par Les entreprises d'IA du monde entier ont levé plus de 100 milliards de dollars en capital-risque en 2024, selon les données de Crunchbase, soit une augmentation de plus de 80 % par rapport à 2023. Cela représente près d'un tiers du total des dollars de capital-risque investis en 2024. C'est beaucoup. d’argent acheminé vers de nombreuses sociétés d’IA.
L'industrie de l'IA s'est tellement développée au cours des deux dernières années qu'elle est devenue remplie d'entreprises qui se chevauchent, de startups qui utilisent encore l'IA uniquement dans le marketing, mais pas dans la pratique, et de startups légitimes en matière d'IA qui s'envolent. Les investisseurs ont du pain sur la planche lorsqu’il s’agit de trouver les startups qui ont le potentiel de devenir leaders de leur catégorie. Par où commencent-ils ?
Testeur Joe a récemment interrogé 20 sociétés de capital-risque qui soutiennent la création de startups pour les entreprises sur ce qui donne un avantage à une startup d'IA ou ce qui la différencie de ses pairs. Plus de la moitié des personnes interrogées ont déclaré que ce qui donnera un avantage aux startups d’IA est la qualité ou la rareté de leurs données propriétaires.
Paul Drews, associé directeur chez Salesforce Ventures, a déclaré à Testeur Joe qu'il est très difficile pour les startups d'IA d'avoir un fossé car le paysage évolue si rapidement. Il a ajouté qu'il recherche des startups combinant des données différenciées, des innovations en matière de recherche technique et une expérience utilisateur convaincante.
Jason Mendel, investisseur en capital-risque chez Battery Ventures, convient que les fossés technologiques diminuent. “Je recherche des entreprises qui disposent de données approfondies et de fossés de flux de travail”, a déclaré Mendel à Testeur Joe. « L'accès à des données uniques et exclusives permet aux entreprises de proposer de meilleurs produits que leurs concurrents, tandis qu'un flux de travail ou une expérience utilisateur rigoureux leur permet de devenir les systèmes centraux d'engagement et d'intelligence sur lesquels les clients s'appuient quotidiennement.
Disposer de données propriétaires ou difficiles à obtenir devient de plus en plus important pour les entreprises qui élaborent des solutions verticales. Scott Beechuk, associé chez Norwest Venture Partners, a déclaré que les entreprises capables d'exploiter leurs données uniques sont les startups ayant le potentiel le plus à long terme.
Andrew Ferguson, vice-président de Databricks Ventures, a déclaré que disposer de données client riches et de données qui créent une boucle de rétroaction dans un système d'IA le rend plus efficace et peut également aider les startups à se démarquer.
Valeria Kogan, PDG de Fermata, une startup qui utilise la vision par ordinateur pour détecter les parasites et les maladies sur les cultures, a déclaré à Testeur Joe qu'elle pense que l'une des raisons pour lesquelles Fermata a pu gagner du terrain est que son modèle est formé à partir à la fois des données des clients et des données. du propre centre de recherche et de développement de l'entreprise. Le fait que l'entreprise effectue tous ses étiquetages de données en interne contribue également à faire une différence en ce qui concerne la précision du modèle, a ajouté Kogan.
Jonathan Lehr, co-fondateur et associé général de Work-Bench, a ajouté qu'il ne s'agit pas seulement des données dont disposent les entreprises, mais aussi de la manière dont elles sont capables de les nettoyer et de les mettre en œuvre. « En tant que fonds d'amorçage purement spécialisé, nous concentrons l'essentiel de notre énergie sur les opportunités verticales d'IA en abordant les flux de travail spécifiques à l'entreprise qui nécessitent une expertise approfondie du domaine et où l'IA est principalement un moyen d'acquérir et de nettoyer des données auparavant inaccessibles (ou très coûteuses à acquérir). cela aurait pris des centaines, voire des milliers d'heures de travail », a déclaré Lehr.
