Au MIT, l’IA accélère les startups sans remplacer la rencontre avec les clients

L’intelligence artificielle n’a pas supprimé le parcours exigeant qui mène d’une intuition à une entreprise viable. Au Massachusetts Institute of Technology, plus connu sous le nom de MIT, elle modifie toutefois la vitesse à laquelle les étudiants entrepreneurs peuvent explorer une idée, préparer un prototype ou formuler des hypothèses sur leurs futurs clients. Le point décisif reste le même : vérifier, sur le terrain, qu’un problème existe bien et que des personnes souhaitent réellement voir leur problème résolu.

C’est la ligne suivie par le Martin Trust Center for MIT Entrepreneurship, structure du MIT consacrée à l’enseignement et à l’accompagnement de l’entrepreneuriat. Dans son programme d’accélération delta v, les outils d’IA sont désormais intégrés aux méthodes de travail. Ils aident les équipes à générer des pistes et à organiser leur réflexion, sans être présentés comme des substituts au jugement des fondateurs, à l’enquête de marché ou à la relation avec les utilisateurs.

Cette approche est particulièrement éclairante à un moment où les assistants conversationnels et les générateurs de code donnent l’impression que créer une startup peut se réduire à écrire une bonne instruction. Au MIT, l’IA est envisagée comme un levier. Elle peut accélérer certaines étapes, mais elle ne garantit ni l’existence d’un marché, ni l’adéquation entre une offre et les attentes de ceux qui l’utiliseront.

Au MIT, l’IA s’insère dans une méthode entrepreneuriale

Le Martin Trust Center enseigne les compétences nécessaires pour entreprendre. Son rôle ne consiste donc pas seulement à exposer des étudiants à de nouvelles technologies, mais à les aider à transformer une idée en démarche structurée : identifier un besoin, définir un public, construire une proposition de valeur, tester des hypothèses et apprendre des retours obtenus.

Pour Macauley Kenney, entrepreneur en résidence au centre, les principes fondamentaux de l’entrepreneuriat ne changent pas avec l’essor de l’IA. Cette nuance est essentielle. Les outils peuvent produire rapidement du texte, des synthèses, des hypothèses de positionnement ou du code. Ils ne savent pas, à eux seuls, établir qu’une entreprise répond à un besoin précis dans un contexte commercial donné.

Dans delta v, les étudiants ont ainsi incorporé l’IA à leur processus de création tout en conservant les interactions directes avec les clients. Ce double mouvement compte : une réponse générée par un modèle de langage peut servir de point de départ, tandis qu’un entretien avec un utilisateur potentiel permet de tester si cette réponse décrit la réalité.

L’intérêt de cette grille est de rappeler qu’une startup ne se construit pas uniquement en produisant des documents convaincants. Elle se construit en réduisant des incertitudes. Qui rencontre le problème ? À quelle fréquence ? Quelles solutions utilise-t-il déjà ? Pourquoi changerait-il d’habitude ? Ces réponses ne peuvent pas être déduites avec certitude d’un assistant d’IA, même très performant.

Jetpack, un guide pour organiser les premières décisions

Le Trust Center encourage notamment l’usage de Jetpack, une application conçue pour guider les utilisateurs à travers les étapes de l’entrepreneuriat discipliné. Lorsqu’un étudiant lui soumet une idée de startup, l’outil peut suggérer des segments de clientèle, des modèles commerciaux et des plans produit adaptés.

Cette fonction peut faire gagner un temps précieux. Au début d’un projet, les fondateurs doivent souvent passer d’une formulation très large, par exemple une idée de service ou de technologie, à des choix plus concrets : quel utilisateur servir en premier, quel problème cibler, quelle fonctionnalité développer avant les autres. Une IA peut multiplier les options et aider à les mettre en forme. Elle peut aussi faciliter l’exploration d’industries que l’équipe connaît encore peu.

Jetpack s’appuie sur les ouvrages de Bill Aulet, entrepreneur, enseignant au MIT et auteur de références sur l’entrepreneuriat discipliné. Le principe est de rendre cette méthode plus accessible dans le flux de travail des étudiants. L’outil n’efface cependant pas la nécessité de comprendre les réponses qu’il produit.

Les participants de delta v soulignent que l’IA a accéléré certains processus. L’accélération ne doit pas être confondue avec une preuve de pertinence. Un modèle peut proposer un segment client plausible, mais ce segment peut être trop vaste, mal défini ou peu accessible pour une jeune entreprise. De même, une suggestion de modèle économique peut sembler cohérente sans tenir compte de contraintes concrètes, comme les habitudes d’achat, les cycles de décision ou les alternatives déjà disponibles.

Pourquoi faut-il contrôler les réponses de l’IA ?

Les modèles de langage produisent des réponses en prédisant la suite la plus probable d’un texte à partir de grandes quantités de données. Ils sont utiles pour résumer, reformuler, classer ou proposer des idées. Mais leur assurance apparente ne vaut pas validation. Ils peuvent généraliser, manquer de contexte ou fournir une information erronée avec une formulation convaincante.

Pour une startup, ce risque prend une forme très concrète. Une équipe peut se laisser rassurer par une analyse qui décrit un marché prometteur, alors que les utilisateurs interrogés ne perçoivent pas le problème comme prioritaire. Elle peut aussi confondre une liste d’arguments générée rapidement avec une véritable compréhension de ses clients.

C’est pourquoi les étudiants sont appelés à vérifier les informations et à ne pas déléguer leurs décisions à l’outil. L’IA peut raccourcir le temps de préparation. Elle ne remplace pas la responsabilité de celui ou celle qui lance l’entreprise.

