Le cofondateur de Zerodha, Nithin Kamath, a averti que le simple fait d’utiliser l’intelligence artificielle ne suffit plus pour qu’une start-up se démarque aux yeux des investisseurs. Des articles de NDTV Profit et de Storyboard18 présentent son point de vue comme le signe d’une évolution plus large de la levée de fonds : l’IA est devenue suffisamment courante dans les pitchs de start-up pour que les fondateurs doivent désormais montrer un avantage plus solide en matière de business, de produit ou d’exécution.

Ces remarques sont importantes parce que « IA » est passée d’une description spécialisée à un élément routinier des pitch decks dans les logiciels, la fintech, le commerce, la santé et les outils de travail. Pour les fondateurs, l’implication est directe : présenter un produit comme alimenté par l’IA peut expliquer ce qu’il fait, mais n’explique plus forcément pourquoi il mérite du capital, des clients ou une valorisation premium.

Ce que l’avertissement de Kamath dit des pitchs de start-up

Les deux articles identifient le même argument central de Kamath : l’IA n’est pas, à elle seule, un facteur de différenciation. Le titre de NDTV Profit va plus loin en présentant les pitchs axés sur l’IA comme potentiellement nuisibles aux perspectives de financement des start-up, tandis que Storyboard18 décrit le problème comme une incapacité à se démarquer.

Cette distinction est importante. La critique rapportée n’est pas que les start-up devraient éviter l’IA, ni que les produits d’IA manquent de valeur commerciale. C’est que l’étiquette technologique est devenue trop large pour porter un pitch à elle seule. Un investisseur qui entend qu’une entreprise utilise le machine learning, l’IA générative ou des agents IA doit encore comprendre le problème client, la défendabilité du produit et les preuves que les utilisateurs paieront.

Pour un fondateur, cela change l’ordre des priorités dans un pitch. L’IA peut rester une partie de l’architecture produit, mais l’argument central doit de plus en plus porter sur un résultat client mesurable : baisse des coûts d’exploitation, travail plus rapide, meilleures décisions, conversion plus élevée ou capacité auparavant indisponible.

Preuves et limites des articles disponibles

Les preuves de cette histoire proviennent de deux articles de médias donnant des versions largement similaires. Aucun n’a fourni, dans le matériau disponible, une transcription complète, un lien direct vers les remarques originales de Kamath, une date des commentaires ou un contexte supplémentaire sur l’auditoire et le cadre. Le texte exact de la déclaration de Kamath ne peut donc pas être évalué indépendamment à partir des sources fournies.

Cette limite s’applique aussi à l’affirmation plus forte selon laquelle les pitchs axés sur l’IA nuisent aux chances de financement. Le titre attribue ce point de vue à Kamath, mais les articles disponibles ne fournissent pas de données de financement, d’enquête d’investisseurs ou d’analyse de transactions démontrant que les entreprises centrées sur l’IA reçoivent moins de capital parce qu’elles mentionnent l’IA.

La conclusion la plus prudente est que Kamath livre l’évaluation d’un opérateur expérimenté sur la manière dont des pitchs de plus en plus similaires peuvent être interprétés par les investisseurs. Elle ne doit pas être considérée comme un benchmark vérifié à l’échelle du marché. Les articles ne montrent pas non plus que Zerodha ait adopté une règle formelle pour évaluer les start-up IA, ni que Kamath parlait au nom de tous les investisseurs.

Cela dit, la cohérence entre NDTV Profit et Storyboard18 indique que la déclaration était digne d’intérêt, car elle capture une inquiétude déjà visible sur le marché : le mot IA peut clarifier une catégorie de produit tout en donnant à une entreprise l’air interchangeable avec des centaines de concurrents.

Pourquoi les étiquettes IA perdent leur pouvoir de signalisation

Dans les précédents cycles de financement, mentionner l’IA pouvait signaler une ambition technique ou un accès à une expertise rare. Ce signal s’est affaibli à mesure que les modèles de fondation, les interfaces de programmation, les modèles open source et les services d’inférence hébergés sont devenus largement accessibles aux équipes produit.

Une entreprise peut désormais ajouter de la synthèse, de la recherche, de la classification, de la génération d’images ou des interfaces conversationnelles sans construire elle-même chaque modèle sous-jacent. Cela abaisse la barrière pour lancer une fonctionnalité IA, mais rend aussi les affirmations au niveau des fonctionnalités plus faciles à copier pour les concurrents. Un investisseur doit donc regarder au-delà du simple fait qu’un produit utilise l’IA et se demander ce qui reste difficile à reproduire.

