La décision de postuler à YC
J'ai postulé à Y Combinator depuis le Royaume-Uni, où je construisais Clarm depuis environ six mois. À ce stade, on avait des clients early, des résultats réels qui commençaient à arriver, et une thèse claire. Mais j'avais aussi le sentiment fort que j'opérais à la mauvaise vitesse — qu'il existait une version de cette entreprise qui bougeait plus vite, pensait plus grand, et était entourée de gens qui la pousseraient dans des directions que je ne pouvais pas voir de là où j'étais.
Quand Clarm a été accepté dans YC X25, j'ai pris la décision de déménager à San Francisco sans trop hésiter. C'était le bon choix. Je le dis maintenant sans aucune réserve.
Aller en Silicon Valley a changé ma vie de fondateur. C'est comme la F1 du monde. Les gens vont tellement vite et pensent tellement plus grand — il y a tellement à apprendre, et tellement de ça s'apprend non pas par des cours mais par la proximité.
Ce qui change quand tu es dans la room
Il se passe quelque chose quand tu passes du temps avec des fondateurs qui opèrent à un niveau véritablement élevé. Ta baseline se déplace. Les choses que tu pensais ambitieuses commencent à ressembler à des minimums raisonnables. Les choses que tu pensais impossibles commencent à ressembler à des problèmes que d'autres ont résolus et que tu n'as juste pas encore figuré.
J'ai eu une conversation tôt dans le batch avec un autre fondateur qui faisait 100 cold calls par jour. Pas comme un sprint ponctuel — comme pratique quotidienne, de façon constante, pendant des mois. J'étais en train de me féliciter d'en faire 20. Cette conversation a recalibré quelque chose dans ma façon de penser ce qui était possible.
Tu es très influencé par les gens avec qui tu passes ton temps. Avec qui tu partages un bureau compte vraiment. Si quelqu'un fait 100 cold calls par jour, tu commences à croire que tu peux faire ça aussi. Ça fait quelque chose à ton cerveau. Ton modèle interne de ce qui est « normal » se recalibre vers le haut.
Pour les fondateurs qui ne peuvent pas venir à San Francisco : le principe s'applique quand même. Trouve les bonnes personnes dans ta ville. Repère-les tôt. Entoure-toi d'elles. Tu peux atteindre un certain niveau de Silicon Valley là où tu es, si les gens autour de toi opèrent au niveau le plus élevé qu'ils peuvent atteindre. Clarm opère depuis San Francisco et Zurich — cette double présence SF+Zurich est un signal fort pour les acheteurs francophones suisses et belges, et pertinent pour les entreprises françaises qui s'étendent dans la zone DACH.
Le problème de la preuve de revenu AI
La chose la plus importante que YC m'a apprise est quelque chose de spécifique à la construction d'une entreprise AI : la différence entre prouver que ton AI fonctionne et prouver que ton AI génère du revenu.
Ce ne sont pas la même chose. Elles ne sont même pas proches.
Avant YC, je dépensais beaucoup d'énergie sur des preuves de capacité. Regarde comme les réponses sont précises. Regarde la latence. Regarde comme ça gère les edge cases. Ce sont des choses sincèrement importantes. Mais ce sont des métriques produit, pas des métriques business. Un fondateur technique se tourne par défaut vers les métriques produit parce que c'est ce qu'on est entraîné à optimiser.
YC m'a poussé, constamment et sans relâche, vers la preuve de revenu. Pas « l'AI a répondu correctement » — « l'AI a causé un client à payer ». Pas « l'AI a gagné du temps » — « l'AI a économisé X $ en coûts ou généré X $ de nouveau revenu. »
La question qui a changé mon cadrage était simple : « Que ferait le client sans toi ? » Si la réponse est « le faire manuellement », la question suivante est « et combien ça leur coûterait ? » Si tu peux répondre clairement, tu as une preuve de revenu. Si tu ne peux pas, tu as une preuve de capacité.
Comment ça a changé ma façon de mesurer Clarm
Avant YC, je mesurais Clarm par les conversations gérées, la précision des réponses et le taux de déflexion support. De bonnes métriques. Des signaux utiles. Pas une preuve de revenu.
Après environ six semaines dans le batch, j'ai entièrement reconstruit notre framework de mesure autour de l'attribution de revenu. La question à laquelle nous répondons maintenant pour chaque client est : quel pipeline Clarm a-t-il surfacé qui n'aurait pas existé autrement, et en quoi s'est-il converti ?
Ce recadrage a produit des chiffres bien plus convaincants — et bien plus honnêtes sur ce qu'on faisait réellement. GiveLegacy est passé de 0 $ à sa source de revenu inbound n°1 en 90 jours en utilisant Clarm. 25,2 % des conversations montraient une intention d'achat — c'est un taux de conversion, pas une vanity metric. Ça répond à la question « que feraient-ils sans toi » avec un pourcentage que tout le monde peut benchmarker.
