Changer de moteur en plein vol

Le paradoxe d'une entreprise extraordinairement rentable

Le 28 octobre 2026, Alphabet publie des résultats trimestriels impressionnants : 127,6 milliards de dollars de chiffre d'affaires, 40,6 milliards de résultat opérationnel et une croissance de 103 % pour Google Cloud. source

Pourtant, son action chute de près de 10 % dans les échanges après clôture. source

Pourquoi une entreprise aussi rentable inquiète-t-elle ses investisseurs ?

Au-delà de résultats inférieurs aux attentes sur plusieurs indicateurs, une question inquiète particulièrement les marchés : combien coûtera la prochaine phase de croissance ?

Un chiffre illustre l'ampleur du défi : 51,4 milliards de dollars d'investissements en capital pour l'ensemble du groupe sur un seul trimestre, dont la très grande majorité est consacrée aux infrastructures techniques soutenant notamment l'IA.

Alphabet a généré 42,3 milliards de dollars de flux de trésorerie opérationnels au troisième trimestre. Mais ses investissements en capital ont dépassé ce montant, entraînant un flux de trésorerie disponible négatif de 9,1 milliards sur cette période.

Ce chiffre mérite d'être interprété avec précaution.

Selon la direction, la trésorerie a également été affectée par la constitution de stocks liés aux systèmes TPU et le paiement d'environ 5,2 milliards de dollars au titre d'une amende de la Commission européenne initialement prononcée en 2018. source

Sur les douze derniers mois, Alphabet conserve néanmoins un flux de trésorerie disponible positif de 19,7 milliards de dollars.

Le défi n'est donc pas l'absence de génération de trésorerie, mais l'intensité croissante des investissements nécessaires à sa transformation.

Alphabet reste extrêmement rentable sur le plan opérationnel. Mais financer la prochaine génération technologique exige des ressources considérables, bien avant que le rendement de ces investissements puisse être pleinement démontré.

Et c'est là que commence le véritable sujet de leadership.

Le dilemme : protéger le présent ou financer l'avenir ?

Pendant plus de vingt ans, Google a perfectionné l'un des modèles économiques les plus efficaces de l'histoire numérique.

Son moteur de recherche attire les utilisateurs. La publicité transforme cette audience et les intentions de recherche en revenus. Ces revenus financent un écosystème de produits, de technologies et d'infrastructures.

L'intelligence artificielle introduit une transformation profonde.

Nous ne demandons plus seulement à un moteur de nous orienter vers une information. Nous attendons de plus en plus d'un assistant qu'il comprenne nos intentions, compare les possibilités, prépare des décisions et exécute certaines tâches.

La valeur peut donc se déplacer de l'accès à l'information vers la résolution du problème.

Cela ne signifie pas nécessairement la disparition de la publicité. De nouvelles formes de monétisation peuvent émerger. Mais leur économie reste à démontrer à grande échelle.

Contrairement à une jeune entreprise qui construit son modèle à partir de zéro, Alphabet doit transformer une activité qui fonctionne encore remarquablement bien.

Google Search continue d'ailleurs de croître. Ses revenus ont progressé de 12 % sur un an au troisième trimestre.

C'est ce qui rend le dilemme particulièrement difficile : il n'existe pas de signal évident indiquant que le modèle historique doit être abandonné.

Attendre trop longtemps expose à la concurrence. Accélérer trop brutalement peut fragiliser la rentabilité qui finance l'innovation.

Le dirigeant doit donc accepter une période pendant laquelle deux modèles coexistent, se concurrencent parfois et mobilisent des ressources considérables.

Le nouveau moteur fonctionne déjà. Mais que rapporte-t-il vraiment ?

Alphabet ne part pas de zéro.

Google Cloud a généré 30,7 milliards de dollars de revenus et 11,1 milliards de résultat opérationnel au troisième trimestre 2026.

Selon Sundar Pichai, l'application Gemini a atteint le milliard d'utilisateurs. source

L'entreprise bénéficie également d'un avantage de distribution exceptionnel grâce à Android, Chrome, Gmail, Maps, YouTube et Workspace.

Ces résultats sont encourageants. Ils ne permettent toutefois pas de conclure que l'ensemble des investissements IA produit déjà un rendement satisfaisant.

Google Cloud comprend des activités historiques et des activités liées à l'IA. Une partie des dépenses de recherche et développement en IA est également comptabilisée au niveau du groupe.

Il faut donc distinguer trois notions fondamentales.

Adoption ≠ Création de valeur ≠ Rentabilité.

L'adoption indique que les utilisateurs viennent et utilisent le produit.

La création de valeur indique que quelque chose s'améliore réellement pour eux.

La rentabilité indique que l'entreprise parvient à produire et à capturer cette valeur de manière économiquement soutenable.

Et même lorsqu'une activité devient rentable, une question supplémentaire demeure : son rendement justifie-t-il les capitaux immobilisés ?

Confondre ces dimensions conduit à prendre de mauvaises décisions d'investissement.

Un produit peut rencontrer un succès spectaculaire tout en restant économiquement fragile. À l'inverse, une activité encore peu visible peut déjà démontrer une excellente rentabilité.

Le nombre d'utilisateurs n'est donc pas une réponse suffisante à la question du retour sur investissement.

Ce que les dirigeants peuvent apprendre d'Alphabet

Le dilemme d'Alphabet n'est pas réservé aux géants technologiques.

Une banque peut devoir repenser son modèle de distribution. Un distributeur peut voir évoluer la relation entre ses clients et ses canaux de vente. Une entreprise de services peut découvrir que ses clients souhaitent de moins en moins acheter des heures de travail et davantage des résultats.

