La vidéo, ses idées et leurs implications.

Vidéo : Grâce à l'IA, il génère des milliers de leads client pour son cabinet (CGP) — Stéphane Molère. Podcast NextGen Patrimoine. Durée : 44 min 50.

Méthode et limites

La transcription automatique française a été récupérée le 11 septembre 2026 via l’export de transcription du navigateur. Elle couvre 0:00 à 44:49. Ce document en propose une synthèse originale, pas une reproduction intégrale. Il conserve les repères temporels pour revenir aux propos dans leur contexte.

Les sous-titres comportent des erreurs manifestes : « leads », « private equity », noms de marques, de personnes et d’outils. Les noms incertains ne servent pas de base à nos recommandations. Le dispositif fiscal évoqué est le « 150-0 B ter » français ; ce document ne confirme ni son régime actuel, ni l’éligibilité des opérations décrites. Les chiffres de l’entretien sont des déclarations non auditées. La date de publication n’a pas été vérifiée : les expressions « il y a un an » restent relatives au tournage.

Ce que raconte réellement l’entretien

Le sujet central est la transformation d’un cabinet artisanal, porté par l’expertise de son fondateur, en une organisation capable de servir davantage de clients et d’intégrer d’autres cabinets. L’IA intervient à plusieurs endroits : acquisition, analyse des fonds, connaissance client, opérations et reporting. La technologie est financée dans l’espoir de l’amortir sur un réseau plus grand.

Deux aveux équilibrent fortement le discours : l’investissement IA n’est pas encore rentable, et le cabinet génère des prospects qu’il n’a pas la capacité commerciale de traiter. Le titre spectaculaire de la vidéo ne constitue donc pas une preuve de croissance rentable.

0:46–4:49 — Un positionnement construit autour des expatriés entrepreneurs

L’animateur présente Stéphane Molère comme entrepreneur devenu conseiller en gestion de patrimoine, fondateur d’un cabinet en 2014 puis spécialisé dans les actifs privés. Il évoque une présence entre Paris et plusieurs villes d’Asie, environ 250 familles accompagnées et une levée de fonds légèrement inférieure à 2 M€.

Molère explique s’être d’abord associé au conseiller qui gérait le produit de la vente d’une précédente entreprise. Leur séparation professionnelle, en 2018, répondait à ses envies de développer la clientèle expatriée et une société de gestion. Il indique avoir revendu cette dernière deux ans avant l’entretien.

Le développement asiatique commence par un ami entrepreneur installé à Singapour après une cession. Celui-ci identifie un segment mal servi : des entrepreneurs ou cadres aisés, trop petits pour intéresser certains multifamily offices, mais qui attendent davantage qu’une distribution de produits bancaires. Le seuil de 5 M€ ou dollars est cité dans cette anecdote ; ce n’est pas un seuil universel.

Les besoins décrits sont concrets : choisir où détenir les actifs, organiser la transmission, gérer plusieurs pays et construire une allocation. Molère parle ensuite d’environ 200 expatriés parmi 220 clients. Ce décompte diffère des 250 familles de l’introduction ; le transcript ne permet pas de réconcilier les périmètres.

Leçon pour le pitch : définir une population et ses événements de vie avant de choisir les outils IA.

4:49–10:59 — La confiance et le private equity comme portes d’entrée

La croissance repose largement sur la recommandation : amis, dîners, cocktails, sport et communautés d’expatriés. Le fondateur souligne que cette approche est agréable et efficace, mais coûteuse. Il voyage chaque mois à Singapour, puis dans une autre ville asiatique. Le lien humain reste un poste important de dépenses.

Il décrit le positionnement private equity comme une différenciation commerciale : difficile d’émerger avec une marque de cabinet patrimonial générique. Le PE attire des entrepreneurs qui comprennent l’investissement en entreprise et peut ouvrir une relation patrimoniale plus large. Son exemple consiste à demander ensuite au client comment il gère le reste de ses actifs. Le chiffre de 10 % évoqué dans cet exemple n’est pas une allocation recommandée à tous.

Les interlocuteurs discutent aussi des expatriés, de la proximité de leurs profils et de l’évolution de leurs intentions de retour. Molère observe dans les conversations clients un passage d’un retour envisagé en France à un retour éventuel en Europe, puis à une hypothèse de retour. Ce sont ses observations personnelles, pas une étude démographique.

Leçon : la plateforme devrait aider le conseiller à comprendre les objectifs, les relations et les changements de vie, et pas seulement à classer des produits.

11:03–12:55 — Premier usage IA : réutiliser son expérience éditoriale

Le premier déclencheur est très quotidien : préparer cinq chroniques radio absorbait ses dimanches. Il explique avoir fourni plusieurs années d’archives à ChatGPT pour produire plus vite de nouvelles ébauches. Il annonce être passé d’environ cinq heures à une heure de préparation.

