Un earn-out scinde le prix de vente en deux parties. Une partie est payée à la cession, une partie suit plus tard et dépend de résultats qui ne se vérifieront qu'après la cession : un chiffre d'affaires qui se maintient, des clients qui restent, une marge qui tient sans le propriétaire parti. L'acheteur ne propose pas cela parce qu'il doute de vos chiffres passés. Il le propose parce qu'il doute de leur reproductibilité une fois que la situation change — et cette cession est précisément un tel changement.
L'earn-out n'est donc pas une manœuvre de négociation. C'est un mécanisme de tarification de l'incertitude que l'acheteur ne peut pas lever lui-même en calculant mieux. Plus cette incertitude est grande, plus la part du prix reportée est importante.
La plus grande source de cette incertitude a toujours été le propriétaire lui-même : la relation client, l'accord tarifaire, la connaissance des exceptions passent-ils par une seule personne qui part après la transaction. Ce risque existe toujours, mais une deuxième couche s'y est ajoutée. Dans un nombre croissant d'entreprises, une partie du travail est désormais effectuée ou soutenue par l'IA — dans certaines entièrement, dans d'autres avec un collaborateur qui évalue et corrige le résultat, et dans d'autres encore pas du tout, soit parce que la nature du travail ne le permet pas, soit parce que l'organisation ne l'a pas encore mis en place. Cette répartition diffère d'une entreprise à l'autre et elle est mesurable.
Pour un acheteur, c'est pertinent, car cela change la question à laquelle un earn-out tente de répondre. Pas seulement : le client et le chiffre d'affaires restent-ils. Mais aussi : l'économie ou la capacité libérée par l'IA fait-elle partie du processus, ou dépend-elle d'une seule personne, d'un seul abonnement ou d'une organisation ponctuelle. Une économie qui disparaît dès le départ du propriétaire pèse, pendant la période d'earn-out, tout aussi lourd qu'un client qui s'en va.
Les entreprises où cela est déjà visible ont généralement un point commun : le travail que l'IA reprend est décrit au niveau de la tâche, pas de la fonction. Il est établi quelle partie d'un processus se déroule sans surveillance, quelle partie avec le contrôle d'un collaborateur, et quelle partie reste un travail humain, et pourquoi. Cette documentation existe indépendamment de la personne qui l'exécute actuellement. Un acheteur qui constate cela a moins de raisons de faire porter l'incertitude par un earn-out — la preuve de reproductibilité existe déjà.
Les entreprises où l'earn-out augmente, au contraire, sont souvent des entreprises où personne ne s'est posé cette question. L'économie est mentionnée dans un pitch, mais elle n'est pas étayée au niveau où un acheteur peut la vérifier. Pour savoir à quoi ressemble cette justification, consultez comment justifier auprès d'un acheteur une économie réalisée grâce à l'IA.
Un earn-out réduit le risque de l'acheteur, mais ne change rien à la structure de l'entreprise. Si le profit dépend en grande partie du propriétaire — décisions, contact client, connaissance des exceptions — cela reste vrai jusqu'à la fin de la période d'earn-out, moment où cela redevient visible. La part réelle qui dépend du propriétaire, et non du processus, est une question qui peut être mesurée ; comment mesurer la part qui dépend du propriétaire décrit sur quoi repose cette mesure.
Par ailleurs, un earn-out en dit aussi long sur le profit qui sert de base au prix, pas seulement sur la continuité. Un profit épuré d'économies ponctuelles ou de coûts qui réapparaîtront après la cession repose sur un terrain instable. Ce que signifie la normalisation du profit lorsque l'IA y joue un rôle est expliqué sur ce que signifie la normalisation du profit pour une entreprise qui utilise l'IA.
La question sous-jacente à chaque earn-out est toujours la même : quelle part du travail de cette entreprise se poursuit sans les personnes qui l'effectuent actuellement, et quelle part non. Le scan de travail de FTE TO AI répond à cette question tâche par tâche, avec la même répartition qu'un acheteur établit lui-même : automatique, sous surveillance, ou travail humain. Ce n'est ni un conseil en ressources humaines ni une justification pour une décision de licenciement — des exigences légales spécifiques s'appliquent à cela — c'est une description de ce que le travail lui-même permet.
La question de l'earn-out ne se pose généralement qu'une fois la négociation déjà en cours, mais la justification doit être prête bien avant. Le meilleur moment pour commencer cette préparation est décrit sur quand commencer la préparation d'une vente. Et comme les attentes du marché concernant l'IA évoluent également, il est utile de savoir comment maintenir la valeur de l'entreprise pendant cette évolution — cela se trouve sur comment maintenir votre valeur pendant que le marché évolue.
Cette explication n'est pas une estimation de l'earn-out qui serait proposé dans votre cas, ni une garantie qu'un acheteur utilise ou non cet instrument. Le montant et les conditions d'un earn-out découlent de la négociation elle-même, pas d'une description générique.
Le test de valeur gratuit comprend huit questions courtes, une par levier de valeur, et donne une idée du levier qui pèse le plus aujourd'hui sur votre prix. Le scan de valeur complet — avec preuves par levier, l'indice de dépendance au propriétaire et un calendrier sur deux ans vers le moment de sortie — est en cours de développement.