Ces startups d’IA se sont le plus démarquées dans le lot hiver 2024 de Y Combinator

Malgré une baisse globale des investissements dans les startups, le financement de l’IA a augmenté au cours de l’année écoulée. Le capital destiné aux projets d’IA générative à lui seul a presque quadruplé entre 2022 et 2023, pour atteindre 25,2 milliards de dollars vers la fin décembre.

Il n’est donc pas vraiment surprenant que les startups de l’IA aient dominé lors de la journée de démonstration de l’hiver 2024 de Y Combinator.

La cohorte Y Combinator Winter 2024 compte 86 startups d’IA, selon le répertoire officiel des startups de YC, soit près du double du nombre du lot de l’hiver 2023 et près du triple du nombre de l’hiver 2021. Appelez cela une bulle ou une surmédiatisation, mais clairement, l’IA est la technologie du moment.

Comme nous l’avons fait l’année dernière, nous avons examiné la nouvelle cohorte Y Combinator – la cohorte présentée lors du Demo Day de cette semaine – et avons sélectionné certaines des startups d’IA les plus intéressantes. Chacun a été sélectionné pour des raisons différentes. Mais au départ, ils se démarquaient des autres, que ce soit par leur technologie, leur marché potentiel ou l’expérience de leurs fondateurs.

Noisette

August Chen (ex-Palantir) et Elton Lossner (ex-Boston Consulting Group) affirment que le processus de passation des marchés publics est désespérément brisé.

Les contrats sont publiés sur des milliers de sites Web différents et peuvent inclure des centaines de pages de réglementations qui se chevauchent. (Le gouvernement fédéral américain signe à lui seul environ 11 millions de contrats par an.) Répondre à ces appels d’offres peut nécessiter l’équivalent de divisions commerciales entières, soutenues par des consultants externes et des cabinets d’avocats.

La solution de Chen et Lossner est l’IA pour automatiser le processus de découverte, de rédaction et de conformité des contrats gouvernementaux. Le couple – qui s’est rencontré à l’université – l’appelle Hazel.

Grâce à Hazel, les utilisateurs peuvent être mis en relation avec un contrat potentiel, générer un projet de réponse basé sur l’appel d’offres et les informations de leur entreprise, créer une liste de contrôle de tâches et exécuter automatiquement des contrôles de conformité.

Étant donné la tendance de l’IA à halluciner, je suis un peu sceptique quant à la précision constante des réponses et des contrôles générés par Hazel. Mais, même s’ils sont proches, ils pourraient économiser énormément de temps et d’efforts, permettant ainsi aux petites entreprises d’avoir une chance de remporter des centaines de milliards de dollars de contrats gouvernementaux attribués chaque année.

Andy AI

Les infirmières à domicile s’occupent de beaucoup de paperasse. Tiantian Zha le sait bien : elle a travaillé auparavant chez Verily, la division des sciences de la vie d’Alphabet, la société mère de Google, où elle a participé à des projets allant de la médecine personnalisée à la réduction des maladies transmises par les moustiques.

Au cours de son travail, Zha a découvert que la documentation constituait une perte de temps importante pour les infirmières à domicile. Il s’agit d’un problème répandu : selon une étude, les infirmières consacrent plus d’un tiers de leur temps à la documentation, réduisant ainsi le temps consacré aux soins aux patients et contribuant à l’épuisement professionnel.

Pour alléger le fardeau de la documentation pour les infirmières, Zha a cofondé Andy AI avec Max Akhterov, un ancien ingénieur d’Apple. Andy est essentiellement un scribe alimenté par l’IA, capturant et transcrivant les détails parlés d’une visite d’un patient et générant des dossiers de santé électroniques.

Comme avec tout outil de transcription basé sur l’IA, il existe un risque de biais, c’est-à-dire que l’outil ne fonctionne pas bien pour certaines infirmières et certains patients en fonction de leurs accents et de leurs choix de mots. Et, d’un point de vue compétitif, Andy n’est pas exactement le premier du genre à le faire. marché – les concurrents incluent DeepScribe, Heidi Health, Nabla et AWS HealthScribe d’Amazon.

Mais à mesure que les soins de santé se déplacent de plus en plus vers le domicile, la demande pour des applications comme Andy AI semble sur le point d’augmenter.

Précipitation

Si votre expérience avec les applications météo ressemble à celle de ce journaliste, vous avez été pris dans une tempête de pluie après avoir cru aveuglément aux prédictions d’un ciel bleu clair.

