Des pitchs pour étudiants au coaching de présentation exploitable par IA : ce que PitchBob a appris à Wharton

Introduction : Quand l'IA devance les sociétés de capital-risque

En septembre 2025, Décrypter a publié un titre qui a trouvé un écho dans le monde de l'entreprise et dans le monde universitaire : »L'IA prédit désormais mieux le succès des startups que les sociétés de capital-risque. » L'article référencé Banc en CV, une référence où les grands modèles linguistiques tels que GPT-4o et DeepSeek-v3 ont surpassé les sociétés de capital-risque de premier plan en identifiant les fondateurs susceptibles de réussir.

Mais à Wharton, en collaboration avec Pitch Bob, l'accent est passé de la prévision à amélioration. Au lieu de se demander si l'IA pouvait prévoir les résultats des startups, l'expérience a exploré une question plus pragmatique :

L'IA peut-elle réellement aider les fondateurs à améliorer leurs performances avant même qu'ils ne rencontrent un investisseur ?

Contexte et conception du boîtier : trois étapes pour élaborer un argumentaireh

Les cours d'entrepreneuriat de Wharton guident les étudiants à travers trois itérations structurées de pitchs :

1. Pitch d'une minute: une seule diapositive et un seul haut-parleur. L'objectif est de clarifier le message, c'est-à-dire d'articuler clairement le problème et la solution proposée.
2. Pitch de deux minutes: L'histoire s'étend : les étudiants doivent expliquer le contexte du marché, la concurrence et les premières informations sur les clients.
3. Pitch de quatre minutes: Une présentation complète pour les investisseurs, y compris la stratégie GTM, les données financières, l'économie des unités et une demande de financement.

PitchBob a été intégré non pas en tant qu'assistant de notation mais en tant que Entraîneur de terrain IA que les étudiants pourraient utiliser avant leurs sessions en direct. Pour chaque étape, les participants ont téléchargé leurs decks, ont reçu des notes structurées (échelle de 1 à 10) et des commentaires narratifs, et ont pu itérer leurs diapositives avant de les présenter aux professeurs.

La rubrique des commentaires a évolué à chaque étape, reflétant la façon dont les fondateurs élaborent leur narration :

• Étape 1 (v1): Axé sur la clarté, la conception des diapositives et le flux narratif.
• Étape 2 (v2): Proposition de valeur ajoutée, différenciation et monétisation de base.
• Étape 3 (v3): Comprend le GTM, la traction, la composition de l'équipe, la logique de collecte de fonds et l'analyse des risques.

Le rôle du modèle n'était pas de juger, mais de guide — identifier les points faibles avant l'évaluation humaine.

Données et méthodologie

Réparti en trois étapes, l'ensemble de données contenait :

• v1 (une minute) — 27 soumissions, 332 commentaires
• v2 (deux minutes) — 34 soumissions, 186 commentaires
• v3 (quatre minutes) — 31 soumissions, 203 commentaires

Chaque ensemble de données contenait des scores numériques et des recommandations qualitatives.

Les scores moyens ont chuté au fil du temps, passant de 9,8 → 6,5 → 5,9 — reflétant la façon dont les rubriques sont devenues plus strictes et les attentes plus complexes. Il ne s'agit pas d'une baisse des performances mais d'une preuve rigueur progressive: les étudiants sont passés des compétences de base en communication à l'articulation multidimensionnelle des affaires.

Les textes de commentaires ont été analysés dans 14 catégories :
‍Clarté du problème, taille du marché, concurrence, GTM/ventes, prix/modèle, traction/indicateurs, économie unitaire, adéquation entre l'équipe et le fondateur et le marché, produit/démonstration, narration, demande/collecte de fonds, réglementation/propriété intellectuelle, données/IA, risques/hypothèses.

Résultats : où se répartissent les présentations des étudiants

Problèmes les plus fréquents

• Narration et images (47 %) — Diapositives surchargées, absence de structure narrative claire.
• Prix et modèle commercial (40 %) — La monétisation est souvent laissée vague ou implicite.
• Traction (38 %) — Peu de pilotes, d'indicateurs de performance clés ou de validation par les utilisateurs ont été présentés.
• Produit/Démo (33 %) — Des idées abstraites, peu d'interfaces tangibles.
• Compétition (31 %) — « Pas de concurrents » est restée une affirmation courante et peu convaincante.
• SALLE DE SPORT (6 %) — La commercialisation est constamment sous-développée, en particulier chez les nouveaux fondateurs.
  

Qu'est-ce qui fait baisser les scores

• IA réclamée en trop (Δ = -0,53) — Les projets prétendant être « alimentés par l'IA » sans preuve ont toujours obtenu de moins bons résultats.
• Compétition (Δ = -0,28) — Paysage mal cartographié ou absent.
• Pas de démo (Δ = -0,26) — Le manque de tangibilité du produit a réduit la crédibilité.

Ce qui fait grimper les scores

• Ajustement au marché fondateur (Δ = +0,19) — Les équipes faisant référence à l'expérience du domaine ont obtenu des scores plus élevés.
• Dimensionnement du marché (Δ = +0,13) — Un TAM/SAM/SOM clair et sourcé qui a amélioré la confiance.
• Économie unitaire de base (Δ = +0,06) — Même un LTV/CAC grossier signale une prise de conscience commerciale.

