Malgré tous leurs arguments promettant quelque chose de nouveau, les startups de l’IA partagent bon nombre des mêmes questions que les startups des années passées : comment savent-elles qu’elles ont atteint le Saint Graal de l’adéquation produit-marché ?
L’adéquation produit-marché a été étudiée de manière approfondie au fil des ans ; des livres entiers ont été écrits sur la façon de maîtriser cet art. Mais comme pour bien d’autres choses, l’IA bouleverse les pratiques établies.
« Honnêtement, cela ne pourrait tout simplement pas être plus différent de tous les manuels de jeu que nous avons tous appris en technologie dans le passé », a déclaré Ann Bordetsky, associée chez New Enterprise Associates, à une foule debout lors de TechCrunch Disrupt à San Francisco. « C’est un jeu de balle complètement différent. »
En tête de liste se trouve le rythme du changement dans le monde de l’IA. « La technologie elle-même n’est pas statique », a-t-elle déclaré.
Néanmoins, il existe des moyens permettant aux fondateurs et aux opérateurs d’évaluer s’ils sont adaptés au marché des produits.
L’une des meilleures choses à surveiller, a déclaré Murali Joshi, partenaire chez Iconiq, à l’auditoire, est « la durabilité des dépenses ». L’IA en est encore à ses débuts dans la courbe d’adoption dans de nombreuses entreprises, et une grande partie de leurs dépenses est axée sur l’expérimentation plutôt que sur l’intégration.
« De plus en plus, nous voyons les gens s’éloigner des budgets d’IA expérimentaux pour se tourner vers les budgets de base des budgets CXO », a déclaré Joshi. « Il est extrêmement important d’approfondir cela pour garantir qu’il s’agit d’un outil, d’une solution, d’une plate-forme qui est là pour rester, par opposition à quelque chose qu’ils ne font que tester et essayer. »
Événement Techcrunch
San Francisco
|
13-15 octobre 2026
Joshi a également suggéré aux startups d’envisager des métriques classiques : utilisateurs actifs quotidiens, hebdomadaires et mensuels. « À quelle fréquence vos clients interagissent-ils avec l’outil et le produit pour lesquels ils paient ? »
Bordetsky est d’accord, ajoutant que les données qualitatives peuvent aider à nuancer certaines mesures quantitatives qui pourraient suggérer, mais non confirmer, si les clients sont susceptibles de s’en tenir à un produit.
« Si vous parlez aux clients ou aux utilisateurs, même lors d’entretiens qualitatifs, ce que nous avons tendance à faire très tôt, cela apparaît très clairement », a-t-elle déclaré.
Interviewer des personnes dans la suite exécutive peut également être utile, a déclaré Joshi. « Où cela se situe-t-il dans la pile technologique ? » il suggère de leur demander. Il a déclaré que les startups devraient réfléchir à la manière dont elles peuvent devenir « plus collantes en tant que produit en termes de flux de travail de base ».
Enfin, il est important pour les startups de l’IA de considérer l’adéquation produit-marché comme un continuum, a déclaré Bordetsky. L’adéquation produit-marché ne se limite pas à un moment donné dans le temps », a-t-elle déclaré. « Il s’agit d’apprendre à réfléchir à la manière dont vous pouvez peut-être commencer avec un peu d’adéquation au marché produit dans votre espace, puis la renforcer réellement au fil du temps. »
