Le fondateur de Nest, Tony Fadell, sur la nouvelle génération de start-up deep tech prometteuses
- Aisha Washington
- il y a 1 heure
- 8 min de lecture
La carrière de Tony Fadell couvre plusieurs chapitres déterminants de la technologie grand public : le travail visionnaire mais prématuré de General Magic, la création de l’iPod, le lancement de Nest et l’intégration difficile d’une start-up au sein de Google. À TC Disrupt 2024, il s’est appuyé sur ces expériences pour expliquer pourquoi une technologie révolutionnaire, à elle seule, produit rarement une entreprise pérenne.
Son argument central était pragmatique plutôt que romantique. Les fondateurs de deep tech ont besoin d’un véritable problème client, du bon timing de marché, d’une utilisation rigoureuse du capital et d’une organisation capable de survivre à des années d’incertitude. La conversation a également exploré le leadership, les acquisitions, l’intelligence artificielle, la réalité virtuelle et les robots humanoïdes — des domaines où l’enthousiasme technique peut facilement dépasser la réalité commerciale.
Le produit n’est que le début
Fadell a déclaré qu’il ne se lasse jamais de parler de l’iPod, même des décennies après son lancement. La conversation a eu lieu autour du 23e anniversaire du lancement de l’iPod et du 13e anniversaire du premier produit de Nest, offrant une occasion naturelle de revenir sur les influences à l’origine de ces deux réussites.
L’une de ces influences était son père, dont la carrière dans la vente a appris à Fadell qu’un produit solide doit tout de même être expliqué, positionné et vendu. Fadell a renforcé cette leçon à travers ses propres premiers échecs. Entrepreneur pendant ses études, il a dépensé l’argent dont il disposait pour développer un produit et n’a presque rien gardé pour le lancer sur le marché.
Cette expérience a changé sa façon d’envisager la construction d’une entreprise. À l’époque où il a commencé sa carrière, Fadell estimait que les ventes et le marketing pouvaient nécessiter un budget cinq à dix fois supérieur à celui du développement produit. Les réseaux sociaux ont depuis modifié ce ratio, mais pas le principe sous-jacent : les fondateurs doivent planifier la distribution dès le départ. L’ingénierie répond à la question de savoir si quelque chose peut être construit ; une entreprise doit aussi déterminer qui en a besoin, comment ces personnes le découvriront et pourquoi elles paieront pour cela.
General Magic et le coût d’arriver trop tôt
General Magic est devenu un exemple emblématique d’innovation sans timing adéquat. Ses équipes ont exploré les e-mails mobiles, la billetterie électronique, les jeux téléchargeables, l’animation et la communication numérique expressive environ 15 ans avant que l’iPhone ne démocratise nombre de ces expériences.
Les idées étaient remarquablement prémonitoires, et plusieurs anciens de General Magic ont ensuite contribué à créer de grandes plateformes technologiques, dont Android. Pourtant, Fadell a soutenu que l’entreprise manquait de suffisamment de clarté quant aux problèmes immédiats qu’elle résolvait. La technologie de soutien, les comportements des consommateurs et l’infrastructure du marché n’étaient pas suffisamment matures.
Pour les fondateurs de deep tech, cette histoire complique la célébration habituelle du fait d’être « en avance sur son temps ». Avoir raison sur l’avenir ne garantit pas qu’une entreprise puisse survivre assez longtemps pour l’atteindre. Une start-up a besoin d’un chemin crédible entre sa vision à long terme et un problème que les clients reconnaissent aujourd’hui.
Pourquoi les fondateurs doivent comprendre les seuils de rupture organisationnels
Fadell a encouragé les entrepreneurs à acquérir de l’expérience au sein d’organisations plus importantes, car les start-up finissent par être confrontées à bon nombre des mêmes questions opérationnelles. Une équipe de cinq personnes peut se coordonner de manière informelle ; une entreprise comptant des dizaines ou des centaines d’employés ne le peut pas.
À mesure que les effectifs augmentent, les modes de communication, les responsabilités et les attentes culturelles évoluent. Fadell a décrit des seuils de rupture distincts à des stades tels que cinq à dix employés, 15 à 20, 30 à 40 et environ 120. Chaque transition crée de nouvelles exigences managériales, car les relations humaines ne passent pas à l’échelle aussi proprement que les logiciels ou la fabrication.
Grâce à ses investissements dans plus de 200 start-up, Fadell a vu des fondateurs rencontrer à plusieurs reprises ces difficultés. Son conseil est de traiter la conception organisationnelle comme un élément central du processus de construction d’un produit. Les lignes hiérarchiques, les droits de décision et les habitudes de communication peuvent sembler relever de détails administratifs, mais ils déterminent souvent si une équipe prometteuse peut continuer à exécuter.
