Entre 107 et 163 personnes. Des revenus qui ont « significativement dépassé » 200 millions de dollars dès 2023, et dont les estimations 2024-2025 se situent entre 300 et 500 millions. Soit un ratio de l’ordre de 3 à 5 millions de dollars par salarié — environ deux fois le ratio d’une grande entreprise technologique bien portante, et bien au-delà de celui d’une PME industrielle classique.

Midjourney n’est pas une anomalie statistique. C’est le signal le plus lisible d’une transformation structurelle : l’entreprise cognitive native de l’IA n’a pas vocation à employer. Elle a vocation à produire. Et ces deux objectifs, longtemps confondus, se dissocient à une vitesse que les institutions économiques n’ont pas encore vraiment absorbée.

L’essentiel

  • Midjourney a « significativement dépassé » 200M$ de revenus dès 2023 ; les estimations 2024-2025 se situent entre 300M$ et 500M$, pour un effectif de 107 à 163 salariés, soit un ratio de l’ordre de 3 à 5 millions de dollars par employé, selon Forbes et CB Insights
  • L’effectif médian des jeunes pousses américaines a sensiblement diminué sur deux décennies, une tendance documentée par des chercheurs en économie de l’entrepreneuriat
  • Ce modèle n’est pas propre à l’image : des firmes d’IA juridique, de comptabilité automatisée et d’analyse de données reproduisent la même architecture avec des ratios similaires
  • La question centrale n’est plus celle de l’emploi détruit, mais celle du canal de redistribution : si l’entreprise emploie bien moins de personnes à revenu équivalent, la masse salariale cesse d’être le vecteur principal de diffusion des gains économiques

3 à 5 millions par tête, ou la fin d’une convention implicite

Pour comprendre ce que représente ce chiffre, il faut le comparer à ce qu’on connaît. Google (Alphabet) génère environ 1,91 à 2,11 millions de dollars de revenus par employé (2024-2025). Apple dépasse les 2,5 millions. Des performances qui, au moment de leur annonce, avaient déjà fait figure d’exception dans le capitalisme industriel. Midjourney les dépasse d’un facteur d’environ 2.

Ce n’est pas une question de talent exceptionnel ou de chance technologique. C’est une question d’architecture. Midjourney est construit autour d’un modèle de diffusion entraîné sur des milliards d’images, accessible via un abonnement mensuel, sans force de vente, sans support massif, sans infrastructure humaine proportionnelle au chiffre d’affaires. Le logiciel fait le travail que, dans une entreprise classique, feraient les équipes créatives, les équipes techniques, les équipes commerciales.

La convention implicite du capitalisme du XXe siècle tenait en une phrase : la croissance crée des emplois. Plus une entreprise prospère, plus elle embauche, plus elle distribue des salaires, plus la prospérité se diffuse. Cette mécanique n’est pas morte — elle fonctionne encore dans les secteurs de services à forte intensité humaine, dans la construction, dans la santé, dans l’éducation. Mais dans l’économie cognitive, elle se détraque.

Les données de NYU : une tendance, pas un accident

Le cas Midjourney serait anecdotique s’il restait isolé. Il ne l’est pas. J.P. Eggers, professeur à la Stern School of Business de NYU, a documenté l’évolution de l’effectif médian des jeunes entreprises américaines sur deux décennies. Le résultat est frappant : l’effectif de départ des startups américaines a significativement diminué, passant d’équipes bien plus larges dans les années 2000 à des structures aujourd’hui nettement plus réduites au moment de leur levée de fonds initiale.

Ce constat capture quelque chose de précis : il ne s’agit pas de la taille à maturité, mais de l’architecture de départ. La génération précédente de fondateurs construisait des équipes pour construire des produits. La génération actuelle orchestre des agents pour délivrer des services. Le travail n’a pas disparu — il a été externalisé vers le modèle, vers le cloud, vers les API, vers des systèmes qui facturent à l’usage et n’apparaissent dans aucun registre RH.

L’accélération de l’IA en 2025 a rendu ce mouvement visible dans le temps court. Ce que les modèles ne savaient pas faire en janvier 2025 — rédiger du code de production, analyser des contrats, produire des visuels de qualité commerciale — ils le faisaient couramment neuf mois plus tard. Chaque capacité nouvelle est une couche de travail cognitif qui cesse de nécessiter un recrutement.

