Nous entrons dans une nouvelle ère de l'innovation technologique, portée par des plateformes matérielles intelligentes - une innovation catalysée par plusieurs facteurs convergents dans l'écosystème technologique, qui permettent à ces nouvelles entreprises de bénéficier à la fois de fonctionnalités révolutionnaires et d'un coût plus faible.

Ce point de vue peut sembler contradictoire. Au cours des deux dernières décennies, la sagesse conventionnelle des sociétés de capital-risque a favorisé les modèles d'entreprise basés sur les logiciels uniquement en raison de leurs marges brutes plus élevées, de leur distribution rapidement extensible et de l'enfermement des clients. Malgré la matérialité du "silicium" dans la Silicon Valley et des exceptions notables telles que Tesla, les entreprises de logiciels ont été les principaux bénéficiaires des deux dernières décennies de financement par capital-risque.

Mais cette tendance commence à s'inverser avec l'IA.

Alors que l'apprentissage automatique est, par définition, au cœur de la robotique, des véhicules autonomes et des systèmes IdO depuis le début, le succès spectaculaire de l'IA basée sur le langage inspire les fondateurs travaillant dans le monde physique et leur permet de remettre en question cette domination. Si les LLM peuvent transformer le langage en raisonnement utile - résumé, traduction et maintenant, de plus en plus, résolution de problèmes - les systèmes d'IA physique devraient être en mesure de faire un usage de plus en plus sophistiqué des données des capteurs pour prédire le monde réel et s'y engager. Nous pensons que les applications potentielles dans tous les secteurs de l'économie sont énormes.

Nous pensons que la prochaine "manche" de ce jeu sera le logiciel compatible avec le matériel: une inversion de la catégorie "matériel compatible avec le logiciel" qui a été reléguée au second plan par les modèles d'entreprise basés uniquement sur le logiciel. Le logiciel basé sur le matériel est une catégorie de logiciel vertical qui ancre l'intelligence dans les données de première partie recueillies par le matériel déployé par l'entreprise. En voici quelques exemples :

- Coram AI*, une société dont nous avons dirigé la série A en janvier de l'année dernière, fournit une plateforme de sécurité physique comprenant des caméras dotées d'IA, un système de gestion vidéo (VMS) avec des détections clés intégrées (comme pour les incidents de glissade et de chute, ou le port d'une arme sur un lieu de travail ou dans une école), un contrôle d'accès basé sur la biométrie, un interphone pour les visiteurs et une enquête sur les incidents basée sur le langage naturel de la vidéo.

- GenLogs*, dont nous avons dirigé la série B en décembre de l'année dernière, utilise un réseau exclusif de caméras spécialisées dans les autoroutes et les ports, ainsi que des données satellitaires, pour identifier les camions individuels, déduire les voies d'expédition et fournir aux fournisseurs de logistique tiers, aux expéditeurs, aux assureurs et à d'autres clients une visualisation véridique des mouvements de fret. Les cas d'utilisation comprennent la prévention de la fraude, l'embarquement des transporteurs de fret, la souscription d'assurance, la conformité avec le DoT et l'application de la loi.

- Kargo déploie des tours de caméras spécialement conçues pour capturer les données au niveau des palettes aux portes des quais d'entrepôt et rapprocher les expéditions entrantes et sortantes avec les avis d'expédition avancés (ASN) et les systèmes de gestion d'entrepôt (WMS).

- Sage*, dont nous avons participé à la série B en 2024, utilise des capteurs et des caméras dans les établissements pour personnes âgées afin d'unifier les appels d'infirmières, la gestion des chutes et les données cliniques en une seule vue combinant la surveillance des accidents en temps réel et l'analyse de la santé et des services à plus long terme.

