Nick Davidov, co-fondateur et associé directeur de DVC – Série d’entretiens

Nick Davidov, co-fondateur et associé directeur de DVC, a investi dans plus de 140 startups en phase précoce d’intelligence artificielle, notamment Perplexity AI, Etched et le laboratoire de machines à penser de Mira Murati.

DVC est une société de capital-risque basée à San Francisco qui se concentre sur le financement de startups en phase précoce d’intelligence artificielle et la création d’un écosystème communautaire autour de l’innovation en intelligence artificielle. Fondée par Marina et Nick Davidov, la société combine un réseau actif de fondateurs, d’ingénieurs et de chercheurs avec des flux de travail propres activés par l’intelligence artificielle pour soutenir les entreprises depuis le stade de pré-amorçage jusqu’aux stades de croissance A/B, en investissant 100 000 $ à 300 000 $ au stade le plus précoce et 1 million à 3 millions de dollars dans les tours de suivi. Son modèle met l’accent sur un soutien pratique, un engagement communautaire profond et l’utilisation d’outils d’intelligence artificielle aux côtés de partenaires limités expérimentés pour trouver des affaires, effectuer des diligences et aider les fondateurs de portefeuille à grandir — le tout visant à créer un impact significatif dans le paysage des startups d’intelligence artificielle.

DVC est connue pour repenser le capital-risque à partir de principes fondamentaux. Quelles expériences ou frustrations dans le capital-risque traditionnel vous ont inspiré pour créer un modèle qui fonctionne entièrement sur des agents d’intelligence artificielle et l’intelligence communautaire ?

Principalement, les problèmes de mise à l’échelle d’une entreprise de capital-risque. Actuellement, la seule façon de faire grandir l’entreprise est d’augmenter les actifs sous gestion. À un certain moment, votre motivation change — vous n’êtes plus motivé par des valeurs, mais par des frais de gestion. Et puis vous commencez à donner la priorité au déploiement plutôt qu’aux rendements, ce qui n’est pas sain. Nous essayons donc de trouver une autre façon de mettre à l’échelle une société d’investissement de manière horizontale, et non verticale. Et nous essayons également de démocratiser l’accès au capital-risque et d’apporter de la diversité de cette manière.

​Vous avez déclaré que DVC « a licencié ses analystes et a embauché ses LP ». Pouvez-vous nous expliquer comment fonctionne ce système — comment les LP contribuent-ils à la recherche et à la diligence, et quels outils les rendent-ils possibles ?

Je vais commencer par une anecdote. Lorsque de nouveaux LP nous rejoignent, nous leur demandons de remplir un questionnaire, y compris la question : « Êtes-vous prêt à aider activement les startups ? » Un LP — un ingénieur d’essai — était curieux de voir quelles questions le questionnaire afficherait ensuite s’il sélectionnait « Non », mais rien ne s’est passé. Il était plus ou moins notre 100e candidat, qui nous a fait découvrir qu’une réponse positive était définie comme obligatoire pour cette question — personne ne pouvait répondre « Non ». Étonnamment, les 100 candidats qui l’avaient précédé avaient cliqué sur « Oui » et n’avaient rien remarqué.

Nous avons créé une « échelle sociale » interne pour nos LP. Chez DVC, chaque LP peut obtenir le titre de conseiller en affaires et grandir en super conseiller, s’il soutient activement nos entreprises de portefeuille avec des embauches, des ventes, des produits et des connexions, contribuant à la croissance des startups — et en recevant une part des intérêts portés en retour. Et si un LP nous amène une affaire, il devient un capitaine d’affaires. Nous avons rendu très facile pour eux de contribuer à chaque étape, et avons automatisé la plupart des processus.

Comment les agents d’intelligence artificielle propriétaires de DVC automatisent-ils les fonctions de base du capital-risque telles que la recherche d’affaires, la diligence et le suivi du portefeuille ? Pouvez-vous décrire une ou deux flux de travail qui ont connu la plus grande transformation ?

Chez DVC, l’intelligence artificielle est la colonne vertébrale d’une réflexion complète de la façon dont une société de capital-risque fonctionne. Cela nous aide à renverser le processus traditionnel de diligence. Au lieu de contacter les fondateurs en premier, nos agents d’intelligence artificielle créent une note d’affaires complète et effectuent la plupart des diligences préliminaires avant le contact initial. C’est possible car la plupart des informations nécessaires (comme les présentations d’entreprise, les données de marché, l’analyse des concurrents et les principes de valorisation) sont disponibles avant l’appel, il n’y a donc pas besoin de gaspiller le temps des fondateurs et des investisseurs. Ce qui prenait une journée entière pour un analyste coûteux peut maintenant être fait en quelques minutes pour moins de 30 centimes.

Quand un deck de startup atteint le système — généralement via une introduction LP — l’intelligence artificielle analyse les matériaux, les enrichit avec des sources externes, trie les données et crache une note d’affaires. Nous pouvons donc nous concentrer sur ce qui est difficile à automatiser — la motivation du fondateur, les compétences sociales, la culture et la dynamique d’équipe.

​Quels sont les signaux les plus inhabituels ou les plus surprenants que votre intelligence artificielle suit lors de l’évaluation des startups en phase précoce ? Comment diffèrent-ils de ce que les analystes humains recherchent traditionnellement ?

