Business models pour l'intelligence artificielle

L'intelligence artificielle est en train de révolutionner tous les aspects du travail et de la vie, comme le montrent les gros titres de l'actualité en continu. En tant que start up pas besoin de vous le rappeler. Pourtant, un aspect de la perturbation de l'IA reste relativement peu étudié : le bon modèle économique pour les entreprises d'IA.

Il est communément admis que les jeunes entreprises d'IA qui réussissent, comme les entreprises de cloud / SaaS avant elles, partagent un modèle commercial commun. Comme l'IA, le modèle commercial des logiciels de cloud computing a d'abord intrigué les clients et les investisseurs. Le pionnier du cloud, Salesforce, par exemple, a évité les gros paiements de licence initiaux, courants chez les vendeurs de logiciels traditionnels, et a également évité les frais de maintenance récurrents et les installations sur site coûteuses. Aujourd'hui, le modèle Salesforce est la norme pour les entreprises du secteur du cloud/SaaS et les investisseurs peuvent réciter en dormant les mesures communes des entreprises SaaS comme le nombre magique, le CAC et la VLT.

Mais il est difficile de greffer ce modèle commercial de cloud computing sur les jeunes pousses de l'IA. Cela est principalement dû au fait que les technologies du cloud et de l'IA diffèrent fondamentalement : L'IA est alimentée par des données, de vastes quantités de puissance de calcul brute et des algorithmes hallucinogènes. Il est intrinsèquement plus complexe à assimiler pour les clients que pour les start-ups de l'informatique dématérialisée, de sorte que la technologie doit être vendue de différentes manières également.

Un déploiement logiciel plus lent ? Plus d'intégration sur site ? C'est parfois ce que l'on obtient avec l'IA. Alors comment cela peut-il battre le statu quo et convaincre les clients d'acheter une nouvelle technologie d'IA ? Au cours des deux dernières années, nous avons observé trois nouveaux modèles commerciaux d'IA qui commencent à fonctionner. Chacun est différent et possède des atouts différents qui fonctionnent mieux pour certaines solutions que pour d'autres.

Business model n°1

Le premier type de solution d'IA est déployé comme un produit d'une société SaaS, et les modèles commerciaux sont presque interchangeables. Ces solutions d'IA se superposent de manière transparente à d'autres systèmes d'enregistrement, comme un produit de CRM (gestion de la relation client) ou un système ERP (planification des ressources de l'entreprise). L'IA accède aux données qui circulent dans ces systèmes, ce qui permet d'améliorer les activités au fil du temps.

De nombreuses start-up d'IA s'inscrivent dans ce modèle : Chorus AI et Gong s'appuient toutes deux sur Salesforce, utilisant l'IA pour optimiser les pratiques commerciales d'une entreprise. Le logiciel de support client Solvy se place au-dessus de Zendesk ou ServiceCloud et automatise les réponses aux tickets de support. Sift Science utilise l'apprentissage machine pour réduire les fraudes des clients, comme les abus de paiement ou les faux contenus. Un expert comptable à Paris a lancé Tiime sur un modèle similaire, une application de gestion de compta en ligne pour petites structures qui ne changent rien à leur SI

Comme ce modèle commercial ressemble au modèle SaaS, il semble facile à évaluer. La stratégie consiste à se "caler", en commençant par une fonction à valeur ajoutée et en évoluant vers une plateforme. Ces solutions sont rapides à déployer, comme les logiciels en nuage, de sorte que le cycle de vente est rapide, avec un retour sur investissement facile à définir. En attirant rapidement de nombreux clients, la solution d'intelligence artificielle crée rapidement un fossé de données, ce qui permet de devenir plus intelligent plus rapidement.

Mais cette rapidité et cette facilité peuvent également présenter des inconvénients. Tout comme les logiciels en nuage, il pourrait être facile de déchirer et de remplacer ces solutions d'IA. Et si une solution d'IA n'évolue pas au-delà d'une fonctionnalité agréable à posséder, elle est encore plus vulnérable aux réductions budgétaires. Ce n'est pas parce que ce modèle commercial est familier qu'il est nécessairement optimal.