Ça a aussi changé comment on parlait aux clients potentiels. Au lieu de mener avec les taux de précision et les temps de réponse, on menait avec les outcomes pipeline. Au lieu de « notre AI gère jusqu'à 94 % des questions support automatiquement », on disait « un client est passé de 760 demandes email à 4 624 conversations avec 25 % d'intention d'achat — depuis un canal qui produisait 0 $ ». Ce sont des conversations fondamentalement différentes.
Trois choses que YC a changées dans ma vision de la croissance
1. Le revenu est la seule preuve qui transfère vraiment
Les preuves techniques convainquent les acheteurs techniques. Les preuves de revenu convainquent tout le monde. Si tu construis un produit AI pour un public business, ton objectif est d'accumuler des exemples où un vrai client a payé pour quelque chose et le résultat était sans ambiguïté meilleur que le contrefactuel. Tout le reste est un proxy.
2. Fais des choses qui ne scalent pas, jusqu'à ce que les leçons transfèrent vers des choses qui scalent
C'est une vieille sagesse YC, mais la version AI mérite d'être explicitée. En AI, les choses qui ne scalent pas sont les déploiements client high-touch où tu es personnellement impliqué dans chaque décision. La leçon que tu extrais de ces déploiements — le pattern de ce qui cause la conversion d'une conversation, quelle question prédit un deal, quel signal tes clients apprécient — cette leçon scale.
J'ai passé beaucoup de temps dans les premiers déploiements à revoir personnellement les logs de conversation. Ça avait l'air de ne pas scaler. Ça a produit les données d'entraînement et la reconnaissance de patterns qui ont fait que notre détection d'intention fonctionne réellement. Fais la chose non-scalable d'abord.
3. L'entreprise qui connaît ses unit economics gagne
YC est implacable sur les unit economics. Quel est le coût d'acquisition d'un client ? Quel est le LTV ? Comment le ratio évolue-t-il à l'échelle ? Pour une entreprise AI, la question additionnelle est : quel est le coût compute par outcome, et comment bouge-t-il quand le volume augmente ?
Connaître ces chiffres change comment tu vends. Quand ton CAC payback est de trois mois et ton LTV se mesure en années, tu vends avec confiance. Quand tu ne connais pas ces chiffres, tu sous-factures, sur-remises, et prends des décisions qui ont l'air bien à un client et catastrophique à cent.
Ce que je dirais à un fondateur postulant à YC aujourd'hui
Obtiens la preuve de revenu avant de postuler. Pas une promesse de revenu. Pas des lettres d'intention. De vrais clients qui ont payé de l'argent réel parce que ton AI a fait quelque chose qui a changé un résultat mesurable pour eux.
YC peut t'aider à accélérer presque tout. Mais il ne peut pas te donner l'insight fondamental qui ne vient que d'un client payant qui dit « ça vaut le coup ». C'est ce que YC cherche. C'est aussi ce que tu devrais chercher, que tu postules ou non.
Et si tu construis quelque chose dans l'espace AI revenue ou inbound, je suis sincèrement heureux de parler de ce qu'on a appris et comment on approche ça. Contacte-moi directement.
FAQ
Quelle est la différence entre preuve de capacité et preuve de revenu pour une startup AI ?
La preuve de capacité démontre que ton AI fonctionne techniquement — précision, latence, gestion des edge cases. La preuve de revenu démontre que ton AI génère du revenu mesurable — un client a payé parce que l’AI a causé un résultat meilleur que le contrefactuel. YC pousse systématiquement vers la preuve de revenu : « Que ferait le client sans toi ? » est la question fondamentale.
Quelles métriques YC attend-il d’une startup AI ?
YC attend des métriques de revenu, pas des métriques produit. Pas « l’AI a répondu correctement » — « l’AI a causé un client à payer ». Pas « l’AI a gagné du temps » — « l’AI a économisé X $ ou généré X $ de nouveau revenu ». Les métriques clés : pipeline surfacé qui n’aurait pas existé autrement, taux de conversion, et unit economics (CAC, LTV, coût compute par outcome).
Faut-il avoir du revenu avant de postuler à YC ?
Idéalement, oui. Pas une promesse de revenu. Pas des lettres d’intention. De vrais clients qui ont payé de l’argent réel parce que ton AI a fait quelque chose qui a changé un résultat mesurable pour eux. C’est ce que YC cherche. C’est aussi ce que tu devrais chercher, que tu postules ou non.
Pour aller plus loin
Pour la preuve de revenu spécifique qu'on a construite avec les premiers clients, lis l'histoire d'origine du fondateur derrière Clarm. Pour le côté tactique de la construction de revenu inbound sans équipe, voir pourquoi le founder-led sales casse et quoi construire à la place.