Il y a six ans, Yiğit Ihlamur, ancien responsable de programme chez Google, a constaté que l’IA dépassait les capacités humaines dans certains domaines – du moins selon ses estimations. Fort de ce constat, il s’est penché sur différents secteurs dans le but de trouver un problème sur lequel il pourrait travailler toute sa vie.
« À un niveau abstrait, j’étais intrigué par l’idée d’accélérer l’innovation, parce que l’innovation crée de nouveaux produits, services et expériences qui étaient auparavant inimaginables », a déclaré Ihlamur à TechCrunch lors d’une interview par courriel. « J’ai perçu la fourniture de capital à l’innovation comme un problème mathématique et j’ai commencé à coder et à pirater mon chemin.
Ihlamur a décidé de se concentrer sur l’espace VC, qu’il considérait comme en retard en termes d’utilisation de l’automatisation et de l’IA. Avec l’aide de plusieurs cofondateurs, il a lancé Vela Partners, une société de capital-risque qu’il décrit comme « alimentée par l’IA » et « axée sur les produits ».
Vela est une société de capital-risque en phase de démarrage qui gère 25 millions de dollars et possède 32 entreprises en portefeuille, dont la startup Grabango, spécialisée dans les caisses automatiques, et la société de robotique Bear Robotics. Comme toutes les sociétés de capital-risque, Vela détermine – en partie à l’aide d’algorithmes prédictifs – de nouveaux domaines d’investissement en essayant d’identifier les tendances, de trouver les bonnes opportunités et de repérer les menaces qui pèsent sur ses investissements existants.
Pour former ses algorithmes prédictifs, Vela s’appuie sur des sites web et des réseaux sociaux, ainsi que sur des bases de données payantes telles que Crunchbase.
« Vela fournit des informations sur le marché et des idées novatrices, ce qui permet aux décideurs techniques de décider quels outils acheter ou construire pour développer leurs activités principales », a déclaré M. Ihlamur. « Les modèles doivent être informatifs et explicatifs. En fin de compte, notre approche associe l’IA à l’heuristique des experts.
Inévitablement, les algorithmes amplifient les biais des données sur lesquelles ils sont formés, ce qui peut avoir des conséquences majeures dans le domaine du capital-risque. Lors d’une expérience menée en novembre 2020, la Harvard Business Review (HBR) a constaté qu’un algorithme de recommandation d’investissement avait tendance à choisir des entrepreneurs blancs plutôt que des entrepreneurs de couleur et préférait investir dans des startups dont les fondateurs étaient des hommes. Des experts ont découvert des problèmes similaires avec l’outil Mosaic de CB Insights, qui utilise des indicateurs de race, de statut socio-économique, de sexe et de handicap pour déterminer les chances de réussite d’une personne.
Ihlamur a quelque peu esquivé les questions relatives aux préjugés, reconnaissant qu’ils font partie du territoire, mais ne proposant pas nécessairement de solution.
« Un modèle peut apprendre les préjugés d’autres sociétés de capital-risque ou les préjugés du passé », a-t-il déclaré. « Tout d’abord, il faut comprendre la raison sous-jacente pour laquelle ces comportements se sont produits sur le marché du capital-risque. Deuxièmement, chaque problème est unique et une approche généralisée ne peut pas fonctionner pour tout. »
Outre les problèmes de partialité, Vela, dont le siège se trouve dans la Bay Area, n’est pas le premier à développer des outils algorithmiques pour éclairer ses décisions d’investissement. Des sociétés de capital-risque, dont SignalFire, EQT Ventures et Nauta Capital, utilisent des plates-formes alimentées par l’IA pour repérer les meilleurs choix potentiels.
L’élément différenciateur de Vela, selon Ihlamur, est son terminal « semblable à un jeu » conçu pour aider les entrepreneurs, les partenaires limités et les autres sociétés de capital-risque à utiliser ses services. Les entrepreneurs peuvent analyser les tendances des écosystèmes de développeurs tels qu’Amazon Web Services et GitHub, tandis que les sociétés de capital-risque inscrites sur la liste blanche peuvent repérer (avec un peu de chance) les startups prometteuses en phase d’amorçage et que les commanditaires peuvent poser des questions sur les raisons pour lesquelles Vela a investi dans une startup particulière.
Le répertoire GitHub de Vela, qui comprend ses modèles algorithmiques, est public – à la fois pour l’inspection et la réutilisation.
« Bien que certains VCs puissent expérimenter le sourcing basé sur l’IA, nous n’avons vu aucun VC adopter une approche basée sur le produit », a déclaré Ihlamur. « N’importe qui peut aller sur le site web de Vela et utiliser notre produit. Nous établissons des relations avec des entrepreneurs et des commanditaires de manière programmatique – notre objectif ultime est que l’IA et l’automatisation touchent et gèrent tous les aspects de notre activité. »
C’est une approche qui a bien fonctionné pour Vela jusqu’à présent. L’entreprise affirme fonctionner au seuil de rentabilité, en dirigeant ou en co-dirigeant des chèques de 500 000 à 1,5 million de dollars.
À court terme, Vela prévoit d’investir principalement dans des startups axées sur l’IA, les données et les développeurs. Ihlamur a exprimé son enthousiasme pour l’IA générative en particulier, un marché qui pourrait valoir 51,8 milliards de dollars d’ici 2028 – selon les sources que vous croyez.
« La pandémie a eu un impact positif sur nos activités, comme ce fut le cas pour de nombreuses autres sociétés de capital-risque », a déclaré M. Ihlamur. « Le lancement du ChatGPT d’OpenAI a renforcé notre position de société de capital-risque spécialisée dans l’IA… En ce qui concerne le ralentissement général du secteur technologique, nous ne sommes pas inquiets, car notre entreprise a atteint son seuil de rentabilité et dispose de capitaux à investir. Malgré le ralentissement, il existe d’importantes opportunités à saisir, en partie grâce aux progrès rapides de l’IA ».