Cependant, ce montant comprend un financement massif provenant d'entreprises, comme l'injection de capitaux de Microsoft dans OpenAI et le financement d'Anthropic par Amazon. Si l’on en réduit les investissements conventionnels en capital-risque, le financement des startups d’IA en 2023 était beaucoup plus faible et ne correspondait qu’au montant total levé en 2021.
Brendan Burke, analyste principal de Pitchbook, a noté dans un rapport que le financement du capital-risque était de plus en plus canalisé vers « les technologies sous-jacentes de l'IA et leurs applications verticales ultimes, au lieu des middlewares à usage général pour l'audio, le langage, les images et la vidéo ».
En d’autres termes : une application GenAI qui aide une entreprise à générer des ventes en ligne, à analyser des documents juridiques ou à maintenir la conformité SOC2 est probablement un pari plus sûr qu’une application qui génère une vidéo ou une photo intelligente de temps en temps.
Clay Bavor, cofondateur de Sierra, estime que ce ne sont pas nécessairement les coûts informatiques ou des API cloud qui poussent les startups d'IA vers des modèles B2B, mais plutôt les avantages de cibler un client spécifique et d'itérer un produit en fonction de leurs commentaires. « Je pense que tout le monde, moi y compris, est assez optimiste quant au fait que les capacités de ces modèles d'IA vont augmenter tandis que les coûts baisseront », déclare Bavor.
« Il y a quelque chose de vraiment puissant dans le fait d'avoir un problème clair à résoudre pour un client particulier », dit-il. « Et puis vous pouvez obtenir des commentaires sur : « Est-ce que ça marche ? Est-ce que cela résout un problème ? Et si vous bâtissez une entreprise avec cela, c’est très puissant.
Bien que ChatGPT ait déclenché un boom de l'IA en partie parce qu'il peut générer avec agilité du code une seconde et des sonnets la seconde suivante, Arvind Jain, directeur général de la startup d'IA Glean, affirme que la nature de la technologie favorise toujours les outils restreints. En moyenne, une grande entreprise utilise plus d'un millier de systèmes techniques différents pour stocker ses données et informations, dit-il, créant ainsi une opportunité pour de nombreuses petites entreprises de vendre leur technologie à ces sociétés.
« Nous sommes dans ce monde où il existe essentiellement un tas d’outils fonctionnels, chacun répondant à un besoin très spécifique. C'est la voie de l'avenir », déclare Jain, qui a passé plus d'une décennie à travailler sur la recherche chez Google. Glean alimente un moteur de recherche sur le lieu de travail en se connectant à diverses applications d'entreprise. Elle a été fondée en 2019 et a levé plus de 200 millions de dollars en capital-risque auprès de Kleiner Perkins, Sequoia Capital, Coatue et d'autres.
Vérification des erreurs
La mise au point d'un produit d'IA générative pour servir les clients professionnels présente ses défis. Les erreurs et « hallucinations » de systèmes comme ChatGPT peuvent avoir plus de conséquences dans un environnement d'entreprise, juridique ou médical. Vendre des outils gen AI à d’autres entreprises signifie également respecter leurs normes de confidentialité et de sécurité, et potentiellement les exigences légales et réglementaires de leur secteur.
« C'est une chose pour ChatGPT ou Midjourney de faire preuve de créativité pour un utilisateur final », explique Bavor. « C'en est une autre de faire preuve de créativité dans le contexte d'applications métiers. »
Bavor affirme que Sierra a consacré « d'énormes efforts » à l'établissement de mesures de protection et de paramètres afin de pouvoir répondre aux normes de sécurité et de conformité. Cela inclut l'utilisation de… plus d'IA pour régler l'IA de Sierra. Si vous utilisez un modèle d'IA qui génère des réponses correctes 90 % du temps, mais que vous y ajoutez ensuite une technologie supplémentaire capable de détecter et de corriger certaines erreurs, vous pouvez atteindre un niveau de précision beaucoup plus élevé, explique-t-il.
« Vous devez vraiment adapter vos systèmes d'IA aux cas d'utilisation en entreprise », déclare Jain, PDG de Glean. « Imaginez une infirmière dans un système hospitalier utilisant l'IA pour prendre des décisions concernant les soins aux patients : vous ne pouvez tout simplement pas vous tromper. »
Une menace moins prévisible pour les petites entreprises d’IA qui vendent leurs produits aux entreprises clientes : et si une licorne géante de la génération IA comme OpenAI, avec son équipe commerciale en plein essor, décidait de déployer exactement l’outil qu’une startup unique a construit ?
De nombreuses startups d'IA avec lesquelles WIRED s'est entretenu tentent de ne plus dépendre entièrement de la technologie OpenAI en utilisant des alternatives comme Claude d'Anthropic ou de grands modèles de langage open source comme Le lama de Meta 3. Certaines startups ont même l’intention de créer à terme leur propre technologie d’IA. Mais de nombreux entrepreneurs en IA sont obligés de payer pour accéder à la technologie d'OpenAI tout en étant potentiellement en concurrence avec elle à l'avenir.
Peiris, de Tome, a réfléchi à la question, puis a déclaré qu'il se concentrait désormais uniquement sur les cas d'utilisation des ventes et du marketing et qu'il « était incroyable dans la génération de haute qualité pour ces gens ».