Le gain décrit porte sur la rédaction et la suppression du syndrome de la page blanche. Il ne dit pas que l’IA remplace sa responsabilité éditoriale. Son passé dans la technologie lui permet de reprendre le développement Python et d’expérimenter.

Leçon : commencer par une tâche répétitive disposant d’un corpus d’exemples validés et d’un résultat facile à relire.

12:55–15:36 — Scorer les fonds de private equity avec une méthode propriétaire

Un échange avec un professionnel des actifs privés l’amène à formaliser la sélection des fonds. Son problème : les présentations commerciales rendent beaucoup d’offres séduisantes, mais il faut les distinguer rigoureusement.

L’équipe commence par définir des critères dans Excel. L’IA vient ensuite assister l’application de cette méthode, la recherche d’informations complémentaires et leur analyse. Molère indique que ce travail lui permet désormais de conseiller de petites banques et certains institutionnels.

L’animateur insiste sur l’expertise accumulée et les données propriétaires : l’intérêt vient de ce que le cabinet apporte au modèle, et pas simplement du modèle utilisé. La vidéo ne publie toutefois ni la grille complète, ni les pondérations, ni un benchmark de qualité, ni une démonstration du logiciel. Le caractère de « référence du marché » est une appréciation de l’invité.

Leçon : proposer un dossier d’analyse explicable, fondé sur la grille du comité Sanlam, avec les sources et les informations manquantes. Ne pas présenter une note opaque comme une décision d’investissement.

15:36–18:58 — Décomposer le métier puis assembler les modules

Le troisième déclencheur mêle préoccupations de sécurité et arrivée de nouveaux outils IA financiers. Molère évoque notamment un incident chez Harvest et des réactions de marché à des outils Claude. L’entretien ne fournit pas les références permettant de confirmer précisément cette chronologie.

Il souligne surtout une compétence : découper chaque processus en tâches avec une entrée, un traitement, un responsable et une sortie. Il constate dans son usage que les modèles lui semblent mieux renseignés sur les États-Unis que sur ses propres marchés. Cette observation doit être lue comme son retour d’expérience à l’époque du tournage, pas comme un classement actuel des modèles.

Son cabinet construit progressivement un CRM, des fonctions ERP/comptables, une prospection qui alimente le CRM et du reporting. Après avoir couvert plusieurs fonctions, il approfondit chaque module. Il souligne aussi l’avantage d’une petite base clients pour migrer les données et adapter les processus.

Leçon : pour Sanlam, commencer par une équipe et un processus circonscrit, puis étendre après validation ; ne pas supposer qu’une migration à l’échelle d’un groupe ressemble à celle d’un petit cabinet.

19:03–22:18 — Les coûts IA et la rentabilité encore absente

L’équipe a développé un système qui choisit un moteur en fonction du besoin, du contexte de travail et du coût. Les interlocuteurs distinguent les tokens utilisés pour développer les outils de ceux consommés lorsqu’ils fonctionnent.

Molère veut réduire au maximum le recours coûteux aux modèles pendant l’exploitation. Cette intention est intéressante, mais l’entretien n’établit pas qu’un service IA génératif puisse fonctionner sans coût récurrent. Pour une proposition commerciale, il faut compter les appels aux modèles, l’hébergement, la maintenance, le contrôle humain et les intégrations.

Interrogé sur le gain financier actuel, il répond que le cabinet n’est pas encore gagnant. Il cite trois personnes à temps plein et des dizaines de millions de tokens. La justification économique repose sur les volumes futurs et la capacité à absorber davantage de travail. Il annonce un objectif d’un milliard d’euros d’encours à sept ans, avec un seuil de rentabilité supposé arriver avant, sans le chiffrer.

Leçon : vendre un pilote avec un coût complet et des critères de passage à l’échelle ; le volume de travail automatisé n’est pas, à lui seul, une économie réalisée.

22:18–24:42 — Détecter des événements de liquidité pour générer des prospects

C’est le cas d’usage mis en avant par le titre. Le cabinet recherche des entrepreneurs concernés potentiellement par des opérations relevant du régime français 150-0 B ter.

La chaîne décrite est la suivante : surveiller des registres et annonces légales, identifier des créations de holdings, récupérer des statuts, repérer des apports de titres, qualifier une opération potentielle, identifier les parties et enrichir les coordonnées. Les noms de Pappers et de Sirene sont reconnaissables malgré les erreurs des sous-titres.

Molère décrit ensuite des e-mails personnalisés automatiquement à partir de ces signaux. Il annonce environ 4 000 leads par an et dit ne pas disposer de la personne capable de les exploiter. Aucun taux de faux positifs, de rendez-vous, de conversion ou de collecte nette n’est fourni.