Mais il n’est pas nécessaire qu’il en soit ainsi.

C’est du moins le principe de Precip, une plateforme de prévisions météorologiques basée sur l’IA. Jesse Vollmar a eu l’idée après avoir fondé FarmLogs, une startup qui vendait des logiciels de gestion des cultures. Il s’est associé à Sam Pierce Lolla et Michael Asher, auparavant responsable des données chez FarmLogs, pour faire de Precip une réalité.

Precip fournit des analyses sur les précipitations, par exemple en estimant la quantité de précipitations dans une zone géographique donnée au cours des dernières heures ou jours. Vollmar affirme que Precip peut générer des mesures de « haute précision » pour n’importe quel endroit aux États-Unis jusqu’au kilomètre (ou deux), prévoyant les conditions jusqu’à sept jours à l’avance.

Alors, quelle est la valeur des mesures et des alertes de précipitations ? Eh bien, Vollmar affirme que les agriculteurs peuvent les utiliser pour suivre la croissance des cultures, les équipes de construction peuvent s’y référer pour planifier les équipes et les services publics peuvent les exploiter pour anticiper les interruptions de service. Un client du transport vérifie quotidiennement Precip pour éviter de mauvaises conditions de conduite, affirme Vollmar.

Bien sûr, les applications de prévisions météorologiques ne manquent pas. Mais l’IA comme celle de Precip promet de rendre les prévisions plus précises – si l’IA vaut son sel, en effet.

Maïa

Claire Wiley a lancé un programme de coaching de couple alors qu’elle étudiait pour son MBA à Wharton. Cette expérience l’a amenée à étudier une approche plus technologique des relations et de la thérapie, qui a abouti à Maia.

Maia – que Wiley a cofondée avec Ralph Ma, un ancien scientifique de Google Research – vise à permettre aux couples de nouer des relations plus solides grâce à des conseils basés sur l’IA. Dans les applications de Maia pour Android et iOS, les couples s’envoient des messages dans une discussion de groupe et répondent à des questions quotidiennes telles que ce qu’ils considèrent comme des défis à surmonter, des problèmes passés et des listes de choses pour lesquelles ils sont reconnaissants.

Maia prévoit de gagner de l’argent en facturant des fonctionnalités premium telles que des programmes conçus par des thérapeutes et une messagerie illimitée. (Maia limite normalement les textes entre partenaires – une limitation arbitraire et frustrante si vous me le demandez, mais ainsi de suite.)

Wiley et Ma, tous deux issus de ménages divorcés, affirment avoir travaillé avec un expert en relations pour créer l’expérience Maia. Les questions qui me viennent à l’esprit sont cependant les suivantes : (1) dans quelle mesure la science relationnelle de Maia est-elle solide et (2) peut-elle se démarquer dans le domaine exceptionnellement encombré des applications pour couples ? Il faudra attendre pour voir.

Courbe de données

Les modèles d’IA au cœur des applications d’IA générative comme ChatGPT sont formés sur d’énormes ensembles de données, un mélange de données publiques et propriétaires provenant du Web, notamment des livres électroniques, des publications sur les réseaux sociaux et des blogs personnels. Mais certaines de ces données sont problématiques d’un point de vue juridique et éthique – sans parler d’erreurs à d’autres égards.

Le manque flagrant de conservation des données est le problème, si vous demandez à Serena Ge et Charley Lee.

Ge et Lee ont cofondé Datacurve, qui fournit des données de « qualité experte » pour la formation de modèles d’IA génératifs. Il s’agit spécifiquement de données de code, qui, selon Ge et Lee, sont particulièrement difficiles à obtenir grâce à l’expertise nécessaire pour les étiqueter pour la formation en IA et les licences d’utilisation restrictives.

Datacurve héberge une plateforme d’annotation gamifiée qui rémunère les ingénieurs pour résoudre les problèmes de codage, ce qui contribue aux ensembles de données de formation à vendre de Datacurve. En parlant de cela, ces ensembles de données peuvent être utilisés pour former des modèles pour l’optimisation du code, la génération de code, le débogage, la conception de l’interface utilisateur et bien plus encore, disent Ge et Lee.

C’est une idée intéressante, bien sûr. Mais le succès de Datacurve dépendra de la qualité de ses ensembles de données et de sa capacité à inciter suffisamment de développeurs à continuer à les développer et à les améliorer.