Hype vs. Value : évaluer le potentiel réel des startups d'IA en phase de démarrage

Il y a deux ans, les investisseurs en capital-risque investissaient massivement dans tout ce qui touche à l'IA. Aujourd'hui, nous sommes tous devenus plus sélectifs et plus informés, cherchant des solutions à des problèmes concrets où l'IA apporte une réelle valeur ajoutée. 

Tirons donc une conclusion finale dès le départ : la présence du mot « IA » dans le nom d'une entreprise n'est plus un facteur décisif. Il a fallu deux ans au marché pour se remettre du Big Bang de l'IA et commencer à distinguer la valeur réelle des perspectives illusoires. 

Le véritable défi incombait aux investisseurs en pré-amorçage. Nous avons dû aiguiser notre regard pour repérer les innovations parmi des centaines de solutions SaaS B2B basées sur l'IA, toutes aussi prometteuses, avant même la commercialisation. Chacune d'entre elles pouvait devenir une licorne, ou un écosystème d'IA, pour rien.

Chez Pre-Seed to Succeed (P2S), nous sommes spécialisés dans l'évaluation des startups d'IA dès leur phase de démarrage, lorsque la dynamique est faible, les équipes réduites et la vision aussi importante que le code. Nous partagerons les principes et pratiques fondamentaux qui guident nos décisions d'investissement dans ce secteur dynamique et nous identifierons les entreprises à fort potentiel.

Les idées fausses autour de l'IA pré-amorçage

Les investisseurs qui envisagent de se lancer dans l'IA doivent comprendre que l'échelle et le caractère unique de la solution sont tous deux importants. Une idée fausse répandue concernant les startups d'IA en phase de démarrage est que le simple ajout d'une fine couche d'IA, comme une interface de chatbot, suffit à bâtir une entreprise prospère. La véritable valeur réside dans posséder les données, résoudre des problèmes spécifiques et atteindre efficacement les utilisateurs.

Nous avons vu des fondateurs privilégier des intégrations superficielles, facilement reproductibles. Le marché est abondant en copilotes et assistants, mais seules celles qui possèdent une expertise approfondie du domaine, des canaux de distribution différenciés ou une connaissance utilisateur unique, ont une chance de devenir des entreprises prospères. Citons par exemple les copilotes juridiques pour la veille contractuelle, les solutions de stratégie de talents pour les DRH et les copilotes de chantiers – des projets complexes qui nécessitent une expérience pratique du secteur et une compréhension approfondie des processus que l'IA peut optimiser. Ces types de solutions sont particulièrement valorisants.

Une autre tendance est le passage des copilotes aux agents : des systèmes autonomes capables non seulement d'assister, mais aussi d'agir de manière indépendante dans les flux de travail. Ces modèles gèrent des tâches en plusieurs étapes, raisonnent entre les systèmes et coordonnent les actions sans intervention humaine. Bien qu'encore précoces, les startups qui développent de véritables cadres d'agents pour des secteurs d'activité spécifiques (par exemple, le reporting financier, les opérations juridiques) montrent des signes de forte croissance.

De plus, avec des opportunités infinies pour les entreprises, la mise en œuvre de l'IA s'est accompagnée de dépenses plus élevées que prévu initialementLes clients B2B sont prêts à investir dans des solutions personnalisées coûteuses uniquement si elles s'intègrent parfaitement à leurs flux de travail existants et offrent des avantages financiers ou un soulagement opérationnel.

Évaluer l'innovation en l'absence de revenus

En l'absence de revenus et d'une traction considérable, l'expertise et l'expérience du domaine de l'équipe sont de loin les éléments les plus importants dans lesquels nous investissons au stade de pré-amorçage.

Si une équipe de startup comprend les subtilités de l'adoption de l'IA dans les secteurs à enjeux élevés et est capable d'identifier avec précision les défis commerciaux spécifiques, la bataille est déjà à moitié gagnée. L'autre moitié réside dans l'exécution : la capacité à construire une infrastructure réfléchie, des interfaces hybrides et à exploiter l'IA de pointe là où elle fait vraiment la différence.

Parmi les autres facteurs « parlants » qui démontrent la valeur d’une startup en l’absence de revenus, on trouve la vitesse d’exécution et les premiers signes d’amour des utilisateurs. 