La relation client reste le test décisif

Aanchal Arora, titulaire d’un MBA et membre du programme, met en garde contre une dépendance trop importante à l’IA. Le danger n’est pas seulement de se tromper sur un fait. Il est aussi de passer à côté de conseils précieux, de signaux faibles et de formulations spontanées qui émergent au cours de conversations avec des clients potentiels.

Les fondateurs cherchent généralement des réponses à des questions simples en apparence : le problème est-il suffisamment important pour justifier une nouvelle solution ? Qui ressent ce problème le plus fortement ? Quel compromis cette personne accepterait-elle ? Une discussion ouverte peut faire apparaître une objection imprévue, une contrainte opérationnelle ou un usage qui n’avait pas été envisagé. Une réponse automatisée, elle, s’appuie sur la manière dont la question a été formulée et sur des régularités générales.

Les modèles de langage peuvent donc être moins pertinents lorsqu’une entreprise tente de nouer un lien authentique avec un segment de clientèle étroitement défini. Ils peuvent aider à préparer un entretien, à synthétiser des notes ou à comparer des hypothèses. Ils ne doivent pas conduire les équipes à généraliser trop vite des tendances ou à croire qu’elles connaissent un public sans l’avoir rencontré.

Sortir de l’environnement académique demeure alors indispensable. Un campus offre des ressources exceptionnelles, des pairs disponibles et une forte densité de compétences. Mais un projet est confronté à une réalité différente lorsqu’il s’adresse à des organisations, à des consommateurs ou à des professionnels extérieurs. Les conditions d’usage, les budgets, les priorités et les résistances au changement deviennent visibles au contact du marché.

Cognify, l’exemple d’une startup native de l’IA

L’IA n’est pas seulement un outil employé en coulisses par les équipes de delta v. Pour certaines, elle se trouve au cœur même du produit. Murtaza Jameel, candidat au MBA, décrit ainsi sa société Cognify comme une entreprise native de l’IA.

Cognify se concentre sur la simulation d’interactions utilisateurs afin d’optimiser les expériences numériques. L’exemple montre les deux visages de l’IA dans l’entrepreneuriat au MIT. D’un côté, elle aide les fondateurs à avancer sur leur propre démarche. De l’autre, elle ouvre la voie à de nouveaux produits, conçus dès l’origine autour de capacités d’analyse ou de simulation.

Mais une entreprise native de l’IA reste une entreprise. Elle doit clarifier la valeur qu’elle apporte, déterminer à qui elle s’adresse et démontrer que son service améliore réellement une situation. Dans le cas d’une solution visant l’expérience numérique, la question n’est pas seulement de savoir si la technologie fonctionne. Il faut aussi établir si les équipes susceptibles de l’utiliser comprennent son intérêt, lui font confiance et peuvent l’intégrer à leurs pratiques.

Cette distinction est utile pour les futurs entrepreneurs. Employer un assistant conversationnel pour rédiger ou programmer ne fait pas automatiquement d’une société une entreprise d’IA. À l’inverse, bâtir un produit autour de l’IA ne dispense pas de traiter les fondamentaux : marché, clients, équipe et exécution.

Mentors, pairs et équipes : les ressources qui ne s’automatisent pas

L’environnement du MIT offre aux porteurs de projet des ressources qui dépassent la technologie. Le programme delta v favorise les recherches, les échanges entre pairs et l’accès à des mentors. Ces derniers, parce qu’ils ont connu des parcours comparables, peuvent aider les étudiants à distinguer une difficulté normale de démarrage d’un problème plus profond dans leur projet.

Les dynamiques d’équipe font aussi partie des enjeux qui persistent. Une IA peut accélérer la préparation d’une présentation ou proposer une répartition théorique des tâches. Elle ne crée pas la confiance entre associés, ne tranche pas les désaccords stratégiques et ne remplace pas la capacité d’un groupe à apprendre ensemble. Or ces dimensions influencent directement la faculté d’une jeune pousse à s’adapter lorsque les premiers retours de marché sont décevants ou contradictoires.

L’enjeu du Trust Center est donc d’intégrer l’IA sans laisser la technologie imposer une vision réductrice de l’entrepreneuriat. La création d’entreprise repose aussi sur l’écoute, la capacité à convaincre, la curiosité et l’acceptation de l’incertitude. Ces qualités prennent davantage de valeur quand il devient facile de générer rapidement des réponses plausibles.

Ce qu’il faut surveiller pour les startups à l’ère de l’IA

À mesure que les outils d’IA se diffusent, les équipes entrepreneuriales pourront produire plus rapidement des prototypes, des scénarios de marché et des supports de communication. Cette accélération peut abaisser certaines barrières à l’expérimentation. Elle risque aussi d’augmenter le nombre de projets qui paraissent aboutis avant d’avoir été confrontés à des utilisateurs réels.

Le bon indicateur ne sera donc pas la quantité de contenus générés, ni même la sophistication apparente d’un prototype. Il sera la qualité de l’apprentissage : une équipe a-t-elle rencontré les bonnes personnes, recueilli des retours précis, contrôlé ses hypothèses et modifié son produit en conséquence ?

L’expérience menée au MIT avec delta v et Jetpack dessine une voie pragmatique. Utiliser l’IA pour aller plus vite, oui. Lui confier la compréhension du marché ou la relation avec les clients, non. Pour les entrepreneurs, la promesse la plus solide n’est pas une automatisation complète de la création d’entreprise. C’est la possibilité de consacrer davantage de temps aux décisions et aux conversations qui font réellement émerger une entreprise utile.