L'IA agentique va redessiner le P&L des cabinets de recrutement. Et donc leur valorisation.

Ce dont on parle quand on parle d'IA agentique

Il faut d'abord clarifier un point de vocabulaire, parce que la confusion est générale. L'IA agentique n'est pas ChatGPT. Ce n'est pas un chatbot. Ce n'est pas un outil qui répond à une question quand on lui en pose une. Un agent IA est un système autonome capable de planifier, exécuter et ajuster une séquence d'actions complexes pour atteindre un objectif défini, sans intervention humaine à chaque étape. Dans le recrutement, cela signifie concrètement qu'un agent peut recevoir un brief du type "trouve 20 développeurs React senior en région parisienne avec un background startup", décomposer cette demande en critères structurés, scanner simultanément plusieurs bases de données et réseaux professionnels, évaluer chaque profil par compréhension sémantique (et non par mots-clés), construire une shortlist classée par probabilité de correspondance, puis générer des messages d'approche personnalisés qui font référence aux projets réels du candidat, à ses technologies, à son parcours. Le tout en quelques minutes, là où un consultant expérimenté aurait mis trois à cinq jours.

Ce n'est plus de la prospective. ManpowerGroup a signé un partenariat avec Carv pour construire ses propres capacités d'IA agentique en interne. Selon Gartner, plus de 40 % des applications d'entreprise intégreront des agents IA capables de planifier et d'exécuter des tâches avec un minimum d'intervention humaine d'ici fin 2026. Et 75 % des organisations ont déjà un mandat actif d'investissement dans l'IA agentique, selon les données compilées par Aqore, un éditeur américain de logiciels pour le staffing.

La question n'est donc plus de savoir si cette technologie va entrer dans les cabinets de recrutement. Elle y est déjà. La question est de savoir ce qu'elle fait au P&L quand on la déploie sérieusement.

Anatomie du P&L d'un cabinet de recrutement classique

Pour comprendre l'impact, il faut d'abord poser les chiffres tels qu'ils sont aujourd'hui. Un cabinet de recrutement français de taille intermédiaire, disons 15 à 20 consultants, avec un mix de recrutement permanent et quelques missions de RPO, présente typiquement la structure suivante.

Le chiffre d'affaires est généré par des honoraires de placement, généralement entre 15 % et 25 % du salaire annuel brut du candidat placé, parfois complétés par des mandats au forfait ou des missions d'accompagnement. La marge brute, après déduction des coûts directs de production (rémunération variable des consultants, accès aux bases de données, licences de jobboards), se situe entre 55 % et 70 % du chiffre d'affaires, selon le positionnement. Les charges de structure (loyers, admin, management, tech) absorbent une part significative, et la marge d'EBITDA finale atterrit, dans la grande majorité des cas, entre 8 % et 15 %. Les meilleurs cabinets, ceux qui combinent spécialisation sectorielle, récurrence client et faible turnover de consultants, peuvent atteindre 18 à 20 %. Mais c'est l'exception, pas la norme.

Les données américaines confirment cette fourchette. Selon les analyses de Griffin reprises par StaffingHub, les cabinets mid-market avec un EBITDA autour de 3 à 4 millions de dollars se négocient entre 4x et 4,5x l'EBITDA pour l'intérim généraliste, entre 5x et 6x pour le recrutement spécialisé, et au-delà pour les verticales IT et santé en forte croissance. Staffing Industry Analysts situe la fourchette générale entre 4x et 7x pour la majorité des transactions privées. Les cabinets de search et de recrutement direct se situent souvent dans le bas de cette fourchette, en raison de la nature transactionnelle de leur activité et de la faible récurrence perçue par les acquéreurs.

Autrement dit, pour un cabinet à 15 % de marge d'EBITDA sur 3 millions d'euros de chiffre d'affaires, on parle d'un EBITDA de 450 000 euros et d'une valorisation comprise entre 1,8 et 2,7 millions d'euros. C'est la réalité du marché pour la grande majorité des cabinets indépendants en France. Et c'est exactement cette réalité que l'IA agentique est en train de bousculer.

Où le temps disparaît (et où la marge se crée)

Le poste de coût dominant dans un cabinet de recrutement, c'est le temps humain. Et ce temps humain est massivement mal alloué. Les données de Recruiterflow, confirmées par plusieurs études américaines (Gem, SHRM, Bullhorn), montrent que 60 à 70 % du temps d'un consultant en recrutement est consacré à des tâches de sourcing, de screening et d'administration : tri de CV, mise à jour du CRM, envoi de messages d'approche standardisés, relances, coordination de calendriers, rédaction de comptes-rendus. Plus de 60 % des recruteurs déclarent souffrir de burnout, et près de la moitié attribuent ce burnout aux tâches répétitives et administratives.

Les 30 à 40 % restants, ceux qui créent réellement de la valeur — la relation candidat, le conseil client, la négociation d'offre, le closing — sont comprimés dans les interstices. C'est un paradoxe structurel : le métier de recruteur est un métier de relation, mais la majorité du temps de travail est consacrée à des tâches qui n'en sont pas.

