Due diligence sur le crédit aux logiciels : qualité de l'ARR, churn et covenants

IA · Cet article a été créé avec l'aide de l'IA.

By Saachi Baghel

Analyse de crédit aux logiciels : qualité de l'ARR, rétention, risque de l'IA sur les sièges, ajustements d'EBITDA et marge de manœuvre des covenants.

Pourquoi l'analyse de crédit aux logiciels change avec la réinitialisation de l'IA

Qualité de l'ARR : ce qui compte comme revenu récurrent durable

Rétention et churn : réconcilier GRR, NRR et le pont d'ARR

Risque de churn : churn de clients, churn de revenus et comportement des cohortes

Compression des sièges par l'IA et risque lié au modèle de tarification

Qualité de l'EBITDA et conversion en trésorerie

Conversion en trésorerie : pourquoi l'EBITDA ajusté seul ne suffit pas

Service de la dette, marge de manœuvre des covenants et stress en scénario défavorable

Stress test en scénario défavorable : du choc sur l'ARR à la marge des covenants

Liste de preuves pour les prêteurs, et la place de Plausity

Questions fréquentes

Sources

Le logiciel est devenu la principale garantie du marché du private credit, et c'est précisément pourquoi la réinitialisation de l'IA importe aux prêteurs. Le BIS Bulletin 128 estime que les business development companies ont prêté environ 115 milliards de dollars à des entreprises de logiciels, soit environ un cinquième de l'ensemble de leurs prêts et plus de 80 % de leurs portefeuilles technologiques en forte croissance.[1] Le même bulletin constate que l'incertitude de revenus liée à l'IA générative n'a pas encore affecté ces prêts, mais que les spreads de crédit se sont resserrés, réduisant les amortisseurs disponibles pour absorber les pertes le cas échéant.[1] S&P Global Ratings note de même que les inquiétudes concernant la disruption des éditeurs de logiciels par l'IA ont contribué à une volatilité accrue sur le leveraged finance, à des décotes plus importantes par rapport à la valeur nette d'inventaire pour les BDC cotées et à des rachats intensifiés sur les véhicules non cotés.[2] Les canaux de transmission passent par les décotes de valorisation, la pression sur les résultats et le risque de refinancement plutôt que par des défauts immédiats.

L'analyse de crédit elle-même évolue également. Sur les huit prêts logiciels placés par Lincoln International au cours des quatre premiers mois de 2026, aucun n'était un prêt adossé au revenu récurrent annuel ; tous ont été tarifés comme un multiple de l'EBITDA, ce qui dimensionne la dette sur la trésorerie réellement générée par l'emprunteur.[3] Au plus fort du marché, les prêts ARR étaient tarifés à 525 à 550 points de base au-dessus de l'indice de référence, avec des ratios prêt/valeur de 30 % à 35 %.[3] Les emprunteurs derrière les récents prêts basés sur l'EBITDA ont chacun généré au moins 100 millions de dollars de résultat d'exploitation en trésorerie, avec un levier médian de 5,7x et un ratio prêt/valeur médian de 30 %.[3]

Le revenu récurrent n'est plus accepté comme indicateur de la capacité de remboursement ; les prêteurs dimensionnent la dette sur la génération de trésorerie.

La rétention, la concentration et la durabilité du modèle de tarification sont passées du statut de sujets de due diligence commerciale à celui de sujets de crédit.

Les ajustements d'EBITDA pro forma et run-rate font l'objet d'un examen plus rigoureux dans le logiciel que dans d'autres secteurs.

Le périmètre de la due diligence s'étend désormais au risque de substitution par l'IA, à l'exposition aux coûts d'inférence et à la transition du modèle de tarification, et pas seulement aux données financières historiques.

La qualité de l'ARR est testée avant toute hypothèse de multiple ou de levier, car l'étiquette « récurrent » couvre des flux de revenus qui se comportent très différemment en scénario de baisse. L'ARR contractuel, engagé dans des accords signés pour des durées fixes, en est la forme la plus solide. Les revenus d'implémentation, de services et ponctuels sont souvent regroupés dans un chiffre d'ARR global mais ne se renouvellent pas au même rythme. Les revenus à l'usage et hybrides peuvent croître avec le succès des clients, mais ils se contractent aussi le plus vite lorsque les clients réduisent leur consommation ; ils méritent donc leur propre ligne de sensibilité dans le modèle.

