Malgré une baisse générale des investissements dans les startups, le financement de l’IA a bondi au cours de l’année écoulée. Les capitaux consacrés aux entreprises d’IA générative ont presque octuplé entre 2022 et 2023, atteignant 25,2 milliards de dollars à la fin du mois de décembre.
Il n’est donc pas vraiment surprenant que les startups d’IA aient dominé le Demo Day Winter 2024 de Y Combinator.
La cohorte Y Combinator Winter 2024 compte 86 startups spécialisées dans l’IA, selon l’annuaire officiel des startups de YC, soit près du double du lot Winter 2023 et près du triple du lot Winter 2021. On peut parler de bulle ou de surestimation, mais il est clair que l’IA est la technologie du moment.
Comme nous l’avons fait l’année dernière, nous avons passé en revue la dernière cohorte de Y Combinator – celle qui se présentera lors du Demo Day de cette semaine – et sélectionné certaines des startups les plus intéressantes dans le domaine de l’IA. Chacune d’entre elles a été sélectionnée pour des raisons différentes. Mais elles se distinguent des autres, que ce soit par leur technologie, le marché auquel elles s’adressent ou l’expérience de leurs fondateurs.
Hazel
August Chen (ex-Palantir) et Elton Lossner (ex-Boston Consulting Group) affirment que le processus de passation des marchés publics est désespérément défaillant.
Les contrats sont publiés sur des milliers de sites web différents et peuvent comprendre des centaines de pages de réglementations qui se chevauchent. (On estime que le gouvernement fédéral américain signe à lui seul plus de 11 millions de contrats par an). Répondre à ces appels d’offres peut prendre l’équivalent de divisions commerciales entières, soutenues par des consultants externes et des cabinets d’avocats.
La solution de Chen et Lossner consiste à utiliser l’IA pour automatiser le processus de découverte, de rédaction et de conformité des contrats gouvernementaux. Le duo – qui s’est rencontré à l’université – l’appelle Hazel.
Crédits d’image : Noisette
Grâce à Hazel, les utilisateurs peuvent être mis en relation avec un contrat potentiel, générer un projet de réponse basé sur l’appel d’offres et les informations relatives à leur entreprise, créer une liste de contrôle des tâches à accomplir et exécuter automatiquement des contrôles de conformité.
Étant donné la tendance de l’IA à halluciner, je suis un peu sceptique quant à la précision constante des réponses et des contrôles générés par Hazel. Mais si elles s’en approchent, elles pourraient faire gagner énormément de temps et d’efforts, permettant ainsi aux petites entreprises d’avoir une chance de remporter les centaines de milliards de dollars de marchés publics attribués chaque année.
Andy AI
Les infirmières à domicile sont confrontées à de nombreuses formalités administratives. Tiantian Zha le sait bien : elle a travaillé chez Verily, la division des sciences de la vie d’Alphabet, la société mère de Google, où elle a participé à des projets d’envergure allant de la médecine personnalisée à la réduction des maladies transmises par les moustiques.
Dans le cadre de son travail, Mme Zha a constaté que la documentation constituait une perte de temps importante pour les infirmières à domicile. Selon une étude, les infirmières consacrent plus d’un tiers de leur temps à la documentation, ce qui réduit le temps consacré aux soins aux patients et contribue à l’épuisement professionnel.
Afin d’alléger le fardeau de la documentation pour les infirmières, M. Zha a cofondé Andy AI avec Max Akhterov, un ancien ingénieur d’Apple. Andy est essentiellement un scribe alimenté par l’IA, qui saisit et transcrit les détails oraux de la visite d’un patient et génère des dossiers médicaux électroniques.
Crédits d’image : Andy AI
Comme pour tout outil de transcription alimenté par l’IA, il existe un risque de biais, c’est-à-dire que l’outil ne fonctionne pas bien pour certaines infirmières et certains patients en fonction de leurs accents et de leurs choix de mots. D’un point de vue concurrentiel, Andy n’est pas exactement le premier outil de ce type sur le marché – ses rivaux sont DeepScribe, Heidi Health, Nabla et AWS HealthScribe d’Amazon.
Mais comme les soins de santé se déplacent de plus en plus vers le domicile, la demande d’applications telles qu’Andy AI semble prête à augmenter.
Précip
Si votre expérience des applications météorologiques ressemble à celle de ce journaliste, vous avez déjà été pris dans une tempête de pluie après avoir cru aveuglément aux prédictions d’un ciel bleu dégagé.
