Neuf Startups Y Combinator Qui Attirent Tous Les Capitaux

Et si le prochain virage de la tech ne se jouait plus dans une application grand public, mais au large, sous la mer, dans le silicium, dans un atelier de drones ou même dans une boîte de Petri ? Le dernier Demo Day de Y Combinator a laissé cette impression étrange, presque cinématographique, chez plusieurs investisseurs présents. La cohorte n’avait rien d’un catalogue de SaaS interchangeables. Elle ressemblait davantage à un laboratoire où l’on tente de résoudre, en même temps, la crise énergétique de l’intelligence artificielle, le coût des robots, la production de munitions et, pour certains, l’idée d’une ville martienne.

Chaque trimestre, la même scène se rejoue : des fondateurs ont quelques minutes pour convaincre une salle saturée de fonds d’amorçage. Cette fois, pourtant, le ton a changé. Les valorisations, selon plusieurs capital-risqueurs interrogés, étaient plus terre à terre que lors des promotions précédentes. Les idées, elles, l’étaient nettement moins. L’un d’eux a résumé l’ambiance d’une formule qui colle encore : la technologie de cette promotion « ressemblait à de la science-fiction ».

Ce texte n’est pas une recopie de communiqués. C’est une promenade critique, parfois sceptique, souvent curieuse, à travers neuf jeunes pousses citées au moins deux fois par des VCs comme les plus commentées de la promotion. On y parle d’électricité, de lumière, de guerre, de linge plié, de cellules cérébrales et d’une API qui voudrait devenir le « Claude Code » de la robotique. Accrochez-vous : le fil est long, mais le paysage vaut le détour.

Un Demo Day Plus Dense, Plus Technique, Moins Ivré De Valorisations

Y Combinator n’a jamais prétendu fabriquer uniquement des licornes grand public. L’accélérateur a financé des outils de développeurs, des fintechs, des marketplaces, puis une vague d’applications d’IA générative. La promotion commentée ici bascule franchement vers le deep tech : matériel, énergie, défense, robotique, biologie appliquée au calcul. Ce n’est pas un caprice esthétique. C’est une réponse à des goulets d’étranglement très concrets.

Les modèles d’intelligence artificielle réclament des quantités d’électricité que les réseaux locaux peinent à fournir. Les communautés s’opposent de plus en plus à l’arrivée de nouveaux centres de données. Les GPU coûtent une fortune et restent parfois inactifs, simplement parce que les données n’arrivent pas assez vite d’une puce à l’autre. Les armées occidentales découvrent qu’elles ne savent plus produire vite et bon marché. Les entrepôts et les foyers attendent un robot qui ne coûte pas le prix d’une voiture. Tous ces frictions se retrouvent, presque trop parfaitement, dans la liste des favoris.

Cette discipline relative mérite d’être soulignée. Après des années où le mot « IA » suffisait à gonfler une table de capitalisation, une partie du marché revient vers une question plus rude : qui vend déjà quelque chose, qui a des lettres d’intention, qui a un calendrier industriel tenable ? Certaines des sociétés ci-dessous avancent des chiffres d’intérêt client vertigineux. D’autres n’ont que six semaines d’existence et déjà des commandes. Le lecteur avisé fera la part des choses entre promesse de pitch et preuve de terrain.

Atomarine, Ou Comment Faire Flotter Le Calcul Au Large

Le premier nom qui circule avec insistance s’écrit parfois Automarine dans les comptes rendus, plus souvent Atomarine dans le récit des fondateurs. L’idée tient en une phrase un peu folle : installer des centres de données sur des barges, au large, d’abord alimentés au gaz, puis par des navires à propulsion nucléaire. L’eau de mer servirait de système de refroidissement quasi gratuit. Loin des riverains, loin des permis municipaux, proche d’une ressource thermique abondante.

Le profil de l’équipe n’est pas anodin. Un ingénieur naval passé par l’informatique au MIT, un docteur en génie nucléaire du même campus. On n’improvise pas un dossier de sûreté maritime et atomique avec un slide de trois puces. Le calendrier annoncé est d’ailleurs long, ce qui, paradoxalement, rassure autant qu’il inquiète : un pilote au gaz vers 2028, une bascule vers des navires nucléaires flottants autour de 2032. Quatre années, puis encore quatre. Ce n’est pas le rythme d’une application mobile.

