Par Salvatore Minetti, PDG, Fountech.Ventures
L’intérêt pour l’espace des technologies profondes 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 en plein essor à surveiller.
Selon les données de la National Venture Capital Association, 1509 milliards de dollars ont été levés par 1509 entreprises d’IA rien qu’aux États-Unis en 2019. Ce chiffre augmentera dans les années à venir, même s’il y a une baisse à court terme due à la pandémie. En fait, les start-ups de l’IA promettant de nous aider à surmonter les défis posés par COVID-19 pourraient bien alimenter un investissement plus important dans ce domaine.
Pour les capital-risqueurs (VC) désireux de faire des percées dans cet espace, évaluer les start-ups d’IA pour l’investissement peut être décourageant. Vous trouverez ci-dessous quelques considérations clés à garder à l’esprit lorsque vous recherchez les meilleurs talents en IA à soutenir.
Identifier les véritables technologies Deep Tech
Le premier obstacle auquel de nombreux investisseurs seront confrontés est de savoir comment faire la distinction entre les solutions véritablement innovantes et celles qui se font simplement passer pour telles. Après tout, l’IA est victime de son propre succès – de nombreuses start-up cherchent à renforcer leur offre commerciale et leur attractivité face aux investisseurs, en prétendant être «alimentée par l’IA» alors qu’en réalité il n’y a pas d’utilisation sophistiquée de la technologie au sein de leur cœur de métier.
Suite à ce problème, il est important que les investisseurs gardent à l’esprit les contraintes auxquelles les entreprises en démarrage seront confrontées lorsqu’elles cherchent à s’établir sur le marché de l’IA.
L’apprentissage automatique, les bibliothèques accessibles au public, les modèles pré-formés et les API ont tous permis de réduire les barrières à l’entrée pour les entrepreneurs et les start-ups. Les entreprises qui lancent un produit en utilisant à elles seules ces outils auront probablement une myriade de concurrents en un rien de temps. Naturellement, cela présente un risque pour les investisseurs.
Pour atténuer cela, j’exhorte les VC à rechercher des start-ups qui innovent à la fois au niveau de la science et des applications. Ces entreprises d’IA vont inventer une nouvelle IA à leurs fins et créer l’infrastructure sous-jacente en même temps.
Cela implique nécessairement de séparer les entreprises au niveau des applications, qui régurgitent simplement les API tierces, et celles qui ont une recherche intense et unique en leur sein. En effet, la véritable technologie profonde est nouvelle et représente des avancées significatives par rapport aux technologies actuellement utilisées.
Ceux qui ont peu d’expérience préalable dans le domaine pourraient s’inquiéter de leur capacité à filtrer les entreprises d’IA et à déterminer celles qui repoussent vraiment les frontières de la technologie. Il y a plusieurs façons de contourner ce problème.
Afin d’avoir une exposition précoce à la technologie profonde et d’évaluer efficacement les talents en IA, les VC peuvent envisager de développer leur technologie technique interne. En effet, cela impliquerait d’avoir un doctorat sur la paie pour fournir la compétence technique appropriée. Ce faisant, les investisseurs créeront la capacité de sélectionner les entreprises avant même qu’il n’y ait une traction sur les produits et le marché.
Ils peuvent également se tourner vers des partenaires pour le faire à leur place. 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 entreprises investies et de fournir un soutien technique approprié dans les premières étapes de leur voyage.
Quels sont les traits et caractéristiques à rechercher dans une équipe fondatrice?
La technologie sous-jacente est un facteur critique lorsqu’il s’agit d’évaluer une start-up d’IA. Les investisseurs doivent être convaincus qu’un produit est véritablement innovant, répond efficacement à un besoin du marché et est commercialement viable à long terme. Dans ce cadre, l’architecture derrière la solution devra également être prise en compte pour s’assurer qu’elle peut gérer des entrées croissantes de données et peut être mise à l’échelle au fil du temps.
Pour être sûrs que tous les points ci-dessus sont abordés, les investisseurs doivent s’assurer que tous les rôles critiques sont remplis par des personnes ayant une expérience et des connaissances avérées dans le domaine. Les architectes système, les ingénieurs de données, les scientifiques des données et les ingénieurs DevOps de l’équipe doivent tous être en mesure de démontrer les qualifications appropriées et une expérience de terrain antérieure.
Au-delà des compétences techniques évidentes, il est important de se rappeler que l’IA ne se limite pas aux algorithmes et aux données. Cela concerne aussi les gens. Pour cette raison, les VC doivent porter une attention particulière aux traits et aux caractéristiques des équipes fondatrices. Bien qu’il n’y ait pas de critères définis à suivre, voici quelques caractéristiques susceptibles de déterminer le succès d’une entreprise d’IA.
Le premier est une bonne conscience des forces et faiblesses relatives. Un fondateur peut, par exemple, avoir une vision convaincante et les connaissances techniques nécessaires pour la mener à bien. Comme c’est souvent le cas pour les entreprises naissantes, cependant, le fondateur peut manquer de sens des affaires approprié pour surmonter les obstacles courants.
Une équipe d’IA hautement performante sera en mesure de démontrer sa volonté de demander de l’aide et d’intégrer les bons talents pour combler les lacunes de compétences existantes. La culture d’une entreprise doit également refléter sa volonté d’innover: le désir de rechercher des commentaires critiques de pairs, de clients et d’experts contribuera grandement à surmonter les défis techniques et commerciaux qui surviennent tout au long du parcours et aidera les équipes à se concentrer sur les grands image.
Mais surtout, une bonne équipe affichera une attitude positive: une exigence cruciale pour toute entreprise dans l’espace concurrentiel de l’IA. Une détermination à faire fonctionner les choses, même lorsque les temps sont durs, séparera les équipes qui ont ce qu’il faut pour faire évoluer une entreprise d’IA, et celles qui n’en ont pas.