochtone ?

L'IA a créé une échelle de tâches : améliorer les anciennes tâches ; de nouvelles tâches à côté des principales ; des nouvelles tâches non résolues par personne

Pourquoi votre agent a-t-il besoin d'une stratégie de distribution ?

Que faire maintenant ?

La perspective la plus utile de Clayton Christensen pour cet article est : les clients n'achètent pas votre produit, ils embauchent le produit pour accomplir une tâche.

Les tâches à accomplir dans le domaine financier incluent : rembourser mes frais, rapprocher mes factures et m'aider à gérer la fraude. Ces tâches existaient bien avant l'IA. Les modèles modernes peuvent accomplir une partie de ces tâches plus rapidement, à moindre coût et avec moins d'intervention humaine, mais dès qu'ils se réveillent, les clients veulent toujours la même chose.

L’IA a également créé une deuxième catégorie de tâches : surveiller mes dépenses de jetons ; acheminer chaque requête d’inférence vers le meilleur modèle ; permettre à mon agent d’acheter des biens sans avoir à révéler toute mon identité ni mon compte bancaire.

Avant que l'IA n'apporte ces problèmes, personne n'avait ces tâches.

Je réfléchis à la manière de devenir natif AI à travers une matrice 2x2.

Les tâches pour les anciens clients existent depuis toujours (par exemple, la gestion de la fraude), tandis que les tâches créées par l'IA apparaissent avec la technologie (par exemple, la gestion de mes dépenses en token).

Entreprise : une entreprise ou un produit existant avant l'IA, ou une entreprise n'existant que grâce à l'IA.

Les mettre ensemble, ça donne ça ?

Tâche pour les anciens clients

Tâches client créées par l'IA

Entreprises / produits existants

Nubank / NuFormer

Ramp et Stripe

Impossible sans IA moderne

Harvey, Hebbia et Rogo

OpenRouter et fal

En haut à gauche : utilisation de la profondeur. Nubank utilise NuFormer pour de meilleures décisions de crédit, mais l'octroi de crédit est une tâche bancaire ancienne.

En bas à gauche se trouvent les positions de Harvey, Hebbia et Rogo : ces produits n'auraient pas pu exister avant l'apparition des modèles modernes, car ils effectuent des travaux de recherche juridique et financière qui existent depuis longtemps.

Le côté droit est l’endroit où se trouvent les vents favorables. Lorsque l’IA offre aux clients de nouveaux éléments à acheter, Ramp et Stripe ont déjà des activités. OpenRouter et fal ont du sens uniquement parce que l’inférence est devenue une industrie.

Cela signifie également qu'une entreprise peut occuper plus d'une case. Les produits de dépense de Ramp se trouvent en haut à gauche. Son tableau de jetons et son Router sont en haut à droite. L'activité de paiement de Stripe est en haut à gauche ; Metronome et OpenRouter l'ont poussée vers la droite du tableau. Les choses ne s'ajustent rarement proprement dans une matrice 2x2.

Alors, permettez-moi de vous présenter un autre concept.

Je trouve que trois étiquettes décrivent bien l'attitude de l'entreprise :

Les adopteurs utilisent l'IA pour répondre à leurs besoins existants. Peut-être ont-ils ajouté un copilote. Il y a une véritable valeur ici. Ils peuvent être plus rapides, moins chers et plus simplifiés, mais la structure de leur pipeline de vente reste inchangée. La plupart des entreprises SaaS ayant ajouté un intermédiaire relèvent de cette catégorie.

Les bénéficiaires améliorent les anciennes tâches tout en saisissant les nouvelles opportunités créées par l’IA à côté. Ramp ou Stripe en sont les exemples les plus nets. La gestion des dépenses reste la tâche centrale ; la gestion des coûts des jetons et le routage des modèles sont de nouveaux flux de revenus adjacents.

Les autochtones existent en raison de nouvelles demandes. OpenRouter achemine les requêtes entre plus de 400 modèles. Fal exécute à grande échelle l'inférence de médias génératifs. Dans un monde où aucune inférence ne peut être vendue, aucune de ces deux entreprises n'aurait d'affaires.

This chart shows you where the demand comes from.

La tâche vous indique où se trouvent les opportunités. Devenir natif de l'IA est une échelle : le bas est familier, le sommet est constitué de défis brillants encore non résolus. Alors, grimpons ensemble.

Le modèle opérationnel piloté par l'IA a transformé la structure, la gouvernance et les systèmes d'exploitation de l'entreprise. Les équipes construisent des extensions autour des employés, intègrent des données internes, partagent des compétences et redéfinissent qui peut faire quoi. Les produits et les designers commencent à déployer du code. Les ingénieurs s'impliquent davantage dans le produit. Les équipes construisent leurs propres outils internes. (Pour plus d'informations, consultez le rapport sur le modèle opérationnel piloté par l'IA.)

C'est un billet d'entrée. Il vous permet d'accélérer, mais il ne change pas seul ce que vous vendez.

