Le pitch de Discovery Loop de 10 milliards de dollars : Un rêve d’IA de Jeff Dean ou une valorisation basée sur l’hypéréthique ?

Pourquoi l’évaluation semble indépendante des preuves actuelles

ÀUne valeur d’environ 10 milliards de dollars.En cherchant environ 1 milliard de dollars de financement, Discovery Loop demande au Silicon Valley de financer une initiative coûteuse. Ce n’est pas une mise à l’épreuve basée sur la traction actuelle ; c’est plutôt une mise à l’épreuve basée sur les chances que ce groupe puisse réaliser une nouvelle avancée majeure en matière d’IA.

C’est pourquoi la configuration en phase initiale est aussi importante que le chiffre principal. Il y a…Aucun produit, aucune traction, aucun revenu.Selon les rapports, l’idée n’a été formulée que il y a quelques semaines. Dans la plupart des évaluations de projets innovants, c’est un obstacle majeur. Mais ici, les investisseurs sont invités à ignorer cet obstacle.

Ce qui est acheté, c’est l’équipe elle-même. Dean a quitté Google après…27 ansEt le résumé du groupe fondateur inclut des travaux étroitement liés à TensorFlow, aux TPUs, à AlphaFold et à Gemini. Le message destiné aux investisseurs est simple : il s’agit d’une équipe qui a contribué à la création de plateformes fondamentales en IA et qui a eu une influence sur le domaine dans son ensemble.

Les sceptiques peuvent considérer cela comme une valorisation exagérée : les investisseurs fournissent le capital nécessaire, tandis que les fondateurs s’appuient sur une réputation déjà établie. Mais le scénario positif est plus simple : lorsque l’actif principal est l’équipe, la réputation compte plus que pour une startup sans revenus avant le début de son activité.

Pourquoi les investisseurs peuvent-ils encore payer pour une densité de talent

Le premium ne fonctionne que si les investisseurs achètent réellement une rareté : une concentration rare d’ingénieurs et de chercheurs qui ont déjà développé des infrastructures et des modèles d’IA de base. L’annonce peut indiquer…Aucun produit, aucune traction, aucun revenu.Mais l’histoire commune de l’équipe est ce qui compte vraiment.

La réputation comme barrière immédiate

Les fondateurs ayant de l’expérience dans divers domaines comme les systèmes, la recherche et les modèles à grande échelle sont rares. Ajoutez cela…Alphabet en tant qu’investisseur fondateur et partenaire cloudEt l’ensemble de la structure semble moins être un processus de démarrage aléatoire avant le lancement d’un produit, et plus plutôt une tentative stratégique visant à former une équipe d’IA de haut niveau en dehors de Google.

Cela ne prouve pas que l’entreprise réussira. Cependant, cela explique pourquoi une évaluation possible existe : les investisseurs paient pour la probabilité que ce groupe puisse identifier le bon problème, rassembler les bons personnes et agir plus rapidement que les concurrents plus établis.

La thèse centrale de cette startup : automatiser le cycle scientifique.

Dean a été assez explicite sur le mécanisme qui se trouve derrière l’entreprise. À Y Combinator, il a décrit…Une version automatisée du méthode scientifiqueProposer une expérience, mettre en œuvre les actions nécessaires pour la réaliser, évaluer les résultats, et continuer à itérer. Le but du cycle de découverte est de pouvoir scaleer ce processus.Exécution parallèle de milliers d’expériencesÀ travers les sciences et l’ingénierie.

Si cette vision fonctionne, l’avantage n’est pas de produire un produit de meilleure qualité. Il s’agit plutôt de raccourcir les cycles de découverte dans des domaines à haute valeur ajoutée tels que la biologie, la conception de puces, les matériaux et l’entraînement des modèles. Dans ce contexte, le véritable avantage ne réside pas dans le nombre de fonctionnalités, mais dans la vitesse de validation.

Que doit se passer pour que le prime reste valable ?

Une évaluation aussi importante ne semblera justifiée à posteriori que si Discovery Loop parvient à transformer la densité de talents en progrès réels. Les étapes clés sont simples :

• Transformez le concept en un système fonctionnel.Ce qui peut véritablement automatiser certaines étapes du cycle expérimental.
• Montrez au moins un domaine où l’automatisation produit des résultats utiles plus rapidement que les processus manuels.
• Prouve que le modèle généralise.Plus qu’une simple preuve de concept.

Si ces étapes commencent à se produire, le prix de l’avance devient moins semblable à une spéculation, et plus semblable à un investissement de type venture capital, qui permet d’obtenir une meilleure récompense pour les découvertes faites. Sinon, le marché va probablement cesser de considérer cela comme un avantage lié aux talents, et commencer à le voir comme une promesse vide.