L’intelligence artificielle pour détecter les start-up les plus prometteuses

Lorsqu’une start-up en démarrage reçoit plus d’un million et demi de dollars auprès de ses premiers investisseurs, elle a beaucoup plus de chance de boucler ensuite une levée de fonds de captal risque. C’est Veronica Wu, management partner de Home Capital qui le dit. Pour arriver à cette information fort utile à l’heure de choisir une future pépite, l’investisseuse établie dans la Silicon Valley s’est appuyée sur l’analyse de données et l’intelligence artificielle. «Nous avons créé un modèle d’apprentissage machine à partir des données de 30’000 deals de la dernière décennie, extraites de multiples sources, comme Crunchbase, Mattermark et PitchBook. Pour chaque deal, nous avons regardé si l’équipe était parvenue à un round de série A. Cette analyse nous a permis d’identifier 20 caractéristiques déterminant les investissements de démarrage ayant le plus de chance de réussite future», explique Veronica Wu lors d’un entretien à McKinsey Quarterly.

Evaluation automatisée

Le modèle développé par Hone Capital produit ainsi une recommandation d’investissement pour chaque deal en considérant des facteurs aussi divers que les montants levés, le background des fondateurs et le taux de succès des investisseurs.

Sur le même principe, dans le cadre de l'initiative d'intrapreneurship Kickbox chez Swisscom, Penny Schiffer développe actuellement un système automatisé d’évaluation de jeunes pousses, lui aussi basé sur les données et l’IA. Responsable de divers programmes pour start-up chez Swisscom et elle-même investisseuse à titre privé, elle explique que l’objectif consiste à automatiser le premier tri que font les firmes de venture capital, parmi les milliers de dossiers de start-up qu’elles reçoivent.

Actuellement en phase d’entraînement, Robo VC ingurgite des milliers de formulaires d’information envoyés par des jeunes pousses à deux sociétés d’investissement suisses partenaires du projet. Ces documents contiennent notamment des informations sur l’équipe, le modèle d’affaires ou les revenus des start-up. Une fois finalisé Robo VC devrait ainsi être en mesure d’identifier des patterns communs aux start-up les plus prometteuses, sur lesquelles les investisseurs peuvent concentrer leurs efforts.

Combiner intelligence artificielle et intuition humaine

Automatiser leur évaluation et découvrir des pépites qui auraient passé sous le radar de critères de sélection connus, tel est le principal atout de l’intelligence artificielle pour les sociétés de capital risque. «Pour autant que les investisseurs se fient aux recommandations des algorithmes», souligne toutefois Penny Schiffer. Elle ajoute que, si l’IA est très utile pour une première sélection, c’est ensuite aux investisseurs de prendre le relais et de poursuivre l’évaluation des jeunes pousses. Un avis partagé par Veronica Wu: «Nous avons combiné le machine learning qui nous fait découvrir des choses que nous aurions manquées, avec notre intuition et notre jugement humain. Nous devons apprendre à nous fier davantage au modèle de données, mais ne pas en dépendre complètement. Il s’agit vraiment d’une combinaison entre les personnes et les outils.»

Blossom Capital, société de capital risque européenne ayant investi récemment dans la jeune pousse saint-galloise Frontify, a choisi une autre manière de combiner algorithme et humain. «Plutôt que d’exploiter les métriques disponibles pour construire des modèles, nous partons de l’autre côté de l’équation. Nous nous appuyons sur la méthodologie employée dans les recherches et les discussions de notre comité d’investissement pour évaluer les deals, et nous nous en servons pour créer des modèles répliquant la manière de penser de l’investisseur», explique Imran Ghory, partenaire de la firme, sur un billet de blog. Il ajoute que c’est grâce à cette approche, que Blossom Capital peut identifier des jeunes pousses comme Frontify, qui ne sont pas basées dans les hubs géographiques les plus en vue.