La concentration, la durée des contrats et le profil de renouvellement déterminent si cet ARR survit à la durée du prêt. Les conseillers rapportent que les prêteurs examinent désormais attentivement les taux d'attrition et la concentration client avant d'accorder un financement logiciel.[4] Un mur de renouvellements concentré à l'intérieur de l'échéance de la dette, ou un groupe des dix premiers clients représentant une part importante de l'ARR, transforme une base de revenus apparemment stable en événement de refinancement. Une approche structurée de la durabilité de l'ARR commence par le pont ARR plutôt que par le chiffre global.

Décomposer l'ARR global : abonnements contractuels, revenus à l'usage, services et implémentation, et revenus ponctuels.

Tester la concentration client en revenus et en nombre de clients, y compris les dates de renouvellement des plus gros contrats.

Comparer le calendrier de renouvellement à la durée du prêt pour identifier les murs situés à l'intérieur de la période de détention.

Demander des extraits de facturation, les conditions contractuelles exécutées et des ponts ARR par cohorte plutôt qu'un seul chiffre d'ARR communiqué par la direction.

La croissance globale de l'ARR peut masquer une détérioration, car le revenu d'expansion masque l'attrition dans le chiffre net. Les benchmarks SaaS et IA 2026 d'Aleph et Benchmarkit, couvrant les données de l'année 2025 de 342 entreprises, placent la rétention brute médiane des revenus à 84 %, en baisse de 4 points sur un an, tandis que la rétention nette médiane se maintient à 102 %.[5] Cet écart de 18 points mesure tout le travail que l'expansion accomplit pour masquer l'attrition. Comme le déclin a touché chaque quartile, le rapport l'interprète comme une évolution au niveau du marché, portée par des cycles de vente plus longs, un examen accru du ROI et des acheteurs évaluant des alternatives natives de l'IA, et non comme des défaillances d'exécution isolées.[5]

L'attrition doit ensuite être décomposée. L'attrition client, l'attrition de revenus et la baisse de vente ont des causes différentes et des implications de crédit différentes, et le comportement par cohorte varie fortement selon les segments : les mêmes benchmarks montrent que les entreprises à vente pilotée par les commerciaux retiennent nettement mieux que celles pilotées par le produit, les contrats entreprise retenant le mieux de tous.[5] Un emprunteur dont le NRR repose sur l'expansion vers un petit nombre de grands comptes porte un risque différent de celui dont la rétention est large.

Réconcilier GRR et NRR avec le pont ARR par cohorte afin que la contraction ne puisse se cacher dans l'expansion.

Séparer l'attrition client de l'attrition de revenus et de la baisse de vente ; chacune implique un parcours de marge et de trésorerie différent.

Segmenter la rétention par tranche d'ACV et par mode d'accès au marché avant de se comparer à la médiane de 84 %.

Signaler la concentration des renouvellements et tout client représentant une part disproportionnée de l'ARR contractuel à l'intérieur de la durée de la dette.

La question centrale de l'IA pour un prêteur logiciel est de savoir si la base de revenus de l'emprunteur peut se contracter indépendamment de la satisfaction client. L'IA peut réduire le nombre de sièges dont un client a besoin, automatiser les flux de travail que ces utilisateurs effectuaient, déplacer la disposition à payer vers l'usage ou les résultats, et abaisser le coût d'entrée pour les concurrents natifs de l'IA. Chaque canal opère sur une horloge différente, mais les quatre pèsent sur la même base de covenants.

