L'auto-effondrement de la Bible de l'entrepreneuriat : Plus on en sait, plus vite on meurt

Auteur : Colossus

Traduction : Deep潮 TechFlow

Deep潮 Introduction : Cet article, en utilisant des données du gouvernement américain, dévoile une réalité peu confortable : au cours des 30 dernières années, toutes les best-sellers sur la méthodologie entrepreneuriale — lean startup, développement client, business model canvas — n’ont statistiquement pas amélioré le taux de survie des startups.

Le problème n’est pas forcément que la méthodologie elle-même est erronée, mais qu’une fois que tout le monde l’utilise, elle perd son avantage.

Ce raisonnement s’applique également aux entrepreneurs en crypto et Web3, et ceux qui consultent des « guides de création Web3 » devraient particulièrement le lire.

Voici le contenu intégral :

Toute méthode de création d’entreprise, une fois largement diffusée, conduit les fondateurs à répondre tous de la même manière. Si tout le monde suit les mêmes techniques à succès, tous finiront par créer des entreprises similaires, sans différenciation, et la majorité échouera. La vérité est que chaque fois qu’on tente d’enseigner une méthode pour réussir, il faut faire autrement. Ce paradoxe, une fois compris, va de soi, mais il indique aussi la voie à suivre.

Avant l’émergence, il y a vingt-cinq ans, d’une nouvelle vague de « prophètes de l’entrepreneuriat », la méthode qu’ils ont remplacée — une naïve combinaison de stratégies des géants du Fortune 500 et de petites entreprises, avec planification quinquennale et gestion quotidienne — était, franchement, pire que inutile. Elle mêlait stratégie à long terme et tactiques quotidiennes, sans distinction. Mais pour des startups à fort potentiel de croissance, la planification à long terme est dénuée de sens : l’avenir est imprévisible, et se concentrer uniquement sur l’opérationnel expose les fondateurs à une concurrence plus rapide. La vieille approche était conçue pour un monde d’améliorations progressives, pas pour l’incertitude radicale.

Les nouveaux prophètes proposent une approche différente : intuitive, rationnelle, appuyée par des arguments solides, leur donnant une procédure étape par étape pour bâtir une entreprise dans un contexte d’incertitude. Steve Blank, dans « The Four Steps to the Epiphany » (2005), introduit la méthode du développement client, qui consiste à considérer une idée d’affaire comme un ensemble d’hypothèses falsifiables : sortir, interviewer des clients potentiels, valider ou invalider ses hypothèses avant d’écrire une seule ligne de code. Eric Ries, dans « Lean Startup » (2011), s’appuie sur cette approche pour proposer la boucle construire-mesurer-apprendre : lancer un produit minimum viable, mesurer le comportement réel des utilisateurs, itérer rapidement, plutôt que de peaufiner un produit que personne ne veut. Osterwalder, avec le Business Model Canvas (2008), fournit un outil pour décrire rapidement les neuf éléments clés d’un modèle d’affaires, et ajuster en cas d’échec. La pensée design — popularisée par IDEO et Stanford — insiste sur l’empathie envers l’utilisateur final et la création rapide de prototypes pour détecter les problèmes au plus tôt. La théorie du raisonnement effectif de Saras Sarasvathy recommande, quant à elle, de partir des compétences et réseaux du fondateur, plutôt que de déduire un plan pour atteindre un objectif ambitieux.

Ces prophètes cherchent consciemment à établir une science du succès entrepreneurial. En 2012, Steve Blank indique que la National Science Foundation (NSF) américaine qualifie son cadre du développement client de « méthode scientifique pour l’entrepreneuriat », affirmant « nous savons maintenant comment réduire l’échec des startups ». Le site officiel de Lean Startup affirme que « Lean Startup fournit une méthode scientifique pour créer et gérer une startup », et la quatrième de couverture de son livre cite Tim Brown, CEO d’IDEO, disant que Ries « propose un processus scientifique à apprendre et à reproduire ». Par ailleurs, Osterwalder, dans sa thèse, affirme que le Business Model Canvas repose sur la science du design (l’ancêtre de la pensée design).

