Les données propriétaires, clé de succès pour les startups d’IA
Dans le monde ultra-concurrentiel des startups d'intelligence artificielle (IA), trouver un moyen de se différencier devient crucial pour attirer l'attention des investisseurs. Alors que le secteur de l'IA a attiré plus de 100 milliards de dollars de capital-risque en 2024, soit une hausse de 80% par rapport à l'année précédente, les entreprises doivent redoubler d'efforts pour sortir du lot. Mais quel est donc leur secret pour y parvenir ?
Le nerf de la guerre : des données propriétaires de qualité
Selon une enquête menée par TechCrunch auprès d'une vingtaine de capital-risqueurs spécialisés dans les startups d'IA pour les entreprises, plus de la moitié d'entre eux estiment que l'avantage concurrentiel réside dans la qualité et la rareté des données propriétaires. Paul Drews, associé directeur chez Salesforce Ventures, explique :
C'est vraiment difficile pour les startups d'IA d'avoir un avantage concurrentiel durable car le paysage évolue tellement rapidement. Nous recherchons des entreprises qui combinent des données différenciées, une innovation en recherche technologique et une expérience utilisateur convaincante.
– Paul Drews, Salesforce Ventures
Miser sur les données et les workflows
Jason Mendel de Battery Ventures abonde dans le même sens, notant que les avantages technologiques s'amenuisent. Il privilégie les entreprises qui s'appuient sur :
- Des données uniques et propriétaires permettant de proposer de meilleurs produits.
- Des workflows et une expérience utilisateur qui en font des systèmes d'engagement et d'intelligence essentiels au quotidien pour les clients.
Cet accès à des données propriétaires prend tout son sens pour les entreprises développant des solutions verticales. Scott Beechuk de Norwest Venture Partners souligne que celles qui arrivent à capitaliser sur leurs données uniques ont le plus grand potentiel à long terme.
Le cas Fermata : un modèle entraîné sur des données internes et clients
Valeria Kogan, PDG de la startup agritech Fermata qui utilise la vision par ordinateur pour détecter les parasites et maladies des cultures, attribue le succès de son entreprise au fait que son modèle est entraîné à la fois sur les données des clients et celles issues de son propre centre de R&D. Réaliser l'étiquetage des données en interne contribue aussi à la précision du modèle.
Au-delà des données brutes, l'art du nettoyage et de la mise en œuvre
Jonathan Lehr de Work-Bench insiste sur le fait qu'au-delà de la simple possession des données, c'est la capacité à les nettoyer et à les exploiter qui fait la différence. Son fonds se concentre sur les opportunités d'IA verticales qui nécessitent une expertise métier pointue et où l'IA permet surtout d'acquérir des données auparavant inaccessibles ou très coûteuses, puis de les nettoyer d'une manière qui aurait pris des centaines ou des milliers d'heures de travail humain.
En plus de miser sur des données propriétaires de qualité, les investisseurs sont attentifs à d'autres critères pour repérer les pépites de l'IA :
- Des équipes dirigées par des talents de haut niveau.
- De solides intégrations avec d'autres technologies.
- Une compréhension approfondie des workflows des clients.
Dans un écosystème de l'IA en ébullition, les startups qui sauront tirer leur épingle du jeu seront celles qui arriveront à exploiter au mieux leurs précieuses données propriétaires. Un défi de taille, mais essentiel pour espérer devenir un leader de son secteur et séduire les investisseurs.
