Axiom Partners : 35 investissements IA, moitié d’échecs assumés

Sandhya Venkatachalam structure Axiom Partners pour des usages d’IA ancrés dans l’industrie, la construction ou l’assurance. Le fonds de 52 M$ prévoit 35 investissements et assume qu’environ la moitié échouera, misant sur un rare succès pour rentabiliser le fonds. L’organisation mêle praticiens en activité et un outil interne, Axiom Brain, pour accélérer la décision.

Portefeuille : 35 participations visées et environ moitié d’échecs attendus

Axiom Partners gère un fonds de 52 millions de dollars et prévoit de réaliser 35 investissements. Sandhya Venkatachalam s’attend à ce qu’environ la moitié de ces paris échouent, qu’il s’agisse de fermetures ou d’entreprises qui ne prennent pas la trajectoire recherchée. Le modèle du fonds repose sur la recherche d’un résultat exceptionnel et sur l’idée qu’un investissement hors norme peut à lui seul rentabiliser le fonds. Investir suffisamment tôt, puis voir une société devenir très grande, peut compenser de nombreux échecs. L’acceptation de pertes fait partie intégrante de leur manière d’investir en amont, avant que l’opportunité ne soit évidente. Ce cadre est assumé et planifié dans l’approche du fonds, qui cible des startups d’IA dans des secteurs comme la construction, l’industrie et l’assurance.

Critères commerciaux : des budgets de main-d’œuvre et des contrats à six chiffres

Parmi les critères d’Axiom, les clients doivent être prêts à payer l’IA sur leurs budgets de main-d’œuvre. Même au stade alpha ou en partenariat de conception, l’équipe mène des diligences pour établir cette volonté d’achat. Sandhya Venkatachalam indique observer souvent des valeurs de contrat dans les centaines de milliers de dollars, plutôt que les montants bien plus modestes associés à des outils de logiciel intermédiaires. Ce mode d’achat s’est manifesté dans la majorité des entreprises du portefeuille.

Organisation : praticiens à temps partiel et Axiom Brain pour décider vite

Axiom a bâti son organisation autour de praticiens de l’IA actifs, impliqués à temps partiel avec un temps dédié, qui reçoivent une part des bénéfices du fonds et sont traités en partenaires plutôt qu’en conseillers de façade. Leurs autres emplois sont centraux au modèle, et ils seraient moins précieux s’ils s’en détachaient. Le fonds déploie aussi l’IA en interne avec Axiom Brain, un outil conçu pour lire les tendances, repérer personnes et entreprises, et accélérer la diligence comme d’autres workflows. Pour Sandhya Venkatachalam, l’intérêt de ces moyens est la capacité à agir rapidement. Elle soutient qu’il est difficile de rester au rythme du marché sans construire, commercialiser ou mettre l’IA en production, et que ces opérateurs actualisent la grille d’analyse et attirent les fondateurs en raison de leur expérience des défis concrets.

Thèse produit : livrer un résultat et tenir le « dernier kilomètre »

Axiom vise une « IA pour le monde réel », avec la conviction qu’elle doit bénéficier au-delà des premiers adoptants. Le fonds privilégie les secteurs sous-servis où l’IA produit un résultat, plutôt qu’un énième outil logiciel, notamment dans la construction, l’industrie et l’assurance. Les entreprises soutenues peuvent combiner matériel, capteurs ou robotique, ou bien reposer uniquement sur le logiciel, avec pour point commun l’exécution d’un travail qui compte pour le client. Le fonds se tient généralement à l’écart des produits qui ressemblent à des outils d’entreprise classiques et cherche des systèmes qui livrent effectivement un résultat. Sandhya Venkatachalam estime qu’un produit devient difficile à remplacer lorsqu’il exécute un travail important qui vaut beaucoup pour le client, ce qu’elle décrit comme le « dernier kilomètre ». Dans l’industrie, cela suppose une intégration profonde aux systèmes des clients, la compréhension et l’entraînement sur leurs données, l’apprentissage des flux de travail clés et la garantie du résultat. Cet ancrage dépasse la simple interface posée sur un modèle, crée des relations et des capacités difficiles à reproduire pour une autre startup, et implique un travail que les grands fournisseurs de modèles d’IA souhaitent peu réaliser eux-mêmes.

Origines et influence : de Groq à l’ouverture aux profils atypiques

Avant Axiom, Sandhya Venkatachalam a soutenu Groq à une époque où l’inférence était loin d’être une évidence d’investissement. Issue du matériel comme du logiciel, elle s’est penchée sur les raisons qui poussaient Google à construire ses propres commutateurs réseau, découvrant ensuite qu’il développait aussi ses puces. Cette exploration l’a menée à Jonathan Ross, impliqué dans ces travaux et devenu fondateur de Groq, qui défendait l’idée que l’inférence serait le marché futur le plus vaste. En 2016, elle dit à peine comprendre l’inférence, mais son intuition que la diffusion des modèles créerait une demande d’infrastructure a guidé son investissement. Cette expérience nourrit aujourd’hui sa préférence pour être un peu en avance et patiente, sans chercher la contrariété pour elle-même, tout en investissant avant le consensus sur ce qui sera bâti sur l’infrastructure et les modèles d’IA. Côté sourcing, elle retient de Khosla Ventures l’ouverture sur l’origine des grands fondateurs et cherche des profils moins évidents, alors que, selon elle, la Silicon Valley réduit souvent ce vivier à quelques parcours types. Son itinéraire antérieur – construction d’entreprises, direction produit dans une société de matériel vendue à Cisco, poste chez Skype avant sa vente à Microsoft, passage par Social Capital où elle a mené l’investissement initial dans Groq, puis Khosla Ventures – a précédé son rôle actuel de fondatrice et associée gérante d’Axiom Partners, et a forgé son intérêt précoce pour les données et le machine learning.