Le monde académique s’intéresse aussi à l’entrepreneuriat, mais ses recherches sont plus proches de l’anthropologie : décrire la culture des fondateurs et la pratique des startups pour mieux les comprendre. La nouvelle génération de prophètes a une vision plus pragmatique — comme Robert Boyle, naturaliste du XVIIe siècle, qui expliquait : « Je ne peux pas me prétendre véritable naturaliste, sauf si mes compétences permettent à mon jardin de produire de meilleures herbes et fleurs. » En d’autres termes, la science doit rechercher la vérité fondamentale, mais aussi être efficace.

L’efficacité, bien sûr, détermine si une approche peut être qualifiée de scientifique. Et en ce qui concerne la prophétie entrepreneuriale, une chose est sûre : elle n’a pas fonctionné.

Qu’avons-nous réellement appris ?

En science, on juge de l’efficacité par l’expérimentation. Quand Einstein a proposé la relativité, d’autres physiciens ont investi temps et argent pour concevoir des expériences vérifiant ses prédictions. La méthode scientifique, c’est cela.

Mais, par défaut humain, nous résistons à l’idée que la vérité se découvre ainsi. Notre cerveau attend des preuves, mais notre esprit a besoin d’un récit. Une vieille position philosophique — explorée brillamment par Steven Shapin et Simon Schaffer dans « Leviathan and the Air-Pump » (1985) — soutient que l’observation ne nous donne pas la vérité, que la vraie connaissance ne peut venir que par déduction logique à partir d’autres vérités établies, c’est-à-dire à partir de premiers principes. Bien que standard en mathématiques, cette approche peut mener à des conclusions séduisantes mais absurdes dans des domaines où les données sont bruyantes ou les axiomes peu solides.

Avant le XVIe siècle, les médecins traitaient avec les œuvres de Galien, grec du IIe siècle. Galien pensait que la maladie résultait d’un déséquilibre de quatre humeurs — sang, phlegme, bile jaune et bile noire — et recommandait saignées, vomitifs, ventouses, pour rétablir l’équilibre. Ces pratiques ont été suivies pendant plus d’un millénaire, non parce qu’elles étaient efficaces, mais parce que l’autorité de l’Antiquité semblait surpasser la valeur de l’observation moderne. Vers 1500, Paracelse, médecin suisse, remarque que ces traitements ne font pas réellement guérir, et que certains, comme l’usage du mercure pour la syphilis, sont dénués de sens dans le cadre de la théorie des humeurs, mais fonctionnent quand même. Il commence à prôner l’écoute des preuves plutôt que l’obéissance à une autorité dépassée : « Le malade est votre livre, le lit votre laboratoire. » En 1527, il brûle même publiquement les œuvres de Galien. Son idée met des siècles à être acceptée — près de trois cents ans plus tard, George Washington meurt après une saignée radicale — car l’humain préfère croire à une histoire simple et ordonnée plutôt qu’à la complexité chaotique de la réalité.

Paracelse, en partant de ce qui fonctionne, a trouvé la cause. Les penseurs du premier principe, eux, supposent une cause, puis affirment qu’elle est efficace, quoi qu’il arrive. Nos entrepreneurs modernes ressemblent à Paracelse : sont-ils guidés par des preuves ? Ou plutôt par la cohérence de leur propre récit ? Pour la science, regardons les preuves.

Voici les données officielles du taux de survie des startups américaines. Chaque ligne montre la probabilité qu’une entreprise fondée cette année-là survive. La première ligne suit la survie après un an, la seconde après deux ans, etc. Le graphique montre qu’entre 1995 et aujourd’hui, la proportion d’entreprises survivant un an n’a pas changé. Sur deux, cinq, dix ans, c’est pareil.

Les prophètes modernes existent depuis assez longtemps, sont largement connus — leurs livres se vendent par millions, et presque toutes les universités enseignent leur approche. Si elles étaient efficaces, cela se verrait dans les statistiques. Pourtant, en trente ans, aucune avancée systématique n’a permis de faire survivre plus facilement une startup.