Vous souvenez-vous de l'histoire du Lièvre et de la Tortue ? Aujourd'hui, la rapidité d'exécution est plus importante que jamais. Les mesures de vanité ne nous font pas bouger. Les startups capables d'itérer rapidement, d'intégrer les commentaires des utilisateurs et de montrer des progrès positifs dans un délai défini, par exemple en atteignant un taux de conversion de 10 % dans un projet pilote ou en franchissant des étapes clés, sont susceptibles de susciter beaucoup plus d'intérêt de la part des investisseurs.

La fidélisation des utilisateurs est également importante : reviennent-ils ? Sont-ils profondément engagés dans le produit ? Sur les plateformes basées sur le LLM, la consommation de jetons peut également être un indicateur significatif de la profondeur d'utilisation.

Si certaines entreprises d'IA parviennent à se développer rapidement, l'écosystème reste volatil. Les marges peuvent se comprimer, les avantages concurrentiels sont difficiles à maintenir et la concurrence est féroce. Dans ces conditions, l'engagement des utilisateurs, l'attrait initial et la force du thème sont les atouts majeurs de la startup.

La défense du marché est indispensable

Nous avons laissé de côté des startups qui semblaient initialement convaincantes mais qui manquaient de solidité : des flux de travail propriétaires, des avantages d'étiquetage spécifiques à un domaine ou des boucles de données générées par les utilisateurs qui s'approfondissent avec le temps.

Une équipe disposait d'une interface épurée, mais manquait de données propriétaires ni de profondeur technique. D'autres ont profité de l'engouement suscité par les premières versions de LLM, mais ont rapidement été éclipsées par les nouvelles fonctionnalités des plateformes populaires.

Par exemple, nous avons vu des startups tenter d'intégrer des couches d'« intelligence émotionnelle » à ChatGPT lors des interactions utilisateur, mais elles ont été perturbées quelques mois plus tard par OpenAI, qui a lancé des fonctionnalités similaires en natif. L'idée même de la startup a disparu. Ces cas nous ont montré l'importance d'investir dans des entreprises dotées de cœurs techniques indépendants et d'une spécialisation métier.

Les signaux d'alarme que nous surveillons

Dans nos évaluations, certains signes avant-coureurs apparaissent systématiquement :

• Des arguments riches en jargon, mais légers en détails
• Les fondateurs ne sont pas en mesure d'identifier les clients payants ou d'exprimer clairement un problème
• Réplication de solutions standard sans couche technologique unique ni concentration sur une niche

Nous évitons les mentalités de type « build-and-flip ». Notre mission est d'accompagner les fondateurs déterminés à résoudre des problèmes et à devenir des leaders dans leur secteur.

Un autre signal d'alarme que nous surveillons : les startups qui surindexent les plugins OpenAI ou qui développent entièrement leurs applications dans Notion, Slack ou Discord. Ces plateformes peuvent bloquer l'accès ou absorber la valeur. Nous nous demandons : qu'est-ce qui survivra si la plateforme modifie son API demain ?

Conseils aux investisseurs qui se lancent dans l'IA sans expertise technique

Pour les investisseurs non techniques désireux de financer des startups d'IA, notre conseil est simple :

Premièrement, choisissez un partenaire judicieux. Faites appel à des conseillers, des co-investisseurs ou des gestionnaires dotés d'une expertise technique et capables de valider la technologie et l'équipe.

Deuxièmement, soutenez les fondateurs capables de communiquer clairement le problème qu'ils résolvent et les étapes à suivre. Un pitch manquant de clarté est probablement dû à un manque de direction.

Troisièmement, diversifiez vos investissements. Répartissez vos investissements entre secteurs, types de problématiques et modèles économiques. Cela augmente vos chances de trouver des valeurs gagnantes et limite les risques de baisse.

Si une startup en pré-amorçage envisagée montre clairement des preuves des besoins des utilisateurs (public croissant, niveaux d'engagement et de rétention élevés) et des itérations fréquentes du produit basées sur les commentaires, ce sont les indicateurs d'une entreprise à fort potentiel avec des perspectives d'évolutivité.

Conclusion

Sur le marché de l'IA, la tentation de courir après la prochaine innovation majeure est compréhensible. Mais investir en amont exige discipline, scepticisme et une compréhension approfondie de ce qui distingue le battage médiatique de la réalité.

Les investisseurs qui font preuve de rigueur, s’associent à des experts et se concentrent sur les fondamentaux seront les mieux placés pour naviguer dans cet espace à grande vitesse et en sortir avec un portefeuille d’entreprises d’IA durables et à fort impact.