Cet article a déjà été publié dans Entrepreneur & Innovation Exchange (EIX)
C’est la 16ème année que nous enseignons le Plate-forme de lancement Lean de Stanford classe. Cette année, dès la première heure du premier cours, nous avons réalisé que nous voyions se produire quelque chose d’extraordinaire. C’était à la fois la fin et le début d’une nouvelle ère.
Les équipes se sont présentées au premier jour de cours avec des MVP (Minimal Viable Products) ressemblant à des produits finis que les cours précédents avaient mis des semaines ou des mois à construire. Après le cours, alors que les instructeurs réfléchissaient à ce qui venait de se passer, nous avons réalisé qu’il n’y avait pas de retour en arrière.
J’ai écrit sur la façon dont l’IA va changer les startupsmais le choc de voir 8 équipes le mettre en œuvre était époustouflant. Et pas une seule équipe ne pensait faire quelque chose d’extraordinaire.
Observations de classe : la vitesse de développement de produits est hors de l’échelle
L’ancienne séquence de notre cours était simple : nous demandions aux équipes de reproduire ce qu’elles feraient dans une startup. Ayez une idée. Construisez une équipe. Sortez du bâtiment pour parler aux clients afin de comprendre leurs problèmes, faites du développement Agile et DevSecOps pour créer des produits minimaux viables (MVP) sur 10 semaines pour tester les solutions. Et s’ils voulaient créer une entreprise, découvrir et développer un « fossé » de code et de fonctionnalités propriétaires.
Cette année, au cours de la première semaine de cours, nos étudiants ont utilisé plusieurs outils d’IA pour remplacer ce qui aurait auparavant nécessité une grande équipe de développement. Ils ont utilisé Perplexité et ChatGPT pour la recherche, Claude Code et Répliquer pour créer des applications, Vercel/v0 pour le prototypage, Granola pour transcrire automatiquement et résumer les entretiens clients. L’ensemble du flux était compressé. 
Parce qu’il était si facile d’avoir une idée et de construire quelque chose en quelques minutes/heures, nos étudiants se sont présentés le premier jour de cours avec des produits. Ils n’avaient plus besoin d’attendre des semaines ou des mois avant de vérifier si quelqu’un s’en souciait.
Ce que nous avons réalisé que nous observions était une accélération massive du calendrier de découverte et de validation client.
Apprentissage 1. Inadéquation d’impédance entre le développement de produits et l’apprentissage
Dès la troisième semaine de cours, nous avons observé que la rapidité du développement des produits signifiait que les équipes pouvaient désormais générer plus de produits qu’elles ne pouvaient en valider. La quantité de produit n’est pas égale à la quantité d’apprentissage. Les équipes étaient tellement submergées par tant d’informations provenant des outils d’IA qu’elles ont perdu de vue l’objectif de développement client. Ils ont commencé à croire que le produit lui-même était la vérité.
Conséquence 1. L’IA a rendu la validation client plus difficile
L’abondance et la facilité de création de MVP sont devenues un hasard attaque par déni de service sur la recherche d’un modèle économique reproductible et évolutif. Bien qu’il s’agisse d’un artefact d’aujourd’hui, cela signifie que nous avons besoin d’un modèle différent pour le développement client, car le codage rapide ne va pas disparaître.
Apprentissage 2. La dépendance des étudiants à l’égard de ChatGPT a diminué la qualité des informations Après la deuxième semaine de cours, il était clair que les équipes déléguaient la communication à une IA. Cette communication stupide s’est transformée en une bêtise d’IA. ChatGPT et Claude ne remplacent pas une communication réfléchie, qu’il s’agisse d’e-mails, de PowerPoint ou de résumés hebdomadaires des leçons apprises. Heureusement, vous pouvez le repérer rapidement.
Apprentissage 3. Les clients se sentent perturbés
En sortant du bâtiment, les équipes d’étudiants ont découvert que les clients potentiels se sentaient déjà perturbés par l’IA. De nombreuses entreprises auprès desquelles les équipes ont participé ont réalisé qu’elles ne constataient pas seulement des améliorations progressives, mais qu’elles se voyaient en fait confrontées à un scénario de « faillite ».
