70 % des PME d'IA en Inde ne passent pas le filtre le plus élémentaire du marché
À la mi-mars 2026, Google et Accel ont publié les résultats d'un des processus de sélection les plus concurrentiels de l'année dans l'écosystème de l'intelligence artificielle : plus de 4 000 candidatures pour cinq places dans leur programme Atoms AI Cohort 2026. Les cinq startups sélectionnées —Dodge AI, K-Dense, LevelPlane, Persistence Labs et Zingroll— recevront jusqu'à deux millions de dollars en co-investissement ainsi que 350 000 dollars supplémentaires en crédits de calcul de Google Cloud, Gemini et DeepMind. Le programme, lancé officiellement le 11 mars à Bengaluru, se conclura en juin par une visite à Mountain View pour rencontrer des leaders de l'IA et des investisseurs globaux.
Mais le chiffre qui compte vraiment n'est pas dans les cinq élus. Il se trouve parmi les 3 995 qui ne l’ont pas été.
Selon Prayank Swaroop, partenaire chez Accel, environ 70 % des propositions liées à l'Inde ont été rejetées en raison de leur nature de "wrappers" : des couches superficielles construites sur des modèles de langage existants sans aucune innovation propre en dessous. En outre, 62 % des présentations se concentraient sur des outils de productivité ; 13 % supplémentaires se attachaient au développement de logiciels. Trois idées sur quatre tentaient de vendre des logiciels d'entreprise construits sur des infrastructures externes.
Quand construire sur le modèle des autres devient un piège cognitif
Il existe une logique compréhensible derrière la prolifération des wrappers. Lorsque la technologie se démocratise rapidement —comme cela a été le cas avec les grands modèles de langage entre 2023 et 2025— le premier instinct de nombreux fondateurs est de réduire la friction d'entrée au maximum : prendre ce qui existe déjà, ajouter une interface plus conviviale ou une intégration verticale spécifique, et l'appeler produit. De l'extérieur, cela semble être une décision rationnelle. De l'intérieur, c'est une décision dictée par le magnétisme de la rapidité et la peur de l'effort technique profond.
Le problème n'est pas moral. Il n’y a rien de mal à vouloir lancer rapidement. Le problème est structurel : quand le différenciateur de votre PME vit à l'intérieur du modèle d'une autre entreprise, ce différenciateur peut disparaître à la prochaine mise à jour. Google, OpenAI ou Anthropic n'ont pas besoin de demander votre autorisation pour rendre votre couche supplémentaire obsolète. Ce qu'un fondateur perçoit comme un avantage concurrentiel —connaître bien un cas d'utilisation, concevoir une interface supérieure— est exactement le type de fonctionnalité que les fournisseurs de modèles intègrent de manière native à chaque nouvelle version.
Le taux de rejet de 70 % ne révèle pas que les fondateurs indiens sont moins capables. Il montre que le magnétisme de la construction rapide a pris le pas sur la nécessité réelle de résoudre un problème non traité. La majorité des 2 800 PME rejetées n'étaient pas le fruit d'une véritable frustration avec les limites de la technologie actuelle. Elles ont émergé de l’observation que « l’IA est à la mode » et de l'inférence qu'un produit étiqueté IA attirerait des fonds. C'est la différence entre une entreprise tirée par la demande et une autre tirée par la narration du marché.
Ce que les cinq élus révèlent sur l'architecture de la valeur
Je n'ai pas accès aux détails techniques des cinq PME sélectionnées, mais la description du processus de sélection est suffisamment éloquente. Accel et Google ont explicitement filtré en faveur de modèles propriétaires, d'infrastructure propre et d'orchestration d'agents, et non d'interfaces construites sur des API tierces. Comme le résume Jonathan Silber, co-fondateur et directeur du AI Futures Fund de Google : le programme vise les PME qui « résolvent des problèmes difficiles plus rapidement et de manière plus responsable » avec un accès anticipé aux modèles les plus avancés.
Ce n'est pas de la philanthropie technologique. C'est un signal de marché très spécifique.
