Voici ce que vous devriez savoir sur l’évaluation d’une startup IA pour investir

Par Salvatore Minetti, PDG, Fountech.Ventures

L’intérêt pour l’espace de la technologie profonde a augmenté ces dernières années, en particulier au sein de la communauté des investisseurs. Et de tous les secteurs opérant dans le domaine de la technologie profonde, l’intelligence artificielle (IA) est devenue un marché émergent à surveiller.

Selon les données de l’Association nationale des capitalistes de venture, 19,98 milliards de dollars ont été levés par 1 509 entreprises d’IA aux États-Unis seule en 2019. Ce chiffre augmentera dans les années à venir, même s’il y a un creux à court terme dû à la pandémie. En fait, les startups d’IA promettant d’aider à surmonter les défis posés par la COVID-19 pourraient bien alimenter un investissement plus important dans ce domaine.

Pour les capitalistes de venture (VC) qui souhaitent pénétrer ce marché, évaluer les startups d’IA pour investir peut être intimidant. Voici quelques considérations clés à garder à l’esprit lors de la recherche du meilleur talent d’IA à soutenir.

Identifier les technologies de technologie profonde réelles

Le premier obstacle auquel de nombreux investisseurs seront confrontés est de savoir distinguer les solutions réellement innovantes de celles qui se déguisent simplement en telles. Après tout, l’IA est victime de son propre succès – de nombreuses startups cherchent à renforcer leur offre commerciale et leur attractivité auprès des investisseurs en prétendant être “propulsées par l’IA” alors qu’en réalité, il n’y a pas d’utilisation sophistiquée de la technologie au sein de leur entreprise.

En outre, il est important que les investisseurs gardent à l’esprit les contraintes que les entreprises en démarrage vont rencontrer lorsqu’elles chercheront à s’établir sur le marché de l’IA.

L’apprentissage automatique, les bibliothèques accessibles au public, les modèles pré-entraînés et les API ont tous contribué à réduire les barrières à l’entrée pour les entrepreneurs et les startups. Les entreprises qui lancent un produit en utilisant uniquement ces outils seront probablement confrontées à une myriade de concurrents en un rien de temps. Naturellement, cela pose un risque pour les investisseurs.

Pour atténuer cela, je conseillerais aux VC de rechercher des startups qui innovent à la fois au niveau de la science et de l’application. Ces entreprises d’IA inventeront de nouvelles IA pour leurs propres fins et construiront les infrastructures sous-jacentes en cours de route.

Cela implique nécessairement de séparer les entreprises de niveau application, qui se contentent de régurgiter des API tierces, et celles qui ont une recherche intense et unique à leur cœur. En effet, la véritable technologie profonde est nouvelle et représente des progrès importants par rapport aux technologies actuellement utilisées.

Ceux qui ont peu d’expérience dans le domaine peuvent s’inquiéter de leur capacité à évaluer les entreprises d’IA et à déterminer lesquelles sont réellement à la pointe de la technologie. Il existe plusieurs moyens de contourner cela.

Afin d’avoir une exposition précoce à la technologie profonde et d’évaluer efficacement le talent d’IA, les VC pourraient envisager de développer leur technologie interne. En effet, cela impliquerait d’avoir un doctorat sur la liste de paie pour fournir les compétences techniques appropriées. En faisant cela, les investisseurs créeront la capacité d’évaluer les entreprises avant même qu’il y ait un produit et une traction sur le marché.

Alternativement, ils pourraient faire appel à des partenaires pour le faire pour eux. Les VC ont la possibilité de co-investir avec des investisseurs qui ont déjà des scientifiques en interne et une solide compréhension de la technologie profonde afin de mieux sélectionner leurs investissements ainsi que de fournir un soutien technique approprié aux premiers stades de leur parcours.

Quels sont les traits et les caractéristiques à rechercher dans une équipe fondatrice ?

La technologie sous-jacente est un facteur critique lorsqu’il s’agit d’évaluer une startup d’IA. Les investisseurs doivent être convaincus qu’un produit est réellement innovant, répond efficacement à un besoin du marché et est viable commercialement à long terme. Dans ce cadre, l’architecture derrière la solution devra également être prise en compte pour garantir qu’elle peut gérer l’augmentation des entrées de données et être mise à l’échelle avec le temps.

Pour s’assurer que tous les points ci-dessus sont abordés, les investisseurs doivent s’assurer que tous les rôles clés sont occupés par des personnes ayant une expérience et des connaissances éprouvées dans le domaine. Les architectes de systèmes, les ingénieurs de données, les scientifiques de données et les ingénieurs DevOps de l’équipe doivent tous être en mesure de démontrer les qualifications et l’expérience de domaine appropriées.

Au-delà des compétences techniques évidentes, il est important de rappeler que l’IA ne concerne pas seulement les algorithmes et les données. Cela concerne également les personnes. À cette fin, les VC devraient prêter une attention particulière aux traits et caractéristiques que les équipes fondatrices affichent. S’il n’y a pas de critères à suivre, voici quelques traits qui sont susceptibles de déterminer le succès d’une entreprise d’IA.

Le premier est une bonne conscience de ses forces et faiblesses relatives. Un fondateur peut, par exemple, avoir une vision convaincante et les connaissances techniques requises pour la concrétiser. Comme c’est souvent le cas avec les entreprises naissantes, cependant, le fondateur peut manquer de l’acumen commercial nécessaire pour surmonter les obstacles courants.

Une équipe d’IA de haute performance sera en mesure de démontrer une volonté de demander de l’aide et d’intégrer les bons talents pour combler les lacunes de compétences existantes. La culture d’une entreprise devrait également refléter son désir d’innover : le désir de rechercher des commentaires critiques de la part des pairs, des clients et des experts ira loin pour surmonter les défis techniques et commerciaux qui se posent au cours du parcours et aider les équipes à se concentrer sur l’image globale.

Le plus important, cependant, est qu’une grande équipe affichera une attitude positive : une exigence cruciale pour toute entreprise dans l’espace de l’IA compétitif. Une détermination à faire fonctionner les choses, même lorsque les temps sont difficiles, séparera les équipes qui ont ce qu’il faut pour mettre à l’échelle une entreprise d’IA, et celles qui ne le font pas.