Découvrez les startups d’IA les plus prometteuses de la promotion hivernale 2024 de Y Combinator !

Investissement dans l’IA en hausse malgré la baisse globale

Malgré une baisse globale de l’investissement dans les startups, le financement de l’IA a explosé au cours de l’année dernière. Le capital alloué aux entreprises d’IA générative a presque été multiplié par huit entre 2022 et 2023, atteignant 25,2 milliards de dollars à la fin de décembre.

Il n’est donc pas surprenant que les startups d’IA aient dominé la journée de démonstration d’hiver 2024 de Y Combinator.

Le groupe Y Combinator Winter 2024 compte 86 startups d’IA, selon l’annuaire officiel des startups de YC, soit près du double du nombre de la promotion d’hiver 2023 et près de trois fois celui de la promotion d’hiver 2021. On peut parler d’une bulle ou d’une sur-hype, mais il est clair que l’IA est la technologie du moment.

Comme nous l’avons fait l’année dernière, nous avons passé en revue la nouvelle promotion de Y Combinator – la promotion qui présente les startups lors de la journée de démonstration de cette semaine – et avons sélectionné certaines des startups d’IA les plus intéressantes. Chacune d’entre elles a été retenue pour des raisons différentes. Mais dans l’ensemble, elles se distinguent des autres, que ce soit par leur technologie, leur marché cible ou les antécédents de leurs fondateurs.

Hazel

August Chen (ancien de Palantir) et Elton Lossner (ancien de Boston Consulting Group) affirment que le processus de passation de marchés publics est désespérément défaillant.

Les contrats sont publiés sur des milliers de sites différents et peuvent comporter des centaines de pages de réglementations qui se chevauchent. (Le gouvernement fédéral américain signe à lui seul plus de 11 millions de contrats par an). Répondre à ces offres peut prendre l’équivalent de divisions commerciales entières, soutenues par des consultants externes et des cabinets d’avocats.

La solution de Chen et Lossner est d’utiliser l’IA pour automatiser le processus de découverte, de rédaction et de conformité des marchés publics. Le duo, qui s’est rencontré à l’université, l’appelle Hazel.

Avec Hazel, les utilisateurs peuvent être mis en relation avec un contrat potentiel, générer une réponse préliminaire basée sur la demande de proposition et les informations de leur entreprise, créer une liste de tâches à faire et effectuer automatiquement des vérifications de conformité.

Étant donné la propension de l’IA à halluciner, je suis un peu sceptique quant à l’exactitude constante des réponses et des vérifications générées par Hazel. Mais si elles sont même proches, elles pourraient permettre de gagner énormément de temps et d’efforts, offrant ainsi aux petites entreprises une chance d’obtenir des contrats gouvernementaux d’une valeur de plusieurs milliards de dollars émis chaque année.

Andy AI

Les infirmières à domicile ont affaire à beaucoup de paperasse. Tiantian Zha le sait bien – elle a travaillé auparavant chez Verily, la division des sciences de la vie de la société mère de Google, Alphabet, où elle s’est occupée de projets allant de la médecine personnalisée à la réduction des maladies transmises par les moustiques.

Dans le cadre de son travail, Zha a constaté que la documentation était une perte de temps importante pour les infirmières à domicile. C’est un problème généralisé – selon une étude, les infirmières consacrent plus d’un tiers de leur temps à la documentation, ce qui réduit le temps consacré aux soins aux patients et contribue à l’épuisement professionnel.

Pour aider à alléger la charge de documentation des infirmières, Zha a co-fondé Andy AI avec Max Akhterov, ancien ingénieur principal chez Apple. Andy est essentiellement un scribe alimenté par l’IA, qui capture et retranscrit les détails oraux d’une visite de patient et génère des dossiers de santé électroniques.

Comme pour tout outil de transcription alimenté par l’IA, il existe un risque de biais – c’est-à-dire que l’outil ne fonctionne pas bien pour certaines infirmières et certains patients en fonction de leur accent et de leurs choix de mots. Et du point de vue de la concurrence, Andy n’est pas exactement le premier du genre sur le marché – les concurrents incluent DeepScribe, Heidi Health, Nabla et AWS HealthScribe d’Amazon.

Mais à mesure que les soins de santé se déplacent de plus en plus vers le domicile, la demande d’applications comme Andy AI semble vouée à augmenter.

