Avec une augmentation constante du nombre de startups essayant de s'implanter sur le marché, les investisseurs ont plus de mal à décider dans qui investir. On sait que lors du choix d'une entreprise ou d'une autre, de nombreux facteurs entrent en jeu, dont l'empathie qui peut exister entre le fondateur et l'investisseur. Mais nous sommes dans un monde de données, dans lequel tout est comptabilisé et où l'on voit que l'Intelligence Artificielle aide dans de nombreux secteurs à prendre des décisions. Est-ce la même chose avec les startups ?
Le premier problème que nous avons constaté est qu'il existe peu de données à leur sujet. "Parfois, il n'y a aucun moyen d'avoir des informations de startups, formatées, d'avoir un modèle, et cela rend la tâche difficile", commence par faire référence à José Hernández Orallo, professeur à l'Université polytechnique de Valence, qui a dirigé l'une des chaires BigML. en apprentissage automatique.
Des variables prédictives sont utilisées, comme le domaine, l'investissement, l'équipe... et ensuite le modèle décide, "comme cela se fait dans d'autres environnements, mais dans ce cas ce sont des domaines très variables où l'innovation est très importante." Rappelons qu'investir dans des start-up est une action tellement risquée, que si nécessaire elle réussira, et que la fiabilité de l'IA "dépend un peu de là où elle est prédite". La clé est "si ces systèmes le font mieux que les gens, qui connaissent le contexte" qui est exclu des algorithmes. Mais Hernández Orallo croit en son utilité « lorsqu'il s'agit de filtrer et de prendre des décisions communes. Vous pouvez faire un premier examen » et rappelez-vous qu'« une décision complètement automatique ne fonctionne que dans certains domaines ».
Nacho Ormeño, co-fondateur et PDG de StartupXplore, a créé la capacité de prédire l'avenir et de décider comment investir. "Le succès est déterminé par la création de valeur, et un facteur absolument différenciateur est la capacité à exécuter et à apprendre des équipes qui les composent." Les algorithmes peuvent si bien faire une partie du travail de filtrage et d'analyse des risques, pour y servir de systèmes d'aide à la décision, "aujourd'hui ils ne peuvent toujours pas prédire comment le marché va se comporter face à une nouvelle proposition de valeur, ou si une Equipe suffisamment motivée sera capables de construire et d'exécuter un plan, ou s'ils feront une amélioration optimale des ressources à leur disposition ».
Ormeño souligne le fait que l'investisseur dans les startups doit normaliser l'échec de ces entreprises comme quelque chose d'habituel dans leurs portefeuilles car "il existe des études qui indiquent que 65% des investissements réalisés dans des entreprises récemment créées ne sont pas rentables pour l'investisseur, la rentabilité de la totalité de la lettre sera portée par les 35% restants.
Paloma Castellano, directrice de Wayra Madrid, reconnaît que tous les fonds d'investissement sont basés sur cette décision. "Nous utilisons différentes sources d'information, externes et internes, grâce à l'historique que nous avons des projets", explique-t-il. Wayra a investi dans plus de 800 entreprises à travers le monde après avoir analysé plus de 80.000 XNUMX projets et "nous apprenons pendant tous les processus". C'est pourquoi le traitement des données est essentiel, mais il reconnaît que « ce n'est pas un processus infaillible. Tous les fonds ont un anti-portefeuille, un ensemble d'entreprises auxquelles on a dit non et qui ont réussi par la suite », précise-t-il. Castellano estime qu'il y a encore beaucoup plus de volume de données et "une bien meilleure qualité de données et, en outre, lorsque vous investissez dans les premières étapes, vous investissez avant tout dans les personnes".
plate-forme pionnière
En 2016, Telefónica et BigML ont créé PreSeries, l'une des premières plateformes automatisées à prédire la probabilité qu'une startup, y compris les startups, réussisse. La joint-venture avec Telefónica survient à un moment où "très peu avait été fait dans le domaine des startups", explique Francisco Martín, co-fondateur et PDG de BigML, une entreprise qui réduit les données aux mécènes pour aider à prendre des décisions. L'idée sera d'avoir des abonnés dans un premier temps "pour que l'investisseur ait accès à l'information" puis "pour que la plateforme automatise tout le cycle". En 2019, la société Rackspace a inclus PreSeries "pour développer le programme en interne". Martín se souvient qu'il a créé la technologie capable de compiler les données et que « cela fonctionnait relativement bien, le logiciel prenait les décisions, mais c'était un outil d'aide. Le défi était d'obtenir l'information car elle n'est pas aussi précise que dans une entreprise publique ».
Arturo Moreno a mené PreSeries dans sa dernière étape et a suivi ses traces avec Databell. "Ce qui se passe avec les startups et les entreprises privées, c'est qu'il n'y a pas de données de qualité et une prémisse pour utiliser la science des données est qu'elles le sont, avec une valeur projective", explique Moreno. Après être passé par PreSeries, où "on a réussi à prédire la probabilité d'entrer en bourse ou qu'une autre entreprise achèterait chez vous", il a franchi une étape pour que "les investisseurs et les startups échangent des informations". Cette plateforme en libre accès avec 200 investisseurs et 500 startups.
Moreno pense que de cette façon, il y aura des activités, les algorithmes aideront à choisir les startups dans lesquelles investir de quelque manière que ce soit, ce sera un "processus entièrement automatisé par un élément de la personne qui est important". Mais cela donne de l'agilité à l'analyse aidant à la décision. Il rappelle l'importance d'avoir une valeur prédictive à partir des données et de détecter un grand intérêt pour le secteur, "il y a un grand appétit pour investir dans les startups et plus il y a de données, mieux c'est pour toutes les parties".
