J'ai parlé à @credistick des raisons pour lesquelles les startups échouent : "Un problème significatif pour 70 % des entreprises de cette étude était qu'elles avaient levé trop d'argent. Essentiellement, ce qu'ils ont découvert, c'est qu'avant que la startup ait correctement validé qu'elle avait un produit adapté au marché et que c'était la bonne direction pour l'entreprise, elle avait levé une tonne d'argent. Et investi dans la croissance, le recrutement et la technologie et le développement. Et puis, quand c'était faux, l'entreprise explose simplement. Alors que, si vous avancez étape par étape, les chances sont plus élevées. Obtenez des chèques d'un joli petit fonds de capital-risque amical. Vous pouvez résoudre toutes ces questions au fur et à mesure. Et vous avez un partenaire pour vous aider à travers cela. Le parallèle de l'autre côté est le fonds de capital-risque méga. Ils vous donnent un énorme sac d'argent au début. Et puis se tiennent à l'écart. Et peut-être que vous décollez, et c'est incroyable. Mais il est tout à fait possible que vous explosiez. Et peut-être que tout le monde est d'accord avec ce compromis. Peut-être que c'est intégré dans les mathématiques de leur modèle. Vous vous préparez à un avenir très fragile. La chose sur laquelle vous les avez pitchés, dans laquelle ils ont investi une tonne d'argent, doit fonctionner. Et elle doit se développer rapidement. Et si ce n'est pas le cas, c'est fini. Parce que le seuil pour ce prochain tour est maintenant si élevé que vous ne pouvez tout simplement pas le franchir." Lien dans la bio de @ThePeelPod pour l'épisode complet avec @credistick, abordant des leçons non racontées de dizaines de travaux de recherche académique sur les startups et le capital-risque.

J'ai demandé à @credistick si nous sommes dans une bulle AI : "Ça dépend, non ? Parce que quand vous pensez à une bulle, vous pensez à investir dans un actif spéculatif qui est massivement détaché de la valeur intrinsèque. Le problème avec cette définition en ce qui concerne l'IA et le capital-risque aujourd'hui, c'est que je ne pense pas que les capital-risqueurs agissent généralement comme des investisseurs. Ils agissent comme des traders. S'ils peuvent sortir de leurs positions avant que les choses ne s'effondrent, alors c'est un bon trade. Je pense d'une manière cynique qu'ils le reconnaissent. Ils voient tous qu'un effondrement va se produire. Mais ils espèrent juste pouvoir sortir avant cela. Et s'ils le font, c'est un bon trade. S'ils ne le font pas, c'est un mauvais trade. Mais ce n'est pas nécessairement une bulle. Je pense qu'une bulle serait si nous arrivions à un point où OpenAI est devenu public. Anthropic est devenu public. Peut-être Cognition, quelques autres. Mistral. Une fois qu'ils sont sur les marchés publics, alors je pense que nous pourrions voir une bulle. Parce qu'évidemment, des marchés plus liquides sont plus réactifs au sentiment. Ça grimpera beaucoup plus vite et s'effondrera beaucoup plus durement. Mais pour l'instant dans le capital-risque, je pense que vous devez reconnaître tout cela comme un trade sur la vague de l'IA. Si vous avez investi dans OpenAI en 2017, c'était un investissement. Si vous avez commencé à investir dans des entreprises d'IA en 2022 / 2023 comme stratégie, c'est probablement mieux caractérisé comme un trade sur l'élan de l'IA. Vous espérez que ces entreprises profiteront de cette tendance. Générer de bonnes marges. Peut-être obtenir une bonne sortie. Mais principalement, vous pariez sur la catégorie." Continuez à écouter notre conversation complète, déballant des leçons inexprimées de dizaines de recherches académiques sur les startups et le capital-risque, déconstruisant de nombreux récits populaires de l'industrie. YouTube : Spotify : Apple :

Ép #111 : Leçons de startup non racontées tirées de dizaines de travaux de recherche académique Dan Gray (@credistick) est le responsable des insights chez @Equidam. Cette conversation couvre tout ce que Dan a appris en lisant des dizaines de travaux de recherche académique sur les startups et le capital-risque, déconstruisant de nombreux récits populaires de l'industrie. Nous parlons des dangers de l'échelle prématurée des startups, de l'importance de l'investissement à l'étape d'origine, du concept de catering des startups et pourquoi tant de startups se ressemblent, ainsi que du rôle que jouent les méga-fonds dans l'écosystème. Nous discutons également de ce que les données disent sur la concentration par rapport à la diversification, de ce que les VC se trompent sur le matching de modèles, et pourquoi le pivot est plus précieux que vous ne le pensez. Merci à @tryramp et @harmonic_ai pour le soutien de cet épisode ! Diffusez ici sur X ou via les liens ci-dessous. Horodatages : 5:18 Equidam : aider les investisseurs à évaluer les startups 6:43 Quel est le taux de rendement requis en capital-risque ? 9:29 Le capital-risque a besoin de nouvelles définitions 16:10 QSBS 18:23 Sommes-nous dans une bulle AI ? 24:07 Rebranding du capital-risque en phase précoce et tardive 28:25 Nous avons besoin de plus de capital à l'étape d'origine 40:05 Biais de survie dans la surperformance des gestionnaires émergents 42:57 Incitations à des tailles de fonds plus importantes 48:10 Lever des tours surévalués re-risque une startup 52:08 Catering des startups : pourquoi toutes les startups se ressemblent 58:42 Les méga-fonds VC sont-ils encore une expérience ? 1:08:06 Le capital-risque en phase tardive concurrence le PE 1:13:42 Stratégie du Fonds 1 de a16z 1:18:18 Quelle doit être la diversification des fonds VC ? 1:25:06 Performance des entreprises généralistes vs spécialisées 1:30:35 Comment évaluer une startup 1:40:58 Pourquoi la localisation des sociétés de capital-risque est corrélée aux rendements, mais pas celle des startups 1:44:05 Le parcours des fondateurs ne prédit pas le succès 1:48:27 Les startups avec un pivot sont les plus réussies 1:50:24 L'échelle prématurée tue 70 % des startups 1:54:47 Le modèle de méga-fonds fonctionne-t-il pour l'investissement à l'étape d'origine ? 1:56:15 Valeur de Twitter et écriture en ligne