Dans ce contexte, je m'interroge sur la spécificité de ce qui fait une start-up à base d'IA. Depuis ces derniers mois et l'envolée des solutions à base d'IA, la frontière entre innovation et intégration devient floue. Les start-ups à base d'IA émergent à un rythme effréné, chacune prétendant révolutionner son secteur grâce à cette technologie disruptive. Mais qu'est-ce qui distingue réellement une start-up à base d'IA ? Est-ce la simple utilisation de technologies IA existantes pour améliorer des processus ou produits traditionnels, ou bien la création de nouvelles solutions IA, ouvrant ainsi des voies inexplorées ? Ce dilemme a été évoqué par Michaël Noblot, directeur délégué de la Technopole de l'Aube en Champagne dans le 20e épisode du podcast AI Experience, et soulève des questions fondamentales sur la nature de l'innovation dans le domaine de l'IA et sur la manière dont elle est intégrée au cœur des modèles d'affaires des start-ups et projets entrepreneuriaux.

Les fondements des start-ups IA

Qu'est-ce qui fait qu'on pourrait qualifier une start-up d'AItech, au-delà du buzz attaché aux lettres A et I, qui - avec ou sans fondement - semblent parfois transformer de manière quasi biblique l'eau en vin. Dire qu'on fait de l'IA revient à trouver grâce aux yeux de toutes les parties prenantes de l'entreprise. Parce que l'IA, c'est moderne et tendance, il faut faire de l'IA. Oui, mais pour quels usages et pour en faire quoi ?

Au cœur de chaque start-up IA se trouve l'innovation. Il y a celles qui ne se contentent pas d'adopter l'IA, mais qui la repoussent dans ses retranchements. En développant de nouveaux algorithmes ou en trouvant des applications inédites, elles ne font pas que résoudre des problèmes - elles redéfinissent les problèmes eux-mêmes. Cette approche méthodique permet non seulement une amélioration continue de leurs offres, mais assure également que leurs innovations restent étroitement alignées avec les besoins et attentes du marché.

L'un des attraits majeurs de l'IA réside dans sa capacité à gérer des volumes croissants de travail sans compromettre la performance. Les start-ups d'IA excellent dans la conception de solutions et de modèles d'affaires qui capitalisent sur cette caractéristique, leur permettant de croître à un rythme soutenu. La scalabilité n'est pas seulement une question de capacité technique ; c'est une vision stratégique qui anticipe l'expansion et prépare l'entreprise à embrasser rapidement de nouvelles opportunités.

Innover ou intégrer : définir la place de l'IA dans sa start-up

L'adoption de l'intelligence artificielle dans les start-ups oscille entre l'intégration de solutions d'IA prêtes à l'emploi, et le développement de solutions d'IA sur mesure. Chacune de ces approches présente des avantages et des inconvénients distincts, influençant de manière significative la trajectoire et la valeur propositionnelle des start-ups.

Intégrer et utiliser des solutions d'IA prêtes à l'emploi

Les solutions d'IA prêtes à l'emploi, ou AIaaS (AI as a Service), offrent une gamme d'algorithmes conçus pour des tâches spécifiques, directement utilisables « sortis de la boîte ». Cette approche démocratise l'accès à l'IA, surtout pour les petites entreprises aux budgets limités, en réduisant le temps de développement et les coûts de production.

Ses avantages :

  • Accessibilité financière : de nombreuses solutions d'IA prêtes à l'emploi sont disponibles sur abonnement, rendant les dépenses en IA prévisibles et transparentes.
  • Rapidité de déploiement : avec une interface utilisateur conviviale, ces produits permettent une installation rapide, sans nécessiter de compétences techniques approfondies, facilitant ainsi leur adoption au sein de l'organisation.
  • Évaluation avant engagement : la disponibilité de versions d'essai permet aux entreprises d'évaluer la solution avant un investissement complet, maximisant ainsi l'économie de coûts.

Ses inconvénients :

  • Manque de personnalisation : étant conçues pour un large éventail d'utilisateurs, ces solutions peuvent ne pas répondre à des besoins spécifiques ou uniques.
  • Problèmes de compatibilité : l'intégration avec les systèmes internes existants peut être problématique, nécessitant parfois des ajustements coûteux ou des compromis sur les fonctionnalités.
  • Confidentialité des données : avec des outils tiers développés à l'étranger, les données échangées peuvent être stockées ou transiter sur des serveurs sur lesquels l'entreprise n'a pas de contrôle.

Développer ses propres solutions d'IA sur mesure

Le développement de solutions d'IA personnalisées permet une adaptation parfaite aux besoins spécifiques de l'entreprise, offrant une liberté totale en termes de fonctionnalités et d'intégration. Mais encore faut-il en avoir les besoins et les moyens.

