Le marché de l’IA affiche toujours des valorisations extraordinaires, mais le discours des investisseurs évolue. Le prochain test n’est pas de savoir si les startups peuvent raconter une grande histoire. Il s’agit de savoir s’ils peuvent transformer les expériences en déploiement en entreprise.
Le marché de l’IA est toujours en vogue, mais les questions évoluent
Les dépenses en infrastructures augmentent. Les investissements en IA ne se sont pas ralentis dans la prudence. Au contraire, le marché évolue toujours à une vitesse extraordinaire. Les dépenses d’infrastructure augmentent, les outils agents deviennent une catégorie de logiciels plus large et les grandes sociétés d’IA continuent d’attirer des capitaux à des valorisations qui auraient semblé difficiles à imaginer il y a à peine deux ans.
Mais la question des investisseurs commence à changer.
La première phase du boom de l’IA générative a récompensé les possibilités. La phase suivante est plus exigeante. Les investisseurs veulent toujours une technologie de pointe, mais ils veulent également savoir où le produit s’intègre, comment il atteint les entreprises clientes, s’il s’aligne sur les flux de travail réels et si les preuves de concept peuvent devenir des contrats.
C’est pourquoi la conversation IBM Ventures à HumanX San Francisco s’est avérée particulièrement utile. Il a capturé une évolution dans l’investissement dans l’IA : de la recherche de démonstrations aux tests d’adéquation stratégique, de préparation de l’entreprise et de déploiement mesurable.
HumanX en tant que marché d’investisseurs
Emily Fontaine, responsable d’IBM Ventures, a décrit HumanX comme un environnement solide permettant aux investisseurs de rencontrer des startups, mais pas nécessairement comme le meilleur endroit pour l’acquisition de clients d’entreprise.
Cette distinction est importante. Certains événements d’IA sont construits autour des acheteurs. Selon Fontaine, HumanX était davantage axé sur les startups, les investisseurs et la création d’écosystèmes. C’était un endroit pour voir des entreprises, analyser le marché et poursuivre les conversations de suivi.
Pour IBM Ventures, cela est important car l’objectif n’est pas seulement une exposition financière. La branche capital-risque fait partie de la machine stratégique d’IBM. Il recherche des entreprises capables de combler des lacunes, d’améliorer les capacités actuelles, de devenir des partenaires de l’écosystème ou de créer des opportunités de collaboration avec IBM Research.
Cela rend le point de vue de l’investisseur différent d’un VC purement financier. IBM Ventures souhaite toujours des rendements solides, mais recherche également un alignement : vers où va le marché, où IBM a besoin de capacités et quelles startups peuvent contribuer à stimuler la croissance commerciale à travers le portefeuille.
L’objectif de l’IA d’entreprise à 500 millions de dollars
Fontaine a désigné le le fonds d’IA d’IBM de 500 millions de dollars comme étant au centre de cette stratégie. Le fonds se concentre sur les startups B2B qui conduisent l’IA d’entreprise de manière responsable et à grande échelle, sur l’ensemble de la pile : matériel, infrastructure, logiciels et IA de plus en plus verticale.
Ce dernier point est remarquable. Au début du boom de l’IA générative, une grande partie de l’attention s’est portée sur les outils horizontaux : assistants généraux, copilotes génériques, larges couches de productivité. Désormais, les investisseurs s’intéressent de plus près aux cas d’utilisation verticaux et aux couches d’infrastructure qui résolvent des problèmes spécifiques à l’entreprise.
Fontaine a mentionné des sociétés de portefeuille, notamment Unstructured, Writer, Ceramic, Commodore, Atolio, Not Diamond et Reality Defender. Les exemples suggèrent une thèse large : l’IA d’entreprise a besoin d’une infrastructure de données, d’une optimisation des modèles, de sécurité, d’une détection des deepfakes et d’applications adaptées aux environnements commerciaux plutôt qu’au comportement des consommateurs.
Les données non structurées en sont un exemple. Fontaine a noté que la majorité des données sont désormais non structurées, ce qui en fait un impératif stratégique pour l’architecture d’IA d’entreprise. Cela est directement lié à l’activité plus large d’IBM dans le domaine des données d’entreprise, y compris les acquisitions et les déplacements de produits autour de données gouvernées, en temps réel et prêtes pour l’IA.
Le schéma est clair : les entreprises qui comptent pour les investisseurs stratégiques ne construisent pas seulement des modèles. Ils construisent les éléments manquants du système d’exploitation d’IA d’entreprise.
Pour IBM Ventures, la question n’est pas seulement de savoir si une startup d’IA peut croître rapidement. Il s’agit de savoir si l’entreprise répond à un besoin stratégique de l’entreprise : combler un manque de capacités, renforcer l’écosystème d’IBM, ouvrir des opportunités commerciales ou se connecter à IBM Research.