Quand Google décide de co-investir jusqu'à deux millions de dollars par PME et d'offrir un accès anticipé à Gemini et DeepMind —sans exiger l'exclusivité des modèles— il parie sur des fondateurs qui vont générer des données d'utilisation que Google ne peut pas produire en interne. Les cinq PME sélectionnées sont, en pratique, des laboratoires de validation réelle pour les modèles les plus avancés de Google. L'investissement a un retour qui va au-delà du capital : il s'agit de retours d'information de grande valeur sur la façon dont leurs modèles se comportent dans des applications de fabrication, de sciences de la vie, de systèmes ERP. Ce sont des environnements où les erreurs coûtent de l'argent réel, pas seulement de la réputation.
Ce schéma révèle aussi quelque chose sur l’économie du risque précoce : en transformant des crédits de calcul en capital fonctionnel, Accel et Google transforment des coûts fixes d'infrastructure —qui écrasent normalement une PME en phase de présemence— en quelque chose qui ne se consomme que lorsque l'élan est là. C’est une manière de protéger la phase la plus fragile du cycle sans exiger que le fondateur ait des revenus avant d'accéder aux ressources.
Le signal que les dirigeants d'entreprise devraient lire dans ce rejet massif
Le secteur des affaires en Inde —et dans une bonne partie du monde— reproduit dans ses départements d'innovation interne exactement la même erreur que celle commise par ces 2 800 fondateurs rejetés. La tentation d'"intégrer l'IA" en achetant un abonnement à un modèle de langage et en construisant un chatbot dessus est l'équivalent corporatif d'un wrapper : cela génère la narration de modernisation sans construire d'actif différenciateur propre.
Swaroop a évoqué quelque chose qui mérite une attention directe : il souhaite voir plus de propositions en santé et éducation, et elles étaient presque absentes. Les 75 % des idées se concentraient sur les logiciels d'entreprise parce que c'est le terrain où la narration « d'efficacité avec l'IA » a le chemin le plus court vers une conversation de vente. Mais l'efficacité opérationnelle construite sur des modèles de tiers a une durée de vie chaque fois plus courte. Ce qu'un fournisseur externe peut reproduire en douze mois n'est pas un actif ; c'est un loyer.
Les dirigeants qui évaluent aujourd'hui comment positionner leurs organisations dans la prochaine phase de l'IA font face au même choix que ces fondateurs. La différence est qu'une PME peut pivoter en six semaines. Une organisation de 5 000 personnes met beaucoup plus de temps à corriger un faux pas.
La question qu'ils devraient se poser —bien que peu de conseils d'administration la formulent aussi brutalement— est de savoir si leur stratégie d’IA construit quelque chose qui leur appartient ou s'ils louent simplement des capacités contrôlées par un autre. Le rejet de 70 % chez Atoms n'est pas une statistique de l'écosystème entrepreneurial indien. C'est un diagnostic de la logique avec laquelle trop d'acteurs, de toutes tailles, prennent des décisions d'investissement technologique.
L'actif le plus ignoré dans une stratégie d'adoption technologique
Après avoir analysé ce processus de sélection, ce qui me frappe le plus ce n'est pas la rigueur du filtre d'Accel et Google. C'est l'écart entre ce que les fondateurs perçoivent comme valeur et ce que le marché du capital récompense comme valeur.
Un fondateur qui construit un wrapper le fait parce qu'il réduit son anxiété de mise en œuvre : moins de temps de développement, moins de risque technique, prototype fonctionnel en quelques semaines. Cette réduction de son anxiété personnelle a un coût qui se paie plus tard : l'anxiété qu'elle génère chez son potentiel investisseur lors de l'évaluation de la défendabilité du modèle. Ce qui est économisé en friction de construction se paye en friction de financement.
Cette mécanique fonctionne de la même manière au sein des organisations. Quand une équipe technologique propose une solution d'IA qui est en réalité une intégration superficielle d'un modèle externe, cela réduit l'anxiété des cadres à court terme —cela semble être du progrès, cela peut être montré sur un tableau— mais cela cumule une dette stratégique que personne ne comptabilise dans le budget.
Les leaders qui sortiront le mieux positionnés de ce cycle ne seront pas ceux qui ont investi le plus pour faire paraître leurs produits et processus modernes avec de l'IA. Ce seront ceux qui ont eu la discipline d'identifier où résidait la véritable friction de leurs utilisateurs et clients, et qui ont construit quelque chose de propre pour l'éliminer, même si cela prenait plus de temps et plus de capital que d'acheter une API et de l'accompagner d'une interface.