Les données gouvernementales concernent toutes les startups américaines, y compris restaurants, pressing, cabinets d’avocats ou paysagistes — pas seulement les startups technologiques à fort potentiel soutenues par du capital-risque. Les prophètes n’affirment pas que leur méthode ne s’applique qu’à la Silicon Valley, mais ces techniques sont souvent adaptées à des contextes où le potentiel de rendement est si élevé que les fondateurs acceptent une incertitude extrême. Nous utilisons donc un indicateur plus ciblé : la proportion de startups soutenues par du capital-risque qui ont réussi à lever des tours de financement successifs après leur premier financement initial. Étant donné le fonctionnement du capital-risque, on peut raisonnablement supposer que la majorité des startups qui n’ont pas levé de tours ultérieurs n’ont pas survécu.

Les lignes pleines représentent les données brutes ; les lignes pointillées ajustent pour les startups encore en phase de levée de fonds initiale (par exemple, les seed rounds récents).

La chute brutale du pourcentage de startups en seed qui poursuivent leur financement ne soutient pas l’idée que le capital-risque a permis aux startups de mieux réussir ces 15 dernières années. Si quelque chose a changé, c’est plutôt qu’elles échouent plus souvent. Bien sûr, la distribution du capital-risque ne dépend pas uniquement de la qualité des startups : la pandémie, la fin des taux zéro, la forte concentration de capitaux dans l’IA, etc.

Certains diront que l’augmentation du volume de capital-risque a permis à des entrepreneurs moins compétents d’entrer sur le marché, annulant tout progrès en taux de réussite. Mais le graphique montre que la baisse du succès se produit à la fois lors des phases d’expansion et de contraction du nombre de startups financées. Si la surabondance de fondateurs peu compétents tirait la moyenne vers le bas, on devrait voir une remontée du taux de réussite après 2021, quand le nombre de startups financées a diminué. Or, ce n’est pas le cas.

Mais la croissance du nombre de fondateurs n’est-elle pas en soi une réussite ? Essayez de dire cela à ceux qui ont suivi les prophètes et ont échoué. Ce sont de vraies personnes, qui ont mis leur temps, leur épargne, leur réputation en jeu ; ils ont le droit de savoir à quoi ils ont affaire. Les meilleurs investisseurs en capital-risque ont peut-être gagné plus d’argent — plus de licornes qu’avant — mais cela s’explique aussi par des sorties plus longues, et par la loi des grands nombres : plus il y a de startups, plus la probabilité d’un succès exceptionnel augmente. Pour les fondateurs, c’est une consolation froide. Ce système peut produire plus de « grands succès », mais il n’améliore pas les chances de chaque entrepreneur.

Il faut prendre au sérieux le fait que la nouvelle génération de prophètes n’a pas rendu les startups plus susceptibles de réussir. Les données montrent qu’au mieux, elles n’ont eu aucun effet.

Nous avons passé un temps et des milliards à croire en un cadre de pensée fondamentalement erroné.

Vers une science de l’entrepreneuriat

Les prophètes prétendent nous donner une science de l’entrepreneuriat, mais selon leurs propres critères, nous n’avons pas progressé : nous ne savons pas comment faire réussir une startup. Boyle dirait que si notre jardin ne produit pas de meilleures herbes ou fleurs, il n’y a pas de science. C’est décevant, c’est déroutant. Avec tout le temps investi, la diffusion massive, et le niveau évident d’intelligence derrière ces idées, il est difficile d’imaginer qu’elles soient totalement inutiles. Pourtant, les données montrent que nous n’avons rien appris.

Pour construire une véritable science de l’entrepreneuriat, il faut comprendre pourquoi. Il y a trois possibilités. La première, c’est que ces théories sont tout simplement fausses. La deuxième, c’est qu’elles sont tellement évidentes qu les systématiser n’a aucun sens. La troisième, c’est qu’une fois que tout le monde les utilise, elles ne donnent plus d’avantage. Après tout, la stratégie consiste à faire ce que les autres ne font pas.

Les théories sont-elles fausses ?

