Depuis quelques mois, je vois des entreprises passer rapidement de 0 à 5, 10, voire 15 millions de dollars de revenus annualisés en l'espace de quelques mois.
Dans l'ensemble, elles semblent se répartir en deux catégories.
La première vend aux PME, avec un ticket modeste. Le produit lui-même n'a pas besoin d'être très sophistiqué. Il s'agit d'observer les problèmes d'un vaste marché adressable (santé, droit, comptabilité, restauration, CVC, entrepreneurs individuels, etc.) et de construire des produits d'IA verticaux autour de cela. C'est là que se trouvent toutes les entreprises d'IA vocale, les employés AI et les « 11x for X ». Leur pitch de levée de fonds ressemble généralement à ceci :
Nous construisons le système d'exploitation AI pour [vertical]. Depuis le lancement, nous avons atteint 700 000 $ d'ARR en quatre mois et levons maintenant un tour de Seed de 10 M$.
La deuxième catégorie est très différente.
Ces entreprises construisent des infrastructures, de la mémoire, de l'inférence, de la sécurité, de l'apprentissage par renforcement, des outils pour développeurs et d'autres éléments de la pile AI. Et leur mémo de levée ressemble souvent à ceci :
Nous sommes passés de zéro à 12 M$ d'ARR en six mois depuis notre pré-Seed et levons maintenant un tour de Seed de 30 M$.
La première fois que l'on voit des chiffres pareils, ils ne font presque pas d'effet. Comment une entreprise peut-elle passer de zéro à huit chiffres de revenus en quelques mois ?
Ce billet porte sur cette deuxième catégorie.
J'ai maintenant rencontré et travaillé avec quelques-unes de ces entreprises, et j'ai remarqué un schéma qui se répète.
Ils ne vendent pas aux entreprises classiques. Ils vendent aux entreprises les plus avancées.
La réponse évidente est qu'ils vendent aux grandes entreprises. Peut-être. Peut-être pas. Ce qui est intéressant, c'est à quelles grandes entreprises ils vendent.
Pensez à des entreprises comme Anthropic, OpenAI, Lovable, Harvey, Sierra, ElevenLabs et des centaines d'autres entreprises nées avec l'IA qui ont levé des centaines de millions de dollars ces dernières années. Vous savez de quelles entreprises je parle.
Ces entreprises sont elles-mêmes sur un tapis roulant. Tous les 12 mois (peut-être même 6 ?), elles doivent justifier une valorisation bien plus élevée. Chaque mois, elles doivent continuer à faire croître leurs revenus. Chaque semaine, elles doivent continuer à livrer de nouvelles fonctionnalités.
En conséquence, elles rencontrent constamment des goulots d'étranglement techniques que presque personne (ou un très petit nombre) n'a encore rencontrés.
C'est ce qui en fait des clients si intéressants.
La frontière voit toujours les problèmes en premier.
Imaginez que vous construisez quelque chose dans la mémoire, l'inférence, l'apprentissage par renforcement, la voix ou la sécurité des agents. Et d'une manière ou d'une autre, vous finissez par discuter avec des ingénieurs de l'une de ces entreprises.
Au cours de cette conversation, vous réalisez qu'ils viennent de rencontrer un problème. Peut-être ont-ils fait une percée. Peut-être que l'utilisation a explosé. Peut-être qu'une nouvelle architecture de modèle a exposé un goulot d'étranglement qu'ils n'avaient pas anticipé.
Quelle qu'en soit la raison, ils ont soudainement rencontré un problème qu'eux seuls ont, parce qu'ils opèrent à une échelle ou une vitesse que très peu d'autres atteignent. Ils ont rencontré ce problème pour la première fois le mois dernier. Et depuis, ils ont déjà essayé de le résoudre en interne. Ça n'a pas marché.
Et d'une manière ou d'une autre, vous avez trouvé une meilleure solution. Vous êtes maintenant payé 100 000 $ par mois. Après un essai rapide, cela se transforme en un contrat à 500 000 $ par mois.
À première vue, ces chiffres semblent insensés. Jusqu'à ce que vous réfléchissiez à ce à quoi ils vous comparent…
Parfois, ils achètent du temps. Au lieu de passer six mois à construire la solution en interne, ils peuvent vous payer aujourd'hui et garder leur équipe d'ingénieurs concentrée sur ce qui différencie vraiment leur entreprise.
D'autres fois, ils achètent de l'efficacité.
Supposons qu'ils soient en passe de dépenser 20 M$ par an en coûts d'inférence ou de tokens. Si votre produit réduit cela à 12 M$, voire 15 M$, vous venez de leur économiser des millions de dollars. Vous payer 2 ou 3 M$ par an n'est pas du tout cher. C'est l'une des décisions au ROI le plus élevé qu'ils puissent prendre.
Ce qui est intéressant, c'est qu'ils ne comparent souvent pas votre prix à celui d'un autre éditeur de logiciels.
Ils le comparent au temps d'ingénierie, aux coûts de calcul, aux coûts de tokens, aux lancements de produits retardés et à la croissance perdue. Face à cette BATNA, votre logiciel peut en fait être l'option la moins chère.