Comment la pression de l'IA se transmet du modèle de tarification à l'ARR et à la marge de manœuvre des covenants. · Généré par IA

Les signaux du marché pointent jusqu'ici vers une transition plutôt qu'un remplacement. analyse sectorielle and Company a analysé plus de 30 éditeurs SaaS introduisant des fonctionnalités d'IA générative et a constaté qu'environ 65 % ont superposé un compteur d'usage de l'IA à une tarification par siège, tandis qu'environ 35 % ont simplement augmenté les prix par siège; aucun n'était passé entièrement à une tarification à l'usage ou au résultat.[6] analyse sectorielle souligne également la charge d'exécution de cette transition: la plupart des éditeurs manquent de la télémétrie produit, de la facturation et de l'infrastructure financière nécessaires pour facturer l'IA à grande échelle, et les équipes achats des clients sont habituées à acheter en effectifs, non en valeur.[6] Un cadre d'évaluation de ces évolutions est présenté dans l'analyse de crédit de la tarification des logiciels d'IA.

Le risque de substitution varie selon les segments. Le directeur des investissements d'Arcmont trace la ligne de fracture entre les systèmes de référence bien établis, tels que les logiciels ERP, comptables et RH, dont l'attrition est très faible car le remplacement est coûteux et perturbant, et les solutions ponctuelles qui s'y superposent, historiquement plus sujettes à l'attrition et désormais les plus exposées aux challengers natifs de l'IA.[4] Les actifs finançables trouvent encore preneurs : le prêt de crédit privé de 1,1 milliard d'euros de Cegid, mené par Arcmont et Ares, a été finalisé en juin 2026 après le retrait du marché de la syndication.[4] Certains prêteurs se rassurent en estimant que l'IA érodera les marges sur un horizon de six à sept ans plutôt que de deux à trois, assez long pour rendre un prêt de cinq ans défendable.[4]

L'EBITDA ajusté est un intrant d'analyse de crédit, non un fait, et dans le logiciel il mérite une attention particulière. Les opérations de crédit privé ont historiquement inclus des ajustements d'EBITDA représentant en moyenne 20 % à 30 % de l'EBITDA total, et les prêteurs considèrent désormais avec un scepticisme accru les ajustements pro forma et au rythme de croisière dans le logiciel, qu'ils proviennent de hausses de prix, de contrats nouvellement signés ou de réductions d'effectifs planifiées.[3] La rémunération en actions, le développement capitalisé, les charges de restructuration et les retraitements liés aux acquisitions méritent chacun d'être testés au regard de ce qui se reproduit en termes de trésorerie.

L'IA ajoute un nouveau poste de coûts à la même analyse. Selon les données d'ICONIQ rapportées par SaaS Mag, la marge brute moyenne des produits d'IA s'établit à 52 %, les coûts d'inférence absorbant à eux seuls environ 23 % du revenu des produits d'IA dans les entreprises en phase de croissance. Les émetteurs SaaS cotés ont commencé à divulguer des coûts liés à l'inférence généralement compris entre 4 % et 9 % du revenu. Pour un emprunteur endetté, une feuille de route IA peut donc comprimer la marge brute même quand le revenu croît, c'est pourquoi l'économie des coûts d'inférence relève désormais de l'analyse de crédit.

Isoler les coûts d'IA et les coûts d'inférence des dépenses cloud génériques ; ils évoluent avec l'usage, pas avec les effectifs.

Rapprocher l'EBITDA ajusté du flux de trésorerie opérationnel, en tenant compte de la dynamique du besoin en fonds de roulement et des revenus différés.

Déduire les investissements en R&D et les dépenses engagées en infrastructure d'IA pour atteindre le flux de trésorerie disponible réellement affectable au service de la dette.

L'analyse du service de la dette part de la structure, pas du récit. Les prêts logiciels récents ont été accordés à un levier médian de 5,7x et à un ratio prêt/valeur de 30 %, les prêteurs testant la couverture des intérêts et la liquidité minimale sur la base de la génération de trésorerie propre de l'emprunteur plutôt que sur l'ARR projeté.[3] La conception des covenants détermine ensuite le degré d'alerte dont dispose le prêteur : les tests de levier et de couverture, la définition de l'EBITDA qui y est intégrée, et le choix entre tests d'incurrence et de maintenance façonnent tous le moment où la détérioration se manifeste, tôt ou tard. Dans les structures covenant-lite, les signaux d'alerte précoces proviennent des covenants d'information, de la cadence de reporting et de la trésorerie disponible de l'emprunteur lui-même plutôt que d'une rupture de covenant.

