Les cinq années de désert jusqu’à l’adéquation produit-marché et une valorisation de 5,3 milliards de dollars | Shiv Rao, fondateur d’Abridge
Abridge est aujourd’hui valorisée à 5,3 milliards de dollars et largement considérée comme un leader de l’IA verticale. Son parcours a toutefois compris environ cinq années sans le type d’adéquation produit-marché qui rend l’avenir d’une startup plus sûr. Dans cette conversation, son fondateur Shiv Rao explique ce qui a permis à l’entreprise de traverser cette période incertaine et comment sa stratégie a évolué à mesure que la santé et l’intelligence artificielle changeaient autour d’elle.
La leçon centrale n’est pas simplement de persévérer. Rao distingue le fait de rester attaché à une intuition durable de celui de s’attacher à un produit, un segment de clientèle ou un modèle économique donné. Abridge a modifié son approche à plusieurs reprises tout en conservant sa conviction que les conversations entre cliniciens et patients contiennent un signal d’une valeur inhabituelle, capable d’améliorer la documentation, les flux de travail et, à terme, l’économie plus large des soins.
Conserver la thèse tout en transformant l’entreprise
Abridge a été fondée en 2018 sur une prémisse claire : la santé est fondamentalement organisée autour des conversations. L’échange entre un patient et un clinicien est l’endroit où les symptômes, les décisions, les préoccupations et les plans deviennent partie intégrante d’une histoire médicale. Si cet échange peut être capturé avec précision, sécurité et utilité, il peut soutenir une toute nouvelle couche d’infrastructure de santé.
Rao affirme que cette prémisse est restée non négociable, même lorsque la stratégie qui l’entourait ne l’était pas. L’équipe était prête à modifier ses produits, ses voies d’accès au marché et ses modèles de revenus. Elle n’était pas disposée à abandonner la conviction que les conversations cliniques pouvaient devenir le fondement de meilleurs flux de travail dans la santé.
Cette distinction est importante, car la persévérance seule peut maintenir en vie une mauvaise idée. La version de la résilience défendue par Rao exige que les fondateurs se demandent quelle croyance est fondamentale et quelles décisions ne sont que des mises en œuvre actuelles. Un fondateur peut être profondément engagé envers un problème tout en restant prêt à fermer un produit qui ne fonctionne pas et à recommencer.
Abridge a également bénéficié de changements technologiques et de marché difficiles à anticiper avec précision. Les systèmes fondés sur les transformeurs, les grands modèles de langage, les perturbations de l’ère de la pandémie et l’épuisement sévère des cliniciens ont progressivement rendu sa vision initiale plus réalisable et plus urgente. Être en avance a donné à l’entreprise le temps d’apprendre, mais l’a aussi obligée à survivre jusqu’à ce que le marché la rattrape.
D’une application grand public à la santé d’entreprise
Abridge a d’abord développé un produit grand public permettant aux patients d’enregistrer et de conserver les informations issues de leurs consultations médicales. Avec le recul, Rao porte un regard critique sur certaines parties de cette période. Pendant la pandémie, il estime que l’entreprise aurait peut-être davantage gagné à se concentrer sur la recherche, le développement de modèles et des architectures commerciales viables plutôt qu’à pousser une application destinée directement aux consommateurs.
La voie grand public a également entraîné une transition difficile. Les établissements de santé doivent faire confiance à leurs fournisseurs pour gérer des informations sensibles, et une entreprise conçue autour d’utilisateurs individuels n’hérite pas automatiquement d’une crédibilité auprès des entreprises. Abridge s’est finalement tournée vers les cliniciens et les systèmes de santé, tout en réexaminant un modèle économique qui aurait pu créer des incitations inconfortables autour de données sensibles.
Pour autant, l’attention initiale portée aux patients n’a pas été perdue. Elle a renforcé l’importance de donner aux personnes la maîtrise de leur histoire de santé. Rao affirme qu’Abridge revient maintenant vers des opportunités destinées aux patients depuis une position plus solide, en utilisant l’IA pour aider les deux côtés de la rencontre clinique plutôt que de traiter cliniciens et patients comme des marchés séparés.
Cette histoire illustre le principe de fonctionnement plus large de l’entreprise : un repli stratégique ne doit pas invalider la mission initiale. Une startup doit parfois abandonner une voie, développer ailleurs les capacités nécessaires, puis y revenir plus tard avec un produit plus crédible.
La santé est un ensemble de marchés
L’une des leçons importantes d’Abridge en matière d’accès au marché a été que la « santé » est trop vaste pour constituer une catégorie de clients utile. Un médecin indépendant, un centre médical universitaire et un grand réseau intégré de prestation de soins opèrent avec des contraintes et des processus d’achat différents.
