Même les personnes finançant les startups d'IA continuent d'utiliser seulement une poignée d'outils d'IA. Ce sont ceux qui passent le test.
Smith Collection/Gado/Getty Images
Les startups d'IA promettent d'automatiser tout, de votre boîte de réception à vos achats de Noël.
Mais parlez aux personnes qui investissent réellement dans le secteur et leur retenue est révélatrice. Malgré l'afflux de nouveaux outils, la plupart des investisseurs se limitent à une petite poignée qu'ils trouvent vraiment utiles.
Nous avons demandé aux investisseurs en IA quels produits ils utilisent au quotidien. La liste était plus courte que ce que le battage médiatique pourrait laisser penser.
Rejoignez plus de 500 000 lecteurs qui commencent leur journée avec Quartz.
En vous abonnant, vous acceptez nos Conditions d'utilisation et notre Politique de confidentialité.
Les produits de transcription existaient bien avant que les chatbots ne décollent, et il n'est pas surprenant qu'ils restent un pilier pour les investisseurs. Selon une estimation, environ la moitié des employés de bureau passent plus de cinq heures par semaine en réunion, atteignant plus de 15 heures pour les 9 % les plus hauts.
« Un outil dont je ne peux pas me passer est Granola pour la prise de notes », a déclaré Payton Dobbs, partenaire chez Hoxton Ventures. « Cela m'aide à rester droit, en résumant les points importants dont vous avez besoin et en laissant de côté ceux dont vous n'avez pas besoin. »
Fondée en 2023, Granola évolue dans le même espace que des entreprises comme Otter, qui existe depuis environ une décennie et compte plus de 25 millions d'utilisateurs. Il permet aux utilisateurs de prendre des notes manuellement tandis qu'un assistant IA ajoute et réorganise les notes au fur et à mesure.
Inaki Berenguer, associé directeur de LifeX Ventures, a ajouté : « À un niveau élevé, c'est (Granola) juste un autre outil de transcription et de résumé d'appels », a-t-il déclaré. « Mais en pratique, c'est bien plus précis que tout ce que j'ai essayé. Il capture la nuance des conversations d'une manière qui fonctionne réellement. »
Les grands modèles de langage comme ChatGPT et Claude d'Anthropic sont désormais omniprésents dans l'industrie. Cela ne fait pas exception pour les investisseurs — mais ce qui est révélateur, c'est la façon dont ils décrivent délibérément leur utilisation.
Lorsque les investisseurs parlent des agents IA, ils ont tendance à souligner à quel point ils sont encore limités. « Nous utilisons les LLM et les outils associés et les agents pour effectuer des recherches approfondies, aux côtés d'agents IA simples pour automatiser des tâches telles que l'extraction de données du web et les mises à jour », a déclaré Mikael Johnsson, cofondateur d'Oxx, un investisseur en logiciels basé à Stockholm et Londres.
Le choix du modèle, quant à lui, est loin d'être interchangeable. Cecilia Ma, gestionnaire d'investissement chez Norrsken VC, a déclaré que cela dépend de la complexité de la tâche. « De Claude et ChatGPT pour les informations générales à Specter et Harmonic pour le sourcing », a-t-elle déclaré. « Pour des recherches approfondies et des tâches complexes, j'utilise Claude ou Strawberry. »
Specter et Harmonic sont des plateformes de données utilisées par les investisseurs pour trouver et suivre les entreprises en démarrage, tandis que Strawberry est un produit plus récent destiné à des tâches de recherche plus exigeantes.
Et d'autres utilisent de grands modèles de langage pour le brainstorming. Lexi Novitske, associée générale au fonds de croissance Norrsken22 axé sur l'Afrique, a déclaré qu'elle utilise Claude et ChatGPT « comme partenaire de réflexion sur de nouveaux secteurs ».
Au-delà des chatbots et des assistants de recherche, certains investisseurs commencent — prudemment — à expérimenter avec des agents IA, des produits conçus pour gérer des tâches entières par eux-mêmes plutôt que de répondre à une seule invite à la fois.
« J'apprends encore ici moi-même, mais j'ai commencé à jouer avec Lua AI, une plateforme agentielle pour construire quelques agents qui s'intègrent réellement dans mon travail », a déclaré Novitske.
Fondée en 2024, Lua AI fait partie d'une nouvelle génération de startups — avec des entreprises comme Cognosys et Adept — qui créent des logiciels permettant à l'IA d'effectuer des tâches simples dans les outils internes d'une entreprise, plutôt que de simplement générer du texte pour répondre à des questions.
« Certains de nos outils logiciels habituels deviennent eux-mêmes beaucoup plus intelligents, mais nous expérimentons des agents pour parcourir nos propres données et documents industriels et aider beaucoup à la construction de pipelines, en extrayant des motifs de ce qui est dans notre disque, et en effectuant des analyses rapides de scénarios sur des entreprises ou des marchés », a déclaré Novitske.
Même ainsi, les attentes restent mesurées. Le cabinet de recherche Gartner estimations selon lesquelles plus de 40 % des projets d'IA agentique seront annulés d'ici la fin de 2027 en raison de la valeur incertaine et de l'augmentation des coûts.
Ils présentent également des risques. Une récente enquête menée auprès de professionnels de l'informatique a révélé que parmi les 82 % dont les entreprises utilisaient l'IA agentique, beaucoup ont déclaré que ces agents avaient accédé à des systèmes non prévus, utilisé des données inappropriées ou même commandé des choses qu'ils n'auraient pas dû.
Malgré les efforts des entreprises, l'email reste un domaine où les outils d'IA peinent à s'imposer.
Une étude récente de l'université de Stanford trouvé que 40 % des travailleurs avaient rencontré le « workslop » de l'IA — du contenu généré par des machines qui laisse les collègues frustrés, confus et en retard. Chaque instance prend près de deux heures à résoudre, entraînant une taxe invisible d'environ 186 $ par travailleur par mois, ont calculé les chercheurs.
« J'ai testé des agents d'IA pour les emails comme Fyxer, Superhuman et Shortwave, mais je n'ai jamais vraiment trouvé celui qui me satisfait », a déclaré Dobbs, le partenaire de Hoxton Ventures. « Je retravaille souvent tellement les brouillons qu'il est plus facile pour moi de repartir de zéro. »
Cette hésitation s'inscrit dans un schéma plus large. Les investisseurs font toujours principalement confiance à l'IA pour soutenir leur travail de manière limitée — résumer, organiser ou scanner — plutôt que de parler ou d'agir pour eux.
Malgré toutes les promesses du secteur, même les personnes qui le financent semblent les plus à l'aise lorsque les enjeux sont faibles.