C'est précisément sur ces 60 à 70 % de temps non-relationnel que l'IA agentique intervient. Les données opérationnelles qui remontent des premiers déploiements sont cohérentes d'une source à l'autre. Les agences de staffing qui ont adopté des outils d'IA rapportent un screening des candidats 75 % plus rapide et un coût par embauche réduit de 30 %, selon les chiffres compilés par AdAI à partir des rapports de LinkedIn, SHRM et Bullhorn. Le temps de présélection passe de plusieurs jours à quelques heures. Le taux de placement progresse de 23 % en moyenne chez les agences utilisatrices, toujours selon Bullhorn. Et les recruteurs récupèrent entre 15 et 17 heures par semaine de temps administratif, qu'ils peuvent réallouer au conseil et au closing.

Pour un cabinet de 15 consultants, cela représente entre 225 et 255 heures libérées par semaine. Soit l'équivalent de 6 à 7 consultants à temps plein, réalloués à des activités génératrices de revenus. Sans embauche supplémentaire.

La modélisation financière : ce que ça change concrètement sur le P&L

Prenons un cas concret. Un cabinet de recrutement spécialisé, 15 consultants, 3,5 millions d'euros de chiffre d'affaires, marge d'EBITDA de 12 %, soit 420 000 euros. Chaque consultant gère en moyenne 12 à 15 mandats ouverts simultanément, conformément aux benchmarks du marché.

Premier scénario : le cabinet déploie une stack d'IA agentique sur le sourcing, le screening et l'administration. Le coût annuel de la technologie se situe entre 2 000 et 5 000 euros par consultant (les outils de type Recruiterflow, Manatal ou HireSweet se positionnent dans cette fourchette), soit un investissement total de 45 000 à 75 000 euros par an pour l'ensemble de l'équipe. En face, les gains documentés dans les études américaines sont les suivants. Le nombre de mandats gérables par consultant passe de 14 à 22 ou 25, grâce à l'automatisation du sourcing et du screening. En Inde, les données de Hirin.ai montrent un passage de 15 à 28 mandats par desk. Le taux de placement s'améliore, ce qui mécaniquement augmente le revenu par consultant. Et la productivité globale des recruteurs progresse de 60 % selon les données agrégées par SelectPrism.

Sur le P&L, l'effet est double. D'un côté, le chiffre d'affaires peut progresser de 20 à 35 % à effectif constant, par augmentation du nombre de placements. De l'autre, la base de coûts n'augmente que marginalement (le coût de la technologie est largement compensé par la réduction des licences de jobboards, des heures supplémentaires et du turnover consultant). Le résultat net est une progression de la marge d'EBITDA de 12 % à 18-22 %, selon l'intensité du déploiement et la capacité du management à réallouer le temps libéré vers des activités à haute valeur ajoutée.

Sur notre cabinet à 3,5 millions d'euros, cela signifie un EBITDA qui passe de 420 000 euros à une fourchette de 630 000 à 770 000 euros. Et c'est là que l'effet sur la valorisation devient spectaculaire.

L'effet multiplicateur sur la valorisation

Car la valorisation d'un cabinet de recrutement ne progresse pas de manière linéaire avec l'EBITDA. Elle progresse de manière exponentielle, parce que le multiple lui-même augmente quand le profil de marge s'améliore. Un cabinet à 12 % de marge d'EBITDA se négocie typiquement entre 4x et 5x. Un cabinet à 20 % de marge, avec une croissance visible et une infrastructure technologique démontrable, entre 6x et 8x. Ce n'est pas un hasard : les acquéreurs, qu'ils soient fonds ou stratégiques, paient pour la scalabilité. Un cabinet qui a prouvé qu'il peut croître sans embaucher proportionnellement présente un profil de risque fondamentalement différent de celui qui dépend linéairement de ses effectifs pour générer du revenu.

Aventis Advisors, dans leur analyse de plus de 8 000 transactions dans les services IT entre 2015 et 2025, confirme cette dynamique : une croissance à deux chiffres combinée à des marges d'EBITDA de 10 à 15 % supporte des multiples de 12x à 14x dans l'IT services. Les entreprises qui intègrent de l'IA dans leurs opérations attirent un intérêt investisseur supérieur et des multiples premium.

Sur notre exemple, l'effet cumulé est le suivant. L'EBITDA passe de 420 000 à 700 000 euros (hypothèse médiane). Le multiple passe de 4,5x à 6,5x. La valorisation passe de 1,89 million d'euros à 4,55 millions d'euros. Soit un facteur 2,4 sur la valeur de l'entreprise, pour un investissement technologique annuel de l'ordre de 60 000 euros. Le ROI de l'IA, ici, ne se mesure pas seulement en heures économisées. Il se mesure en points de multiple gagnés.

La thèse Silicon Valley : acheter des cabinets, les transformer par l'IA, revendre à des multiples de SaaS

Ce mécanisme n'a pas échappé aux investisseurs les plus sophistiqués. General Catalyst a alloué 1,5 milliard de dollars à sa "Creation Strategy", dont la thèse est exactement celle-ci : identifier des secteurs de services fragmentés, incuber une couche d'IA propriétaire, puis utiliser cette technologie comme plateforme d'acquisition pour racheter des entreprises traditionnelles et transformer leurs marges.

