Risques et mitigations
Évaluation transparente de tous les risques identifiés, avec plans de mitigation concrets à plusieurs niveaux.
Ce document applique une méthodologie de scoring Probabilité x Impact (PxI) sur une échelle de 1 à 5. Un score ≥ 16 est considéré CRITIQUE. Un score de 12-15 est ÉLEVÉ. Chaque risque critique dispose de 3 plans de mitigation (A, B, C) par ordre de priorité.
Matrice PxI : les 6 risques critiques sont positionnés selon leur probabilité et leur impact.
Risques critiques (6)
Les 6 risques avec un score PxI ≥ 12. Chacun dispose de plans de mitigation à 3 niveaux. Les plans A sont déjà en cours d'exécution ou prévus au démarrage.
#1 — Pas d'équipe (fondateur solo)
Le fondateur développe avec l'IA (Claude Code, Cursor) — vélocité équivalente à 2-3 devs. Recrutement d'un CTO cofondateur quand les revenus le permettent. Offrir 10-20% equity.
À défaut de cofondateur, recruter un lead dev senior (salaire + equity) et constituer un advisory board technique de 3 experts.
Externaliser le développement initial à une équipe nearshore spécialisée IA, garder l'architecture en interne.
#2 — Précision LLM insuffisante sans fine-tuning
MVP avec prompt engineering avancé (few-shot, chain-of-thought) — cible 75-85% de précision, suffisant pour le segment PME.
Fine-tuning sur données synthétiques générées à partir de catalogues MRO publics (McMaster-Carr, Grainger, RS Components).
Hybride : LLM pour 80% des cas + règles déterministes pour les 20% de cas critiques (valves, roulements, joints).
#3 — Cycle de vente trop long → burn cash
Cibler les PME en premier (cycle 1-3 mois) au lieu des grands comptes (6-18 mois). Freemium pour accélérer l'adoption.
Partenariats revendeurs avec des intégrateurs ERP (SAP, Oracle) qui ont déjà les relations clients.
Pivot vers un modèle « pay-per-clean » sans engagement pour réduire la friction d'achat.
#4 — Verdantis/SPARETECH copient le modèle en 6-12 mois
Vitesse d'exécution : 20+ clients payants avant qu'un incumbent lance un tier PME. L'effet réseau rend le rattrapage difficile.
Différenciation par le Knowledge Graph MRO (Phase 2) : chaque client enrichit les données pour tous les autres.
Se positionner comme cible d'acquisition attractive — si un incumbent veut le segment PME, il est moins cher de racheter que de construire.
#5 — Coûts LLM mangent la marge
Optimisation des prompts et du batching pour réduire les appels API. Cible : < 0,50$ par 1 000 lignes traitées.
Migration vers des modèles open-source (Llama, Mistral) en Phase 2 pour éliminer la dépendance aux API payantes.
Caching agressif : les descriptions MRO sont répétitives, 60-70% des lignes ont des équivalents déjà traités.
#6 — Pas de réseau industriel
Advisory board de 3-5 professionnels MRO (directeurs maintenance, acheteurs industriels). Equity symbolique + honoraires.
Présence événementielle ciblée : SMRP (maintenance), ISA (automatisation), salons MRO régionaux.
Content marketing technique : articles LinkedIn, webinaires, études de cas chiffrées pour bâtir la crédibilité.
Risques secondaires
Risques à impact plus faible ou à probabilité réduite, mais surveillés activement.
| Risque | Probabilité | Impact | Mitigation |
|---|---|---|---|
| Réglementation données (RGPD, loi 25) | Moyenne | Moyen | Hébergement au Canada (loi 25 compatible). Option on-premise pour les clients européens. |
| Dépendance à un fournisseur LLM (OpenAI) | Moyenne | Moyen | Architecture multi-provider dès le MVP. Migration vers open-source planifiée en Phase 2. |
| Sécurité des données clients | Faible | Élevé | Chiffrement AES-256, isolation des tenants, SOC2 Type I en Phase 2, pentest annuel. |
| Scalabilité technique | Faible | Moyen | Architecture serverless (AWS Lambda) dès le départ. Auto-scaling natif jusqu'à 10 000 fichiers/jour. |
| Taux de churn élevé | Moyenne | Élevé | Engagement annuel avec remise. Programme de succès client proactif. Intégration ERP pour augmenter le switching cost. |
| Marché plus petit que prévu | Faible | Élevé | Validation bottom-up (nombre d'usines x budget moyen). Pivot possible vers supply chain data plus large. |
Analyse des roadmaps IBM/SAP
Les deux géants (IBM et SAP) pourraient théoriquement intégrer le nettoyage MRO dans leurs plateformes. Analyse factuelle de la menace réelle.
IBM Maximo MAS 9
Pas de menace directe à 2-3 ans. La roadmap MAS 9 se concentre sur la maintenance prédictive (IoT, sensors) et l'asset management, pas sur le nettoyage de données matériels.
WatsonX pourrait théoriquement être utilisé pour le nettoyage MRO, mais IBM n'a pas annoncé de fonctionnalité spécifique. Leur focus est l'IA générative pour la documentation technique, pas les material masters.
Opportunité de partenariat : MRO Copilot comme complément à Maximo pour les clients qui ont besoin de nettoyer leurs données avant ou pendant la migration MAS 9.
SAP S/4HANA + Joule
Pas de menace directe à 2-3 ans. Joule (l'assistant IA de SAP) est un copilote générique orienté requêtes et navigation, pas un outil de nettoyage de données spécialisé.
SAP MDG (Master Data Governance) gère les données de référence mais ne fait pas de classification automatique par IA. C'est un outil de gouvernance, pas de nettoyage.
La vague de migration S/4HANA (2027-2030) est une OPPORTUNITÉ : chaque migration force un nettoyage de données. MRO Copilot se positionne comme l'outil pré-migration.
Plan de contingence global
Déclencheurs automatiques et actions prédéfinies pour les scénarios critiques. Chaque seuil déclenche une action spécifique sans délai de décision.
| Déclencheur | Action | Délai |
|---|---|---|
| Mois 12 : < 2 clients payants | Pivot vers modèle pay-per-clean sans engagement. Réduire le prix à $299/mois. | Exécution immédiate |
| Mois 18 : précision < 75% | Embaucher un ML engineer senior. Budget supplémentaire de $30K pour fine-tuning. | 3 mois |
| Mois 12 : besoin de scaling technique | Recruter un lead dev senior ($100K + 5% equity). Externaliser les tâches ML. | Exécution immédiate |
| Concurrent lance un tier PME | Accélérer le Knowledge Graph. Différencier sur l'UX et la vitesse. Baisser les prix temporairement. | 1-2 mois |
| Coûts LLM > 30% du revenu | Migration vers Llama/Mistral open-source. Caching agressif des résultats. | 2-3 mois |
| Cash runway < 6 mois | Lever un bridge round. Réduire les dépenses non essentielles. Négocier du revenue-based financing. | Exécution immédiate |