Certaines transformations sont progressives : elles améliorent les processus, la productivité ou la qualité du service rendu. D'autres sont plus profondes et remettent en cause la manière même dont l'entreprise crée de la valeur et génère ses revenus.

Dans les deux cas, les dirigeants doivent prendre des décisions alors qu'ils ne connaissent pas encore précisément le coût, le calendrier ni les caractéristiques économiques du modèle futur.

Mais toutes les entreprises ne disposent pas des mêmes ressources pour affronter cette incertitude.

Alphabet peut financer plusieurs paris stratégiques simultanément. La plupart des entreprises ne le peuvent pas. Pour elles, la discipline ne consiste pas à investir davantage, mais à apprendre suffisamment vite pour savoir où investir.

Une PME ou une ETI doit souvent faire ses choix plus tôt, avec moins de données et une marge d'erreur plus faible.

La tentation consiste alors à réclamer immédiatement un budget global, un business case détaillé et un retour sur investissement prévisionnel.

Mais comment calculer avec précision le rendement d'un modèle que l'on n'a pas encore expérimenté ?

La bonne réponse n'est pas nécessairement de financer toute la transformation. Elle peut être de financer d'abord la réduction de l'incertitude.

Prenons une entreprise de services qui envisage d'utiliser l'IA pour préparer ses propositions commerciales.

Avant de financer un déploiement général, elle peut expérimenter le nouveau processus sur vingt dossiers.

Elle mesurera le temps gagné, la qualité des propositions, les corrections nécessaires et l'adoption par les équipes.

Mais elle devra surtout répondre à une question économique : ces gains peuvent-ils réellement être transformés en bénéfices ?

Permettent-ils de produire davantage de propositions, d'améliorer le taux de conversion ou de réduire les coûts ?

Si les équipes gagnent deux heures par dossier, mais que ce temps libéré n'est jamais réinvesti dans une activité créatrice de valeur, l'entreprise a amélioré sa productivité sans nécessairement améliorer sa rentabilité.

Un gain de productivité ne constitue pas automatiquement un gain économique.

L'expérimentation doit donc produire les éléments nécessaires à une décision d'investissement, et pas seulement démontrer que la technologie fonctionne.

Cette approche suppose une première phase de découverte pour comprendre les processus, les coûts actuels, les attentes des clients et les hypothèses qui conditionnent la réussite du projet.

Un prototype, même simple, permet ensuite de confronter ces hypothèses à la réalité, d'identifier les risques et de construire une estimation plus crédible des investissements nécessaires.

À ce stade, l'objectif n'est pas de démontrer à tout prix que le projet sera rentable.

Il est de réunir suffisamment d'éléments pour décider : poursuivre, ajuster, approfondir l'expérimentation ou arrêter.

On ne cherche pas à remplacer l'incertitude par une prévision artificiellement précise. On construit progressivement les éléments d'une décision mieux informée.

Quatre questions avant d'accélérer

Pour piloter ce type de transformation, un comité de direction devrait pouvoir répondre à quatre questions.

1. Que devons-nous préserver ?

Quels clients, revenus, marges ou compétences du modèle actuel sont essentiels au financement de l'avenir ?

Et quels éléments de ce modèle risquent de devenir des obstacles à sa transformation ?

2. Quelles hypothèses devons-nous vérifier ?

Qu'est-ce qui doit être vrai pour que le nouveau modèle fonctionne ?

Quelles sont les hypothèses les plus incertaines et les plus déterminantes ?

Et quelles expérimentations permettraient de les confirmer ou de les réfuter ?

3. Comment mesurerons-nous la valeur ?

Quel est notre point de départ ?

Quels indicateurs permettront de mesurer une amélioration réelle pour les clients, les collaborateurs et l'entreprise ?

Quel sera le coût complet de cette amélioration ?

Et comment distinguerons-nous les gains de productivité théoriques des bénéfices économiques effectivement réalisés ?

4. Quand déciderons-nous d'accélérer, de corriger ou d'arrêter ?

Quels résultats justifieront de nouveaux investissements ?

Quels signaux imposeront de revoir le projet ?

Et à quel moment la poursuite du modèle historique deviendra-t-elle plus risquée que sa transformation ?

Ces questions ne suppriment pas l'incertitude.

Elles permettent de la gouverner.

Le véritable enjeu : savoir quand transférer la puissance

La transformation d'Alphabet ne se résume pas à une course aux modèles d'IA ou à la construction de centres de données.

Elle pose une question beaucoup plus ancienne, que toutes les entreprises finissent par rencontrer.

Comment construire son avenir avec les ressources de son présent, sans devenir prisonnier de ce qui a fait son succès ?

Le danger n'est pas uniquement de changer trop lentement. Il est aussi d'investir trop vite, sans savoir ce qui crée réellement de la valeur.

Le rôle du dirigeant n'est pas de prédire l'avenir avec certitude. Il est de construire les conditions qui permettront de prendre de bonnes décisions, même lorsque les informations disponibles sont encore incomplètes.

Alphabet doit changer de moteur en plein vol.

L'entreprise possède les ressources nécessaires pour tenter la manœuvre.

Mais disposer de carburant ne suffit pas.

Le véritable enjeu du leadership consiste à savoir quel moteur préserver, lequel développer, combien investir et à quelles conditions transférer la puissance de l'un vers l'autre.

Le véritable risque n'est pas de maintenir l'ancien moteur en marche. C'est de ne jamais définir les conditions qui permettront de transférer la puissance au suivant.