Ce qui a fait basculer plusieurs VCs, ce n’est pas seulement la poésie industrielle. La société affirme avoir collecté plus de quatre milliards de dollars d’intérêt clients sous forme de lettres d’intention. Un LOI n’est pas un contrat ferme. Tout le monde dans la salle le sait. Mais le volume annoncé, s’il résiste à la due diligence, explique pourquoi Atomarine figurerait parmi les plus hautes valorisations de la promotion.

Le contexte aide. Les opérateurs de cloud et les laboratoires d’IA cherchent de la puissance comme on cherchait autrefois de l’or. Les délais de raccordement électrique s’allongent. Les contentieux locaux se multiplient. Placer le calcul hors des côtes, c’est déplacer le conflit politique autant que le problème thermique. Reste le droit maritime, la régulation nucléaire civile, l’assurance, la maintenance en mer, la cybersécurité d’une infrastructure isolée. Autant de dossiers que le pitch, par nature, ne peut qu’effleurer.

On peut aimer le pari sans le saintifier. Si le pilote gaz tient ses délais, Atomarine aura un actif démontrable avant même d’ouvrir le chapitre atomique. Si le nucléaire flottant se heurte aux mêmes murs que d’autres projets de petits réacteurs modulaires, l’entreprise pourra toujours tenter de vendre l’idée du data center marin « classique ». Le plan B n’est pas glorieux. Il est vital.

Dipole Labs Et La Lumière Qui Refuse De Redevenir Électricité

Dans un cluster de GPU, une partie du temps de calcul se perd à attendre. Les données circulent, se convertissent, chauffent, recommencent. Dipole Labs s’attaque à cette conversion répétée entre lumière et électricité dans la couche réseau des centres de données d’IA. L’entreprise présente un commutateur optique qui laisserait le signal voyager sous forme lumineuse jusqu’à destination, sans le détour électrique habituel.

L’argument est presque cruel de simplicité. Les accélérateurs coûtent trop cher pour rester les bras croisés. Chaque milliseconde d’attente est une rente brûlée. Chaque conversion gaspille de l’énergie et produit de la chaleur, donc encore de l’énergie à extraire. Si le commutateur tient ses promesses de débit et de fiabilité, le rendement d’un rack change de visage.

Le marché de l’interconnexion optique n’est pas vierge. Des acteurs établis vendent déjà des émetteurs-récepteurs, des switches et des architectures plus ou moins « photoniques ». Le défi pour une jeune pousse n’est donc pas seulement d’avoir une idée élégante. Il est d’entrer dans des chaînes d’approvisionnement ultra-conservatrices, de passer des qualifications longues, de convaincre des opérateurs qui n’aiment pas miser leur disponibilité sur un composant de dix-huit mois.

Pourtant le timing est excellent. La course aux clusters toujours plus grands rend visible un goulot que l’on pouvait ignorer quand les fermes étaient plus petites. Les directions techniques parlent désormais autant de réseau que de puces. Dipole Labs se place exactement sur cette phrase devenue obsessionnelle : extraire le maximum d’un GPU déjà payé.

Isengard Industries, La Production De Drones Comme Industrie Locale

Le nom évoque une forteresse de roman. L’activité, elle, est brutale et contemporaine. Isengard Industries veut fabriquer en masse, directement dans des pays alliés, des drones d’attaque et de contre-drone à propulsion par réacteur, pour une fraction des tarifs des grands donneurs d’ordre américains. L’équipe mêle un ancien officier de l’armée australienne et un entrepreneur déjà passé par une société de drones liée à l’Ukraine, montée jusqu’à environ soixante millions de dollars de revenus.

Ici, le discours n’est pas seulement technologique. Il est géopolitique et industriel. Les conflits récents ont montré que le stock compte autant que la sophistication. Produire vite, près du théâtre, avec des chaînes reproductibles, devient un argument de vente aussi fort qu’une spécification radar. La société afficherait déjà dix millions de dollars de chiffre d’affaires. Dans une promotion YC, ce n’est pas anecdotique. Cela place Isengard dans le club des dossiers « revenue-first », ceux que les fonds late seed regardent avec moins de méfiance.

Deux investisseurs ont cité la valorisation comme l’une des plus élevées du batch. On comprend pourquoi : un relais de croissance visible, une équipe qui a déjà industrialisé, un client final qui n’est pas un consommateur versatile. On comprend aussi les zones d’ombre. L’export d’armement, même vers des alliés, reste un labyrinthe de licences. La dépendance à un conflit ou à un budget de défense peut se retourner. La concurrence des industriels historiques, une fois réveillés, n’est jamais théorique.