Le quantique s’inscrit dans la même logique d’écosystème
La conversation a également porté sur le quantique, ce qui est particulièrement pertinent pour le marché européen. Fontaine a déclaré qu’IBM Ventures cartographie le paysage des startups quantiques, investit dans les entreprises en démarrage et recherche les lacunes dans lesquelles IBM peut aider à construire l’écosystème.
Elle a mentionné Qedma, qui travaille sur l’atténuation des erreurs, comme un investissement récent. IBM a également continué à investir massivement dans le développement de l’infrastructure et de l’écosystème quantiques, y compris les annonces récentes concernant la capacité des fonderies quantiques et les investissements à long terme dans l’informatique quantique.
Cela peut sembler distinct de l’IA, mais cela suit la même logique stratégique. IBM Ventures ne s’intéresse pas seulement à ce qui est monétisable ce trimestre. Il examine où les capacités doivent exister pour le prochain cycle informatique d’entreprise.
Tant dans l’IA que dans le quantum, la thèse du projet est axée avant tout sur l’écosystème : identifier les couches manquantes, soutenir les startups techniques, les connecter aux canaux de recherche et d’entreprise et combler les lacunes de capacités à long terme.
De l’expérimentation à l’exécution
La partie la plus importante de l’entretien était le point de vue de Fontaine sur le timing de l’IA en entreprise.
Elle a décrit 2025 comme l’année de l’expérimentation. Les entreprises ont réalisé des preuves de concept, testé des cas d’utilisation et essayé de comprendre ce que l’IA pouvait faire. Mais en 2026, a-t-elle soutenu, le marché devra évoluer vers l’exécution.
« Je pense que 2026 sera l’année de l’IA d’entreprise », a-t-elle déclaré. Selon elle, les entreprises commencent à trouver un retour sur investissement et à convertir les projets pilotes en engagements et contrats clients réels.
Cette conversion est le signal qui intéresse les investisseurs. Une preuve de concept ne suffit pas. Une bonne démo ne suffit pas. La question est de savoir si la capacité est suffisamment importante pour qu’une entreprise cliente puisse la mettre en production, la payer et créer des flux de travail autour d’elle.
C’est également là que les valorisations deviennent plus compliquées. Fontaine a été directe : « Les valorisations sont folles. » Mais elle n’a pas cité cela comme une raison pour arrêter d’investir. Au lieu de cela, elle l’a présenté comme une raison pour une meilleure diligence.
L’investisseur doit comprendre les hypothèses, les risques, l’adéquation stratégique et la raison du pari. Pour un investisseur stratégique, la question n’est pas seulement de savoir si une startup peut devenir précieuse. Il s’agit de savoir si l’entreprise s’aligne sur l’évolution du marché des entreprises.
Le capital stratégique doit faire plus que simplement acheter une exposition
C’est pourquoi Fontaine a mis l’accent sur l’adéquation du fondateur et la valeur stratégique. IBM Ventures n’oblige pas les startups à commercialiser avec IBM, mais sa valeur vient de l’ouverture de portes : clients mondiaux, partenaires, mentors, opportunités de commercialisation et collaboration au sein de l’écosystème.
Son conseil aux startups était clair : elles devraient interroger l’investisseur stratégique autant que l’investisseur les interviewe. La relation doit fonctionner pour les deux parties. Si IBM n’est pas le bon partenaire stratégique pour contribuer à alimenter les revenus et la croissance, alors l’accord pourrait ne convenir à aucune des deux parties.
C’est un moyen utile de comprendre le marché de l’investissement dans l’IA post-hype. Le capital à lui seul est abondant, du moins pour les bonnes entreprises. Ce qui est plus rare, c’est la capacité de transformer les capacités en déploiement.
Le meilleur investisseur stratégique n’achète pas seulement une place à la table des capitalisations. Il s’agit d’aider une startup à atteindre les systèmes d’entreprise, les acheteurs, les chercheurs et les relations commerciales qui rendent la technologie réelle.
Ce que recherchent réellement les investisseurs actuellement
Le cycle de battage médiatique sur l’IA n’est pas terminé. Mais le marché devient de plus en plus sélectif quant au type de battage médiatique qui mérite des capitaux.
Les investisseurs recherchent des entreprises capables de survivre au passage de l’expérimentation à la production. Ils veulent une pertinence pour l’entreprise, une technologie défendable, une stratégie de données, la sécurité, un déploiement responsable et un chemin clair entre le pilote et le contrat. Ils veulent des entreprises capables d’expliquer non seulement pourquoi la technologie est impressionnante, mais aussi pourquoi elle a sa place dans un véritable flux de travail d’entreprise.
C’est ce qui a rendu la conversation IBM Ventures utile au-delà de HumanX. Cela a montré que le point de vue de l’investisseur passait de l’enthousiasme à l’exécution.
La prochaine génération de startups de l’IA aura encore besoin d’ambition. Mais l’ambition ne suffit plus. Les gagnants seront les entreprises qui parviendront à transformer les capacités de l’IA en confiance d’entreprise, en valeur commerciale et en systèmes qui fonctionneront une fois la démonstration terminée.