La délégation est une compétence de leadership qui s’apprend
Fadell est devenu directeur de la technologie et vice-président chez Philips au début de sa vingtaine, soudainement chargé de bâtir une organisation de centaines de personnes sans expérience significative du management. Selon son récit, sa première année en tant que manager s’est mal passée. Une formation l’a aidé à apprendre à déléguer, à instaurer la confiance et à cesser d’essayer de contrôler chaque tâche.
L’expérience ne l’a pas nécessairement rendu moins exigeant. Il a plutôt déclaré qu’elle l’avait rendu plus précis quant aux situations où une intervention était nécessaire. Les leaders efficaces donnent à leurs collègues la marge nécessaire pour prendre des décisions et apprendre, tout en empêchant des erreurs susceptibles de nuire irréparablement à l’entreprise.
Fadell a également distingué deux formes d’attention aux détails. L’une provient de l’ego et d’un désir de dominer. L’autre est ancrée dans la mission : un dirigeant examine le travail de près parce que certains choix déterminent si le produit répond correctement aux besoins des clients. Le défi managérial consiste à savoir quels détails influencent matériellement le résultat et lesquels doivent rester entre les mains de l’équipe.
Ce que l’acquisition de Nest a révélé sur la culture
L’acquisition de Nest par Google a démontré à quel point une organisation peut changer brutalement après une transaction. Fadell a reconnu des erreurs de la direction de Nest, tout en affirmant que l’entreprise acquéreuse n’avait pas préservé des engagements importants ni des éléments de la culture d’origine de la start-up.
Il a qualifié les fusions-acquisitions de particulièrement fragiles, citant l’incompatibilité culturelle comme l’une des principales raisons de l’échec de nombreuses transactions. Un contrat peut définir la propriété et les conditions financières, mais il ne peut pas automatiquement concilier des hypothèses différentes concernant l’urgence, la responsabilité, l’autonomie et la performance.
Fadell a opposé l’environnement d’Apple, intensément orienté vers les programmes, à la culture plus permissive qu’il a rencontrée chez Google. Selon sa description, Apple rendait la contribution de chaque personne très visible, tandis que les traditions de Google — notamment le temps réservé aux projets parallèles — pouvaient permettre à certains employés d’échapper à une responsabilité comparable. Il estime qu’un sentiment plus large de droit acquis s’est ensuite propagé dans certaines parties de la Silicon Valley.
Que toutes les entreprises correspondent ou non à cette comparaison, la leçon pour les fondateurs est claire : la culture est un système d’exploitation, pas une décoration de bureau. Si une acquisition la remplace du jour au lendemain, l’équipe peut perdre la motivation et l’objectif commun qui rendaient la start-up précieuse.
La deep tech a besoin de contraintes, de jalons et de capital patient
Fadell a remis en question l’hypothèse selon laquelle les « moonshots » ambitieux prospèrent lorsqu’ils bénéficient de ressources d’entreprise presque illimitées. Sans contraintes, a-t-il soutenu, les programmes expérimentaux peuvent se détacher des besoins des clients et de la discipline commerciale. Il a cité l’investissement considérable de Waymo et son long chemin vers une activité durable comme illustration du problème.
La deep tech exige de la patience, mais la patience n’est pas synonyme de budget sans limite. Fadell a recommandé de fixer des jalons démontrables à court terme dans le cadre d’un plan à long terme. Ces jalons préservent l’élan, fournissent des preuves aux investisseurs et donnent aux équipes l’occasion d’apprendre à partir de retours du monde réel.
Cette approche rend également la levée de fonds plus gérable. Une entreprise qui franchit une étape difficile peut attirer le capital et les talents nécessaires pour atteindre la suivante. Fadell a cité Diamond Foundry comme exemple de progrès guidé par des jalons. Il a également évoqué des investissements de longue durée appliquant l’IA à des domaines tels que les traitements contre le cancer et la vision par ordinateur efficace, notamment des entreprises qu’il a identifiées comme Oranus, Plumerai et Tiny AI.
Bon nombre de ces initiatives nécessitent cinq à dix ans avant que leur impact ne devienne visible. Les taux d’échec sont donc élevés ; Fadell a suggéré que la plupart des portefeuilles de capital-risque comportent de nombreuses pertes ou dépréciations. Les quelques réussites peuvent toutefois créer des technologies fondamentales dont les effets dépassent largement ceux d’une fonctionnalité logicielle conventionnelle.