L'avantage n'est pas toujours technologique.
Une chose que je n'avais pas comprise avant, c'est que le fossé n'est pas toujours technique.
Quelqu'un d'autre pourrait-il construire la même chose ? Probablement.
Mais ils ne sauront même pas que c'est un problème avant de parler au même client que vous. Ce ne sont pas des problèmes que vous trouverez sur Twitter. Ils ne sont pas dans les rapports de Gartner. Ils n'existent pas encore sur le marché plus large.
Ce sont des problèmes que seule une poignée d'entreprises rencontrent parce qu'elles sont celles qui repoussent les frontières. L'avantage informationnel vient avant l'avantage technologique.
En tant qu'investisseur, ce que vous souscrivez vraiment, c'est l'espoir que d'autres entreprises auront ce problème dans 6 mois.
Ces entreprises ne sont pas vraiment axées sur le produit.
L'autre chose que je n'avais pas comprise, c'est que ces entreprises ne fonctionnent presque pas comme des SaaS traditionnels.
Dans une startup normale, vous identifiez un marché, construisez un produit, puis passez des années à trouver des clients.
Ici, c'est presque inversé. Vous avez peut-être une version basique d'un produit. Mais ce n'est généralement guère plus qu'une fonctionnalité intéressante. Vous trouvez d'abord un client de pointe. Ce client expose un problème que personne d'autre ne sait exister. Vous construisez la solution (ou modifiez votre produit). Ce faisant, vous découvrez le prochain problème qu'il doit résoudre. Et puis le suivant.
La feuille de route ne vient pas d'une grande stratégie produit. Elle vient du fait de rester extrêmement proche de la poignée d'entreprises qui vivent déjà six mois d'avance sur tout le monde.
Concernant le produit lui-même, j'ai vu plusieurs approches. Dans certains cas, il n'y a pas de produit et c'est un accès pur, qui mène aux insights puis au produit. Dans d'autres cas, l'équipe avait construit un produit différent pendant un certain temps, et s'en est servi pour entrer en contact, mais a ensuite découvert une nouvelle direction (abandonnant l'ancienne activité).
La concentration des clients est presque une fonctionnalité.
Ces entreprises se retrouvent souvent dans une situation très particulière. Vos revenus vous placent dans le top 0,1 % des startups à forte croissance de votre stade. Mais 80 à 90 % de ces revenus proviennent d'un, deux ou peut-être trois clients.
La pensée SaaS traditionnelle dit que la concentration des clients est dangereuse. À terme, elle l'est. Mais au début, je pense presque que c'est une fonctionnalité plutôt qu'un bug.
Les entreprises qui vous paient ces sommes sont celles qui voient ces problèmes en premier. Tout le monde y arrivera un jour, mais ils n'y sont tout simplement pas encore. Ce qui signifie que vos premiers millions de dollars d'ARR peuvent provenir d'une poignée de clients. Vous passez moins de temps sur un GTM large, moins de temps à construire une organisation, et plus de temps à construire aux côtés des clients qui vous tirent vers le prochain problème à résoudre.
Les clients prestigieux créent le marché.
L'autre chose intéressante, c'est ce qui se passe une fois que vous avez décroché l'un de ces clients. Ce sont généralement des entreprises que tout le monde connaît. Ce logo attire immédiatement l'intérêt des investisseurs, car la traction semble soudainement beaucoup plus crédible.
Vous levez un tour beaucoup plus important. Vous publiez une étude de cas. Les concurrents de ce client commencent à rencontrer exactement le même problème et vous contactent. Les ingénieurs changent d'entreprise et emportent leurs connaissances avec eux. Le bouche-à-oreille fait son œuvre.
Ce qui a commencé avec un seul client devient lentement une catégorie entière. On a presque l'impression d'une création de catégorie inversée.
Au lieu de construire un produit et de convaincre le marché qu'il a un problème, vous commencez avec la poignée d'entreprises qui vivent déjà le futur, résolvez leurs problèmes en premier, puis regardez le reste du marché rattraper son retard.
Alors, quel conseil donnerais-je ?
Si vous construisez dans l'infrastructure AI, les outils pour développeurs ou l'espace des marchés de données (il peut y en avoir d'autres), je ne considérerais pas « l'entreprise » comme un immense bloc.
Je réfléchirais à la façon d'entrer dans les pièces où les entreprises les plus avancées passent leur temps. Car une fois que vous êtes dans ces pièces, vous arrêtez de deviner quoi construire. Vous commencez à entendre parler des problèmes de demain des mois avant tout le monde. Ces problèmes sont généralement urgents, incroyablement coûteux et impossibles à googler. Résolvez-les bien, et le prochain ensemble de problèmes viendra généralement du même client.
Les entreprises d'infrastructure AI à la croissance la plus rapide que j'ai rencontrées ne sont pas nécessairement celles qui ont le mieux prédit le futur. Ce sont celles qui se sont positionnées suffisamment près de la frontière pour voir le futur arriver en premier.
Et oui, une fois que les revenus commencent à affluer, n'oubliez pas de les convertir en contrats annuels :)