Pour une entreprise qui ambitionne de transformer le travail clinique, atteindre de grandes organisations de prestation de soins est devenu particulièrement important. Ces systèmes regroupent un nombre important de cliniciens, de flux de travail et de relations liées aux données. Leur vendre est plus lent et plus exigeant que de rester sur le bas du marché, mais cela apporte aussi l’échelle nécessaire pour créer un impact large.
Abridge est entrée par une tâche presque universelle : la documentation clinique. Les médecins passent beaucoup de temps à produire des notes, saisir des ordonnances, sélectionner des diagnostics et effectuer des tâches liées à la facturation. Automatiser une partie de cette charge offre un bénéfice immédiat sans obliger un établissement à repenser l’ensemble de son modèle opérationnel.
Rao souligne que la documentation n’est pas un simple artefact administratif isolé. Dans le système de santé américain, les soins documentés déterminent le remboursement. Une note clinique peut donc relier le flux de travail du médecin aux priorités d’un directeur médical de l’information, d’un CIO et d’un CFO. En concevant délibérément l’architecture de documentation, Abridge pouvait passer de l’allègement de la charge des cliniciens au soutien de la valeur à l’échelle de l’entreprise.
Une couche d’intelligence, pas un remplacement d’Epic
Rao ne présente pas Abridge comme un substitut direct aux plateformes de dossiers médicaux électroniques telles qu’Epic. Il décrit plutôt l’entreprise comme une couche d’intelligence construite au-dessus des systèmes d’archivage existants.
La conversation clinique fournit le point d’entrée initial. À partir de cette source, l’IA peut aider à créer des notes, préparer les dossiers, faire ressortir le contexte pertinent, assister les ordonnances et relier la documentation à la facturation. Cela permet à Abridge d’étendre son rôle sans exiger que les systèmes de santé abandonnent leur infrastructure centrale.
Ce positionnement crée également une forme de contre-positionnement. Un nouvel entrant peut se construire autour d’un flux de travail ou d’un modèle économique qu’un acteur historique pourrait avoir du mal à reproduire sans perturber ses produits existants. Rao conseille aux fondateurs de comprendre suffisamment bien leurs concurrents pour identifier de telles contraintes, tout en gardant leur attention quotidienne sur leurs propres clients et leur produit.
L’identité croissante d’Abridge en tant que catégorie suggère que cette orientation a trouvé un écho. Rao note que certains clients ont même commencé à utiliser le nom de l’entreprise comme un verbe, signe fort qu’un produit s’est intégré au travail quotidien.
Choisir les modèles en fonction de l’expérience utilisateur
Abridge ne considère pas la propriété des modèles comme une question idéologique. Rao indique que l’entreprise utilise des modèles de pointe, des systèmes open source et des modèles développés en interne selon ce qui produit le meilleur résultat pour les cliniciens.
Au moment évoqué, environ 40 % de la production des modèles provenait de systèmes internes, bien que Rao prévienne que cette part évolue à mesure que les modèles sont distillés, affinés et remplacés. Les modèles internes sont particulièrement intéressants pour des tâches circonscrites où la rapidité, le contrôle et un coût inférieur comptent. Les problèmes plus difficiles peuvent bénéficier des avancées de la frontière, à mesure que les systèmes généralistes s’améliorent.
La latence est un facteur décisif. Dans un environnement clinique sous forte pression, même de petits délais peuvent rendre un outil intrusif. Rao compare l’expérience souhaitée à une bonne climatisation : essentielle, fiable et largement imperceptible. La technologie doit disparaître dans le flux de travail afin que le clinicien puisse se concentrer sur le patient.
Cette exigence produit façonne la sélection des modèles :
La qualité doit être suffisante pour des flux de travail cliniques aux conséquences importantes.
Les réponses doivent arriver assez rapidement pour préserver le rythme naturel des soins.
Le coût compte, particulièrement à mesure que l’usage se développe.
L’architecture doit s’adapter à l’évolution des capacités de pointe et open source.
Le passage à l’échelle crée également un avantage d’apprentissage. Davantage de déploiements exposent le système à différentes spécialités, langues, cadres de soins et modifications apportées par les cliniciens. Ces interactions peuvent aider Abridge à affiner ses produits et ses modèles pour un éventail beaucoup plus large d’utilisateurs.
L’avantage propriétaire découle des flux de travail et de la confiance
Les entreprises de modèles fondamentaux créent de puissants vents favorables pour l’IA verticale, et Rao préfère collaborer avec ces avancées plutôt que de les concurrencer directement. Selon lui, la défendabilité d’Abridge repose sur son expertise des secteurs réglementés, ses flux de travail propriétaires, les retours accumulés et sa capacité à traiter correctement les données de santé.