Ses avantages :

  • Adaptabilité et évolutivité : les solutions sur mesure peuvent évoluer en fonction des besoins de l'entreprise, facilitant l'expansion et la modification des processus existants.
  • Contrôle total : avoir la propriété du code source offre une flexibilité maximale pour les mises à jour, les améliorations et l'adaptation à l'évolution des tendances du marché.
  • Avantage concurrentiel : en développant des algorithmes intelligents adaptés à des modèles d'affaires spécifiques, les entreprises peuvent se distinguer nettement de la concurrence.

Ses inconvénients :

  • Coûts et temps de développement : la conception d'une solution d'IA sur mesure nécessite un investissement initial important, tant en termes de ressources financières que de temps de développement.
  • Expertise technique requise : le développement et la maintenance d'une solution d'IA personnalisée exigent des compétences spécialisées en science des données et en ingénierie logicielle, souvent au-delà des capacités internes des start-ups.

Externaliser l'IA : la troisième voie

Pour faire de l'IA, on peut aussi être responsable de l'idée, du concept, de la vision, du processus, mais confier son opérationnalité à une équipe de spécialistes. Alors qu'il y avait des agences d'inbound marketing qui fleurissaient à tous les coins de rue quand HubSpot arrive son concept novateur dans les années 2010, je pense qu'on va avoir le même principe avec l'IA. À ceci près que le ticket d'entrée n'est pas le même. On ne paie pas un rédacteur web de la même manière qu'un data scientist. Confier son projet d'IA à une agence tierce revient aussi à soulever la question de la réelle volonté de la start-up de se lancer. Certes, pour une preuve de concept ou un prototype, cela peut fonctionner. Mais à terme, il sera essentiel d'internaliser la gestion, le pilotage et la maintenance des projets d'IA, en particulier quand l'intelligence artificielle fait partie intégrante de la proposition de valeur qui est vendue.

Pour être qualifiée d'AItech, je dirais donc qu'une start-up doit proposer un service ou un produit ou l'intelligence artificielle joue un rôle clé dans son positionnement et sa chaîne de valeur. Intégrer un chatbot nourri avec ChatGPT pour un service support ne fait pas d'une entreprise, une AItech. Quelque part, cela me renvoie 15 ans en arrière, au moment de la démocratisation des réseaux sociaux où les entreprises faisaient leur transformation digitale parce qu'elles étaient fières de disposer d'une page Facebook.

Utiliser des outils d'IA pour ses opérations quotidiennes ne fait pas d'une entreprise une AItech. Proposer un service qui fonctionne grâce à l'IA pour améliorer le quotidien des clients peut faire de cette entreprise une AItech. Quant à savoir si l'utilisation de briques d'IA existantes fait d'une entreprise une AItech ou non, je pense que le débat est loin d'être tranché. Ma réponse serait intrinsèquement liée à la valeur reçue par le service ou le produit acheté. Si une solution SaaS alimentée par l'IA est capable d'inventer un nouvel usage, que son intelligence artificielle soit un repas fait maison par un chef, ou un plat congelé réchauffé acheté au supermarché du coin, n'y change finalement pas grand-chose pour le moment, tant que ça fonctionne. En revanche, quand la start-up AI passera en mode scaleup AI, la question se reposera sans doute.

Source de l'étude Gartner

Avez-vous écouté ces épisodes ?
Épisode #
28
Épisode #
28
May 26, 2024
26
May
2024

Comment le gouvernement canadien utilise l'IA pour la traduction

Écouter l’épisode
Épisode #
27
Épisode #
27
May 12, 2024
12
May
2024

RH : comment donner vie à une base de connaissances avec l'IA

Écouter l’épisode
Épisode #
26
Épisode #
26
May 5, 2024
5
May
2024

Entre les lignes de l'IA : résumé de l’article « What every CEO should know about generative AI » de McKinsey

Écouter l’épisode
Épisode #
25
Épisode #
25
April 28, 2024
28
April
2024

Quand l’IA se mêle des avis clients en ligne

Écouter l’épisode
Have you listened to these episodes?
Episode #
15
Episode #
15
May 19, 2024
May 19, 2024

AI on the Phone: Transforming Restaurant Order Management

Listen Episode
Episode #
14
Episode #
14
April 21, 2024
April 21, 2024

AI and Product Marketing: Redefining Strategic Horizons

Listen Episode
Episode #
13
Episode #
13
April 14, 2024
April 14, 2024

In Summary: AI: A New Companion for Humanity? - An Episode Recap

Listen Episode
Episode #
12
Episode #
12
April 7, 2024
April 7, 2024

In Summary: Video Analysis in the Age of AI - An Episode Recap

Listen Episode