Il faut néanmoins reconnaître la cohérence du positionnement. Plutôt que de promettre un drone miracle conçu à San Francisco et livré dans deux ans, Isengard vend une capacité de production décentralisée. C’est moins glamour qu’une démo en vol. C’est peut-être plus proche de ce que les états-majors achètent réellement.

Lamb Labs Et Les Puces Qui N’Ont Plus Besoin D’Aller Chercher La Mémoire

L’inférence brûle de l’énergie pour une raison souvent oubliée du grand public : les poids d’un modèle voyagent sans cesse entre mémoire et unité de calcul. Lamb Labs, fondée par un docteur en IA d’Imperial College London et un physicien théoricien d’Oxford, propose d’inscrire ces poids directement dans le silicium. Le composant s’appelle MPU, pour Model Processing Unit. L’objectif déclaré : supprimer le goulot de bande passante mémoire.

Le geste intellectuel est radical. Une puce spécialisée pour un modèle, ou pour une famille de modèles, n’a plus la souplesse d’un accélérateur généraliste. En échange, elle peut viser une efficacité énergétique hors norme. Dans un monde où l’électricité devient le vrai bilan des laboratoires d’IA, ce compromis cesse d’être exotique.

Le risque, bien sûr, s’appelle obsolescence. Les architectures de modèles bougent. Un poids gravé trop tôt peut se retrouver décoratif. Lamb Labs devra donc prouver soit une méthode de durcissement assez générique, soit une cadence de redesign compatible avec le marché, soit un positionnement sur des modèles stables longtemps déployés en production. Les trois chemins sont possibles. Aucun n’est simple.

Les investisseurs qui ont mis ce nom dans leur short list voient probablement autre chose qu’une puce de plus. Ils voient une thèse sur la fin de l’ère « un GPU pour tout faire ». Si l’inférence de masse se spécialise, une génération de silicon houses peut naître à côté des géants. Si elle ne se spécialise pas, Lamb Labs aura au moins forcé le débat au bon endroit : le coût énergétique du va-et-vient mémoire.

Praxis AI, La Matière Première Que Les Robots N’Ont Pas Encore

On parle beaucoup de fondation models pour robots. On parle moins de ce dont ces modèles se nourrissent. Praxis AI s’est installée sur ce terrain ingrat et décisif : collecter, dans le monde réel, des vidéos et des traces de humains au travail, puis en faire un carburant d’entraînement pour les entreprises qui construisent des machines.

La société affirme déjà collaborer avec des groupes cotés et avoir filmé plus de cent cinquante environnements différents. Ce n’est pas un détail marketing. Un robot qui n’a vu que des entrepôts propres apprend mal la cuisine d’un hôpital, l’atelier d’un carrossier ou le quai d’une PME. La diversité des scènes vaut ici plus qu’un million de clips identiques.

Le modèle économique d’un tel intermédiaire est délicat. Il faut des accords clairs avec les employeurs, une gestion stricte des données personnelles, une anonymisation crédible, une qualité d’annotation suffisante. Il faut aussi convaincre que l’on n’est pas un simple prestataire de captation, mais un producteur de jeux de données défendables. Si Praxis y parvient, elle peut devenir une couche presque invisible et pourtant incontournable de la pile robotique.

À plus long terme, l’entreprise touche une question sociale autant que technique : quelles tâches resteront humaines, lesquelles basculeront. En documentant le geste, elle accélère peut-être le transfert. C’est précisément pour cela que des industriels s’y intéressent. C’est aussi pour cela que le débat public finira par la rattraper.

Nori, Le Pari D’Un Humanoïde Qu’On Peut Presque S’Offrir

Six semaines d’existence, près d’un demi-million de dollars de ventes annoncées, un robot humanoïde censé aider à nettoyer et à plier le linge, pilotable depuis une application sur ordinateur, vendu autour de mille six cents dollars. Sur le papier, Nori a tout du dossier qui fait lever un sourcil, puis deux.

Le prix est l’arme. D’autres machines de forme humaine se négocient autour de vingt mille dollars. À ce niveau, on n’achète plus un appareil ménager, on finance une expérience. Nori tente de rentrer dans le budget d’un foyer aisé ou d’une petite structure. La question qui hante tout le secteur reste la même : un robot abordable peut-il vraiment enchaîner lave-vaisselle, linge et tâches banales sans transformer la maison en démonstration bancale ?