Certains produits natifs AI servent des tâches très anciennes. Cela ne diminue pas leur caractère natif.

Avant l’apparition de l’IA, la vérification de conformité, la réconciliation de documents et d’e-mails, la recherche juridique et les rapports financiers étaient des tâches administratives fastidieuses. Beacon, Sardine*, Gradient Labs, Harvey, Hebbia et Rogo utilisent des modèles modernes pour synthétiser des centaines de documents et de sources de données, puis fournissent des réponses ou gèrent des processus. Ces produits n’auraient pas pu exister il y a quelques années. Mais la tâche elle-même est ancienne.

Je suis conseiller de Sardine.

Si vous gérez les dépenses, la comptabilité ou aidez les gens à effectuer des paiements, les tâches pour les clients existants persistent, mais de nouvelles tâches apparaissent à côté d'elles. Il existe plusieurs variantes.

Tâche : Aidez-moi à gérer l'utilisation de l'IA. Le tableau des jetons Ramp est une tâche créée par une IA, intégrée dans un produit existant. Vous pourriez objecter que les tableaux de coûts ne sont pas nouveaux : Vantage et Datadog facturent depuis des années les dépenses cloud et de calcul. La différence réside dans la facturation. Avant que l'IA ne vous fournisse une facture de jetons, personne n'avait besoin de catégoriser, prévoir ou distinguer les coûts des marchandises vendues (COGS) des dépenses opérationnelles (OpEx). Sur Ramp, les dépenses en jetons IA ont augmenté de 20,7 fois entre juin 2025 et juin 2026. Metronome, désormais propriété de Stripe, se trouve à l'autre extrémité de cette tâche, chargé de mesurer et de facturer cette utilisation.

Travail : Connectez mon agent à votre produit et accomplissez la tâche. Des entreprises comme Mercury, Visa et Ramp lancent des interfaces ligne de commande (CLI). Stripe, un acteur établi, a publié sa propre CLI il y a sept ans. Mais depuis le lancement de Claude Code, l'utilisation a explosé. Une CLI est une interface utilisateur qui utilise la ligne de commande (terminal), et non une application ou un site web. Les agents trouvent ces interfaces plus faciles à naviguer. De plus, l'utilisation d'une CLI consomme beaucoup moins de tokens. Par exemple, en exécutant la CLI Ramp en mode --agent, une transaction est renvoyée en JSON, soit environ 105 tokens. En exécutant la même transaction en mode --human, il faut 280 tokens pour le formatage et l'affichage. Voilà une interface conçue pour des clients « non humains ».

Travail : faites en sorte que votre boutique soit découverte par des agents IA. Environ un tiers de la génération Z utilise désormais l’IA plutôt que Google pour rechercher ce qu’elle veut acheter. Si votre boutique et vos SKU ne sont pas présents là-bas, vous pourriez manquer des opportunités. Des entreprises comme Shopify, WooCommerce, ainsi que les services de paiement (PSP) qui aident les commerçants en ligne, optimisent désormais cette dimension.

L'IA a créé une toute nouvelle catégorie de besoins à côté de votre activité existante. Votre opportunité consiste à construire des interfaces répondant à ces besoins. Il n'est pas nécessaire de transformer immédiatement l'ensemble de votre activité.

Mais imaginez un avenir où les agents représentent 80 à 90 % du trafic internet, des affaires et de l'économie. Si cela a un fond de vérité, comment réorienteriez-vous les entreprises et les récits ? Quelle est l'unité de valeur centrale que vous créez ? Comment s'applique-t-elle à ce client ?

Dans cette expérience de pensée, nous devons abandonner l'idée de considérer l'IA comme une fonctionnalité ajoutée à des activités existantes.

Certains problèmes n'existaient pas avant l'explosion de l'IA. Ils ne proviennent pas non plus simplement d'une utilisation simple de l'IA.

Comment puis-je faire confiance à cet agent pour gérer mes données ou prendre des décisions à ma place ? Nous entrons dans un monde où des agents développés par des tiers pourraient interagir avec votre entreprise. Vous avez besoin d’un moyen de garantir qu’ils sont sûrs, fiables, respectent la vie privée et qu’une entité juridique est responsable à leurarrière. Un modèle simple consiste à placer les agents à l’intérieur d’un fournisseur SaaS déjà couvert par vos accords commerciaux. Mais les agents deviennent de plus en plus le produit lui-même. Ils peuvent provenir d’un laboratoire comme Anthropic, d’une startup ou d’un département interne. Je vois des entreprises construire ou acheter des coquilles ou des plans de contrôle (comme Primitive) pour envelopper ces agents. Une autre approche est AIUC, dont l’objectif est d’assurer et de certifier les agents.