Les résultats préliminaires sont édifiants. Les entreprises du portefeuille de General Catalyst ont commencé à doubler leurs marges d'EBITDA dans les 12 mois suivant le déploiement de l'IA, certaines atteignant 100 millions de dollars d'EBITDA en moins de deux ans. Dwelly, leur véhicule dans la gestion immobilière au Royaume-Uni, a vu ses marges d'EBITDA doubler dans chaque agence où l'IA a été pleinement déployée. Titan, leur plateforme dans les services IT managés, estime pouvoir automatiser 30 % de la charge de travail client. Et la stratégie ne s'arrête pas là : General Catalyst a cartographié 70 catégories de services, identifié les 10 où l'IA peut avoir l'impact le plus immédiat, et prévoit de déployer sa thèse sur 20 verticales.

Le recrutement et le staffing figurent parmi les cibles les plus évidentes de cette stratégie. Un secteur fragmenté (plus de 30 000 agences aux États-Unis, des milliers en France), des marges structurellement basses (3 à 10 % en net pour la majorité), un travail composé à 60-70 % de tâches automatisables, et une base client captive par la relation humaine. C'est le terrain idéal pour un AI-enabled roll-up.

La logique de General Catalyst et de Thrive Capital (qui a pris une participation croisée avec OpenAI fin 2025 et déploie la même thèse) repose sur trois principes que les cabinets français feraient bien de comprendre. D'abord, ils construisent la technologie avant d'acheter les entreprises, ce qui est l'inverse exact du modèle de private equity classique qui acquiert d'abord et cherche les synergies ensuite. Ensuite, ils opèrent avec du capital permanent, sans la contrainte de sortie à cinq ans d'un fonds de LBO, ce qui leur permet de laisser la transformation IA compounder sur une décennie. Enfin, ils maintiennent les fondateurs en poste avec un réinvestissement en equity, parce que la connaissance sectorielle et la relation client restent irremplaçables, même quand l'IA prend en charge 40 % des tâches opérationnelles.

Ce que cela signifie pour un dirigeant de cabinet en France

La question qui se pose maintenant aux dirigeants de cabinets de recrutement et d'intérim en France n'est pas de savoir s'ils doivent adopter l'IA agentique. C'est une évidence, et ceux qui ne le font pas perdront en compétitivité chaque trimestre qui passe. La vraie question est de savoir comment cette adoption affecte leur trajectoire patrimoniale.

Pour un dirigeant qui envisage une cession à horizon 2 à 4 ans, la réponse est claire : investir maintenant dans l'IA agentique, même modestement, et pouvoir démontrer dans un Information Memorandum une trajectoire de marge en expansion et un modèle de croissance scalable, c'est la différence entre se présenter à un acquéreur comme un cabinet de recrutement classique à 4-5x l'EBITDA et se positionner comme une plateforme tech-enabled à 6-8x. C'est la différence entre 2 millions et 5 millions de valorisation pour un même cabinet de 15 personnes.

Pour un dirigeant qui veut continuer à développer son entreprise, l'enjeu est différent mais tout aussi structurant. L'IA agentique permet de passer de 15 à 25 mandats par consultant sans recruter, ce qui veut dire qu'un cabinet de 15 personnes peut opérer avec la capacité de production d'un cabinet de 25 à 30 personnes. C'est un avantage compétitif massif dans un marché où le recrutement de bons consultants est lui-même devenu le principal goulet d'étranglement de la croissance.

Et pour ceux qui ne font rien, le risque est double. D'un côté, la perte progressive de compétitivité face aux cabinets qui auront adopté la technologie et pourront servir plus de clients, plus vite, à moindre coût. De l'autre, l'émergence de nouveaux entrants, financés par du capital américain, qui viendront racheter des cabinets français sous-valorisés pour les transformer par l'IA et les revendre à des multiples de plateforme technologique. Quand General Catalyst cartographie 70 catégories de services et en cible 20, ce n'est qu'une question de temps avant que le recrutement français figure sur la liste.

Le marché du M&A dans le recrutement et le staffing va se scinder en deux catégories dans les trois prochaines années. D'un côté, les orchestrateurs : ceux qui auront intégré l'IA agentique dans leurs opérations, démontré une trajectoire de marge supérieure, et pourront se présenter aux acquéreurs comme des plateformes scalables. De l'autre, les opérateurs : ceux qui continueront à fonctionner avec des process manuels, des marges comprimées, et une dépendance linéaire à leurs effectifs. Les premiers se vendront à 6x, 7x, 8x. Les seconds auront de plus en plus de mal à trouver un acquéreur au-dessus de 4x, si tant est qu'ils en trouvent un.

La fenêtre est ouverte. Mais elle ne le restera pas longtemps.

Auxine Partners accompagne les dirigeants du Future of Work — recrutement, intérim, formation professionnelle, HR Tech, management de transition — dans leurs projets de cession et d'acquisition. Si vous réfléchissez à la valorisation de votre cabinet ou à votre stratégie de sortie, échangeons en toute confidentialité.

‍