La discipline utile consiste à traiter le scénario défavorable comme une cascade, quantifiée en sensibilité plutôt qu'en scénario de base unique. Chaque étape alimente la suivante, et le résultat qui compte est la marge de manœuvre des covenants au bout de la chaîne, une logique exposée dans l'analyse du risque de covenant pour les emprunteurs logiciels.

Choc ARR : modéliser un scénario de rétention brute des revenus inférieur à la médiane du marché de 84 %, réparti entre perte de clients et contraction.

Transmission de l'attrition : traduire le choc ARR en issues de renouvellement par cohorte, en pondérant les contrats concentrés selon leurs dates de renouvellement.

Compression des marges : appliquer les hypothèses de compression des sièges et de coûts d'inférence à la marge brute avant le levier opérationnel.

Conversion en trésorerie : faire passer l'EBITDA stressé par le besoin en fonds de roulement, les revenus différés et les investissements en R&D pour atteindre le flux de trésorerie disponible.

Marge de manœuvre des covenants : tester la génération de trésorerie qui en résulte contre les covenants de levier, de couverture et de liquidité minimale sur toute la durée du prêt.

Le cadre ci-dessous consolide les sections précédentes en une vue unique destinée aux prêteurs. C'est une carte de due diligence, pas une opinion de crédit : il identifie ce qu'il faut tester et quelles preuves soutiennent chaque test, en laissant le jugement au comité d'investissement.

Sur chaque dimension, la norme est la preuve au niveau du document: contrats signés, extraits de facturation, rapports de cohortes et dossiers du conseil, pas des synthèses de la direction. Les conseillers décrivent des prêteurs passant les dossiers logiciels au peigne fin, et la différence entre une affirmation étayée et une affirmation non étayée est précisément ce que cette rigueur révèle.[4] La même discipline du document d'abord s'applique aux cadres de la due diligence des fossés logiciels et de la due diligence d'impact de l'IA.

Plausity est un workspace IA-native de due diligence et de deal intelligence qui aide les cabinets de conseil M&A, les fonds VC et PE, les équipes corporate development et les équipes deal en banque d'investissement à structurer preuves, conclusions et questions au sein d'une data room. Plausity soutient l'extraction de preuves, l'ancrage aux sources, la gestion des conclusions et la préparation de l'IC — Plausity ne remplace pas les analystes humains, conseils ou professionnels de l'investissement, ne fournit pas de conseil juridique, fiscal, d'audit, réglementaire ou d'investissement, et ne prend pas de décisions d'investissement autonomes. Toutes les conclusions requièrent un examen humain. Conçu pour les équipes deal et investissement d'aujourd'hui. Utilisé par >200 sociétés.

Pour explorer les capacités sous-jacentes, voir Plausity AI Analysis Engine, Findings & Risk Intelligence et Evidence Gap Detection, ainsi que IC memo et AI Q&A Assistant. Pour les workflows d'équipe, voir fonds VC et PE et cabinets de conseil M&A, ainsi que la due diligence AI Impact, création de valeur, Tech DD et Commercial DD.

1. [1] bis.org — https://www.bis.org/publ/bisbull128.htm
2. [2] spglobal.com — https://www.spglobal.com/ratings/en/regulatory/article/bdcs-exposure-to-software-stays-high-steady-s101675136
3. [3] bases de deals.com — https://bases de deals.com/news/articles/software-companies-need-more-than-strong-revenue-to-secure-private-credit-loans
4. [4] finance.yahoo.com — https://finance.yahoo.com/technology/ai/articles/european-direct-lenders-mull-software-104817027.html
5. [5] getaleph.com — https://www.getaleph.com/answers/gross-revenue-retention-saas-2026
6. [6] analyse sectorielle.com — https://www.analyse sectorielle.com/insights/per-seat-software-pricing-isnt-dead-but-new-models-are-gaining-steam/