Les investisseurs ont investi des milliards dans les entreprises d’IA au cours des dernières années, alors que la technologie continue de dominer la Valley et donc le monde. Mais toutes les sociétés d’IA n’attirent pas l’attention des investisseurs.
En effet, même s’il semble que chaque entreprise change de nom pour inclure « IA » dans son nom, certaines idées de startup ne sont tout simplement plus appréciées des investisseurs. TechCrunch s’est entretenu avec des sociétés de capital-risque pour savoir ce que les investisseurs ne recherchent plus dans les startups de logiciels d’IA en tant que service.
Les catégories SaaS populaires auprès des investisseurs incluent désormais les startups créant une infrastructure native d’IA, les SaaS verticaux avec des données propriétaires, les systèmes d’action (ceux qui aident les utilisateurs à accomplir des tâches) et les plates-formes profondément intégrées dans des flux de travail critiques, selon Aaron Holiday, associé directeur chez 645 Ventures.
Mais il a également donné une liste d’entreprises qui sont considérées comme assez ennuyeuses pour les investisseurs de nos jours : des startups créant de fines couches de flux de travail, des outils horizontaux génériques, une gestion de produits légère et des analyses au niveau de la surface – en gros, tout ce qu’un agent d’IA peut désormais faire.
Abdul Abdirahman, investisseur de la société F Prime, a ajouté que les logiciels verticaux génériques « sans fossés de données propriétaires » ne sont plus populaires, et Igor Ryabenky, fondateur et associé directeur d’AltaIR Capital, est allé plus loin sur ce point. Il a déclaré que les investisseurs ne s’intéressent pas vraiment à tout ce qui n’a pas beaucoup de profondeur en matière de produits.
« Si votre différenciation réside principalement dans l’UI (interface utilisateur) et l’automatisation, cela ne suffit plus », a-t-il déclaré. « Les barrières à l’entrée ont disparu, ce qui rend la construction d’un véritable fossé beaucoup plus difficile. »
Les nouvelles entreprises qui entrent sur le marché doivent désormais s’appuyer sur « une véritable maîtrise du flux de travail et une compréhension claire du problème dès le premier jour », a-t-il déclaré. « Les bases de code massives ne sont plus un avantage. Ce qui compte plus, c’est la rapidité, la concentration et la capacité d’adaptation rapide. Les prix doivent également être flexibles : les modèles rigides par siège seront plus difficiles à défendre, tandis que les modèles basés sur la consommation ont plus de sens dans cet environnement. »
Événement Techcrunch
San Francisco, Californie
|
13-15 octobre 2026
Jake Saper, associé commandité chez Emergence Capital, a également eu des réflexions sur la propriété. Pour lui, les différences entre Cursor et Claude Code sont « le canari dans la mine de charbon ».
« L’un est propriétaire du flux de travail du développeur, l’autre exécute simplement la tâche », a poursuivi Saper. « Les développeurs choisissent de plus en plus l’exécution plutôt que le processus. »
Il a déclaré que tout produit traitant de la « rigidité du flux de travail », c’est-à-dire essayer d’attirer autant de clients humains que possible pour qu’ils utilisent continuellement le produit, pourrait se retrouver dans une bataille difficile lorsque les agents prendront le contrôle du flux de travail.
« Avant Claude, amener les humains à faire leur travail dans votre logiciel était une tâche puissante, mais si les agents font le travail, qui se soucie du flux de travail humain ? il a dit à TechCrunch.
Il pense également que les intégrations deviennent moins populaires, d’autant plus que le protocole de contexte de modèle (MCP) d’Anthropic facilite plus que jamais la connexion des modèles d’IA à des données et des systèmes externes. Cela signifie que quelqu’un n’a pas besoin de télécharger plusieurs intégrations ou de créer ses propres intégrations client ; ils peuvent simplement utiliser le MCP.
« Être le connecteur était autrefois un fossé », a déclaré Saper. « Bientôt, ce sera un utilitaire. »
En outre, les « outils d’automatisation du flux de travail et de gestion des tâches qui permettent la coordination du travail humain deviennent moins nécessaires si, au fil du temps, les agents se contentent d’exécuter les tâches », a déclaré Abdirahman, citant des exemples, principalement des sociétés SaaS publiques dont les actions sont en baisse à mesure que de nouvelles startups natives de l’IA apparaissent avec une technologie meilleure et plus efficace.
Ryabenky a déclaré que les entreprises SaaS qui ont du mal à se développer actuellement sont celles qui peuvent facilement être reproduites, a-t-il déclaré.
« Les outils de productivité génériques, les logiciels de gestion de projet, les clones CRM de base et les wrappers d’IA légers construits sur les API existantes entrent dans cette catégorie », a-t-il déclaré. « Si le produit est principalement une couche d’interface sans intégration approfondie, sans données exclusives ou sans connaissance des processus intégrés, de solides équipes natives d’IA peuvent le reconstruire rapidement. C’est ce qui rend les investisseurs prudents. »
Globalement, ce qui reste attrayant dans le SaaS, c’est la profondeur et l’expertise, avec des outils intégrés dans les flux de travail critiques. Il a déclaré que les entreprises devraient dès maintenant envisager d’intégrer profondément l’IA dans leurs produits et mettre à jour leur marketing pour refléter cela, a poursuivi Ryabenky.
« Les investisseurs réaffectent leurs capitaux vers les entreprises qui possèdent des flux de travail, des données et une expertise dans le domaine », a déclaré Ryabenky. « Et loin des produits qui peuvent être copiés sans trop d’effort. »