Si ces théories étaient fausses, leur diffusion devrait faire chuter le taux de réussite. Or, nos données montrent que ce n’est pas le cas pour l’ensemble des startups, et que le taux d’échec des startups soutenues par du capital-risque a augmenté pour d’autres raisons. Au-delà des chiffres, ces théories ne semblent pas erronées : parler avec des clients, faire des expérimentations, itérer — cela paraît évident. Mais, comme pour Galien en 1600, on ne peut pas savoir si ces approches sont efficaces sans les tester.

C’est la norme de Karl Popper dans « La logique de la découverte scientifique » : une théorie est scientifique si, et seulement si, elle peut être falsifiée. Vous avez une théorie, vous la testez. Si l’expérience ne la supporte pas, vous l’abandonnez, et en essayez une autre. Une théorie qui ne peut pas être falsifiée n’est pas une théorie, mais une croyance.

Peu d’entrepreneurs tentent d’appliquer cette norme à leurs recherches. Il existe quelques essais contrôlés randomisés, mais ils manquent souvent de puissance statistique, et définissent « efficace » quelque chose de différent de la réussite réelle d’une startup. Avec des milliards de dollars investis chaque année par le capital-risque, et des années de travail des fondateurs, il est étonnant que personne ne s’efforce sérieusement de vérifier si les techniques enseignées fonctionnent vraiment — ce qui paraît absurde.

Mais les prophètes n’ont presque aucune incitation à tester leurs théories : ils gagnent leur vie en vendant des livres et en accumulant de l’influence. Les accélérateurs de startups, en envoyant des hordes de fondateurs dans le même entonnoir, ne cherchent qu’à reproduire quelques succès exceptionnels. Les chercheurs académiques, eux aussi, ont leurs propres biais : prouver que leur théorie est fausse leur ferait perdre leur financement, sans contrepartie réelle. Tout le secteur ressemble à ce que Richard Feynman qualifiait de « science de la vénération » : une structure qui imite la science sans en avoir la substance, déduisant des règles d’anecdotes sans établir de causalité fondamentale. Le fait que quelques startups aient réussi en suivant ces méthodes ne prouve pas que toutes les startups qui les suivent réussiront.

Mais, sauf à reconnaître que les réponses actuelles sont insuffisantes, nous n’avons aucune motivation à chercher de nouvelles. Il faut expérimenter pour découvrir ce qui marche ou pas. Ce sera coûteux, car les startups sont de mauvais sujets d’expérimentation. Il est difficile d’obliger une startup à faire ou ne pas faire quelque chose (peut-on empêcher un fondateur d’itérer, de parler à ses clients, ou de sonder leurs préférences ?) et, en période de survie, la tenue de registres précis est souvent une priorité faible. Chaque théorie comporte aussi de nombreux détails à tester. En réalité, ces expériences seront probablement difficiles à réaliser. Mais si c’est le cas, alors il faut admettre que, pour toute théorie non falsifiable, ce n’est pas de la science, mais de la pseudoscience.

Les théories sont-elles trop évidentes ?

Dans une certaine mesure, les fondateurs n’ont pas besoin d’apprendre formellement ces techniques. Avant que Steve Blank ne parle de « développement client », les fondateurs dialoguaient déjà avec leurs clients. Avant que Eric Ries ne nomme cette pratique, ils construisaient déjà des MVP et itéraient dessus. Avant qu’on parle de « pensée design », ils concevaient déjà des produits pour leurs utilisateurs. La logique commerciale pousse souvent à ces comportements, et des millions de professionnels réinventent ces pratiques pour répondre à leurs problèmes quotidiens. Peut-être que ces théories sont simplement évidentes, et que les prophètes ne font que recycler de vieilles idées sous un nouveau nom.

Ce n’est pas forcément une mauvaise chose. Disposer d’une théorie efficace, même évidente, est une étape vers de meilleures théories. Contrairement à Popper, les scientifiques ne jettent pas une théorie dès qu’elle est falsifiée ; ils tentent de l’améliorer ou de l’étendre. Thomas Kuhn, dans « La Structure des Révolutions Scientifiques », illustre cela : après la publication de la théorie de la gravitation de Newton, plus de 60 ans durant, ses prédictions sur le mouvement de la Lune étaient erronées, jusqu’à ce qu’Alexis Clairaut identifie le problème comme un problème à trois corps et le corrige. La norme de Popper aurait conduit à abandonner Newton. Mais cela ne s’est pas produit, car la théorie était largement soutenue dans d’autres domaines. Kuhn explique que les scientifiques sont souvent conservateurs, et qu’ils suivent ce qu’il appelle un « paradigme » : un cadre qui leur permet de construire et d’améliorer la science. Ils ne le quittent que lorsqu’ils n’ont plus le choix. Le paradigme donne une voie pour avancer.

