Glossaire
Pricing et modèle économique deeptech
Value-based pricing, ROI, taux de conversion et modèle économique : les 4 concepts pour fixer vos prix quand la catégorie n'existe pas encore.
Pricing value-based deeptech
Méthode de tarification basée sur la valeur perçue par le client plutôt que sur le coût de production. En deeptech, le cost-plus et le benchmarking sont inapplicables car la solution crée souvent une nouvelle catégorie. Les 4 modèles courants sont le prix fixe, la licence, le revenue-share et le modèle hybride, avec une stratégie d'entrée progressive recommandée.
En pratique en deeptech
Le pricing est le point aveugle de la plupart des fondateurs deeptech. Issus de la recherche, ils pensent en termes de coût de développement et appliquent naturellement un cost-plus : « ça nous a coûté X, on ajoute 30 % de marge ». Cette approche est catastrophique en deeptech car elle déconnecte totalement le prix de la valeur créée. Une IA de contrôle qualité qui coûte 80 000 euros à déployer peut économiser 3 millions par an à un industriel. La facturer 104 000 euros (cost-plus 30 %) serait absurde.
Le benchmarking est tout aussi inapplicable : si vous créez une catégorie nouvelle, il n'y a pas de prix de référence. La seule approche viable est le value-based pricing : quantifier la valeur économique que vous créez pour le client, puis en capturer une fraction (généralement 10 à 30 %). Cette quantification se construit progressivement, POC après POC, en mesurant les gains réels chez vos premiers clients.
Exemple terrain
Une startup en maintenance prédictive facturait ses premiers clients 15 000 euros par an en licence (logique cost-plus). Après 3 POC, elle constate que sa solution réduit les arrêts machines non planifiés de 40 %, soit une économie de 500 000 euros par an pour un client type. Elle repositionne son pricing à 75 000 euros par an (15 % de la valeur créée). Ses clients acceptent sans négocier car le ROI reste spectaculaire.
→ Voir aussi : Ch.4 — Pricing deeptech B2B : fixer le juste prix
ROI B2B
Le retour sur investissement (ROI) appliqué aux ventes B2B deeptech. C'est l'argument de vente principal face au CFO, mais il est difficile à quantifier car la solution crée une nouvelle catégorie sans historique comparable. Le ROI deeptech doit être construit à partir de pilotes, de proxies sectoriels et d'hypothèses transparentes.
En pratique en deeptech
Le ROI est la langue du CFO. En deeptech, le problème est que vous ne pouvez pas prouver le ROI avant la vente puisque la solution n'a jamais été déployée dans ce contexte. Vous êtes dans un paradoxe : le prospect veut un ROI prouvé avant d'acheter, mais vous avez besoin de vendre pour prouver le ROI. La solution est de construire un modèle de ROI en trois couches.
Première couche : les données publiques du secteur (rapports analystes, études de cas publiées). Deuxième couche : les données collectées pendant la discovery terrain (combien coûte le problème aujourd'hui chez ce prospect spécifique). Troisième couche : les résultats de vos premiers POC, même partiels ou réalisés chez d'autres clients. Un ROI modélisé avec des hypothèses transparentes et ajustables est infiniment plus crédible qu'un « vous allez économiser 2 millions » sans justification.
Exemple terrain
Une startup en vision par ordinateur pour le contrôle qualité construit son modèle de ROI en 3 étapes. Données sectorielles : le taux de rebut moyen dans l'industrie automobile est de 2,3 %. Discovery terrain : chez ce prospect, le taux est de 3,1 %, soit un surcoût de 1,8 million par an. Résultats POC : sur une ligne pilote, le taux tombe à 1,4 %. Projection : 1,2 million d'économies annuelles. Le CFO approuve un contrat de 180 000 euros par an.
→ Voir aussi : Ch.5 — Traduire la technique en business
Taux de conversion B2B
Pourcentage de prospects qui passent d'une phase à la suivante dans le cycle de vente. En deeptech B2B, les taux de conversion sont structurellement plus bas qu'en SaaS : 15-25 % du premier contact à la qualification, 30-50 % de la qualification au POC, et 40-60 % du POC au contrat signé.
En pratique en deeptech
Les taux de conversion deeptech ne sont pas comparables aux benchmarks SaaS. En SaaS, un taux de conversion lead-to-close de 5-10 % est standard. En deeptech, le taux global est souvent de 3-8 %, mais la valeur par deal est 10 à 50 fois supérieure. L'erreur courante est de chercher à augmenter le volume de leads plutôt que d'améliorer la qualité de chaque interaction.