Precip

Si votre expérience avec les applications météo est similaire à celle de ce journaliste, vous avez déjà été pris dans une tempête après avoir aveuglément cru aux prédictions de ciel bleu dégagé.

Mais cela n’a pas besoin d’être ainsi.

C’est du moins la prémisse de Precip, une plateforme de prévisions météorologiques alimentée par l’IA. Jesse Vollmar a eu l’idée après avoir fondé FarmLogs, une startup qui vendait un logiciel de gestion des cultures. Il s’est associé à Sam Pierce Lolla et Michael Asher, anciens directeurs des données de FarmLogs, pour concrétiser Precip.

Precip fournit des analyses sur les précipitations – par exemple, en estimant la quantité de pluie dans une zone géographique donnée au cours des dernières heures à plusieurs jours. Vollmar affirme que Precip peut générer des mesures « de haute précision » pour n’importe quel endroit aux États-Unis, jusqu’au kilomètre près, prévoyant les conditions jusqu’à sept jours à l’avance.

Quelle est donc la valeur des mesures et alertes de précipitations ? Eh bien, selon Vollmar, les agriculteurs peuvent les utiliser pour suivre la croissance des cultures, les équipes de construction peuvent les consulter pour planifier les effectifs, et les services publics peuvent les utiliser pour anticiper les interruptions de service. Un client dans le secteur des transports consulte Precip quotidiennement pour éviter les mauvaises conditions de conduite, affirme Vollmar.

Bien sûr, il ne manque pas d’applications de prévision météorologique. Mais l’IA comme celle de Precip promet de rendre les prévisions plus précises – si l’IA est à la hauteur de ses promesses, en effet.

Maia

Claire Wiley a lancé un programme de coaching pour couples tout en étudiant pour son MBA à Wharton. Cette expérience l’a amenée à envisager une approche plus technologique des relations et de la thérapie, ce qui a abouti à Maia.

Maia – que Wiley a cofondée avec Ralph Ma, ancien chercheur scientifique chez Google – vise à aider les couples à construire des relations plus solides grâce à un accompagnement alimenté par l’IA. Dans les applications Maia pour Android et iOS, les couples s’envoient des messages dans un chat de groupe et répondent quotidiennement à des questions telles que les défis à surmonter, les points douloureux du passé et les listes de choses pour lesquelles ils sont reconnaissants.

Maia prévoit de gagner de l’argent en facturant des fonctionnalités premium telles que des programmes élaborés par des thérapeutes et des messages illimités. (Maia limite actuellement les textes entre les partenaires – une limitation arbitraire frustrante, selon moi, mais c’est comme ça.)

Wiley et Ma, tous deux issus de familles divorcées, affirment avoir travaillé avec un expert en relations pour élaborer l’expérience Maia. Les questions qui se posent à mon esprit sont les suivantes : (1) quelle est la qualité scientifique des relations de Maia et (2) peut-elle se démarquer dans le domaine exceptionnellement encombré des applications pour couples ? Nous devrons attendre pour le savoir.

Datacurve

Les modèles d’IA à la base des applications d’IA générative comme ChatGPT sont entraînés sur d’énormes ensembles de données, des mélanges de données publiques et privées provenant du web, y compris des livres électroniques, des publications sur les réseaux sociaux et des blogs personnels. Mais certaines de ces données posent des problèmes légaux et éthiques – sans parler des problèmes liés à leur fiabilité.

Le manque évident de curation des données est le problème, selon Serena Ge et Charley Lee.

Ge et Lee ont cofondé Datacurve, qui fournit des données de « qualité experte » pour l’entraînement des modèles d’IA générative. Il s’agit spécifiquement de données de code, qui sont particulièrement difficiles à obtenir en raison de l’expertise nécessaire pour les étiqueter pour la formation de l’IA et des licences restrictives d’utilisation.

Datacurve héberge une plateforme d’annotation ludique qui rémunère les ingénieurs pour résoudre des défis de codage, ce qui contribue aux ensembles de données d’entraînement à vendre de Datacurve. Ces ensembles de données peuvent être utilisés pour entraîner des modèles d’optimisation de code, de génération de code, de débogage, de conception d’interface utilisateur, etc., affirment Ge et Lee.

C’est une idée intéressante. Mais le succès de Datacurve dépendra de la qualité de ses ensembles de données – et de sa capacité à inciter suffisamment de développeurs à continuer à les développer et à les améliorer.