Richard de Silva estime que la baisse du coût de développement des logiciels, grâce aux outils de génération de code et de conception de produits fondés sur l’intelligence artificielle, redonne de l’importance au modèle des entreprises autofinancées, ou « bootstrapped businesses ». Au lieu de réunir d’abord un capital important, puis de rechercher l’adéquation produit-marché, une petite équipe peut partir d’un problème que les clients paient effectivement pour résoudre, construire un premier produit, puis décider ultérieurement si elle a besoin d’investissements supplémentaires.
Il s’agit d’un point de vue publié par de Silva en tant qu’auteur invité de Crunchbase News. Il est fondateur, associé directeur et président du comité d’investissement de Lateral Investment Management. Il a également été directeur général chez Highland Capital Partners et a participé à la création d’IronPlanet. Cette analyse doit donc être lue comme l’opinion d’un investisseur expérimenté dans le capital-risque et les entreprises du marché intermédiaire, et non comme le résultat d’une étude quantitative indépendante.
Deux modèles différents pour bâtir une entreprise
de Silva critique le parcours courant dans la Silicon Valley, où l’entreprise commence par une idée ambitieuse, lève des fonds à un stade précoce, recrute de grandes équipes, puis dépense rapidement pour atteindre un marché étendu et tester l’adéquation produit-marché. Il affirme que ce parcours peut réussir dans des cas exceptionnels, mais qu’il conduit souvent à des changements répétés de secteur ou à la disparition de l’entreprise lorsque son attrait aux yeux des investisseurs diminue.
À l’inverse, l’entreprise autofinancée commence avec un client ou un secteur que le fondateur connaît déjà. Le processus consiste à résoudre un problème existant à un coût inférieur aux revenus générés, puis à trouver d’autres clients confrontés au même problème et à améliorer progressivement les opérations. Selon l’auteur, ce modèle place le client et les revenus avant l’expansion, et permet de financer le recrutement de l’équipe par les bénéfices plutôt que de miser sur une demande qui n’a pas encore été démontrée.
L’article indique que les fondateurs de ces entreprises se trouvent souvent au milieu de leur parcours professionnel, avec une expérience sectorielle et des relations déjà établies avec des clients. Cela peut signifier une croissance plus lente et linéaire pendant des années, mais cette approche met l’accent sur la rentabilité dès le départ. L’auteur cite Atlassian et Basecamp comme exemples d’entreprises ayant commencé en dehors du parcours traditionnel du capital-risque et ayant acquis une présence importante dans le secteur technologique.
Qu’est-ce que l’intelligence artificielle change concrètement ?
Auparavant, le fondateur non technique avait souvent besoin d’un financement externe précoce pour recruter des ingénieurs et construire un produit utilisable avant de disposer de revenus suffisants. Aujourd’hui, de Silva estime que les outils de génération de code et de conception de produits réduisent la taille de l’équipe et les dépenses nécessaires pour parvenir à une application fonctionnelle et la déployer auprès de clients réels.
Cela ne signifie pas que l’intelligence artificielle a supprimé le besoin de capitaux. Mais, selon l’argument avancé, elle a déplacé le goulot d’étranglement de la construction du produit vers la démonstration de l’existence d’une demande durable pour celui-ci. L’auteur estime également qu’une partie du financement précoce sert plutôt à acheter du temps supplémentaire, à accélérer les ventes et le marketing, ou à soutenir des opérations de déploiement qui ne sont pas économiques pour les clients sans subvention. Ainsi, tester le marché avant de lever un tour de financement important pourrait devenir une option plus réaliste pour un plus grand nombre de fondateurs.
L’article mentionne l’exemple de Medvi, qu’il décrit comme une entreprise proposant un traitement lié aux médicaments GLP-1 et ayant atteint un chiffre d’affaires d’un milliard de dollars avec un seul fondateur, comme un exemple extrême de ce que de petites équipes peuvent accomplir. Le texte ne fournit pas suffisamment de détails pour vérifier cette description ou la généraliser ; il ne faut donc pas la considérer comme la preuve qu’une petite taille garantit le succès.
Limites et questions ouvertes
de Silva ne préconise pas la suppression du capital-risque. Il reconnaît que les idées non testées et gourmandes en capitaux, notamment lorsque le fondateur ne dispose pas d’une base de clients, ont toujours besoin d’un financement externe pour financer la recherche d’un marché. De même, la réduction du coût de développement des logiciels ne résout pas automatiquement les difficultés liées à l’acquisition de clients, à la conformité, au support, à la sécurité des produits ou à la construction d’un avantage difficile à imiter.
La principale conclusion pour le lecteur technique est que l’intelligence artificielle pourrait élargir l’ensemble des entreprises capables d’atteindre un premier produit sans tour de financement précoce, mais qu’elle ne prouve pas l’adéquation produit-marché. La valeur pratique du modèle autofinancé dépend de la connaissance qu’a le fondateur du problème, de sa volonté de croître en fonction des revenus et de sa capacité à transformer les outils d’intelligence artificielle en un service dont les clients dépendent réellement. Quant à savoir si cela entraînera une vague de nouveaux leaders du marché, cela reste une hypothèse d’opinion que la source ne permet pas de trancher.