Parmi les signaux inhabituels et difficiles à remarquer par les analystes humains, je signalerais les licenciements récents de membres clés de l’équipe de la startup. Au total, notre système suit environ 120 signaux. Une partie d’entre eux nous aide à comprendre la traction de la startup. Le deuxième groupe de signaux concerne l’équipe de la startup. La troisième catégorie se concentre sur la concurrence potentielle des investisseurs. L’objectif ici est de prédire à quelle vitesse un fondateur peut lever un tour, car le réseau du fondateur est un facteur important.

​Avec plus de 170 LP provenant de sociétés comme OpenAI, Meta et Tesla (TSLA ), comment coordonnez-vous cette communauté et assurez-vous une contribution de qualité plutôt que du bruit ?

Quand il n’y avait que quelques dizaines de LP, il était possible de les gérer manuellement. Mais à mesure que leur nombre augmentait, faire correspondre l’expert approprié à la startup appropriée au moment opportun est devenu un goulet d’étranglement. Nous avons donc développé des agents d’intelligence artificielle agissant comme « super connecteurs », se souvenant de tous les détails sur les expertises et les réseaux des LP pour suggérer des présentations pertinentes pour les entreprises de portefeuille. Cela rend l’aspect communautaire incroyablement évolutif.

Et pour assurer la qualité, nous nous adressons toujours aux fondateurs pour obtenir leurs commentaires. Pour nous, il ne suffit pas, par exemple, de simplement faire une présentation à une société potentielle ; nous devons vérifier que cela a vraiment fonctionné. Au fil du temps, nous avons réuni suffisamment de données pour voir ce qui est vraiment efficace.

La thèse du fond met l’accent sur les infrastructures d’intelligence artificielle de base et les piles de modèles verticalement axées. Quels segments de l’intelligence artificielle pensez-vous être les plus sous-estimés en ce moment — et pourquoi ?

Il n’y a pas de segments sous-estimés, seulement des segments sous-développés — et les segments sous-développés ont tendance à être moins chers. Les soins de santé, les applications industrielles, la robotique et la construction sont en retard. Il y a beaucoup d’applications, mais leur adoption est horrible.

​DVC a déjà investi dans des noms comme Perplexity AI et Etched. Comment votre système d’intelligence artificielle vous aide-t-il à identifier ces sociétés de rupture avant qu’elles n’attirent l’attention du grand public ?

La plupart de nos investisseurs sont des fondateurs et des ingénieurs qui sont principalement des utilisateurs et des adoptants précoces de technologies d’intelligence artificielle. Et lorsqu’ils deviennent obsédés par quelque chose, ils l’amènent dans notre communauté. Notre pile d’intelligence artificielle gère la préparation. En tant que partenaires, notre travail est d’écouter notre intuition. C’est exactement comment nous avons fini par investir dans Perplexity.

À mesure que l’intelligence artificielle façonne le capital-risque, quels aspects de l’intuition de l’investisseur, du jugement ou de la connexion humaine pensez-vous ne peuvent jamais être remplacés par des algorithmes ?

Les agents d’intelligence artificielle surpassent déjà nos capacités à créer des notes d’affaires, à effectuer des recherches et à préparer les travaux. Ce qu’ils ne peuvent pas remplacer, c’est la connexion humaine entre un fondateur et un investisseur. Cette relation dure souvent plus longtemps qu’un mariage moyen. Le parcours du fondateur est complexe, parfois solitaire et sous pression. Avoir un partenaire humain est crucial — c’est ce qu’un investisseur est vraiment pour. Et aucun algorithme ne peut substituer cela.

​Comment équilibrez-vous les avantages de l’automatisation avec le besoin de transparence et de confiance parmi les fondateurs et les LP ?

En fait, c’est l’inverse — l’automatisation fournit la transparence, qui à son tour crée la confiance. Avec l’automatisation, vous pouvez clairement voir quels entrées ont été utilisées et comment les décisions ont été prises. Cela rend le processus de prise de décision aussi transparent et analysable que possible.

​En regardant vers l’avenir, imaginez-vous un avenir où la plupart des sociétés de capital-risque fonctionnent sans analystes — et si c’est le cas, qu’est-ce que cela signifie pour la prochaine génération d’investisseurs en capital-risque qui entrent dans l’industrie ?

Le rôle traditionnel de l’analyste est inhérentement inefficace. La structure elle-même — avoir un analyste qui collecte et analyse des données — est sujette aux erreurs humaines, à la fois dans la collecte de données et dans l’analyse. L’utilisation de l’intelligence artificielle rend simplement le processus beaucoup plus efficace, de sorte que le vieux rôle devient inutile. Cependant, de nouveaux rôles émergent. Donc, lorsque nous avons licencié tous nos analystes, nous avons embauché des produits et des ingénieurs qui gèrent ces tâches, et le jugement humain ne disparaît pas — il se déplace simplement dans différentes fonctions. Le rôle migre vers où il ajoute le plus de valeur.

Je vous remercie pour cette grande interview, les lecteurs qui souhaitent en savoir plus sur ce VC devraient visiter DVC.