Levée de fonds : les VC exigent désormais une « preuve anti-IA »

Le nouveau filtre des investisseurs

Alexandre Fitussi, fondateur de Beanstock, une plateforme d’investissement immobilier, l’a appris à ses dépens lors de sa dernière levée de fonds. « C’est impossible d’échapper aux questions sur l’intelligence artificielle », confie-t-il au Journal du Net. Désormais, chaque pitch deck doit inclure une slide dédiée : « Why AI won’t replace us ».

Cette exigence n’est pas un caprice passager. Selon les données compilées par J.P. Morgan début novembre 2026, l’IA représente désormais 66 % de la valeur des opérations de capital-risque en Europe, contre 41 % seulement en 2025. Mais ce chiffre cache une réalité plus nuancée : les investisseurs ne financent plus n’importe quelle start-up estampillée « IA ». Ils cherchent au contraire des modèles économiques capables de résister à l’automatisation généralisée.

« Les VC ne pensent qu’à ça », résume un fondateur anonyme interrogé par nos confrères. Cette obsession s’explique par une prise de conscience brutale : depuis l’explosion de ChatGPT fin 2022, de nombreux services B2B basés sur l’automatisation de tâches répétitives se retrouvent concurrencés par des outils d’IA généraliste, souvent gratuits ou quasi-gratuits.

Des milliards investis, mais dans quoi exactement ?

Les chiffres donnent le vertige. Entre le 28 octobre et le 9 novembre 2026, environ 177 milliards de dollars ont été déployés dans des opérations liées à l’IA, selon le décompte de Primores.org. Mais en retirant les deux méga-deals (Marvell/Lumentum et DoorDash/Instacart), le montant retombe à 45 milliards — un niveau certes élevé, mais qui témoigne d’une concentration extrême du capital.

Sur les 30 derniers jours précédant début novembre, 374 deals de capital-risque ont été conclus pour un total de 27,5 milliards de dollars, rapporte Infor Capital. L’IA domine massivement cette allocation, mais selon une logique nouvelle : les investisseurs privilégient les infrastructures (puces, data centers, plateformes d’agents IA) et les solutions verticales ultra-spécialisées, au détriment des « pure-players » digitaux facilement automatisables.

Un exemple frappant : Shield AI, spécialisée dans l’autonomie pour la défense, a levé 2 milliards de dollars en une seule opération début novembre 2026. À l’inverse, les start-up SaaS proposant de l’automatisation basique — génération de contenu standard, traitement de données répétitives — peinent à convaincre.

Le paradoxe des modèles gagnants d’hier

L’ironie de la situation n’échappe à personne dans l’écosystème. Les start-up qui ont le mieux réussi entre 2018 et 2023 — ces SaaS B2B automatisant des tâches administratives ou marketing — sont aujourd’hui les plus vulnérables. « Software is eating the world » cède la place à « AI is eating software », résume un analyste de Crunchbase.

Cette inversion brutale force un renouvellement complet des playbooks entrepreneuriaux en moins de cinq ans. Ilman Shazhaev, entrepreneur et contributeur Crunchbase, pose la question qui fâche : « 250 entreprises ont rejoint le club des licornes au premier semestre 2026. Combien garderont leurs clients une fois l’effet de nouveauté passé ? »

Sa réponse : il faut désormais viser 1 milliard de dollars de revenus récurrents, pas seulement de valorisation papier. Un critère bien plus exigeant que le simple statut de « licorne » à 1 milliard de valorisation.

Quels secteurs résistent encore ?

Tous les modèles économiques ne sont pas logés à la même enseigne. Selon l’analyse croisée de plusieurs sources (The AI Insider, The Codew, Venture Capital Archive), trois catégories émergent comme « défendables » :

1. Les modèles à forte intensité relationnelle. Services de santé avec contact humain, éducation personnalisée, conseil premium : tout ce qui repose sur l’empathie, le jugement contextuel et la confiance interpersonnelle résiste mieux. L’IA peut assister, mais difficilement remplacer totalement.

2. Les infrastructures et « picks and shovels » de l’ère IA. Plutôt que de parier sur les applications, certains fonds misent sur les fondations : puces spécialisées (Groq cherche une valorisation de 8 milliards de dollars en novembre 2026, soit 2,5 fois son niveau d’août), data centers, outils de gouvernance de l’IA, plateformes de développement.

3. Les verticaux ultra-spécialisés avec données propriétaires. Une start-up qui accumule des années de données métier uniques, dans un secteur de niche, construit un fossé défensif. L’IA généraliste ne peut pas (encore) rivaliser avec cette profondeur d’expertise contextuelle.

À l’inverse, les modèles purement transactionnels, les agrégateurs de contenu, les services de génération automatisée sans valeur ajoutée humaine sont désormais considérés comme « à haut risque de substitution ».

Comment les fondateurs s’adaptent

Face à cette nouvelle donne, les entrepreneurs développent plusieurs stratégies. La première consiste à intégrer l’IA dans leur produit de manière différenciante, plutôt que de la subir comme concurrent. « IA-augmented » plutôt que « IA-replaceable », selon la formule consacrée.