La nuance est essentielle : les documents peuvent suggérer une opération à examiner ; ils ne prouvent pas nécessairement qu’une cession est finalisée, que le dirigeant a encaissé une somme disponible ou qu’un régime fiscal s’applique. L’argumentaire de prospection raconté dans l’entretien va parfois plus loin que cette prudence.

Leçon : reprendre le principe « événement → vérification → conseiller → action suivie ». Adapter les sources et les règles au pays. La maquette Qarizmi conserve les événements comme hypothèses et ne déclenche aucun message externe.

24:43–26:56 — L’automatisation ne crée pas la légitimité commerciale

L’invité reconnaît que la transposition de sa démarche au marché des SCPI fonctionne moins bien. Il estime que sa marque et son expertise sont attendues dans le private equity, beaucoup moins dans ce nouveau segment. L’animateur ajoute que les comparateurs SCPI sont nombreux.

À l’inverse, Molère considère l’assurance-vie luxembourgeoise comme une extension cohérente avec son expérience des expatriés. Il évoque la possibilité d’un autre service sur ce sujet.

Leçon : sélectionner les premiers cas d’usage là où Sanlam dispose déjà d’une légitimité, d’une équipe et d’une offre réellement distribuable.

26:59–38:27 — Un modèle de croissance de groupe plutôt qu’un simple logiciel

Molère doute que sa plateforme puisse être commercialisée telle quelle à des cabinets extérieurs. Elle incorpore ses processus, sa réglementation et sa pratique. La duplication demanderait un travail important.

Il veut donc partager les outils avec des cabinets qui rejoignent son groupe. Il oppose ce projet à certains groupements où un cabinet devenu autonome continue de payer des services qu’il a déjà internalisés. Il cite à titre d’exemple une entreprise faisant 1,5 M€ de chiffre d’affaires et reversant 20 à 30 % à son groupement.

Son offre combine technologie, back-office, accompagnement réglementaire et financement de croissance. Les modalités pourraient comprendre une prise de participation, un prêt ou un partage de valeur. Il expose plusieurs situations : un petit cabinet saturé par l’administratif, un cabinet souhaitant acquérir un voisin, ou un banquier privé qui veut s’installer mais manque de fonds pour ses premiers mois.

Il précise que les partenaires pourraient conserver leur marque et certaines conventions produits. La structure chercherait à capter une partie de la valeur créée plutôt qu’à centraliser obligatoirement tous les flux commerciaux. Les termes restent décrits comme négociables au cas par cas.

La conclusion économique de cette séquence est claire : l’investissement initial dans les outils peut soutenir l’intégration et la croissance d’un réseau. Cela ne prouve pas que tous les coûts disparaissent ensuite.

Leçon PE : pour un investisseur qui détient plusieurs sociétés de services financiers, une plateforme IA pourrait devenir un outil de création de valeur dans les participations. C’est une extension proposée par Qarizmi ; le modèle de groupe de Molère n’est pas établi comme celui de Sanlam.

38:31–44:50 — L’expertise reste centrale, la fiabilité doit être démontrée

Interrogé sur le passage d’un cabinet à une fintech, Molère estime qu’il n’est pas nécessaire de choisir. Le métier reste le conseil patrimonial, enrichi par des briques technologiques adaptées. Il rappelle son objectif d’un milliard d’euros d’encours à sept ans et décrit une équipe associée au capital.

Dans les questions finales, il rejette l’idée que l’IA puisse tout faire. Il explique avoir alimenté sa base de connaissances avec quinze ans de réponses à des questions clients et de présentations, après anonymisation selon ses dires. Il relie la qualité du système à ce corpus et rappelle qu’une erreur peut avoir de lourdes conséquences.

Nous retenons le rôle de ce savoir métier, sans reprendre comme garanties ses appréciations sur la facilité d’anonymisation ou la fiabilité obtenue. Un corpus peut contenir des conseils obsolètes, des exceptions ou des informations réidentifiantes. Il faut tester les réponses, dater les sources et pouvoir refuser de conclure.

La fin évoque un horizon de deux ans et demi de construction et un montant d’environ 100 000 € de tokens, avec une précision orale « par an ». Le périmètre exact de ce coût reste ambigu. Il ne doit servir ni de devis Qarizmi, ni de benchmark établi.

Chiffres à retenir, avec leur statut

La conclusion utile à Qarizmi

Le meilleur angle commercial consiste à convertir l’expertise existante en workflows mesurables : une information détectée devient un dossier vérifié, confié à un conseiller, qui mène une action puis en mesure le résultat. L’IA peut préparer, comparer, documenter et signaler. La valeur dépend ensuite de la pertinence métier, de la capacité d’exécution et du coût complet.