Salil Darji, conseiller de startups IA, pointe les erreurs que les fondateurs repèrent trop tard

Les conseillers de startups IA observent de plus en plus souvent le même décalage : les fondateurs promettent trop au marché, sans parvenir à démontrer leur valeur, même sur un seul cas d'usage précis. Selon le mentor Salil Darji, les équipes qui survivent ne sont pas les plus bruyantes. Ce sont celles qui identifient avant les autres un problème concret, gardent le cap et bâtissent leur activité sur une économie réelle.

La concentration avant l'ambition

D'après Salil Darji, les jeunes entreprises d'IA raisonnent trop tôt en termes de « marché gigantesque » et de « passage à l'échelle tous azimuts ». Concrètement, l'équipe attaque plusieurs secteurs en même temps, tente de satisfaire des profils de clients très différents et empile les fonctionnalités avant même d'avoir prouvé la valeur d'une seule d'entre elles. Résultat : les efforts se dispersent, le produit perd en netteté, et les fondateurs eux-mêmes ne savent plus expliquer clairement ce qu'ils font mieux que les autres.

Le problème ne se limite pas au produit : il touche aussi à la confiance. Quand une startup n'arrive pas à formuler un cas d'usage précis, investisseurs et partenaires peinent à croire que l'équipe sait fixer ses priorités. À l'inverse, une cible étroite au départ rend l'activité plus lisible. La demande se teste plus facilement, les retours arrivent plus vite, le cycle de vente s'estime plus finement et l'on voit plus tôt d'où viennent réellement les revenus. À un stade précoce, c'est souvent plus important qu'une liste spectaculaire de pistes futures.

Le pitch deck n'est pas le produit

Autre erreur classique : faire du pitch deck l'objectif principal. Salil Darji constate que de nombreuses équipes se dépêchent de produire une belle présentation pour un accélérateur, un concours ou un rendez-vous avec un investisseur, mais sautent le travail le plus difficile. Il s'agit de comprendre quel problème elles résolvent, pourquoi leur approche surpasse les alternatives et comment l'économie de l'entreprise va fonctionner. Dans ce cas, les slides donnent une impression de progrès, sans remplacer un vrai travail sur le modèle.

«

Le pitch deck n'est pas une fin en soi, c'est le chemin pour y arriver qui compte. »

Si le fondateur parcourt honnêtement ce chemin, la présentation se construit presque d'elle-même. Elle contient déjà les réponses aux questions qui fâchent : qui sont les vrais concurrents, quand arrivera le premier dollar de chiffre d'affaires, à quoi ressemble le déploiement, combien de temps dure le cycle de vente et où l'entreprise risque de se tromper. Une autre difficulté s'ajoute : les conseils des différents mentors et programmes se contredisent souvent. Il ne suffit donc pas au fondateur de collecter des recommandations. Il doit apprendre à les trier pour ne garder que celles qui correspondent à son marché et à sa stratégie.

Les vrais enjeux de l'IA

L'une des thèses les plus terre à terre de Salil Darji tient en une phrase : l'IA, c'est avant tout du calcul, pas de la magie. Ce point de vue change la perspective. Plutôt que de courir après le modèle le plus en vogue ou la énième interface de chat, il propose de chercher des problèmes de prédiction concrets : que peut-on prévoir, quel signal extraire des données, et où cela apportera-t-il un bénéfice tangible au client ? D'où son intérêt pour des secteurs moins surchauffés, comme la construction, l'éducation, la surveillance environnementale et d'autres niches, où la concurrence est plus faible et où la valeur appliquée peut être plus élevée.

Salil Darji voit les prochaines grandes opportunités non seulement dans les agents, mais aussi dans la personnalisation. Selon lui, les services d'IA l'emporteront s'ils comprennent plus finement le contexte de l'utilisateur : ce qu'il sait déjà, le style d'explication qui lui convient, les actualités qu'il a déjà vues, avec qui il échange et comment il prend ses décisions. Mais cela soulève aussi des questions de confidentialité, de volume de données collectées et de contrôle humain.

• Partir d'un seul problème pour un seul public
• Chercher des secteurs sous-estimés plutôt que les marchés les plus bruyants
• Calculer le chemin vers le chiffre d'affaires avant de dessiner un marché gigantesque
• Ne collecter que les données sans lesquelles le produit ne fonctionne pas

L'économie du marché de l'IA constitue un risque à part. Salil Darji avertit que de nombreuses entreprises semblent surévaluées et que leur chiffre d'affaires ne répond pas encore aux attentes des investisseurs. Si le marché se corrige, ce ne sont pas les acteurs les plus médiatisés qui s'en sortiront le mieux, mais les équipes dotées d'un produit clair, d'une marge réelle et d'une gestion rigoureuse des données. Son approche dans les projets éducatifs est révélatrice : d'abord supprimer les données personnelles et vérifier quel résultat on peut obtenir sans accès superflu, puis seulement complexifier le système et l'infrastructure de protection.

Ce que cela signifie

Pour les fondateurs, le message est simple : l'époque où l'on pouvait vendre une startup IA sur la seule promesse d'une « révolution » touche rapidement à sa fin. Les gagnants seront les équipes qui resserrent leur problème, calculent leur unit economics, traitent les données avec soin et utilisent l'IA comme un outil pour résoudre un problème concret, et non comme un ornement de pitch pour investisseurs.