La seconde approche mise sur l’« human-in-the-loop » : des modèles hybrides où l’IA traite le volume et la vitesse, tandis que l’humain apporte le jugement, la créativité et la validation finale. Ce positionnement permet de bénéficier des gains de productivité de l’IA tout en conservant une proposition de valeur défendable.

Enfin, certains fondateurs repositionnent radicalement leur discours. Plutôt que de vendre de l’automatisation, ils vendent de la « libération du temps humain pour des tâches à haute valeur ». Un glissement sémantique, certes, mais qui change la perception du risque pour les investisseurs.

« Il faut documenter l’expertise humaine unique de l’équipe et les cas d’usage où le jugement humain reste indispensable », conseille un associé d’un fonds parisien qui préfère rester anonyme. « Les VC veulent des barrières tangibles, pas juste l’argument ‘l’humain restera toujours nécessaire’ ».

Une concentration du capital sans précédent

Cette sélectivité accrue des investisseurs produit un effet de concentration. Selon le rapport de J.P. Morgan sur le capital-risque européen, les fonds privilégient désormais quelques champions dans chaque catégorie, plutôt que de saupoudrer sur de nombreux paris.

The Codew, dans son analyse du 7 novembre 2026, identifie quatre segments où les investissements se concentrent : les plateformes d’agents IA (orchestration de tâches complexes), le financement d’infrastructures (puces, stockage, calcul), l’IA verticale (santé, finance, industrie) et les solutions de gouvernance et conformité.

Résultat : lever devient plus difficile pour les start-up « moyennes ». Les méga-rounds se multiplient pour quelques élus — Groq, Shield AI, Zipline — tandis que les tickets seed et Série A se raréfient pour les projets jugés vulnérables.

Venture Capital Archive note dans sa newsletter du 9 novembre que 19 nouveaux fonds ont levé 14,9 milliards de dollars récemment, mais Sequoia et Valor en représentent à eux seuls 89 %. Cette concentration des Limited Partners (LP) sur quelques fonds stars amplifie encore la sélectivité.

Les risques d’une prophétie auto-réalisatrice

Certains observateurs s’inquiètent d’un possible effet pervers. En refusant de financer certains modèles économiques par crainte de l’IA, les VC pourraient accélérer leur disparition et la domination de l’IA dans ces segments — une prophétie auto-réalisatrice.

« Si aucun fonds ne finance plus les outils de productivité B2B classiques, seuls les géants tech avec leurs budgets R&D illimités pourront développer ces solutions », analyse un entrepreneur de la French Tech. « Cela réduit la diversité de l’écosystème et renforce les positions dominantes. »

Par ailleurs, la question de la mesure objective de la « défendabilité » reste ouverte. Comment évaluer la résistance d’un modèle face à une technologie qui progresse de manière exponentielle ? Ce qui semble protégé aujourd’hui peut être automatisé dans 18 mois. Les VC naviguent à vue, avec le risque de rejeter par excès de prudence des opportunités majeures.

Andrew Chen, associé chez a16z, a publiquement questionné fin octobre 2026 la pertinence de certains critères d’exclusion traditionnels des VC (fondateurs solo, non-techniques, couples, etc.) à l’ère de l’IA. Si un individu peut désormais accomplir avec l’IA ce qui nécessitait hier une équipe de dix personnes, les anciennes règles tiennent-elles encore ?

Ben Horowitz lui a répondu par une formule lapidaire : « Un fondateur seul qui fait 100x grâce à l’IA, c’est bien. Trois cofondateurs qui font chacun 100x, c’est 300x. L’équipe gagne. » Le débat reste ouvert.

Et maintenant ?

À court terme, on peut s’attendre à une standardisation de ce critère. Certains fonds développent déjà des « AI Impact Assessment » formalisés, sur le modèle des évaluations ESG. Des consultants spécialisés émergent pour aider les fondateurs à construire leur argumentation anti-disruption.

À moyen terme, plusieurs scénarios se dessinent. Soit ce filtre devient une norme acceptée, créant une nouvelle catégorie de risque dans les term sheets. Soit les VC réalisent qu’ils ont été trop conservateurs et assouplissent leurs critères après avoir manqué des opportunités majeures. Soit encore le marché se polarise entre start-up « IA-native » ultra-financées et start-up « human-centric » irremplaçables, avec un désert au milieu.

Une chose est certaine : le capital-risque traverse sa plus grande transformation depuis l’avènement du cloud et du mobile. Les fondateurs qui réussiront dans ce nouvel environnement seront ceux capables d’articuler une vision où l’IA est un levier, pas une menace — et surtout, de le prouver avec des barrières concrètes, pas seulement des slides PowerPoint.

Reste une question ouverte, peut-être la plus importante : en filtrant aussi agressivement, les investisseurs construisent-ils un écosystème plus résilient, ou ralentissent-ils l’innovation dans des secteurs entiers ? La réponse s’écrira dans les prochains trimestres, au rythme des succès et des échecs des cohortes 2026-2027.