Les données de santé d’entreprise sont rarement propres ou uniformes. Les informations de santé comportementale ne peuvent pas toujours être traitées comme les données de médecine interne, et l’intégration de l’une ou l’autre dans un flux de travail conforme exige une infrastructure considérable. Un système d’IA verticale utile doit faire plus qu’appeler un modèle performant ; il doit organiser le contexte, respecter les règles institutionnelles et fournir le résultat exactement là où le travail s’effectue.
La confiance est tout aussi importante. Rao affirme qu’Abridge ne développe pas son activité en vendant des données de santé. Lorsqu’une fonctionnalité proposée utiliserait les données d’un partenaire d’une nouvelle manière, la philosophie de l’entreprise consiste à obtenir l’autorisation des systèmes de santé avant d’aller plus loin. Cette discipline peut ralentir certaines opportunités, mais elle protège les relations dont dépend l’adoption à long terme.
Le goût comme avantage humain et organisationnel
Rao considère le goût comme un facteur de différenciation de plus en plus important dans le développement de produits d’IA. Pour lui, le goût est la capacité à reconnaître des schémas significatifs, à combiner des idées de manière distinctive et à faire des choix qui expriment un point de vue humain cohérent.
Abridge inscrit cette idée dans un principe culturel : les personnes développent un bon goût en étant exposées à du bon travail. Les chercheurs doivent être exposés à des articles importants ; les équipes produit doivent connaître d’excellents modèles d’interface ; les dirigeants doivent observer des organisations et des décisions solides.
L’exposition seule ne suffit toutefois pas. Le goût exige une sélection. Les équipes doivent rester curieuses sans courir indistinctement après chaque nouveau modèle, tendance de conception ou idée de management. L’avantage vient de l’identification de ce qui mérite l’attention et de sa traduction en choix qui paraissent cohérents avec la mission de l’entreprise.
Rao relie cela à la conviction que les entreprises exceptionnelles créent la culture plutôt que de simplement y répondre. Pour y parvenir, elles doivent rester proches de la frontière où la technologie, les comportements et les attentes évoluent.
Diriger sous pression constante
À mesure qu’Abridge a grandi jusqu’à compter environ 450 employés, le rôle de Rao a changé à plusieurs reprises. Il décrit le leadership du fondateur comme une succession de « périodes de service » : identifier le défi le plus important de l’entreprise, déterminer où le fondateur peut apporter une contribution unique et s’engager dans ce rôle jusqu’à ce que la situation évolue.
Cela diffère de la microgestion. À mesure que l’intervalle entre les décisions et les actions se raccourcit, les entreprises ont besoin de dirigeants capables d’exercer leur jugement sans attendre que le fondateur tranche chaque détail. Rao considère le recrutement de tels dirigeants comme l’une des dimensions les plus difficiles et les plus déterminantes de la montée en puissance.
Il soutient également qu’il n’existe pas de véritable temps de paix pour un PDG de technologie sur un marché en évolution rapide. La pression peut préserver le sentiment d’urgence, tandis que son absence peut favoriser la complaisance. Abridge renforce sa réactivité par des pratiques culturelles telles que sa « règle du Titanic », qui attend des employés qu’ils accusent réception des messages dans un délai de trois heures.
L’entreprise demande actuellement aux employés de passer trois jours par semaine au bureau, bien que Rao présente cette politique comme encore en cours d’ajustement. Il apprécie les tableaux blancs, les interactions spontanées et la proximité physique, tout en reconnaissant la charge que cela représente pour les employés ayant des trajets difficiles. Son propos plus général est que la culture ne peut pas être copiée mécaniquement ; elle doit correspondre à l’entreprise, à ses dirigeants et à son stade de développement.
Construire un système de santé plus humain
L’ambition de long terme de Rao va au-delà de l’automatisation des notes médicales. Il souhaite que l’IA contribue à créer une économie de la santé déflationniste tout en donnant aux cliniciens un meilleur contexte, de meilleurs repères et une meilleure aide à la décision.
Certaines tâches répétitives, fréquentes et moins risquées — comme les renouvellements de médicaments de routine — peuvent se prêter à une automatisation étendue. Toutefois, à mesure que les cas deviennent plus complexes, le jugement humain devient plus important, et non moins. La vision de Rao ne repose donc pas sur le remplacement des cliniciens. Il s’agit de supprimer le travail administratif et de fournir un contexte pertinent afin que les professionnels de santé puissent consacrer davantage d’attention aux soins difficiles.
Ce cadrage est particulièrement important alors que la demande augmente plus vite que les effectifs de santé ne peuvent l’absorber confortablement. Le « désert » de cinq ans d’Abridge montre combien de temps un marché conséquent peut mettre à s’ouvrir. Sa croissance ultérieure illustre ce qui peut se produire lorsqu’une thèse persistante rencontre enfin une technologie capable, une demande client urgente et un produit conçu pour les réalités du flux de travail.