Au-delà des seules données, les sociétés de capital-risque ont déclaré qu'elles recherchaient des équipes d'IA dirigées par de solides talents, celles qui disposent de solides intégrations avec d'autres technologies et des entreprises qui ont une compréhension approfondie des flux de travail des clients.
rewrite this content and keep HTML tags
Les entreprises d'IA du monde entier ont levé plus de 100 milliards de dollars en capital-risque en 2024, selon les données de Crunchbase, soit une augmentation de plus de 80 % par rapport à 2023. Cela représente près d'un tiers du total des dollars de capital-risque investis en 2024. C'est beaucoup. d’argent acheminé vers de nombreuses sociétés d’IA.
L'industrie de l'IA s'est tellement développée au cours des deux dernières années qu'elle est devenue remplie d'entreprises qui se chevauchent, de startups qui utilisent encore l'IA uniquement dans le marketing, mais pas dans la pratique, et de startups légitimes en matière d'IA qui s'envolent. Les investisseurs ont du pain sur la planche lorsqu’il s’agit de trouver les startups qui ont le potentiel de devenir leaders de leur catégorie. Par où commencent-ils ?
Testeur Joe a récemment interrogé 20 sociétés de capital-risque qui soutiennent la création de startups pour les entreprises sur ce qui donne un avantage à une startup d'IA ou ce qui la différencie de ses pairs. Plus de la moitié des personnes interrogées ont déclaré que ce qui donnera un avantage aux startups d’IA est la qualité ou la rareté de leurs données propriétaires.
Paul Drews, associé directeur chez Salesforce Ventures, a déclaré à Testeur Joe qu'il est très difficile pour les startups d'IA d'avoir un fossé car le paysage évolue si rapidement. Il a ajouté qu'il recherche des startups combinant des données différenciées, des innovations en matière de recherche technique et une expérience utilisateur convaincante.
Jason Mendel, investisseur en capital-risque chez Battery Ventures, convient que les fossés technologiques diminuent. “Je recherche des entreprises qui disposent de données approfondies et de fossés de flux de travail”, a déclaré Mendel à Testeur Joe. « L'accès à des données uniques et exclusives permet aux entreprises de proposer de meilleurs produits que leurs concurrents, tandis qu'un flux de travail ou une expérience utilisateur rigoureux leur permet de devenir les systèmes centraux d'engagement et d'intelligence sur lesquels les clients s'appuient quotidiennement.
Disposer de données propriétaires ou difficiles à obtenir devient de plus en plus important pour les entreprises qui élaborent des solutions verticales. Scott Beechuk, associé chez Norwest Venture Partners, a déclaré que les entreprises capables d'exploiter leurs données uniques sont les startups ayant le potentiel le plus à long terme.
Andrew Ferguson, vice-président de Databricks Ventures, a déclaré que disposer de données client riches et de données qui créent une boucle de rétroaction dans un système d'IA le rend plus efficace et peut également aider les startups à se démarquer.
Valeria Kogan, PDG de Fermata, une startup qui utilise la vision par ordinateur pour détecter les parasites et les maladies sur les cultures, a déclaré à Testeur Joe qu'elle pense que l'une des raisons pour lesquelles Fermata a pu gagner du terrain est que son modèle est formé à partir à la fois des données des clients et des données. du propre centre de recherche et de développement de l'entreprise. Le fait que l'entreprise effectue tous ses étiquetages de données en interne contribue également à faire une différence en ce qui concerne la précision du modèle, a ajouté Kogan.
Jonathan Lehr, co-fondateur et associé général de Work-Bench, a ajouté qu'il ne s'agit pas seulement des données dont disposent les entreprises, mais aussi de la manière dont elles sont capables de les nettoyer et de les mettre en œuvre. « En tant que fonds d'amorçage purement spécialisé, nous concentrons l'essentiel de notre énergie sur les opportunités verticales d'IA en abordant les flux de travail spécifiques à l'entreprise qui nécessitent une expertise approfondie du domaine et où l'IA est principalement un moyen d'acquérir et de nettoyer des données auparavant inaccessibles (ou très coûteuses à acquérir). cela aurait pris des centaines, voire des milliers d'heures de travail », a déclaré Lehr.
Au-delà des seules données, les sociétés de capital-risque ont déclaré qu'elles recherchaient des équipes d'IA dirigées par de solides talents, celles qui disposent de solides intégrations avec d'autres technologies et des entreprises qui ont une compréhension approfondie des flux de travail des clients.