Les précommandes rapides ne prouvent pas l’autonomie. Elles prouvent une soif. Les familles, les créateurs de contenu, les early adopters veulent toucher la promesse. Si le matériel déçoit, le reflux sera violent. Si le produit tient ne serait-ce qu’une ou deux tâches mieux que les aspirateurs autonomes actuels, Nori aura ouvert une catégorie de prix que beaucoup jugeaient inaccessible.

Il faut aussi parler de support, de pièces, de sécurité domestique, de mises à jour logicielles. Un humanoïde n’est pas un grille-pain. Le service après-vente décidera autant que la cinématique des bras. Les VCs qui citent Nori achètent sans doute moins une machine parfaite qu’une réponse primitive à une question de marché : le robot de maison meurt-il par manque d’usage, ou par excès de tarif ?

Cosmic Robotics Veut Soulever Des Charges Avant De Soulever Une Ville

Certains fondateurs commencent par un tableur. D’autres commencent par Mars. Cosmic Robotics affiche une ambition presque insolente : contribuer un jour à construire une ville sur la planète rouge. Le premier étage de la fusée, plus prosaïque, consiste à concevoir des robots autonomes capables de soulever des objets lourds. Sur Terre, la société dit déjà installer des panneaux solaires aux États-Unis et avancer vingt-cinq millions de dollars de contrats jusqu’en 2027.

Le décalage entre le récit martien et le carnet de commandes solaire n’est pas forcément un défaut. C’est une stratégie classique : financer une vision lointaine avec un usage terrestre payeur. Lever des modules photovoltaïques, c’est répéter des gestes de précision, de force et de coordination. Ces gestes ressemblent, de loin, à ceux d’un chantier extraplanétaire. De près, le régolithe, le vide, le froid et l’absence de dépannage change tout. L’équipe le sait. Elle aligne son calendrier sur une hypothèse d’exploration vers 2028, dans le sillage des échéances évoquées par SpaceX.

Pour un investisseur, deux lectures coexistent. Lecture prudente : une société de robots de construction énergétique, avec un storytelling spatial qui aide au recrutement. Lecture enthousiaste : une brique précoce d’infrastructure hors Terre. Les deux peuvent être vraies en même temps, à condition que les contrats terrestres soient honorés. Vingt-cinq millions jusqu’en 2027, ce n’est pas une lune. C’est un plan d’exécution.

Parasma, Quand Le Calcul Cherche Refuge Dans Le Vivant

Après le nucléaire flottant et le silicium gravé, voici le chapitre le plus déroutant. Parasma travaille à entraîner des cellules cérébrales humaines pour, un jour, servir de support de calcul plus sobre que le matériel d’IA actuel. L’idée n’est pas sortie de nulle part. Depuis des années, des laboratoires explorent les organoïdes et les réseaux biologiques comme substrats potentiels, fascinés par l’efficacité énergétique du cerveau.

Le saut entre une culture cellulaire qui apprend une tâche rudimentaire et une alternative crédible aux GPU reste immense. Les questions éthiques ne le sont pas moins. D’où viennent les cellules, comment consent-on, que signifie « entraîner » un tissu vivant, à partir de quel seuil parle-t-on d’expérience sensible ? Un article de blog ne tranchera pas ces débats. Un investisseur, lui, devra les affronter plus tôt qu’il ne le croit si le prototype sort du laboratoire.

Pourquoi le nom apparaît-il quand même dans les listes « buzz » ? Parce que la contrainte énergétique est devenue tellement centrale que même les pistes les plus spéculatives trouvent une oreille. Parasma ne vend pas encore une baie de serveurs biologiques. Elle vend une hypothèse : le vivant calcule autrement, et cet autrement pourrait coûter moins cher en watts. Dans une promotion saturée de problèmes de puissance, l’hypothèse devient audible.

Waddle Labs, Une Couche Logicielle Pour Commander La Matière

Dernière pièce du puzzle, et non la moins habile dans sa formule. Waddle Labs, fondée par des diplômés de Harvard, se présente comme une couche d’API capable d’écrire le code de contrôle des robots. Plutôt que d’entraîner un modèle de fondation uniquement sur de la vidéo brute ou de la téléopération humaine, la société empile des agents de grands modèles de langage qui rédigent, testent et corrigent le logiciel de pilotage.

Le slogan interne, repris par les observateurs, est limpide : devenir le Claude Code de la robotique. On branche un matériel, on décrit la tâche en langage naturel, les agents produisent un code exécutable, vérifient qu’il fonctionne, configurent la machine. Le temps annoncé pour cette mise en route tourne autour de vingt minutes. Si le chiffre tient hors démo, c’est une révolution d’intégration plus qu’une révolution de mécanique.

