BERLIN - Earlybird a bouclé fin avril 2026 son huitième fonds early-stage de 360 millions d'euros, le plus important des 29 ans d'histoire de la société de capital-risque. Le capital total sous gestion atteint désormais 2,5 milliards d'euros, tandis que le quatrième Data Driven VC Landscape Report signé par Andre Retterath, General Partner du fonds, redéfinit les priorités de l'intelligence artificielle dans l'industrie du venture capital.
Points Clés
- Fonds record : Earlybird boucle le Fund VIII à 360 millions d'euros, portant les actifs sous gestion à 2,5 milliards d'euros.
- Stack IA : les marges les plus élevées se concentrent dans l'infrastructure matérielle (Nvidia à 70-75%), pas dans les applications, où les marges sont souvent négatives.
- Marché mondial : les startups IA ont capté 53% du capital-risque mondial au premier semestre 2026, avec des financements trimestriels à 211 milliards de dollars (+85% sur un an).
La thèse d'investissement d'Earlybird
Le fonds, sursouscrit, se concentre sur trois domaines : applications IA, infrastructure logicielle et modèles foundation, et deep tech. Retterath articule une hiérarchie de valeur le long de la chaîne technologique : au niveau des applications, les barrières à l'entrée sont minimes, la concurrence est extrême et les marges souvent négatives. Les modèles foundation occupent une tranche intermédiaire, avec des marges brutes entre 30 et 50%. En descendant vers l'infrastructure et le matériel se concentrent les moats compétitifs les plus solides : Nvidia opère avec des marges de 70-75%.
Les premiers investissements du Fund VIII suivent cette logique : Black Forest Labs dans la génération d'images, SpAItial AI sur les modèles foundation 3D, Arago sur les puces photoniques pour réduire la consommation énergétique de l'IA, Sintra AI sur l'intelligence artificielle pour les petites et moyennes entreprises.
Comment l'IA transforme le funnel d'investissement
L'impact le plus concret s'observe dans les phases initiales du processus : deal sourcing, screening et due diligence. Les outils IA scannent les signaux de marché - annonces de financement, activité sur LinkedIn, lancements de produits - construisant un profil de visibilité pour chaque startup indépendamment de la démarche directe des fondateurs.
Dans le screening, les systèmes évaluent l'adéquation à la thèse du fonds, signalent les données manquantes et vérifient la cohérence des informations financières avant qu'un pitch deck n'arrive à l'examen humain. Dans la due diligence, des plateformes comme Dili, accélérée par Y Combinator, automatisent les tâches manuelles, tandis qu'un framework multi-agents publié sur arXiv en mai 2026 combine modèles de langage et récupération de données en temps réel pour synthétiser des informations non structurées. En Europe, 34% des fonds VC utilisent déjà l'IA pour synthétiser les matériaux de due diligence, 26% pour identifier des deals pertinents.
La limite du jugement humain
Les décisions finales restent ancrées à un facteur que l'automatisation ne réplique pas. L'IA organise les informations sur les fondateurs et met à l'épreuve les premières impressions, mais ne remplace pas l'interaction directe ni la construction de la confiance entre les parties. Les limited partners continuent de choisir des general partners, pas des modèles algorithmiques. L'Oxford Seed Fund observe que l'investissement en capital-risque dépend d'un jugement humain appliqué à des contextes nouveaux, ambigus et ancrés dans des dynamiques sociales que les systèmes automatisés ne saisissent pas.
Perspectives de marché
Au premier trimestre 2026, les financements de l'IA ont atteint 211 milliards de dollars, avec une croissance de 85% sur un an. L'attention des investisseurs se déplace des démonstrations de démo vers la cohérence stratégique, la préparation à l'adoption en entreprise et le déploiement mesurable sur le terrain.
Pour les fondateurs, la sélection automatisée impose des matériaux cohérents et des signaux de marché soignés dès les premières phases de visibilité. Pour les gestionnaires de fonds, le défi consiste à intégrer l'IA pour augmenter la productivité opérationnelle sans déplacer le centre de gravité décisionnel du jugement humain.