La recherche en entrepreneuriat n’a pas de paradigme unique. Ou plutôt, elle en a trop, et aucun ne fait consensus pour unifier le domaine. Cela signifie que ceux qui veulent voir l’entrepreneuriat comme une science manquent de guides communs pour déterminer quels problèmes résoudre, ce que signifient les observations, ou comment améliorer des théories imparfaites. Sans paradigme, la recherche n’est qu’un tâtonnement désordonné. Pour faire de l’entrepreneuriat une science, il faut un paradigme dominant : un cadre suffisamment convaincant pour organiser l’effort collectif. C’est une tâche plus difficile que de simplement tester une théorie, car une idée doit répondre à des questions ouvertes cruciales pour devenir paradigme. Nous ne pouvons pas y parvenir ex nihilo, mais il faut encourager davantage d’initiatives dans cette direction.

Les théories sont-elles auto-réalisatrices ?

L’économie nous enseigne que si vous faites la même chose que tout le monde — vendre au même client, produire avec les mêmes processus, utiliser les mêmes fournisseurs — la concurrence va faire chuter vos profits à zéro. Ce concept est la pierre angulaire de la stratégie commerciale : de Soros avec sa théorie de la « réflexivité » — où la croyance des acteurs modifie le marché lui-même, érodant leur avantage — à Schumpeter avec l’idée que « la concurrence est le jeu des perdants ». Michael Porter, dans « Competitive Strategy », formalise cela comme la nécessité de rechercher une position de marché inoccupée. Kim & Mauborgne, dans « Blue Ocean Strategy », pousse cette idée plus loin : il faut créer un espace de marché sans concurrence, plutôt que de se battre dans un espace existant.

Mais si tout le monde utilise la même méthode pour bâtir son entreprise, ils finiront par se faire concurrence. Si chaque fondateur interviewe ses clients, ils convergeront vers la même réponse. Si chaque équipe lance un MVP et l’itère, elles finiront par produire des versions très similaires. La réussite dans un marché concurrentiel doit être relative, ce qui implique que les pratiques efficaces doivent différer de celles de tous les autres.

La méthode par l’absurde est claire : si un processus garantissant le succès existait, on pourrait produire en masse des startups à succès. Ce serait une machine à succès perpétuel. Mais, dans un environnement concurrentiel, l’afflux massif de nouvelles startups mène à une majorité d’échecs. La prémisse erronée serait que ce processus puisse exister.

Il existe une analogie précise dans la théorie de l’évolution : la « hypothèse de la Reine Rouge » proposée par le biologiste Leigh Van Valen en 1973. Dans tout écosystème, lorsqu’une espèce évolue pour prendre l’avantage en sacrifiant une autre, l’espèce affaiblie évolue pour compenser cette amélioration. Son nom vient de « De l’autre côté du miroir » de Lewis Carroll, où la Reine Rouge dit à Alice : « Tu dois courir aussi vite que tu peux pour rester à la même place. » Les espèces doivent constamment innover avec des stratégies diverses pour survivre face à l’innovation de leurs concurrents.

De la même façon, lorsque de nouvelles méthodes entrepreneuriales sont rapidement adoptées par tous, personne ne bénéficie d’un avantage relatif, et le taux de succès stagne. Pour gagner, une startup doit développer une stratégie différenciante innovante, et établir des barrières à la copie avant que ses concurrents ne rattrapent son avance. Cela implique que la stratégie gagnante doit soit être développée en interne (et non dans une publication accessible à tous), soit être si originale qu’elle ne sera pas facilement copiée.

Cela semble rendre la construction d’une science difficile…