Cas d’usage, critères de sélection et secteurs populaires : trois investisseurs de Serena, Alven et Balderton expliquent ce qui retient leur attention dans les start-up d’IA.
ChatGPT a été émulé. Désormais, la grande majorité des entreprises technologiques françaises sont des spécialistes de l’intelligence artificielle. Une déclaration exagérée ? Or, ce sont les start-up françaises qui se présentent comme telles. Du moins devant les fonds d’investissement qu’ils tentent d’attirer pour lever des fonds. « 80 % d’entre eux nous assurent qu’ils font de l’IA », confie Victor Charpentier, associé chez Alven. Une proportion également observée chez le fonds d’investissement Serena : « On voit passer 3 500 entrepreneurs chaque année. Depuis deux ans, au moins 80 % d’entre eux ont intégré le terme d’intelligence artificielle dans leur pitch deck », confirme Sébastien Le Roy, associé.
« Nous leur demandons systématiquement une démo du produit »
Parmi tous ces « spécialistes » de l’IA, il faut distinguer ceux qui ont réellement développé une expertise de ceux qui surfent sur la tendance. Pour ce faire, Zoé Mohl, en charge des investissements français du fonds Balderton (qui inclut dans son portefeuille des start-up d’IA comme Convergence AI, Photoroom, Wayve, Deepset), a développé un rituel spécifique pour les sociétés de renseignement. artificiel : « Nous leur demandons systématiquement une démo de leur produit ». Sans doute une manière de réaliser un premier écrémage. Après cette étape, Balderton interroge les fondateurs « sur leurs visions et convictions sur l’avenir de l’intelligence artificielle pour savoir comment ils comptent adapter leur positionnement aux évolutions de leur marché » car c’est un « secteur en pleine transformation ».
Du côté d’Alven (qui a investi dans Attention.tech, Creative Fabrica et Dataiku), les investissements se concentrent sur deux catégories de start-up : « Les entreprises qui créent des cas d’usage basés sur des modèles économiques » d’IA déjà existants et celles qui se développent. des infrastructures permettant de faire le lien entre ces modèles et ces cas d’usage », indique Victor Charpentier. Une troisième catégorie est cependant réservée : « On regarde moins les start-up qui créent des modèles d’IA (comme par exemple Mistral, ndlr). Ils ne correspondent pas à notre stratégie d’investissement car ils nécessitent des financements importants (Alven est plutôt un spécialiste du early stage, ndlr).
Bâtiment modèle abandonné
Même constat chez Serena : « Construire des modèles d’IA coûte cher et prend du temps. Seules quelques entreprises y parviennent», explique Sébastien Le Roy. « Nous préférons surtout examiner des cas d’usage concrets qui peuvent être appliqués à un domaine particulier. Nous avons vu une vague de start-up positionnées sur des cas d’usage faciles avec des outils d’aide à la productivité. Désormais, nous accordons davantage d’attention à ceux qui développent des cas d’usage plus complexes.
Mais cela ne suffit pas. D’autres critères s’imposent pour ce fonds qui a investi dans Accenta, Lifen et Dataiku : « On se pose trois questions avant d’investir dans une start-up d’IA. Dispose-t-il d’un grand volume de données non structurées ? Opère-t-elle dans un secteur où de nombreuses tâches peuvent encore être automatisées ? Opère-t-il sur un marché à faible vélocité ?C’est-à-dire un marché sur lequel une start-up a un avantage compétitif grâce à sa rapidité d’exécution, ndlr) ».
Selon Sébastien Le Roy, « l’IA appliquée à la santé et à l’industrie manufacturière » font partie des domaines pouvant répondre à ces trois critères. Zoé Mohl, quant à elle, privilégie de nombreux secteurs : « Nous regardons l’IA aussi bien en BtoB qu’en BtoC. Nous nous intéressons au machine learning, aux outils vidéo et audio car pour l’instant aucune entreprise ne domine véritablement ce marché, dans des verticaux spécialisés comme la pharmacie ou les sciences des matériaux. Et les chatbots ? « Le service doit être unique car de nombreux acteurs l’ont déjà développé », conclut Zoé Mohl.