Mais ce n’est pas une fatalité.
C’est en tout cas le postulat de Precip, une plateforme de prévisions météorologiques alimentée par l’IA. Jesse Vollmar en a eu l’idée après avoir fondé FarmLogs, une start-up qui vendait des logiciels de gestion des récoltes. Il s’est associé à Sam Pierce Lolla et à Michael Asher, anciennement responsable de la recherche de données chez FarmLogs, pour faire de Precip une réalité.
Crédits d’images : Précipitation
Precip fournit des analyses sur les précipitations, par exemple en estimant la quantité de pluie tombée dans une zone géographique donnée au cours des dernières heures ou des derniers jours. M. Vollmar affirme que Precip peut générer des mesures de « haute précision » pour n’importe quel endroit aux États-Unis, au kilomètre près (ou deux), et prévoir les conditions jusqu’à sept jours à l’avance.
Quelle est donc la valeur des mesures et des alertes relatives aux précipitations ? Selon M. Vollmar, les agriculteurs peuvent les utiliser pour suivre la croissance de leurs cultures, les équipes de construction peuvent s’y référer pour planifier les équipes et les services publics peuvent les utiliser pour anticiper les interruptions de service. Un client du secteur des transports consulte Precip tous les jours pour éviter les mauvaises conditions de conduite, affirme M. Vollmar.
Bien sûr, les applications de prévision météorologique ne manquent pas. Mais une IA comme celle de Precip promet de rendre les prévisions plus précises – si l’IA est digne de ce nom, en effet.
Maia
Claire Wiley a lancé un programme de coaching de couple alors qu’elle préparait son MBA à Wharton. Cette expérience l’a amenée à rechercher une approche plus technologique des relations et de la thérapie, qui a abouti à Maia.
Maia – que Wiley a cofondé avec Ralph Ma, un ancien chercheur scientifique de Google – vise à permettre aux couples de construire des relations plus fortes grâce à des conseils alimentés par l’IA. Dans les applications Maia pour Android et iOS, les couples s’échangent des messages dans un chat de groupe et répondent à des questions quotidiennes comme les défis qu’ils considèrent comme devant être relevés, les points de douleur passés et les listes de choses dont ils sont reconnaissants.
Crédits d’image : Maia
Maia prévoit de gagner de l’argent en faisant payer des fonctions premium telles que des programmes conçus par des thérapeutes et une messagerie illimitée. (Maia limite actuellement les textes entre partenaires – une limitation arbitraire et frustrante si vous voulez mon avis, mais c’est ainsi).
Wiley et Ma, tous deux issus de familles divorcées, affirment avoir travaillé avec un expert en relations amoureuses pour mettre au point l’expérience Maia. Les questions qui me viennent à l’esprit sont les suivantes : (1) dans quelle mesure la science des relations de Maia est-elle solide et (2) peut-elle se démarquer dans le domaine exceptionnellement encombré des applications pour couples ? Nous devrons attendre pour voir.
Courbe de données
Les modèles d’IA au cœur des applications d’IA générative comme ChatGPT sont entraînés sur d’énormes ensembles de données, des mélanges de données publiques et propriétaires provenant de tout le web, y compris des livres électroniques, des messages sur les médias sociaux et des blogs personnels. Mais certaines de ces données posent des problèmes d’ordre juridique et éthique, sans compter qu’elles présentent d’autres défauts.
Si l’on en croit Serena Ge et Charley Lee, le problème réside dans l’absence de curation des données.
Ge et Lee ont cofondé Datacurve, qui fournit des données « de qualité professionnelle » pour l’entraînement des modèles génératifs d’IA. Il s’agit en particulier de données de code, qui, selon Ge et Lee, sont particulièrement difficiles à obtenir en raison de l’expertise nécessaire pour les étiqueter en vue de l’entraînement à l’IA et des licences d’utilisation restrictives.
Crédits d’image : Courbe de données
Datacurve héberge une plateforme d’annotation gamifiée qui paie les ingénieurs pour qu’ils résolvent des défis de codage, ce qui contribue aux ensembles de données de formation de Datacurve qui sont mis en vente. Ces ensembles de données peuvent être utilisés pour former des modèles d’optimisation de code, de génération de code, de débogage, de conception d’interface utilisateur et autres, expliquent Ge et Lee.
L’idée est intéressante. Mais le succès de Datacurve dépendra de la qualité de ses ensembles de données – et de sa capacité à inciter suffisamment de développeurs à continuer à les exploiter et à les améliorer.