Les réponses possibles incluent des données propriétaires, la distribution, l’intégration aux workflows, l’expertise réglementaire, la confiance des clients, la discipline tarifaire ou une boucle de rétroaction qui améliore le produit avec l’usage. Ce ne sont pas des avantages automatiques, et les fondateurs doivent toujours les démontrer. Mais ils sont plus parlants qu’une affirmation générique selon laquelle un produit est alimenté par l’IA.

Le même problème concerne les entreprises qui vendent de l’IA d’entreprise. Les acheteurs comparent de plus en plus les outils sur la fiabilité, la sécurité, l’intégration, la gouvernance et le coût total plutôt que sur la terminologie du modèle seule. Un pitch de start-up qui reprend le langage du fournisseur sans montrer de résultats opérationnels peut donc satisfaire la curiosité sans créer d’urgence.

Conséquences pour les fondateurs, les bâtisseurs et les acheteurs

Pour les fondateurs de start-up, la position rapportée de Kamath relève le niveau de la partie du pitch qui répond à la question « pourquoi maintenant ? ». La réponse ne peut pas être simplement que les modèles se sont améliorés. Les fondateurs doivent expliquer pourquoi le problème client est urgent maintenant, pourquoi leur approche est meilleure qu’un modèle généraliste ou qu’une plateforme établie, et comment l’entreprise conserve sa valeur si les prix des modèles baissent ou si les capacités s’améliorent.

Les équipes produit font face à un test similaire. Ajouter un assistant IA à un workflow existant peut attirer l’attention, mais l’adoption dépendra de la capacité de l’assistant à réduire les frictions et à produire des résultats fiables. Les équipes qui construisent des agents IA doivent montrer où une revue humaine reste nécessaire, comment les échecs sont détectés et ce qui se passe lorsque le système rencontre des tâches ambiguës ou sensibles.

Les acheteurs entreprises peuvent utiliser le même cadre pour évaluer les fournisseurs. Plutôt que de considérer une fonctionnalité IA comme une preuve de pertinence stratégique, les responsables des achats et de la technologie peuvent demander une précision au niveau des tâches, les exigences d’intégration, les contrôles des données, l’auditabilité et des preuves issues de déploiements comparables. L’avertissement rapporté de Kamath ne prouve pas que toutes les start-up IA sont faibles ; il suggère que les acheteurs et les investisseurs devraient exiger des preuves plus précises.

Pour le marché au sens large, cette évolution pourrait favoriser les entreprises qui combinent l’IA avec un canal de distribution difficile à reproduire ou un workflow profondément intégré. Elle pourrait aussi accroître la pression sur les start-up dont le principal avantage est l’accès aux mêmes modèles et outils que ceux disponibles pour des concurrents plus grands. Cela n’élimine pas les opportunités pour de nouvelles entreprises, mais rend le positionnement et l’exécution plus décisifs.

Ce qu’il faut surveiller ensuite

Le prochain signal sera de voir si les investisseurs commencent à décrire l’IA comme une capacité de base plutôt que comme une thèse d’investissement autonome. Les guides publics de pitch, les critères de sélection des accélérateurs et les commentaires des journées de démonstration pourraient montrer si cette vision se diffuse au-delà des remarques de Kamath.

Les fondateurs devraient aussi observer comment les discussions de financement passent du choix du modèle aux preuves de rétention, de marges, de vitesse de déploiement et de résultats clients. Si les investisseurs demandent de plus en plus des métriques au niveau du workflow, les start-up auront besoin d’une instrumentation plus solide avant d’approcher le marché.

Du côté produit, le test important sera de savoir si les entreprises d’IA peuvent transformer des fonctionnalités techniques en distribution durable. Surveillez les références clients, l’usage répété, les économies mesurables de temps ou de coûts, et les intégrations qui rendent un produit difficile à retirer. Ces signaux en diront plus sur la différenciation que la simple présence de l’IA dans le titre d’un pitch.

Perspective Creati.ai

L’avertissement rapporté de Kamath est moins utile comme verdict sur les start-up IA que comme rappel du déclin de la nouveauté. Lorsqu’une capacité devient largement disponible, elle peut rester essentielle à un produit tout en perdant sa valeur comme argument de positionnement.

Pour les bâtisseurs et les investisseurs, la leçon pratique est de séparer la couche technologique de l’avantage réel de l’entreprise. L’IA peut alimenter le produit, mais un business case convaincant dépend toujours d’un problème spécifique, d’une exécution crédible, d’une distribution durable et de preuves que les clients y trouvent suffisamment de valeur pour payer.