Pour les investisseurs, évaluer de telles entreprises exige davantage que de suivre les tendances. Ils doivent comprendre la science sous-jacente, raisonner à partir des premiers principes et gérer à la fois le capital financier et le capital humain sur une longue période.
L’IA au-delà de l’essor des grands modèles de langage
Fadell s’attend à ce que certaines parties du marché des grands modèles de langage paraissent rétrospectivement surévaluées. Il n’a pas écarté les LLM, mais a soutenu qu’ils constituent une catégorie d’outils plutôt qu’une réponse universelle. Dans de nombreux produits, des modèles plus petits ou plus spécialisés peuvent être plus précis, efficaces et fiables.
Le thermostat de Nest lancé en 2011 illustrait sa catégorie plus large d’intelligence machine dédiée à des tâches spécifiques : un système conçu pour remplir une fonction circonscrite plutôt que pour générer des réponses sans restriction. Fadell a opposé cette approche aux risques d’hallucination associés aux modèles génératifs.
Il a cité des systèmes de vision compacts capables d’exécuter des analyses sophistiquées avec des modèles dont la taille se mesure en mégaoctets. Selon lui, l’accent mis par Apple sur des modèles plus petits et contrôlés offre une orientation judicieuse, car ces systèmes peuvent être optimisés pour des tâches définies. Il a également évoqué des travaux exploratoires sur des approches quantiques de l’IA, tout en les considérant comme un domaine distinct encore en développement.
La leçon commerciale consiste à choisir la technologie qui fonctionne pour le problème actuel. Ajouter un LLM parce que l’IA est à la mode ne remplace pas le jugement produit.
Les systèmes d’IA ont besoin de qualifications et de responsabilité
Fadell a proposé quelque chose qui s’apparente à un profil professionnel pour les agents d’IA. Avant de déployer un système, une entreprise devrait pouvoir examiner les données sur lesquelles il a été entraîné, les domaines dans lesquels il est performant, les biais ou modes de défaillance connus, ainsi que la fréquence à laquelle il produit des erreurs.
Une telle divulgation devient essentielle lorsque l’IA influence la médecine, le service client ou d’autres décisions importantes. Fadell s’est inquiété de l’utilisation par des cliniciens d’outils génératifs pour préparer la documentation des patients et a averti que des détails hallucinés pourraient causer de graves préjudices. Son point plus général était que les organisations ne peuvent pas engager de manière responsable un agent numérique opaque sans comprendre ses qualifications et ses limites.
Il a donc appelé à des exigences réglementaires concernant les données d’entraînement, les erreurs et le comportement des systèmes. La transparence n’éliminera pas la « boîte noire » de l’IA, mais elle peut donner aux acheteurs et aux utilisateurs une base pour évaluer les risques et attribuer les responsabilités.
Les premiers domaines d’application possibles de la RV et des robots humanoïdes
Fadell s’est montré sceptique quant au fait que la réalité virtuelle soit prête pour une utilisation quotidienne continue. Bien que la fidélité visuelle se soit améliorée, il a soutenu que des problèmes persistants liés aux facteurs humains — encombrement physique, inconfort et gêne sociale — subsistent après plusieurs générations de développement.
Il voit davantage de valeur dans des applications ponctuelles, conçues pour un objectif précis. La formation médicale et la conception collaborative en trois dimensions peuvent justifier le port d’un casque pendant une session limitée. Gravity Sketch, une plateforme de création 3D partagée, représentait le type de cas d’usage ciblé qu’il considère comme prometteur. La réalité augmentée pourrait finalement mieux s’intégrer à la vie quotidienne, à condition que le matériel devienne suffisamment discret.
Son point de vue sur les robots humanoïdes était tout aussi mesuré. Des entreprises telles qu’Agility Robotics peuvent répondre à des environnements contraints, en particulier dans la logistique, où les tâches et les environnements sont prévisibles. Les tâches ménagères générales sont bien plus difficiles : les robots ont besoin de vastes données d’entraînement, de capacités physiques robustes et d’une structure de coûts acceptable pour les consommateurs ordinaires. Cet avenir pourrait arriver, mais Fadell s’attend à ce qu’il prenne des années plutôt qu’à ce qu’il apparaisse d’un seul coup.
Dans les domaines de l’IA, de la robotique et de l’informatique immersive, son critère reste constant. Les entreprises de deep tech les plus prometteuses ne sont pas celles qui proposent les démonstrations les plus grandioses. Ce sont celles qui relient une technologie difficile à un besoin précis, démontrent leurs progrès par étapes et bâtissent une organisation suffisamment disciplinée pour tenir sur la durée.
