Lorsque l'immeuble où il a grandi a été menacé de démolition, le fondateur de Safe Sign Technologies a tiré une leçon de persévérance qui allait ensuite façonner son approche de la création d'une entreprise d'IA — une entreprise que Thomson Reuters a rachetée avant même qu'elle n'ait gagné un seul dollar de revenus.

Rollins House, une ancienne usine Art déco délabrée du sud-est de Londres, était la demeure de sa mère et l'endroit où il a grandi. Lorsqu'un promoteur a réclamé le terrain pour y construire des appartements, la famille a été confrontée à une bataille juridique qu'elle ne pouvait pas assumer. Adolescent, il a appris en autodidacte le droit de l'urbanisme entre deux révisions d'examens scolaires, a fouillé dans des archives inexploitées et a constitué un dossier de jurisprudence. Se tenant devant une commission municipale face à un cabinet d'avocats expérimenté, il a présenté l'affaire — et a gagné. Cet épisode lui a inculqué la conviction que des recherches minutieuses et une volonté d'affronter des probabilités défavorables pouvaient faire la différence.

Une décennie plus tard, cet état d'esprit a été mis à l'épreuve à nouveau lors des négociations avec Thomson Reuters, le groupe mondial d'information et de technologie dont les services juridiques, fiscaux et comptables font de lui l'une des plus grandes entreprises d'information professionnelle au monde — et qui cherchait à faire l'acquisition de sa startup de recherche en IA, Safe Sign Technologies.

Le chemin pour y parvenir a été ardu. Tout en se formant comme avocat chez Allen & Overy, il a construit Safe Sign en parallèle — se levant à 4h30 pour travailler sur l'entreprise avant de longues journées de formation juridique, puis revenant au travail de startup le soir. Allen & Overy, note-t-il, s'est montré remarquablement tolérant, bien que cet emploi du temps soit insoutenable.

À de nombreuses reprises, Safe Sign s'est retrouvée à court d'argent du jour au lendemain, nécessitant un nouveau financement dès le lendemain matin. Le plan initial de l'entreprise — un produit juridique grand public — n'a pas attiré les investisseurs. Après des refus répétés de la part de bailleurs de fonds locaux, il s'est envolé pour New York avec seulement 200 £ en poche. Finalement, presque tout le capital de l'entreprise provenait d'investisseurs nord-américains plutôt que du Royaume-Uni. Il a observé une fracture culturelle dans l'approche : les investisseurs américains avaient tendance à demander « comment puis-je aider ? » tandis que les investisseurs britanniques demandaient « comment cela va-t-il échouer ? »

Ayant réuni suffisamment de fonds pour continuer à fonctionner, Safe Sign a abandonné la recherche de revenus pour se concentrer entièrement sur le développement d'un modèle d'IA propriétaire. Cette décision signifiait tout investir dans une petite équipe recrutée à Cambridge, au MIT et à Harvard, et répéter aux investisseurs que des revenus significatifs n'étaient pas envisageables à court terme. La plupart des investisseurs ont perdu tout intérêt.

La recherche de l'entreprise s'est concentrée sur la sécurité, la robustesse et la fiabilité — des attributs qui ont un poids particulier dans les applications juridiques, où un système d'IA qui fabrique des citations de jurisprudence ou interprète mal le langage d'une loi peut causer des préjudices professionnels directs. En produisant un modèle avec des performances différenciées avec un budget minimal, Safe Sign a ciblé l'écart entre les modèles de langage à usage général et le seuil de fiabilité exigé par la pratique juridique. Lorsque Safe Sign a partagé de solides résultats internes, la branche capital-risque de Thomson Reuters a répondu en quelques minutes.

Vingt mois après sa création, Safe Sign est devenue la première acquisition pré-revenus de Thomson Reuters dans les 174 ans d'histoire de l'entreprise, se classant parmi les accords européens les plus importants de 2024. Thomson Reuters, qui a massivement investi dans l'IA sur ses plateformes juridiques et fiscales, a vu en Safe Sign une équipe de recherche et une architecture de modèle capables de renforcer sa position alors que les fournisseurs de technologies juridiques en place se précipitent pour intégrer l'IA générative dans les flux de travail professionnels. Le montant de l'acquisition a été décisif pour une entreprise qui n'avait jamais enregistré de revenus.

Le fondateur note que ce résultat va à l'encontre d'une grande partie de la sagesse conventionnelle de l'industrie des startups, qui met l'accent sur des mesures visibles telles que l'augmentation des revenus, le capital levé et la visibilité du fondateur. Selon lui, les acquéreurs institutionnels récompensent la profondeur du travail — une substance qui ne devient évidente que sous un examen minutieux.

Désormais actif en tant qu'investisseur, il décrit sa responsabilité principale comme consistant à faire la distinction entre le style et la valeur réelle. Il identifie une erreur récurrente du marché — la même que celle qu'ont faite les premiers investisseurs britanniques avec Safe Sign — qui consiste à juger les startups par leurs présentations commerciales plutôt que par leur capacité de défense fondamentale.

Bien que le marché soit devenu meilleur pour évaluer la science, il affirme que cela s'applique principalement aux domaines très médiatisés : les grands modèles, les laboratoires renommés et les scientifiques éminents. La plus grande opportunité, soutient-il, réside dans la couche sous-jacente — les technologies qui résolvent des problèmes difficiles pour les laboratoires d'IA de pointe eux-mêmes.

Il souligne plusieurs domaines où des défis majeurs restent sous-financés. Le premier est l'infrastructure permettant de tester les capacités des systèmes d'IA : chaque affirmation concernant un modèle réussissant un examen ou surpassant un professionnel dépend du fait que quelqu'un a créé cette évaluation, et concevoir des évaluations qui ne peuvent pas être contournées est l'un des problèmes les plus difficiles du domaine. Un autre est la mémoire — les systèmes d'IA d'aujourd'hui commencent chaque conversation à zéro, alors que l'expertise humaine repose sur des connaissances accumulées. La solution est souvent rejetée comme une base de données ajoutée à un chatbot, bien que l'apprentissage continu reste un problème d'apprentissage automatique fondamentalement non résolu. Un troisième domaine est ce qu'il appelle « l'autonomisation des néolabs » : des outils spécialisés dont les premiers laboratoires d'IA pour la science ont besoin mais qu'ils ne peuvent pas construire eux-mêmes, exigeant la même profondeur de domaine que la science qu'ils soutiennent.

Ces catégories — les outils, le stockage et les services — sont souvent écartées par le marché en tant qu'infrastructure de routine. Il affirme qu'elles représentent certains des problèmes les plus ardus du domaine, entravant chacune silencieusement les laboratoires de pointe, et que presque aucun des capitaux affluant vers l'IA n'est dirigé vers elles.

Le fondateur ramène la comparaison à Rollins House : le dossier que personne n'avait lu, l'affaire que tout le monde supposait perdue, la valeur qui existe bien avant que quiconque ne l'examine de près. Sa mère vit toujours dans l'immeuble. Il se dresse tel qu'il l'a toujours été — banal à première vue, mais d'une valeur bien supérieure à ce que les apparences suggèrent.

Les opinions exprimées dans les articles de commentaire de Fortune.com sont uniquement les points de vue de leurs auteurs et ne reflètent pas nécessairement les opinions et croyances de Fortune.

Cette histoire a été initialement publiée sur Fortune.com.