Effet de pratique

La corrélation entre le volume de commentaires et le score (r ≈ 0,23) a montré que des commentaires d'IA plus spécifiques et exploitables entraînaient une amélioration mesurable lors des soumissions ultérieures. La boucle d'apprentissage a fonctionné.

Itération 3 : Présentations avancées et impact sur le coaching

Au troisième tour, la rubrique AI comprenait sept dimensions clés:
Conception des diapositives, clarté du marché et de la solution, concurrence et modèle, orientation du produit, expériences et prochaines étapes, besoins de financement, narration et visuels.

Schémas de performance moyens :

• La qualité visuelle et narrative s'est améliorée de 2,1 points par rapport à la v2.
• Besoins de financement et planification de la prochaine étape sont restés les domaines les plus faibles, les scores médians étant inférieurs à 4.
• Logique de marché et modélisation commerciale sont devenus les principaux facteurs de différenciation : les équipes ayant des diapositives de revenus structurées ou des modèles de tarification clairs ont régulièrement obtenu des résultats supérieurs à 7.

Le feedback qualitatif à ce stade a révélé de nouveaux comportements :

• Les étudiants ont commencé à référencer sources de données, projets pilotes et partenariats plus fréquemment.
• Les premiers commentaires d'AI (« afficher le flux d'utilisateurs », « quantifier le problème ») se sont visiblement reflétés dans les decks révisés.
• Les professeurs ont confirmé par la suite que les étudiants sont arrivés mieux préparés, ce qui permet d'économiser 15 à 20 minutes de temps de cours par session sur les clarifications de base.

Cela indique que le coaching basé sur l'IA n'a pas remplacé l'enseignement, mais focalisation humaine modifiée vers une discussion d'ordre supérieur : faisabilité, stratégie de croissance et logique de l'investisseur.

Ce que cela signifie pour les universités et l'accélérateurs

L'expérience en trois étapes de Wharton montre un modèle évolutif pour Éducation entrepreneuriale augmentée par l'IA:

1. L'itération structurée crée des habitudes.
   Les étudiants intériorisent le cycle de feedback : ils apprennent à penser comme des investisseurs, et pas seulement comme des présentateurs.
2. L'IA démocratise le mentorat.
   Chaque étudiant reçoit des commentaires détaillés de niveau VC, quelle que soit la bande passante du corps professoral.
3. Les données permettent d'affiner les programmes.
   Les commentaires agrégés de l'IA mettent en évidence les points les plus difficiles des cours (GTM, tarification, indicateurs) et indiquent aux professeurs les domaines dans lesquels approfondir l'enseignement.
4. Les accélérateurs peuvent présélectionner plus intelligemment.
   Le même système peut trier des centaines de premiers candidats, en identifiant les fondateurs qui ont une narration solide, une GTM crédible ou un réalisme financier.
5. Les investisseurs obtiennent des oléoducs plus propres.
   Les startups qui entrent en démonstration quelques jours après le coaching basé sur l'IA fournissent des supports à signal plus élevé, ce qui permet de gagner du temps et de réduire les biais de sélection.

Principales recommandations

Pour les universités :

• Intégrez des boucles de feedback basées sur l'IA avant les révisions de classe. Utilisez le modèle pour normaliser les attentes et raccourcir les cycles de feedback.
• Ajoutez des points de contrôle de réflexion où les étudiants comparent leur IA aux commentaires des professeurs, afin de comprendre les critères de jugement.

Pour les accélérateurs :

• Utilisez les decks pré-évalués par IA comme nouvelle base de référence pour l'admission.
• Suivez l'amélioration sur plusieurs cohortes : identifiez les faiblesses systémiques (par exemple, le GTM) pour adapter l'orientation du programme.

Pour les fondateurs :

• Traitez l'IA comme un « investisseur expérimenté ». Révisez, téléchargez à nouveau et apprenez à reconnaître les formes, ce qui renforce constamment la crédibilité.

Conclusion

Le Wharton × PitchBob une expérience démontre que l'IA peut évoluer d'un évaluateur statique à un évaluateur dynamique compagnon d'entraînement.

Au cours de trois cycles de présentation, les étudiants n'ont pas seulement appris à « mieux présenter », ils ont appris à pensez plutôt comme des fondateurs: fondé sur des preuves, structuré et sensibilisé aux investisseurs.

Pour les universités et les accélérateurs, ce modèle offre un cadre reproductible : évolutif, piloté par les données et éprouvé pour améliorer l'engagement et les résultats.

En résumé, le feedback de l'IA transforme le pitching d'un examen ponctuel en un processus de répétition guidé, faisant de chaque itération un pas de plus vers une véritable conversation avec les investisseurs.

Nous sommes profondément reconnaissants à Professeur Sergueï Netessine et le École de Wharton pour avoir l'opportunité de collaborer à cette expérience novatrice. Les universités qui souhaitent explorer des programmes de feedback similaires basés sur l'IA pour leurs cours d'entrepreneuriat sont chaleureusement invitées à entrer en contact avec nous afin de co-créer la prochaine génération d'expériences d'apprentissage.