Comment mieux faire pour trouver une idée disruptive : l'IA aide à capitaliser les Deep Tech start-up

Les technologies sont le moteur principal des entreprises modernes. Mais comment définir celui qui pourrait se devenir une belle licorne et qui ne serait pas en mesure de révéler son potentiel ?

Les technologies sont le moteur principal des entreprises modernes. Tout le monde est d’accord sur cela : il suffit pour s’en convaincre de comparer les chiffres de capitalisation des plus grosses sociétés IT et des leaders des industries classiques : sociétés pétrolières, constructions mécaniques, sociétés agricoles etc. Pourtant, les technologies se développent comme les organismes vivants : elles apparaissent, évoluent, entrent en concurrence les unes contre les autres pour gagner leur place sous le soleil et, parfois, cela aussi peut arriver, elles disparaissent. A peine apparues, les start-up technologiques ont besoin d’un soutien et d’une protection de la part de leurs investisseurs. Mais comment s’y débrouiller, comment définir celle qui pourrait se développer et devenir une belle licorne et qui d’entre elles n’arriverait pas à mettre à profit son potentiel ?

Fin du romantisme d’un garage privé 

Plusieurs grandes sociétés IT modernes ont débuté avec des projets personnels de leurs créateurs, faute de mieux, dans de petits garages. A l’époque où les techniques progressaient peu-à-peu et sans être pressées, de petits investissements de départ combinés avec la bonne motivation et les talents des ingénieurs enthousiastes suffisaient pour, 20 à 30 ans après, faire d’une modeste start-up (le terme qui n’existait pas à l’époque) une société transnationale. Aujourd’hui, le niveau de départ est totalement différent : les techniques de base dans un tel ou tel autre secteur sont à la portée de tous. Pour cette raison, pour obtenir un résultat vraiment disruptif, il faut partir d’une position de départ beaucoup mieux placée qu’il y a même 12 à 20 ans.

Amazon, Uber, Spotify, Netflix et plusieurs autres sociétés qui prospèrent actuellement ont débuté comme start-up. Mais elles ne doivent pas leur succès aux technologies en tant que telles (Internet comme environnement des communications commerciales était à ce moment-là à la portée de tous et chacun), mais aux modèles d’entreprise radicalement innovants et paradoxaux pour son temps. A la date d’aujourd’hui, hélas, le potentiel de tels projets est pratiquement épuisé : les technologies existantes sont trop connues et rodées de tous les côtés et dans tous les détails par de multiples start-up. Donc, il faut avancer en profondeur pour découvrir le potentiel des axes qui ne sont pas vraiment développés et pas seulement dans le sens technique (application), mais même dans un sens purement scientifique (théorique).

Cela constitue un gros problème des investisseurs : il n’est pas possible de trouver un expert qui aurait visité l’avenir lui-même et qui pourrait en toute responsabilité confirmer ou infirmer le potentiel d’une telle ou telle autre technologie, qui est pourtant présentée par ses développeurs comme disruptive. Tout de même, d’une façon ou d’une autre, on est obligé à résoudre ce problème, car seules les voies nouvelles et non explorées par le marché peuvent permettre de créer une entreprise très rentable. C’est pour cette raison que les investisseurs se rapprochent de plus en plus souvent des start-up impliquées dans les techniques de l’avenir dites « Deep Tech ». Une approche spécifique doit être pratiquée à l’égard de ces sociétés qui, en revanche, sont capables de réussir leur coup de façon tout-à-fait impressionnante.

En défiant les barrières 

L’idée que l’on s’est fait du startuper au cours de 5 à 10 dernières années : un étudiant ou un jeune diplômé d’une haute Ecole, âgé de 25 ans tout au plus, capable, dans l’espace variant de quelques mois à un an, d’amener son idée (partagée par son personnel aussi jeune que lui-même) à l’état d’un prototype en service, - n’est plus d’actualité en cas d’un

e Deep Tech. Le développement des idées disruptives est confié aux étudiants diplômés, boursiers de troisième cycle ou aux personnes ayant un grade scientifique et âgés autour de 35 sinon encore plus. Le cycle total entre l’idée et le départ des ventes peut prendre jusqu’à 5 ans, et, au

 lieu d’un schéma habituel : « on lance la fabrication du prototype en série, pour ajouter des patchs (améliorations) ensuite », - le produit est soumis à toute une série d’essais détaillés avant d’être mis en vente.

