Ce que nous apprenons en construisant

Ce qui s’applique depuis août 2026, ce qui est reporté à 2027, quelles cibles sont exposées et les questions AI Act à intégrer à votre due diligence.

Les questions qui font le tri avant d’investir dans une startup IA, groupées par thème, avec ce qu’une bonne réponse donne à entendre et ce qui doit alerter.

Quatre critères pour choisir le premier processus à automatiser avec l’IA, et pourquoi le cas d’usage spectaculaire est rarement le bon point de départ.

Veracode mesure 45 % de code généré vulnérable, et les modèles ne progressent pas. Le dispositif qui protège : scans en CI, revue des chemins sensibles, skills.

Coût complet d’une requête LLM, sensibilité aux prix des modèles, marge à l’échelle : ce qu’un investisseur doit exiger dans la data room d’une cible IA.

Sortie vérifiable, périmètre borné, fort levier : pourquoi les tests sont la première tâche à confier à un agent IA, et comment éviter les tests creux.

Douze questions pour choisir un prestataire IA : systèmes en production, pratique d’évaluation, propriété du code, coûts à l’échelle. Et les bonnes réponses.

Lecture ciblée en 3 à 4 jours, audit complet en 2 à 3 semaines : la durée réelle d’une due diligence technique, ce qui l’allonge et comment tenir un deal.

Cycle time, charge de revue, taux de défaut contre une baseline : les métriques qui montrent ce que l’IA change dans votre delivery, et celles à ignorer.

Ce qu’est une skill pour un agent de code, des exemples concrets, et comment constituer une bibliothèque versionnée qui capitalise le savoir-faire de l’équipe.

Comment nous menons l’entretien CTO en due diligence : les questions qui ouvrent, les signaux dans les récits de panne, la rigueur sans l’interrogatoire.

L’IA écrit plus vite que votre équipe ne relit. Diffs plafonnés, pré-revue par agent, revue par niveau de risque : comment desserrer le goulot d’étranglement.

Un POC IA prouve la démo, pas le workflow. Ce que la mise en production exige vraiment : gestion des erreurs, évaluation, monitoring, permissions, coûts.

Qui a vraiment besoin d’un LLM souverain hébergé en France, ce que Mistral et SecNumCloud permettent en 2026, et le coût réel de l’auto-hébergement.

Tests exigés, analyse statique, scans de sécurité, règles de revue au merge : le socle CI d’une équipe qui produit beaucoup de code assisté par IA.

Les fourchettes de prix d’une due diligence technique en 2026, ce qui fait varier le montant, et pourquoi l’audit au rabais finit par coûter le plus cher.

Coût de correction, coût de portage, impact sur la roadmap : comment chiffrer la dette technique d’une cible en acquisition et la porter en négociation.

Les signaux d’alerte sérieux d’une due diligence technique, ceux qui font peur pour rien, et comment décider entre corriger, renégocier et renoncer.

Fourchettes de prix par type de système IA, ce qui fait varier le budget, et les coûts de fonctionnement réels qui suivent la mise en production.

Wrapper IA ou vraie technologie : comment nous tranchons en due diligence, pourquoi une surcouche peut être un bon business, et ce qui la valorise autrement.

Les tâches d’apprentissage partent aux agents IA. Comment un développeur junior progresse désormais : lecture, vérification, architecture, rôle des managers.

La checklist que nous utilisons en due diligence IA : réalité de la production, gestion des erreurs, évaluation, économie unitaire, données, équipe.

Ce que l’équipe d’audit va regarder, ce qui se corrige vraiment dans les 90 jours avant le deal, et pourquoi la dette assumée vaut mieux que le vernis.

Cartographie absente, sous-traitants sans DPA, résidence des données fictive, suppression incomplète : les écarts RGPD à chiffrer avant le closing.

Droits d’accès, citations, fraîcheur de l’index, adoption : les quatre chantiers qui séparent un assistant IA sur documents internes utile du gadget décevant.

95 % des pilotes IA sans retour mesurable selon le MIT : ce que disent les chiffres, les vraies causes des échecs et le schéma des projets qui survivent.

Comment cartographier le risque homme-clé d’une cible avant d’investir : qui peut reconstruire le système, et les clauses de rétention qui en découlent.

Ce que couvre une due diligence technique, quand un fonds en commande une, ce que contient le rapport et comment elle s’insère dans le calendrier du deal.

Duplication en hausse, refactoring en chute : ce que les études mesurent sur la dette technique du code généré par IA, et la parade qui tient en trois volets.

Ce qu’est vraiment un agent IA, ce qui tourne déjà en production, ce qui reste fragile, et les questions à régler avant de lui ouvrir vos systèmes.

Évaluation, boucles de données, marges d’inférence, défensibilité : les risques d’une cible IA qu’une grille d’audit classique ne voit pas, et ce qu’ils pèsent dans le prix.

Acheter le générique, développer le différenciant : la grille de décision, les coûts cachés des deux voies et l’approche hybride qui convient aux ETI.

Mesurer le ROI d’un projet IA : la baseline avant tout, les métriques qui tiennent, et les coûts oubliés, de la relecture à la facture des modèles.