Les secteurs où le ratio se reproduit

L’image est le cas le plus spectaculaire parce que le produit est immédiat, visible, et monétisable directement. Mais le même ratio se construit dans d’autres secteurs.

Dans le droit, des plateformes de revue documentaire automatisée traitent des volumes qu’il aurait fallu dix ans plus tôt confier à des équipes d’analystes juniors. Dans la comptabilité, des outils de clôture automatique réduisent à quelques heures des processus qui occupaient des équipes entières en fin de trimestre. Dans le diagnostic médical, des systèmes de lecture d’imagerie radiologique atteignent des niveaux de précision comparables aux spécialistes pour une fraction du coût fixe.

Ce n’est pas une tendance sectorielle. C’est une recomposition transversale du rapport entre revenu et masse salariale. Acemoglu et Johnson, dans leur analyse du partage des gains technologiques, posaient déjà la question en des termes comparables : la technologie ne redistribue pas spontanément ses bénéfices — elle les capte là où les choix d’architecture le permettent. Midjourney n’a pas choisi son architecture par idéologie. C’est la structure optimale de sa création de valeur.

Ce qui change ici, c’est l’échelle. Les exemples historiques de forte productivité par employé — les banques d’affaires, certains fonds d’investissement — restaient sectoriellement circonscrits et nécessitaient des barrières à l’entrée considérables. L’IA générative abaisse ces barrières. Une équipe de 5 ingénieurs peut aujourd’hui construire un produit qui, en 2015, aurait nécessité 50 personnes.

Ce que la masse salariale redistribuait, et ce qui la remplace

L’enjeu n’est pas sentimental. Il est structural. Le système fiscal et social des démocraties industrielles a été conçu autour d’une hypothèse : la richesse produite transite par les salaires avant d’atteindre les ménages et les caisses publiques. La TVA frappe la consommation, l’impôt sur les sociétés frappe les bénéfices, mais c’est la cotisation sociale sur les salaires qui finance en grande partie la protection contre le chômage, la maladie, la retraite.

Une entreprise de taille réduite qui génère plusieurs centaines de millions de dollars verse des cotisations sociales proportionnelles à quelques dizaines ou centaines de salaires, pas à l’intégralité de ses revenus. Le delta est considérable. Et si le modèle se généralise — si cent, puis mille entreprises reproduisent cette architecture dans des secteurs adjacents — la base de financement de la protection sociale s’érode sans que la richesse économique globale ne diminue nécessairement.

Ce n’est pas une projection futuriste. La déconnexion entre productivité et masse salariale s’observe déjà dans les données macroéconomiques américaines depuis les années 2000. L’IA n’invente pas cette tendance : elle l’accélère et lui donne une visibilité qu’elle n’avait pas quand elle progressait graduellement dans les processus industriels.

La question qui en découle est précise : si l’entreprise emploie bien moins de personnes à revenu équivalent, quels canaux assurent la diffusion des gains ? Trois pistes co-existent dans le débat actuel, aucune n’étant suffisante seule. La première est fiscale : taxer la valeur ajoutée générée par les systèmes automatisés, soit via une extension de l’impôt sur les sociétés, soit via un mécanisme de taxation de l’usage de l’IA, comme le discutent depuis 2023 plusieurs administrations fiscales en Europe et en Asie. La deuxième est patrimoniale : si la richesse transite moins par les salaires et davantage par la valeur des actifs numériques, élargir la base de l’épargne populaire — fonds souverains citoyens, participation aux gains de productivité — devient une voie de redistribution alternative. La troisième est structurelle : orienter l’IA vers l’augmentation des travailleurs dans des secteurs à forte valeur sociale (santé, éducation, assistance), plutôt que vers leur remplacement dans les secteurs à forte productivité cognitive.

Ces trois pistes ne sont pas exclusives. Elles le sont seulement si on traite chaque problème séparément.

Les équipes réduites de demain : irréversible ou reconfigurable ?

La trajectoire est-elle inévitable ? Sur le court terme, la réponse est probablement oui. Les outils qui permettent à une équipe réduite de délivrer des services à grande échelle sont disponibles, stables, et continueront de s’améliorer. La courbe d’apprentissage des entrepreneurs qui les adoptent est rapide. Il n’y a pas de raison structurelle pour que l’effectif médian des startups remonte.