Business model n°2

Dans ce deuxième modèle économique de l'IA, le déploiement d'un nouveau produit d'IA ne modifie pas du tout le flux de travail existant ; il ne fait que renforcer l'efficacité des flux de travail actuels en y intégrant l'IA. Il s'agit d'une intégration en profondeur qui nécessite beaucoup de travail de mise en œuvre, avec pour résultat des processus nettement améliorés.

Parmi les start-up de cette catégorie, on trouve Ayasdi, IBM Watson et H2O.AI. Présentes dans divers secteurs d'activité, ces solutions aident les clients à améliorer leurs activités principales. Prenez IBM Watson, qui a d'abord attiré l'attention internationale par son apparition dans la populaire émission de télévision "Jeopardy" en répondant à des questions posées dans un langage naturel. Elle analyse en temps réel les grandes tendances en matière de données et signale les informations qui méritent une réponse. Watson est utilisé pour aider à préparer les déclarations d'impôts, et même pour gérer les ascenseurs des immeubles grâce à des capteurs complexes qui transmettent les données aux ordinateurs.

Ce modèle commercial d'IA diffère de celui qui prévaut dans le nuage. Ses inconvénients sont évidents : avec des déploiements intensifs, le cycle de vente est long. Un faible volume signifie que chaque affaire doit être importante pour que la start-up puisse continuer à vendre le produit. Mais les avantages de ce modèle sont aussi des enjeux importants. Une fois mises en œuvre, ces solutions sont incroyablement collantes et se prêtent bien à l'upselling. Tout comme le potentiel de l'IA, le retour sur investissement de ce modèle peut être illimité.

Business model n°3

Dans le troisième modèle commercial de l'IA, la technologie de l'IA modifie tout un flux de travail en introduisant un processus d'affaires plus complet et mieux adapté à l'IA. L'IA "possède" l'expérience de bout en bout, avec très peu d'assistance humaine nécessaire, ce qui donne aux algorithmes le contrôle total de l'expérience.

Parmi les entreprises de cette catégorie, on trouve par exemple des voitures autonomes et des entreprises de drones comme Kespry, dont les drones aériens collectent des données à des fins de construction, d'exploitation minière ou d'assurance. Après une tempête, les drones Kespry peuvent évaluer les dommages causés au toit, de sorte qu'il n'est pas nécessaire d'envoyer un expert en assurance sur le toit. Comme les données sont directement envoyées dans le nuage et analysées à l'aide d'un système de vision artificielle alimenté par l'IA, la compagnie d'assurance peut estimer les données relatives aux sinistres presque immédiatement.

Comme ce modèle implique la maintenance du matériel, les avantages et les inconvénients diffèrent des jeux de nuages purs. Dans ce modèle, le matériel est un centre de coûts et une marchandise que les start-ups doivent entretenir et stocker. Le logiciel d'IA à l'intérieur des drones (ou des véhicules) est l'IP qui différencie et le générateur de revenus de la startup. Ces start-ups d'IA vendent des abonnements logiciels aux entreprises qui louent le matériel ; ces abonnements peuvent être étendus au fil du temps pour en faire encore plus.

En conclusion

L'avenir pourrait apporter des modèles commerciaux d'IA encore plus viables. L'ère de l'IA est arrivée et les investisseurs pensent en termes de mentalité de troupeau. Il faudra du temps avant que les investisseurs ne trouvent la "bonne" formule pour assurer le succès de l'IA.

Qu'est-ce que cela signifie pour les start-ups d'IA ? Pour les fondateurs : choisissez un modèle commercial qui permette à votre entreprise de se développer efficacement. Expliquez que votre technologie a un impact significatif et apporte de la valeur aux clients. Ne vous découragez pas si votre entreprise ne s'inscrit pas dans un moule familier, de type SaaS. Cela pourrait signifier défendre un modèle de services professionnels auprès d'investisseurs et de clients qui s'y opposaient auparavant. Appuyez-vous sur ce modèle si vous le devez. Faites confiance à votre instinct et trouvez le bon modèle d'entreprise pour votre société.