Quels sont les principaux obstacles qui empêchent les startups d’IA de passer à l’échelle ? – Thought Leaders

Par Salvatore Minetti, PDG, Fountech.Ventures

La promesse de l’intelligence artificielle (IA) a sans aucun doute captivé l’imagination de nombreux investisseurs au cours de la dernière décennie. Stimulée par un fort intérêt du public, la technologie est devenue une véritable force pour le bien, promettant de fournir des solutions avec un potentiel pour résoudre certains des plus grands problèmes du monde.

Par rapport à d’autres technologies émergentes, les entreprises d’IA ont été la principale catégorie d’investissement au niveau mondial en 2019, avec plus de 23 milliards de dollars de financement selon Tech Nation.

Cependant, les entreprises d’IA ont besoin de plus que juste des investissements pour vraiment prospérer dans le climat actuel. En effet, le problème n’est pas tant la pénurie de startups que la pénurie de scale-ups.

Pour vraiment faire progresser cette discipline, il est temps que nous intensifions nos efforts pour nourrir uniquement les entreprises les plus innovantes vers la réussite à long terme, afin qu’elles puissent devenir des entreprises formidables. Cela pose la question : quels sont les obstacles qui empêchent les entreprises d’IA de grandir au-delà de la phase de démarrage ?

Déterminer les entreprises d’IA « vraies »

Ce n’est un secret pour personne que le tag « IA » est devenu ubiquitaire, avec des entreprises qui utilisent le terme à gauche et à droite pour sécuriser des investissements. Le problème avec cela est que certaines entreprises sans IA à leur cœur freinent la progression du secteur dans son ensemble, entravant le développement de solutions progressives.

Ces problèmes de sémantique rendent plus difficile pour les investisseurs de déterminer quels entreprises utilisent réellement « l’IA vraie » et lesquelles ne le font pas. En effet, un récent rapport de MMC Ventures a révélé que deux cinquièmes des startups d’IA en Europe n’utilisent pas réellement l’IA dans aucun de leurs produits. Des exemples comme celui-ci servent à mettre en évidence à quel point l’utilisation abusive du terme est répandue. Sans aucun doute, confondre le sens d’un produit ou d’un service peut non seulement conduire à des dépenses excessives et à une mauvaise exécution, mais également à la chute finale d’une entreprise lorsqu’elle est surclassée par celles qui ont plus de clarté et de focalisation.

Les investisseurs feraient donc bien de éviter ce sort en évaluant les entreprises de manière approfondie dès le début du processus. Cela peut être réalisé en posant des questions clés, telles que « cette entreprise tire-t-elle son avantage concurrentiel de l’utilisation de l’IA ? » et « cette entreprise propulsera-t-elle le secteur vers l’avant ? ». De cette façon, les ressources peuvent être dépensées de manière plus précieuse pour les entreprises avec des solutions techniques escalables et un véritable avantage concurrentiel.

Les obstacles des startups

Dans l’arène de la deep-tech, les jeunes équipes ambitieuses ont généralement la détermination et l’expertise technique requises pour concevoir et créer un produit innovant. Cependant, des concepts puissants ne sont pas toujours suffisants pour garantir le succès d’une nouvelle entreprise, et une trop grande focalisation sur la technologie pourrait entraver sa progression.

Le manque de métriques claires pour les startups d’IA est particulièrement difficile ; il est difficile de mesurer ce qui fait une « bonne » entreprise d’IA. L’hype entourant l’IA et sa popularité croissante a également donné naissance à une concurrence féroce, ce qui signifie que les fondateurs doivent être particulièrement attentifs aux obstacles qu’ils rencontreront.

Certains fondamentaux sont importants pour toute entreprise. Tout d’abord, les entrepreneurs doivent être capables de démontrer qu’ils abordent un problème important et large – et montrer pourquoi ils sont dans la meilleure position pour le résoudre. Peut-être encore plus important, les entreprises doivent établir si les gens seront disposés à payer un bon prix pour leur solution.

Les startups d’IA tomberont généralement sur les mêmes obstacles que leurs homologues plus traditionnels. Un autre rapport de CB Insights a révélé les raisons les plus courantes pour lesquelles les jeunes entrepreneurs pourraient échouer sur leur chemin vers le sommet, qui incluent un manque de besoin de marché pour le produit, ne pas avoir la bonne équipe et être surclassé par d’autres entreprises.

Le premier de ces éléments nécessite une attention particulière : la plaie de nombreuses startups technologiques est qu’elles construisent le produit, puis espèrent que quelqu’un le veut. Un échec à prendre les mesures appropriées au début pour comprendre l’ajustement et la demande potentielles signifie que le produit final ne capture pas finalement l’attention du marché cible.

Pour les entreprises d’IA, cependant, il y a des éléments supplémentaires qui doivent également être pris en compte. L’équipe devrait être capable de démontrer que leur IA ajoute réellement de la valeur aux données qu’ils utilisent – et non pas simplement être utilisée comme un écran de fumée. L’IA aide-t-elle à expliquer les modèles dans les données, à dériver des explications précises, à identifier les tendances importantes et à optimiser finalement l’utilisation des informations ?

Si ce n’est pas le cas, ils doivent se demander s’ils devraient vraiment se vendre comme une startup d’IA. Il y a un risque réel que les ressources soient dépensées inutilement pour construire et commercialiser une solution qui ne résout pas réellement un problème en utilisant l’intelligence artificielle. En fin de compte, de telles entreprises sont susceptibles de perdre leur vision avec le temps et de ne pas répondre aux attentes qu’elles pourraient avoir pour elles-mêmes. Ils pourraient également avoir du mal à sécuriser des financements ; après tout, la plupart des VCs ne voudront pas risquer un investissement dans une technologie ambiguë.

Les jeunes équipes tendent également à rencontrer des obstacles lorsqu’il s’agit du côté financier : les startups d’IA sont soit sous-financées dès le départ, soit brûlent plus d’argent qu’il n’est nécessaire. Pour atteindre une croissance durable, les entreprises naissantes ont besoin de pouvoir planifier au-delà du budget de développement et créer un modèle commercial escalable qui résistera à l’épreuve du temps. Cela va de soi, ce n’est pas une mince affaire avec une connaissance commerciale limitée.

Nourrir les startups d’IA pour le succès

Beaucoup de ces erreurs se résument au fait que les startups manquent souvent de mentorat et d’acumen commercial appropriés. En effet, la plupart bénéficieraient d’une expertise supplémentaire pour naviguer dans les obstacles courants.

Il est fondamental que les fondateurs d’entreprise travaillent avec des conseillers tiers pour compenser les lacunes en matière de connaissance. Les jeunes équipes ont besoin de mentors pour les aider à naviguer dans des territoires inconnus et pour fournir des conseils juridiques, financiers et logistiques supplémentaires.

En fin de compte, financer simplement un projet ne suffit pas. Il est essentiel que nous travaillons pour fournir un modèle plus holistique pour soutenir les startups d’IA naissantes, afin que les entreprises soient sur la voie de projets commercialement escalables. Ce n’est qu’en fournissant un soutien et une assistance spécialisés pour les aspects les plus fondamentaux de l’entreprise – ainsi que l’accès au talent, au capital et aux réseaux de pairs – que nous pouvons vraiment faire progresser les choses dans la technologie d’IA pionnière.