Et même dans ce cas-là, le résultat n’est pas garanti, à ne citer que la start-up Jawbone, qui entre 2006 et 2016 a pu réunir un total d’investissements de 983 millions de USD en promettant de lancer un fintec-truker, passé pour le tueur de Fitbit, très populaire jusqu’ici, alors qu’en 2017, la société a définitivement reconnu son échec et procédé à la vente de ses actifs. Cependant, les entreprises n’ont pas tellement de choix : dans plusieurs secteurs clés, à commencer par l’agriculture et les nanotechnologies et à finir pas la cybersécurité et la bio-informatique, les progrès disruptifs ne sont pas possibles en l’absence d’une révélation en coup de foudre et sans franchir les limites paraissant jusqu’ici intangibles. Cela veut dire qu’il est nécessaire d’investir justement dans les Deep Tech Startups.

IA à la pointe du progrès

Selon les experts, entre 2021 et 2025, les investissements globaux en Deep Tech augmenteront de 2 à 3 fois par rapport à 2020, soit de 62 à 140-200 milliards de USD. Pourquoi alors, tout en se rendant compte de toute la complexité et l’imprévisibilité de la recherche d’une idée disruptive, les investisseurs ne font qu’accroître leur soutien financier ? C’est que, chaque projet réussi dans ce sens apporte non seulement un rendement dépassant plusieurs fois les investissements, mais ce rendement peut s’exprimer dans un autre ordre de grandeur. Ce qui est plus, selon les statistiques, le risque d’abandonner pour les Deep Tech startupers n’est pas tellement plus grand que celui des startupers purement technologiques. Ceci est dû à l’expérience plus solide et au bon savoir faire des développeurs des idées disruptives. En effet, ils formulent plus clairement leur objectif, ils élaborent une bonne stratégie du développement et ils se rendent mieux compte du domaine de leurs recherches toute en évaluant à sa juste valeur leur potentiel commercial.

A l’heure actuelle, on dispose d’un grand ensemble des données sur les Deep Tech startupers réussis et non réussis. On a l’idée claire des erreurs purement technique empêchant les projets tout à fait prometteurs de « décoller » : c’est la sous-estimation des développements des concurrents, la mise en vente anticipée d’un produit à l’étape de sa préparation à la mise en série, le contrôle de qualité insuffisant, les erreurs de la planification stratégique et beaucoup d’autres.

En comparant les projets réussis et échoués dans le même domaine, respectivement : Netflix et Quibi, Tesla et Karma, Spotify et Guvera et plusieurs autres, il devient possible de tirer les conclusions tout à fait justifiées sur le potentiel d’une nouvelle Deep Tech Startup. De ce point de vue, il est très logique d’utiliser l’Intelligence Artificielle instruite sur les modèles déjà connus des succès et des échecs dans un tel ou tel secteur, et en se focalisant principalement sur les échecs qu’on pourrait et devrait (sic) éviter dès le début. Par exemple, Quibi fut basée sur la propriété intellectuelle d’une autre société sans soutien juridique indispensable dans ce cas-là, Karma préféra d’externaliser l’assemblage des voitures électriques conçues par ses ingénieurs, ce qui a eu pour résultat un contrôle insuffisant de qualité des produits finis, Guvera a lancé son produit sur le marché global sans s’assurer tout d’abord la stabilité de l’afflux des capitaux, ce qui a rapidement provoqué la faillite de la société. 

Aujourd’hui, déjà, les investisseurs des projets IT commencent à abandonner la célèbre intuition pour une analyse mathématique scrupuleuse des grandes séries des données et pour l’analyse à l’ordinateur scientifiquement justifiée qui est réalisée par des centres de recherche et d’expertise disposant d’une bonne expérience et de grandes capacités informatiques. En outre, chaque Deep Tech start-up, réussie ou non, sert à augmenter la base des données utilisée pour l’instruction corrective de l’IA, ce qui fait que ses nouvelles prévisions deviennent de plus en plus précises. Aujourd’hui, les investisseurs n’ont aucune raison de remettre au plus tard le financement des Deep Tech, il suffit de vérifier, en faisant appel à la simulation par l’IA, que votre secteur est prometteur et que l’équipe sélectionnée pour appliquer ce projet disruptif correspond à cette mission.