Evaluer un business en IA. (episode 2) 

Comme vous le savez peut-être, l'équipe fondatrice est essentielle pour toute entreprise, et plus encore pour une startup, car c'est elle qui joue un rôle crucial dans la croissance de la startup. Certaines études soutiennent même que l'équipe fondatrice est plus critique pour le succès de la startup que le produit lui-même.

Au-delà des traits de personnalité spécifiques (acceptation du retour critique, esprit d'équipe, volonté d'apprendre, etc.), les employés impliqués dans une startup d'IA devraient avoir une expérience pertinente de la technologie avant de s'intéresser à toute innovation sous le terme générique d'IA. Les investisseurs devraient vérifier les qualifications, l'expérience et les antécédents professionnels de l'équipe fondatrice.

Les startups d'IA sont souvent constituées d'individualités partageant les mêmes idées et disposant d'un solide bagage technique, mais sans expérience commerciale. 
D'après notre expérience, les équipes fondatrices de startups d'IA les mieux préparées peuvent combiner une expérience technique et commerciale pertinente dans le marché de niche qu'elles ciblent. De solides connaissances commerciales permettront également de s'assurer que leur produit s'intégrera parfaitement dans l’experience professionnel (ou personnelle) du client. Les investisseurs peuvent trouver un bon exemple d'intégration d'IA dans ce genre d’expérience grâce à une bonne compréhension de l’activité du client dans PathAI, une startup d'IA dans le domaine de la santé. 
En outre, l'équipe fondatrice doit partager une vision commune de l'entreprise, une vision qui convaincra les clients potentiels et les talents.

Le fait d'avoir une expérience commerciale aidera les startups d'IA à démontrer comment elles ont installé l'IA et ont l'intention de l'exploiter pour apporter de la valeur aux clients. Les équipes bien équilibrées découvriront rapidement qu'elles sont encore plus vulnérables aux coupes budgétaires si une solution d'IA ne progresse pas au-delà d'une fonctionnalité "nice to have". Il est essentiel de construire une solution qui résoudra un point douloureux (pain point) pertinent. Il est donc essentiel d’avoir une solide approche produit et un développement par la clientèle.

Si la startup d'IA travaille sur une IA de pointe, des chercheurs en ML (Machine Learning) sont nécessaires. Lorsqu'il s'agit de mettre rapidement à l'échelle une solution, disposer d'une équipe composée de data scientists et d'ingénieurs MLOps peut s'avérer très précieux (points supplémentaires si des analystes de données/DevOps/ingénieurs de données aussi).

● “Data scientists” : Les scientifiques des données construisent et entraînent des modèles prédictifs en utilisant les données après les avoir nettoyées. 
● “Data Engineer” : Les ingénieurs de données construisent et maintiennent les systèmes qui permettent aux scientifiques de données d'accéder aux données et de les interpréter. Leur rôle consiste généralement à créer des modèles de données, à construire des pipelines de données et à superviser l'ETL (extraction, transformation, chargement). 
● “MLOps” : MLOps est un ensemble de pratiques qui combine l'apprentissage automatique, DevOps et l'ingénierie des données. Les ingénieurs MLOps ont pour objectif de déployer et de maintenir les systèmes ML en production de manière fiable et efficace.
● “IA Researcher” : Un chercheur en IA repousse les limites des algorithmes d'apprentissage automatique existants et tente de créer de nouvelles approches.

Les solutions :

L'équipe fondatrice doit commencer par partager une vision commune de l'entreprise, une vision qui convaincra les clients potentiels et les talents.

Dès le début, une bonne équipe de startup d'IA doit être capable d'expliquer clairement comment sa technologie fonctionne, comment elle diffère et est avantageuse par rapport aux concurrents existants, et doit expliquer aux investisseurs comment la startup d'IA compte maintenir et faire évoluer cet avantage concurrentiel.

Une équipe ayant de l'expérience dans le domaine de l'IA évolutive, qui est passé à l’échelle (de la preuve de concept à la phase de production) est également très précieuse en ce qui concerne l'évolutivité, qui jouera un rôle crucial lorsque la startup deviendra plus mature.

Les fondateurs ne doivent pas avoir peur de sortir de leur zone de confort pour acquérir des compétences supplémentaires (par exemple, un fondateur de technologie qui apprend le marketing pour mieux comprendre comment positionner une solution).

Enfin, ne pas avoir toutes les compétences au sein de son équipe n’est pas grave si celles ci sont pallier par un solide process : 
● de validation pour s'assurer que les startups d'IA résolvent un point de douleur pertinent (partager par le plus grand nombre et dont la sévérité pousse à recourir à une solution). ● d’exploration et de validation d’hypothèse via des expérimentations soit mis en place pour combler de potentielles lacunes en compétence.
Ce process offrira la possibilité d’accompagner la montée en puissance du business dans chacune de ses étapes de développement. 
C’est le genre de process que nous mettons en place chez CatapulZ.