Comment puis-je faire confiance à cet agent pour effectuer des transactions ? Si un agent se présente dans votre boutique pour acheter quelque chose, comment pouvez-vous connaître sa réputation ou son créateur ? L'utilisateur a-t-il authentifié cet agent pour effectuer cet achat ? Il existe actuellement certaines normes émergentes, comme A2A de Google, le Trusted Agent Protocol de Visa, et les normes d'identité en cours de construction par FIDO. Mais nous sommes encore à un stade très précoce. Des entreprises comme Natural Payments, Skyfire et A-comm sont en train de s'imposer ici. Elles gèrent la partie des flux de travail du commerce d'agents où les agents effectuent réellement les paiements.

Comment obtenir des coûts d’inférence et de calcul plus faibles ? Brex affirme que, dès la première facturation d’API OpenAI ou Anthropic, l’entreprise ajoutera un premier fournisseur d’ordinateurs ouverts dans les cinq mois. Cinq mois. Une minute, vous payez des frais d’API aux laboratoires de modèles ; la suivante, vous comparez Together AI, Fireworks et Baseten. Vous décidez où exécuter vos charges de travail et demandez à la finance de couvrir les coûts. L’IA a créé une chaîne d’approvisionnement logicielle, puis a commencé à construire une pile de capital en dessous. Nvidia et Wall Street tentent de mobiliser 500 milliards de dollars autour de cette couche.

Source : Brex Benchmark ; données sur les cartes et les paiements de factures Brex, janvier 2021 – juin 2026

Ces travaux sont plus vastes que des fonctionnalités. Ils traversent le produit, les données, l'identité et les fonds. Une fois qu'ils traversent le produit, la question devient : qui les clients font-ils confiance pour les piloter ?

Je ne veux pas votre agent. Je veux que mon agent accède à votre produit.

La plupart des clients professionnels finiront par mettre en œuvre une sorte de plan de contrôle ou d’interface : un endroit pour orchestrer les agents qu’ils possèdent, à travers les outils qu’ils utilisent. L’agent financier du CFO, l’agent de codage de l’ingénieur et l’agent d’achat de l’équipe opérationnelle seront gérés, autorisés et surveillés depuis une couche située au-dessus du produit.

Les consommateurs auront également leur version. Que ce soit Grokbot ou Instinct, de nouvelles applications grand public provenant d'OpenAI ou de Google, ou Apple rendant enfin Siri moins mauvaise, il y aura toujours quelque chose qui prend en compte les utilisateurs à travers les produits.

Garry Tan a bien décrit les menaces auxquelles les logiciels existants sont confrontés :

Le système de journalisation possède déjà les données, les autorisations et la distribution nécessaires pour l'enveloppe. Leur problème est qu'une nouvelle couche d'orchestration peut être placée au-dessus d'elles, transformant chaque produit sous-jacent en fournisseur appelable.

Cela offre trois choix stratégiques :

Possédez l'orchestration. Devenez l'endroit où les clients peuvent consulter, autoriser et gérer chaque agent.

Posséder un point de contrôle fiable. Même si d'autres possèdent l'enveloppe, l'identité, la réputation, le routage, les achats et le règlement conservent leur valeur.

Devenez le produit le plus facilement accessible pour chaque interface importante. L'CLI, l'API et les interfaces d'agents sont les canaux de distribution. (C'est la bonne réponse pour un plus grand nombre d'entre vous que vous ne le pensez.)

Salesforce et les systèmes centraux bancaires ne renonceront pas facilement à leurs leviers d'ancrage déjà établis. Ce n'est pas purement une théorie de l'agrégation. Les systèmes de référence peuvent devenir des coquilles ; les experts peuvent détenir les points de contrôle ; les produits peuvent être distribués à travers tous ces éléments.

Cette tension est précisément le point central. Le prix pourrait être le plan de contrôle. Il pourrait aussi être cet élément indispensable dont chaque plan de contrôle a besoin.

Revenons aux trois fondateurs dont j'ai parlé.

La réponse est toujours le travail. Localisez le produit de suivi.

Trouvez le travail que l'IA crée à côté de la valeur que vous avez déjà livrée. Construisez son interface.

Ensuite, décidez comment il se propage. Vous pouvez avoir un enveloppe avec un point de contrôle fiable à l'intérieur, ou devenir un produit qui peut être appelé élégamment depuis toutes les enveloppes.

C'est cela même la réinvention de soi. Vous commencez par utiliser l'IA pour gérer votre propre activité. Vous l'utilisez pour mieux accomplir vos anciennes tâches. Ensuite, vous gravissez les échelons vers des emplois qui n'existaient pas avant que le modèle ne pose des problèmes aux clients.

Ramp a atteint 440 milliards de dollars non pas parce qu'il gère les frais de la meilleure manière, mais parce que les investisseurs croient que l'IA peut continuer à créer de nouvelles demandes à côté du noyau. Et Ramp a su saisir cette vitesse.

Choisissez le travail. Choisissez l’interface. Attribuez-le.

(Conformément aux normes des entreprises financières, la croissance de Ramp est exceptionnelle : le TPV (volume total traité) a augmenté de 170 % d'année sur année au 3 mars, soit la croissance la plus rapide depuis trois ans, tandis que son activité a été multipliée par 20.)