Hype vs. Valeur : Évaluer les startups d’IA en phase précoce pour leur véritable potentiel

Il y a deux ans, les capitalistes de risque investissaient largement dans tout ce qui était lié à l’IA. Maintenant, nous sommes devenus plus sélectifs et éduqués, cherchant des solutions à des problèmes de la vie réelle où l’IA ajoute une valeur réelle.

Alors, faisons la conclusion finale dès le départ : avoir « IA » dans le nom de l’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 séparer la valeur réelle des perspectives illusoires.

Le véritable défi est tombé sur les investisseurs en phase précoce. Nous avons dû affiner notre regard pour reconnaître les innovations parmi des centaines de solutions B2B SaaS basées sur l’IA, également brillantes, mais sans revenus. Chacune pourrait devenir une licorne ou un simple habillage d’IA pour rien.

Chez Pre-Seed to Succeed (P2S), nous nous spécialisons dans l’évaluation des startups d’IA au stade le plus précoce, où la traction est minime, les équipes sont lean, et la vision compte autant que le code. Nous allons partager les principes et les pratiques fondamentaux qui guident nos décisions d’investissement dans ce secteur dynamique et détecter les entreprises dotées d’un grand potentiel.

Les malentendus autour de l’IA en phase précoce

Les investisseurs qui envisagent d’entrer dans l’espace de l’IA devraient comprendre que l’échelle et l’unicité de la solution comptent. Il y a une idée fausse courante sur les startups d’IA en phase précoce, selon laquelle il suffit d’ajouter une fine couche d’IA, comme une interface de chatbot, pour construire une entreprise réussie. La véritable valeur réside dans la possession des données, la résolution de problèmes spécifiques et l’accès efficace aux utilisateurs.

Nous avons vu des fondateurs se concentrer sur des intégrations de surface qui pouvaient être facilement reproduites. Le marché est abondant en copilotes et en assistants, mais seuls ceux qui sont ancrés dans une expertise de domaine approfondie, avec des canaux de distribution différenciés ou des connaissances uniques des utilisateurs, ont une chance de devenir des entreprises prospères. Des exemples incluent les copilotes juridiques pour l’intelligence des contrats, les solutions de stratégie de talents pour les CHRO, et les copilotes de chantier – des projets complexes qui nécessitent une expérience pratique dans l’industrie et une compréhension réelle des processus que l’IA peut optimiser. Ce type de solutions détient la plus grande valeur.

Une autre tendance est le passage des copilotes aux agents – des systèmes autonomes qui peuvent non seulement assister mais agir de manière indépendante dans les flux de travail. Ces modèles gèrent des tâches multi-étapes, raisonnent à travers les systèmes et coordonnent les actions sans sollicitation humaine. Bien que cela soit encore en développement, les startups qui construisent de véritables cadres d’agents pour des secteurs verticaux spécifiques (par exemple, la comptabilité financière, les opérations juridiques) montrent des signes d’une échelle à haut rendement.

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

Évaluation de l’innovation en l’absence de revenus

En l’absence de revenus et de traction considérable, l’expertise et l’expérience de domaine de l’équipe sont de loin les choses les plus importantes dans lesquelles nous investissons au stade précoce.

Si une équipe de startup comprend les nuances de l’adoption de l’IA dans les industries à hauts enjeux et peut identifier avec précision les défis commerciaux spécifiques, c’est déjà la moitié de la bataille 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, il y a la vitesse d’exécution et les premiers signes d’amour des utilisateurs.

Rappelez-vous l’histoire de la Tortue et du Lièvre ? Aujourd’hui, la vitesse d’exécution compte plus que jamais. Les métriques de vanité ne nous impressionnent pas. Les startups qui peuvent itérer rapidement, intégrer les commentaires des utilisateurs et montrer une progression positive dans un délai défini, par exemple en atteignant un taux de conversion de 10 % dans un projet pilote ou en atteignant des jalons clés, sont susceptibles de recevoir beaucoup plus d’intérêt des investisseurs.

