Intermédiaire·3 min·29 août 2026

Vijay Pande quitte a16z : pourquoi miser petit plutôt que gros

🎧 Résumé audio0:00 / 0:00
L'ancien patron biotech de a16z ($4 milliards) fonde une boîte qui fait le contraire : quelques paris par an au lieu de dizaines.
Vijay Pande quitte a16z : pourquoi miser petit plutôt que gros

Pourquoi ça compte pour toi

Ce pivot révèle une tendance cachée : les mega-fonds venture deviennent des moulins à vent, tandis que les investisseurs sérieux réduisent la voilure pour vraiment accompagner les startups. Pour toi créateur ou entrepreneur, c'est une leçon sur la qualité vs. la quantité — et sur comment les données biologiques restent les clés du Royaume en IA, contrairement à la plupart des données tech.

Ce qu'il faut retenir

  • 1.Pande passe de 30+ investissements/an à une poignée concentrée avec VZVC
  • 2.L'IA en biologie est bloquée : les données biologiques ne s'en téléchargent pas comme des textes, chaque boîte crée son bunker privé
  • 3.Les essais cliniques restent le goulet : 80% des médicaments échouent, coûtent des centaines de millions, même avec IA

Tu galères avec le jargon ?

Lis la version réécrite en mode débutant — toutes les idées, sans le jargon.

L'IA change la biologie, mais pas comme tu le crois

Vijay Pande passe les 10+ dernières années à convaincre a16z que la biologie valait le coup. Résultat : $4 milliards sous gestion. Puis juin 2024 arrive, et il s'en va fonder VZVC avec Zach Werner. La boîte ? Pas d'associés, quelques paris concentrés par an, lourdement améliorée à l'IA.

Pourquoi cette volte-face ? Pande l'explique sans détour : les megafonds venture font du placement d'argent, pas de l'investissement. Disperser 30 bets par an, c'est obtenir 30 dilutions de ton attention. VZVC en fait 4-5, max.

Où l'IA explose vraiment (et où elle stagne)

C'est ici que ça devient intéressant. L'IA en médecine ne progresse pas uniquement sur les modèles : elle progresse sur trois fronts.

1. Ciblage des molécules. L'ordinateur comprend maintenant quels targets protéiques attaquer pour une maladie donnée. Avant, c'était du flair. Maintenant, c'est presque mathématique.

2. Les essais cliniques. Oui, tu lis partout que l'IA les rend "plus rapides avec des données synthétiques". Mensonge pieux. Ils coûtent toujours des centaines de millions. 8 médicaments sur 10 échouent entre phase 1 et phase 3, parce qu'on a entraîné les précédentes sur des souris — et les souris, c'est pas des humains. L'IA peut être meilleure que les souris. Une fois qu'elle l'est, c'est le moment clé.

3. Médecine de précision. Au lieu de comparer tes analyses sanguines aux moyennes de population, on les comparera bientôt à ce qui est bizarre pour toi. Un seul antibiotique fonctionnera vraiment pour ton infection, pas trois essais-erreurs.

Le vrai problème : les données biologiques ne se partagent pas

Là où c'est piégeux : les données de texte, tu les scrapes d'Internet. Tout le monde entraîne GPT sur Wikipedia.

Les données biologiques ? Aucun patient n'est public. Chaque boîte de biotech crée son petit royaume fermé de données. Résultat : 100 startups, 100 modèles, zéro circulation de connaissance. C'est l'inverse du progrès en open-source.

Pande voit une solution émergente : les atlases biologiques (des foundation models publics de biologie). Comme les LLMs open-source qui font jeu égal avec les versions propriétaires de Google. Sauf que ça va prendre des années avant d'avoir assez de consensus pour fonctionner.

Ce que Pande cherche maintenant

Il investit principalement dans deux zones : IA pour la livraison des soins (delivery), et IA pour les essais cliniques. Ses critères ? Fondateurs de long terme (5-10 ans+), haute intégrité, aucun ego-trip compétitif. Il veut des gens qui pensent "comment on gagne ensemble" plutôt que "comment je bats les autres".

Translation : après avoir vu des milliers de pitchs en VC, il en a marre des charlots et préfère les craftspeople.

Et concrètement pour toi ?

Choisis ton profil — la lecture de l'article change selon qui tu es.

🔭 Curieux

Pour toi, ce départ dit quelque chose de plus grand : l'IA généraliste plafonne, et le vrai argent se fait sur les cas très spécialisés où les données sont des murs fermés. Le biotech avec IA est un bon exemple — mais regarde aussi la finance, la manufacturing, la pharma. C'est là que l'IA s'enracine vraiment.

Newsletters Noésis

3 minutes d'IA dans ta boîte mail, chaque matin.

Rejoins les francophones qui comprennent, essaient et progressent avec l'IA. Choisis ce que tu veux recevoir. Désabonnement en 1 clic.

Explorer les thèmes de cet article :