Comment accélérer la croissance des start-up ?

Quels sont les mécanismes qui permettent d’évaluer le potentiel des entreprises high tech ? A partir des résultats d’une étude menée aux Etats-Unis avec John Stayton sur les accélérateurs d’entreprises, Vincent Mangematin présente trois méthodes d’évaluation dans son nouvel article sur The Conversation.

La création d’entreprises renouvelle et dynamise le tissu économique. Elle permet de gagner en agilité, une qualité dont manquent parfois les grandes sociétés, et de commercialiser des technologies, que ces dernières découlent d’une recherche menée par le corps professoral ou de l’incubation de projets entrepreneuriaux d’étudiants. Toutefois, au-delà de la création, seule la croissance des start-up est porteuse d’emploi. C’est pourquoi il est important de repérer les entreprises qui présentent un fort potentiel de croissance et de les accompagner pour se développer rapidement.

Si l’on ne dispose pas aujourd’hui de théories économiques robustes pour identifier les déterminants de la croissance des entreprises. Il existe en revanche des approches qui convergent pour mettre en évidence des profils d’entreprises ou des mécanismes de croissance.

L’importance de l’accélération

Ainsi, la multiplication des programmes d’accélérateurs et d’incubateurs souligne la volonté de lancer le plus rapidement possible les entreprises innovantes. Accélérer leur démarrage revient à compresser le temps, à concentrer les efforts humains et financiers sur les périodes initiales, afin de lancer de construire l’organisation et lancer ses produits plus rapidement. Cette compression du temps ne concerne pas uniquement les nouveaux produits ou services proposés par l’entreprise, mais aussi son organisation administrative et commerciale.

Les accélérateurs concentrent les ressources initiales, les capacités des équipes de démarrage, et accroissent la mobilisation en proposant un tempo rapide d’actions. Ils permettent aussi une internationalisation plus rapide. Toutefois, s’ils ont un effet important pour les entreprises qui sont créées par une personne entreprenant pour la première fois, les recherches récentes indiquent que leur effet est moindre pour les « serial créateurs ».

Le succès des premiers accélérateurs de démarrage à but lucratif a donné naissance à une profusion d’accélérateurs (à but lucratif et non lucratif) à l’échelle mondiale, la plupart copiant le même modèle d’accélérateur de base de 90 jours.

Impliquer les premiers usagers

L’idée d’accélération s’appuie sur l’existence de processus de réduction des étapes nécessaires au lancement de produit. Or quand on gère le temps comme une ressource, on est amené à concentrer les autres ressources, notamment financières et humaines, et donc à accepter d’intégrer les usagers et clients dans les processus de création et de développement. Plusieurs concepts viennent en appui à cette notion d’accélération, comme celui de lean start-up, qui caractérise les entreprises mettant sur le marché des produits en développement pour mobiliser les premiers usagers. Cette approche expériencielle implique les premiers usagers dans le développement final du produit ou du service.

Repérer les signes caractéristiques de la croissance

Enfin, il existe une approche fondée sur les big data, qui permet de repérer les proximités entre les entreprises nouvellement créées et les entreprises qui ont connu une croissance forte. Ces analyses s’appuient des méthodes de clustering. Alliées à l’intelligence artificielle, les algorithmes qu’elles emploient peuvent apprendre de manière non supervisée, en collectant des données sur Internet. Ces travaux, qui s’appuient sur des modèles non probabilistes comme les fuzzy C-means, ont fait l’objet de brevets.

L’originalité de cette approche repose sur une interactivité forte, qui permet de redéfinir des groupes non seulement par des méthodes statistiques, mais aussi par une réaffectation manuelle des start-up par des spécialistes, générant ainsi de nouvelles possibilités d’apprentissage du système. Ces méthodes s’appuient sur des algorithmes d’auto-apprentissage et sont aujourd’hui mises en œuvre par des start-up comme Skopai en France ou Traxn aux États-Unis.

Ainsi, au-delà des théories économiques lacunaires et alors que les mécanismes sous-jacents ne sont pas clairement identifiés, ces méthodes pratiques permettent de détecter le potentiel de croissance des entreprises pour mieux soutenir leur développement.

La version originale de cet article a été publiée sur The Conversation.