Les taux de conversion sont un outil de diagnostic du pipeline. Si votre taux de qualification est inférieur à 15 %, votre ciblage est probablement trop large. Si votre taux POC-to-contrat est inférieur à 40 %, vos POC sont peut-être mal structurés (pas de critères de succès clairs, pas de chemin vers le contrat défini à l'avance). Chaque phase du cycle a ses propres leviers d'amélioration.
Exemple terrain
Une startup en cybersécurité analyse ses 18 derniers mois de vente. Sur 120 premiers contacts, 25 ont été qualifiés (21 %), 10 ont abouti à un POC (40 % de qualification-to-POC), et 4 ont signé un contrat (40 % de POC-to-close). Taux global : 3,3 %. Mais chaque contrat vaut 120 000 euros. Le fondateur identifie que le goulot est la phase POC-to-close et découvre que les POC sans critères de succès définis à l'avance ne convertissent jamais.
→ Voir aussi : Ch.4 — Pricing deeptech B2B
Modèle économique deeptech
Structure de revenus et de coûts spécifique aux startups deeptech B2B. Le modèle économique deeptech se distingue par des coûts de R&D élevés, des cycles de vente longs, des marges potentiellement fortes et une progression de revenus en escalier plutôt que linéaire, au rythme des contrats signés.
En pratique en deeptech
Le modèle économique deeptech ne ressemble pas au modèle SaaS avec son MRR (Monthly Recurring Revenue) prévisible et ses cohortes régulières. En deeptech, les revenus progressent par paliers : chaque nouveau contrat représente un saut significatif dans le chiffre d'affaires. Cela crée une courbe de revenus en escalier qui peut être déstabilisante pour les investisseurs habitués à des courbes lisses.
Le choix du modèle économique dépend de votre maturité commerciale. En phase de premiers clients, un modèle simple (prix fixe par projet ou licence annuelle) est préférable car il facilite la vente. En phase de scaling, migrez vers un modèle hybride (setup + récurrent) ou un revenue-share qui aligne vos revenus sur la valeur créée. L'objectif final est d'avoir un modèle récurrent avec des marges de 70 à 90 %, typiques du software, même si votre solution intègre du hardware ou du service.
Exemple terrain
Une startup en IA pour l'optimisation énergétique commence avec un modèle projet à 50 000 euros par déploiement. Elle réalise que ses clients demandent un suivi continu. Elle bascule vers un modèle hybride : 20 000 euros de setup + 3 000 euros par mois de licence. Au bout de 18 mois, chaque client génère 74 000 euros (setup + 18 mois de licence), contre 50 000 euros en one-shot. Le récurrent représente 60 % du CA et sécurise la trésorerie.
→ Voir aussi : Ch.4 — Pricing deeptech B2B et Ch.5 — Traduire la technique en business
Questions fréquentes
Pourquoi le cost-plus ne fonctionne-t-il pas en deeptech ?
Le cost-plus sous-évalue systématiquement une solution deeptech car le coût de production ne reflète pas la valeur créée. Une IA de contrôle qualité qui coûte 80 000 euros à développer peut économiser 3 millions par an au client. Facturer cost-plus reviendrait à laisser 95 % de la valeur sur la table et à sous-financer votre croissance.
Comment fixer un prix quand la catégorie n'existe pas encore ?
Trois approches complémentaires : quantifier la valeur économique créée (coûts évités, gains de productivité), utiliser des proxies sectoriels (ce que coûtent les solutions alternatives même imparfaites), et tester le prix sur les premiers POC en observant la willingness-to-pay réelle de vos prospects.
Quel modèle économique choisir pour une startup deeptech ?
Il n'y a pas de modèle universel. Prix fixe, licence, revenue-share ou hybride : le choix dépend de votre maturité. Commencez simple (prix fixe ou licence) pour faciliter les premières ventes, puis migrez vers du value-based quand vous disposez de données de ROI terrain issues de vos premiers clients.
Comment démontrer le ROI quand on n'a pas de références ?
Construisez un modèle de ROI en 3 couches : données publiques du secteur, données collectées pendant la discovery terrain, et résultats de vos premiers POC même partiels. Un ROI modélisé avec des hypothèses transparentes est infiniment plus crédible qu'un chiffre sans justification.
Discutons de votre situation
45 min de diagnostic gratuit, sans engagement.