Sur le moyen terme, la question est plus ouverte. L’histoire technologique suggère deux scénarios parallèles : dans les secteurs où l’IA performe sur des tâches délimitées (vision, rédaction, analyse documentaire), la compression des effectifs se poursuit. Dans les secteurs où la valeur réside dans la relation humaine, le jugement contextuel, la responsabilité légale ou la confiance interpersonnelle, l’IA augmente les travailleurs sans les remplacer — et peut même créer des emplois en rendant des services accessibles à des populations qui n’y avaient pas accès.

Un chirurgien augmenté par un système de guidage robotique traite davantage de patients. Un enseignant assisté par un tuteur adaptatif peut personnaliser l’enseignement à une classe de 35 élèves comme il le ferait pour 5. Dans ces configurations, la productivité par travailleur augmente sans que l’emploi global recule — à condition que la demande suive, c’est-à-dire que les gains de productivité servent effectivement à étendre l’accès au service et non à réduire les équipes existantes.

La différence entre ces deux scénarios n’est pas technologique. Elle est politique, au sens propre du terme : quels usages de l’IA une société décide de favoriser, de financer, de réguler. Ce choix ne se fera pas spontanément dans la direction socialement optimale, comme le montrent plusieurs décennies d’économie de l’innovation.

Ce que Midjourney révèle sur l’architecture des gains futurs

Midjourney est une entreprise profitable, fondée sans capital-risque externe, qui n’a jamais cherché à lever de fonds publics et qui a construit sa croissance sur un modèle d’abonnement direct. Son fondateur, David Holz, a explicitement rejeté la logique de croissance à perte au profit d’une entreprise rentable dès le premier dollar. C’est une décision qui mérite d’être notée : dans un secteur dominé par la course à la mise à l’échelle, un choix d’austérité délibérée a produit l’un des ratios de productivité les plus élevés de l’économie numérique.

Ce modèle n’est pas universel. Les infrastructures d’IA fondationnelles — les modèles de langage de grande taille, les systèmes d’entraînement, les centres de données — nécessitent des milliards de dollars d’investissement et des milliers d’ingénieurs. La couche infrastructure reste intensément capitalistique et intensément humaine. C’est la couche applicative qui se comprime, parce qu’elle peut s’appuyer sur l’infrastructure sans la répliquer.

Cette distinction est importante pour la politique publique. La question de l’emploi se pose différemment selon qu’on parle de l’investissement dans les fondations (où les emplois restent nombreux et qualifiés) ou des applications construites par-dessus (où l’équipe peut rester de taille réduite). Confondre les deux niveaux produit des diagnostics faux et des politiques inadaptées.

L’enjeu à dix ans est le suivant : l’économie cognitive va continuer de produire de la richesse avec moins de salariés. Cette tendance est mesurable, documentée, et s’accélère. La question n’est pas de l’arrêter — personne n’a les moyens ni les raisons de le faire. La question est de construire les canaux par lesquels cette richesse, actuellement captée dans les bilans de très petites équipes très productives, atteint les millions de personnes qui ne font pas partie de ces équipes.

Ce canal existait. Il s’appelait le salaire. Il s’appelait la cotisation sociale. Il s’appelait l’impôt sur le revenu du travail. Il faudra en trouver d’autres — et les concevoir avant que le fossé devienne infranchissable.

Sources

  1. Paul Baier, Forbes — “AI-Native Firms Lead in Revenue Per Employee” (mars 2026) : forbes.com
  2. J.P. Eggers, NYU Stern School of Business — données sur l’effectif médian des startups américaines, citées dans Forbes / CB Insights
  3. Daron Acemoglu et Simon Johnson, Power and Progress (2023) — sur la distribution des gains technologiques
  4. CB Insights — données sur les ratios revenus/employés des entreprises IA natives
  5. The Information — Confirmation revenus Midjourney (mars 2026) : theinformation.com
  6. CB Insights — Analyse Midjourney 200M$ ARR : cbinsights.com
  7. Bullfincher — Revenu par employé Google/Alphabet : bullfincher.io
  8. Bullfincher — Revenu par employé Apple : bullfincher.io
  9. NYU Stern — Profil officiel J.P. Eggers : stern.nyu.edu
  10. Sacra — Rapport Midjourney (décembre 2025) : sacra.com
  11. Forbes — Page profil Midjourney (source secondaire) : forbes.com