La rétention des utilisateurs compte également : les utilisateurs reviennent-ils ? S’engagent-ils profondément avec le produit ? Dans les plateformes alimentées par LLM, la consommation de jetons peut être un proxy significatif de la profondeur d’utilisation.

Alors que certaines entreprises d’IA parviennent à évoluer rapidement, l’écosystème reste volatile. Les marges peuvent se compresser, les fossés sont difficiles à maintenir et la concurrence est féroce. Dans ces conditions, l’engagement des utilisateurs, la traction initiale et la force du thème sont les cartes les plus solides dans le jeu de la startup.

La défensibilité du marché est impérative

Nous avons écarté des startups qui, au départ, semblaient prometteuses mais manquaient de défensibilité – des flux de travail propriétaires, des avantages d’étiquetage spécifiques au domaine ou des boucles de données générées par les utilisateurs qui s’approfondissent avec le temps.

Une équipe avait une interface élégante mais pas de données ou de profondeur technique propriétaires. D’autres chevauchaient l’hype des premières versions de LLM, mais furent rapidement éclipsés par les nouvelles capacités des plateformes populaires.

Par exemple, nous avons vu des startups qui tentaient de greffer des couches d’« intelligence émotionnelle » à ChatGPT pendant l’interaction utilisateur, pour être perturbées quelques mois plus tard par OpenAI elle-même, qui lançait des fonctionnalités similaires de manière native. Le prétexte même de la startup a disparu. Ces cas nous ont enseigné l’importance d’investir dans des entreprises dotées de noyaux techniques indépendants et d’une focalisation sur le domaine.

Les signaux d’alarme que nous surveillons

Dans nos évaluations, certains signaux d’alarme apparaissent systématiquement :

• Des présentations lourdes de jargon, légères sur les détails
• Des fondateurs incapables d’identifier des clients payants ou d’articuler un point de douleur
• La reproduction de solutions standard sans une couche technologique unique ou une focalisation sur un niche

Nous nous éloignons des mentalités de construction et de vente. Nous sommes dans le business de soutenir des fondateurs qui s’engagent à résoudre des problèmes et à devenir des leaders dans leur espace.

Un autre signal d’alarme que nous surveillons : les startups qui surestiment les plugins OpenAI ou qui construisent entièrement à l’intérieur de Notion, Slack ou Discord. Ces plateformes peuvent couper l’accès ou absorber la valeur elles-mêmes. Nous demandons : qu’est-ce qui survive si la plateforme change son API demain ?

Conseils aux investisseurs qui entrent dans l’IA sans expertise technique

Pour les investisseurs non techniques qui souhaitent financer des startups d’IA, notre conseil est simple :

Tout d’abord, associez-vous judicieusement. Faites appel à des conseillers, des co-investisseurs ou des gestionnaires ayant des antécédents techniques qui peuvent évaluer la technologie et l’équipe.

Ensuite, soutenez des fondateurs qui peuvent communiquer clairement le problème qu’ils résolvent et les étapes pour le résoudre. Si une présentation manque de clarté, elle manque probablement de direction.

Troisièmement, diversifiez. Répartissez vos investissements sur différents secteurs, types de problèmes et modèles commerciaux. Cela augmente les chances de trouver des gagnants exceptionnels et limite les risques négatifs.

Si une startup en phase précoce en considération montre clairement des preuves de besoin des utilisateurs (audience en croissance, niveaux d’engagement et de rétention forts) et des itérations de produit fréquentes basées sur les commentaires – ce sont les indicateurs d’une entreprise à haut potentiel avec des perspectives d’évolution.

Conclusion

Dans un marché d’IA, la tentation de courir après la prochaine grande chose est compréhensible. Mais l’investissement en phase précoce nécessite de la discipline, du scepticisme et une compréhension approfondie de ce qui sépare l’hype de la substance.

Les investisseurs qui appliquent une rigueur, s’associent avec des experts et se concentrent sur les fondamentaux seront les mieux placés pour naviguer dans cet espace à haute vitesse et émerger avec un portefeuille d’entreprises d’IA durables et à forte incidence.