Le secteur attend depuis longtemps son « moment ChatGPT ». Plusieurs écoles s’affrontent : imitation de démonstrations humaines, apprentissage par renforcement massif, modèles vision-langage-action, désormais génération de code de contrôle. Waddle Labs parie que le goulot n’est pas seulement la perception, mais l’écriture fastidieuse des stacks de commande. En rendant cette écriture conversationnelle, elle élargit le nombre de gens capables de faire bouger une machine.

Les limites sautent aux yeux. Un agent qui écrit du code peut halluciner une trajectoire. Un robot n’est pas une page web : l’erreur se paie en tôle froissée ou en blessure. La vérification autonome dont se réclame Waddle Labs n’est donc pas un luxe de productivité, c’est le cœur du produit. Les vingt minutes n’auront de valeur que si les dix-neuf suivantes ne consistent pas à réparer ce que la vingtième a cassé.

Ce Que Ces Neuf Dossiers Racontent Du Marché

Prises une à une, ces sociétés semblent disparates. Ensemble, elles dessinent une carte. L’énergie et le refroidissement conditionnent l’IA. Le réseau optique conditionne l’usage réel des GPU. Les puces spécialisées conditionnent le coût d’inférence. Les données de terrain conditionnent les robots. Le prix conditionne l’adoption domestique. La force brute conditionne le chantier. La biologie conditionne, peut-être, une rupture d’efficacité. Le logiciel d’agents conditionne la vitesse à laquelle tout cela s’assemble.

On retrouve aussi une géographie mentale nouvelle. Moins de marketplaces. Moins de « Uber de X ». Davantage d’équipes capables de parler à un régulateur nucléaire, à un ministère de la Défense, à un fabricant de wafers ou à un exploitant agricole. Le capital-risque early-stage, longtemps à l’aise avec le logiciel pur, accepte de nouveau des cycles longs. Pas par générosité. Parce que les rentes visibles se sont déplacées.

Ce tableau n’est pas un classement. C’est une photographie des arguments qui ont circulé dans les couloirs. Un argument n’est pas une preuve. Les lettres d’intention peuvent expirer. Les précommandes peuvent être annulées. Les contrats peuvent glisser. Les cellules peuvent refuser d’apprendre ce que l’on espère. Lire un Demo Day, c’est accepter cette brume tout en repérant les directions de vent.

Valorisations Plus Sages, Récits Plus Audacieux

Le consensus rapporté par les journalistes présents insiste sur un point trop rare pour être ignoré : les prix d’entrée auraient été plus raisonnables que lors de cohortes récentes. Cela ne signifie pas que les tickets sont petits. Cela signifie que l’ivresse post-2023, celle où n’importe quel wrapper d’un modèle de langage se vendait comme une infrastructure, s’est un peu calée.

Cette sagesse relative crée un paradoxe amusant. On paie un peu moins cher, on achète des rêves plus grands. Un data center nucléaire marin n’est pas un outil de facturation. Un tissu neuronal en rack n’est pas un plugin. Les fonds qui suivent ces dossiers acceptent donc un autre type de risque : le risque d’exécution physique, réglementaire, éthique. Le risque logiciel, eux, le connaissent par cœur.

Pour les fondateurs francophones qui observent la scène de loin, la leçon n’est pas « il faut faire du spatial ». La leçon est plus sèche. Les problèmes chers, lents et impopulaires auprès des riverains ou des réseaux électriques sont redevenus finançables s’ils s’accompagnent d’une équipe crédible et d’un premier client identifiable. Le deep tech n’est plus seulement un adjectif de dossier de subvention. Il redevient un langage de term sheet.

Les Zones D’Ombre Qu’Un Pitch De Trois Minutes Ne Montre Pas

Il serait malhonnête de s’arrêter à l’émerveillement. Plusieurs de ces projets dépendent de permissions publiques. Le nucléaire civil flottant n’avancera pas au rythme d’un sprint agile. Les drones armés n’entreront pas dans un pays allié comme une application dans un store. Les cellules humaines n’échapperont pas à un comité d’éthique. Les robots domestiques n’échapperont pas à une première vidéo de chute virale.

La chaîne d’approvisionnement pèse aussi. Une puce optique ou un MPU ne se commande pas comme un serveur virtuel. Les délais de foundry, les rendements, les tests de fiabilité, les certifications thermiques : tout cela mange le calendrier. Les équipes issues de campus prestigieux ont un avantage de réseau. Elles n’ont pas un laissez-passer magique devant un four de lithographie.