Chacune de ces entreprises utilise des caméras spécialisées et d'autres capteurs pour capturer des données afin de lancer ou de gérer des flux de travail importants. Dans certains cas, comme avec la technologie de Kargo, il y a un déplacement du travail manuel. Mais la plus grande valeur générée par ces entreprises provient généralement de la surveillance en temps réel, de l'assimilation des données et de l'orchestration des flux de travail, qui vont bien au-delà de ce que les humains font aujourd'hui dans ces contextes. L'élément essentiel de chaque plateforme est la combinaison verticalement spécifique de l'entrée du monde physique avec la détection de l'IA, l'analyse de l'IA et les fonctionnalités classiques de Logiciel telles que la visualisation des données et le flux de travail.

En quoi cela diffère-t-il de la vague de l'IdO ?

Les systèmes CV et IoT de la génération précédente avaient des aspirations similaires avec leur instrumentation du monde physique, mais les résultats nécessitaient toujours une interprétation humaine. En revanche, les systèmes logiciels matériels qui émergent aujourd'hui s'appuient sur des transformateurs de vision et des modèles multimodaux pour convertir les données vidéo et les données de capteurs en embeddings (représentations structurées) qui saisissent le contexte, la séquence, l'intention et la causalité. Cette compréhension, à son tour, permet à Logiciel de commencer à "raisonner" sur ce qui se passe dans le monde physique et de prendre des mesures à partir de là.

Bien qu'encore précoce, cette évolution est analogue au passage des arbres de décision basés sur des règles procédurales au raisonnement ouvert de l'IA basé sur le langage naturel et l'apprentissage par renforcement. Et tout comme la capacité croissante des modèles LLM à usage général permet une nouvelle vague d'entreprises d'applications natives de l'IA, nous prévoyons que les modèles à usage général, du monde physique, propulseront la même chose pour les startups Logiciel basées sur le matériel.

L'économie du matériel s'est aussi discrètement améliorée.

Les coûts de fabrication des caméras et des capteurs ont fortement baissé, et la connectivité des ordinateurs de bord est plus économique que jamais. Grâce à cette dynamique, la collecte de données "en continu" est désormais économiquement réalisable dans de vastes environnements physiques. Parallèlement, les structures de financement du matériel sont arrivées à maturité, permettant aux startups de payer les déploiements au fil du temps et de les faire correspondre à des contrats de logiciel pluriannuels. En d'autres termes, le goulot d'étranglement pour la construction et le déploiement de systèmes matériels n'est plus le coût du matériel lui-même : Aujourd'hui, les logiciels compatibles avec le matériel peuvent être intégrés dans des contextes physiques avec beaucoup moins de capital qu'auparavant.

Et les douves sont tout aussi solides, sinon plus, que celles de Logiciel.

Une fois qu'elles ont surmonté les coûts d'exploitation et de déploiement, les implémentations matérielles peuvent créer une adhésion aussi durable que les plateformes Logiciel les plus adoptées en s'intégrant dans le tissu opérationnel de leurs clients. À partir de là, la valeur s'accroît grâce à l'automatisation et à l'agrégation des données. Un univers de données attend d'être capturé et interprété : Alors que l'internet public n'offre qu'un à deux pétaoctets de texte de haute qualité pour la formation des gestionnaires de patrimoine, le monde physique est essentiellement un terrain d'entraînement infini.

SaaSLes meilleures entreprises de cette catégorie présentent aujourd'hui des caractéristiques que l'on retrouve depuis longtemps sur le site Associate: contrats récurrents à long terme, criticité de la mission, forte fidélisation et expansion. Les investisseurs en capital-risque ont déjà constaté des évaluations et des résultats de plusieurs milliards de dollars dans cette catégorie, grâce à des entreprises telles que Samsara, Motive, Flock Safety et d'autres - et nous pensons que les cinq à dix prochaines années en produiront beaucoup d'autres.

La robotique générale est passionnante. Mais le logiciel vertical, conçu à cet effet et compatible avec le matériel, est la voie pragmatique qui permet à l'IA d'entrer dans le monde physique aujourd'hui. Nous recherchons activement Partner avec des fondateurs très techniques qui comprennent les domaines physiques pour lesquels ils construisent et qui ont une vision pragmatique de l'utilisation des capacités modernes de l'IA dans ces domaines.