Apprentissage 4. Les clients réalisent que leurs données exclusives pourraient être leur seul moment
Dans certains cas, des clients potentiels qui auraient auparavant partagé leurs données avec des étudiants demandent désormais des NDA pour partager des informations avec l’équipe. Les clients se rendent compte que les informations étroitement détenues et durement acquises pourraient constituer l’un des rares obstacles à l’IA.
Potentiel 1 : Co-conception client
Alors que les outils d’IA permettent à nos équipes de créer des MVP plus fidèles, quelques-uns commencent à envisager d’utiliser les MVP comme jumeaux numériques (comme simulation du produit final.) Une fois placés dans le cloud et partagés avec les premiers vangélistes potentiels, les startups peuvent désormais commencer à co-concevoir le produit avec des prospects potentiels. 
Les équipes peuvent surveiller si le jumeau numérique est utilisé, comment il est utilisé, et les commentaires sur les fonctionnalités nécessaires peuvent être partagés instantanément. Les équipes peuvent mettre à jour le jumeau numérique à mesure qu’elles ajoutent des fonctionnalités.
Potentiel 2 : adéquation des résultats agent/client
Aujourd’hui, les applications logicielles sont conçues pour fournir des informations aux utilisateurs, puis s’attendre à ce que ces derniers effectuent le travail via une interface utilisateur composée de tableaux de bord, d’alertes, d’outils de flux de travail et de rapports. Mais les clients achètent des logiciels pour accomplir leur travail, et non pour regarder davantage d’écrans. Faire le travail, c’est ce que les agents IA (orchestrés par des outils comme OpenClaw) permettront de manière autonome. Pour certaines équipes, les futures sections de cours pourraient voir la recherche d’adéquation produit/marché devenir la recherche d’adéquation agent IA/résultat client. Les produits minimum viables (MVP) deviendront des résultats productifs minimum (MPO).
Leçons apprises
Les MVP ne sont plus une indication de compétence technique Le codage Vibe a transformé les MVP en l’équivalent des diapositives PowerPoint La vitesse des MVP n’a pas encore signifié un apprentissage plus rapide sur la création d’une entreprise Bien que nous soyons encore au début de la classe, la vitesse aveuglante de l’assaut des MVP de la première semaine ne s’est pas encore traduite par un apprentissage plus rapide de la validation client. Les processus métier et les modèles commerciaux sont toujours importants Le goulot d’étranglement pour nos équipes d’étudiants est passé du besoin de ressources pour créer des MVP de haute qualité au jugement : comment choisir le bon problème, comment lire correctement les signaux des utilisateurs et décider quoi construire ensuite. L’adéquation produit/marché et l’adéquation agent/résultat coexisteront (pendant un certain temps). Alors que certains clients sont prêts à passer à un flux de travail agentique, pour d’autres, l’adéquation produit/marché reste ce que les utilisateurs souhaitent voir. Les équipes de démarrage seront plus petites Nos équipes de classe sont composées de 4 à 5 personnes. Dans le passé, s’ils décidaient de poursuivre leur idée et de créer une entreprise, ils auraient besoin d’embaucher une équipe plus grande pour créer le produit, gérer le produit, découvrir s’ils étaient adaptés au produit/marché, créer la demande, etc. Ce n’est pour la plupart plus vrai. La plupart des équipes n’auront pas besoin de collecter des fonds pour savoir si le problème est réel ou avant de savoir si les utilisateurs s’en soucient. Les modèles de tarification d’entreprise vont changer Certaines équipes testent déjà une tarification qui passera de la tarification par siège aux flux de travail, aux résultats, aux résolutions et aux tâches réussies. Le développement client va changer parce que le cycle de développement client est plus rapide et que plusieurs MVP peuvent désormais être exécutés simultanément… L’effort se déplace vers le temps supplémentaire nécessaire pour tester les hypothèses, car la vitesse et le volume du développement de produits peuvent submerger les signaux des clients potentiels. À mesure que les MVP évoluent rapidement, ils doivent être instrumentés pour surveiller l’utilisation/les interactions des clients.
Plus d’apprentissage dans les semaines à venir
Classé sous : Lean LaunchPad, Technologie |