Enfin, la concentration thématique de la promotion peut créer une illusion d’évidence. Parce que neuf dossiers parlent d’énergie, de robots et de défense, on croit que le marché n’attend plus que cela. Or une partie de l’économie numérique continue de vivre de logiciels sobres, de conformité, de logistique, de formation. Le Demo Day est un projecteur, pas un recensement.

Comment Lire Cette Liste Si L’On Investit, Recrute Ou Observe

Un investisseur early-stage peut retenir trois filtres simples. Premier filtre : la preuve de demande, même imparfaite, lettres, précommandes, contrats datés. Deuxième filtre : le caractère substituable de la techno. Si un géant peut reproduire le geste en dix-huit mois, la fenêtre est étroite. Troisième filtre : la capacité de l’équipe à vivre dans le monde physique, usines, ports, hôpitaux, bases, et pas seulement dans un environnement de développement.

• Regarder le délai réel avant un premier actif qui fonctionne hors scène.
• Séparer le chiffre d’intérêt client du chiffre d’affaires encaissé.
• Exiger un plan B lorsque la régulation principale bloque.
• Mesurer la dépendance à un seul théâtre géopolitique ou à un seul modèle d’IA.
• Tester la banalité de l’usage : plier un t-shirt compte parfois plus qu’une slide sur Mars.

Un candidat qui hésite à rejoindre l’une de ces aventures devrait poser des questions moins glamour. Qui possède la propriété intellectuelle des données collectées ? Quel est le protocole si un robot blesse quelqu’un ? Combien de semaines de trésorerie après un retard de certification ? Les meilleures équipes n’éludent pas. Elles ont déjà un classeur.

Un observateur industriel, lui, peut traiter cette liste comme un baromètre. Quand Y Combinator met en avant autant de matériel, c’est que les goulets sont assez douloureux pour que même l’accélérateur le plus associé au logiciel accepte la lenteur. Les grands groupes de l’énergie, des semi-conducteurs, de la défense et du BTP feraient bien d’envoyer plus qu’un émissaire poli. Ils devraient décider s’ils veulent acheter, copier ou ignorer.

Derrière Le Spectacle, Une Question D’Époque

On peut sourire de la juxtaposition. D’un côté, un robot à prix d’électroménager haut de gamme. De l’autre, un projet de centrale flottante. Au milieu, des cellules, des drones, des panneaux solaires et une API d’agents. Cette coexistence n’est pas un hasard de programmation. Elle dit que la contrainte du moment n’est plus seulement « comment générer un texte ». Elle est « comment alimenter, déplacer, fabriquer et automatiser sans exploser les coûts ni les réseaux ».

Les promotions précédentes ont habitué le public à des démos fluides, des interfaces parlantes, des courbes d’utilisateurs. Celle-ci demande une autre gymnastique mentale. Il faut accepter qu’une partie des vainqueurs éventuels ne livrera rien de spectaculaire avant la fin de la décennie. Il faut aussi accepter qu’une autre partie, plus terrestre, Nori, Praxis, Waddle, Isengard, pourrait montrer des preuves bien plus tôt, pour le meilleur ou pour une désillusion filmée au téléphone.

Le deep tech a ce défaut précieux : il résiste au storytelling trop lisse. L’eau de mer refroidit ou elle n’y arrive pas. Le commutateur optique tient le débit ou il sature. Le drone sort de l’usine ou la chaîne s’arrête. Le linge est plié ou il reste en boule. Cette rudesse est une bonne nouvelle pour le lecteur. Elle permet, enfin, de juger autre chose que la qualité d’une accroche.

Alors, faut-il croire que ces neuf noms seront les figures tutélaires de 2030 ? Personne de sérieux ne le jurera. Faut-il croire que le centre de gravité du capital early-stage se déplace vers l’énergie, la matière et la machine ? Les conversations de ce Demo Day, plus que les communiqués, le suggèrent. Entre les deux, il reste le travail, ce continent que ni une barge ni un agent conversationnel ne franchissent à notre place.

Si cette promotion devait laisser une seule image, ce ne serait pas celle d’une scène bien éclairée à San Francisco. Ce serait celle d’un hangar, d’un quai, d’une salle blanche ou d’une cuisine, quelque part, où une équipe tente de faire tenir une promesse trop grande pour un créneau de présentation. C’est là que se joue vraiment le buzz. Pas sous les projecteurs. Sous les contraintes.