Un pedigree de trente ans dans les données
François Ajenstat, fondateur de Golden Analytics
François Ajenstat a passé treize ans chez Tableau, dont plus de sept comme directeur produit. Une longévité remarquable dans une industrie où les carrières s'accélèrent. Il avait commencé son parcours chez Cognos, l'un des pionniers historiques du Business Intelligence, avant de rejoindre Microsoft pendant dix ans pour diriger des équipes produit sur SQL Server et Office. C'est ensuite chez Tableau qu'il a vécu les deux moments sans doute les plus marquants de sa carrière : l'introduction en bourse de la société, puis son rachat en 2019 par Salesforce pour 15,7 milliards de dollars. La conférence annuelle des utilisateurs Tableau nous donnait l’opportunité d’un selfie, qui restera dans ma collection privée !
Après Tableau, il avait rejoint Amplitude, l'éditeur de San Francisco spécialisé dans l'analyse produit, où il a également occupé le poste de CPO. Une période de transition qui ne pouvait pas durer trop longtemps, pendant laquelle il a également été conseiller en capital-risque chez NEA, l'un des fonds qui codirige aujourd'hui son tour de table.
Après Tableau, il avait rejoint Amplitude, l'éditeur de San Francisco spécialisé dans l'analyse produit, où il a également occupé le poste de CPO. Une période de transition qui ne pouvait pas durer trop longtemps, pendant laquelle il a également été conseiller en capital-risque chez NEA, l'un des fonds qui codirige aujourd'hui son tour de table.
La promesse : une ardoise vierge, pour reconstruire la nouvelle BI
Le pitch de Golden Analytics repose sur une idée simple mais ambitieuse : tous les outils de Business Intelligence existants ont accumulé des années de dette technique et d'interfaces héritées. L'irruption de l'IA générative offrirait, comme depuis l’émergence du navigateur il y a vingt ans, la possibilité de tout reconstruire depuis zéro. La plateforme ambitionne de combiner la profondeur analytique des outils d'entreprise avec la qualité de conception des outils créatifs modernes, dans une expérience intégrée et générative.
Concrètement, les utilisateurs peuvent charger un jeu de données brutes et, grâce aux capacités génératives de la plateforme, passer de la première requête à un tableau de bord partageable en seulement deux clics, le système interprétant automatiquement les structures, faisant remonter les indicateurs clés et proposant des récits visuels.
Ce qui distingue le produit, c'est ce que l'entreprise appelle le « Slider of Autonomy ». Ce principe de conception permet aux utilisateurs de contrôler quelle part prend en charge l'IA par rapport à ce qu'ils font eux-mêmes - des workflows entièrement automatisés jusqu'à l'exploration manuelle la plus minutieuse. Une approche délibérément opposée aux outils d'IA analytiques de type chatbot qui, depuis ChatGPT, ont tendance à se positionner comme des remplaçants des analystes humains.
Sur le plan technique, la plateforme utilise environ 120 appels distincts à des grands modèles de langage à travers une couche d'orchestration qui route les tâches vers le modèle le mieux adapté ; Gemini pour la conception visuelle, Claude d'Anthropic pour l'analyse des données, entre autres. François Ajenstat parle d'une plateforme de « spécialistes IA » plutôt que d'un agent unique.
Concrètement, les utilisateurs peuvent charger un jeu de données brutes et, grâce aux capacités génératives de la plateforme, passer de la première requête à un tableau de bord partageable en seulement deux clics, le système interprétant automatiquement les structures, faisant remonter les indicateurs clés et proposant des récits visuels.
Ce qui distingue le produit, c'est ce que l'entreprise appelle le « Slider of Autonomy ». Ce principe de conception permet aux utilisateurs de contrôler quelle part prend en charge l'IA par rapport à ce qu'ils font eux-mêmes - des workflows entièrement automatisés jusqu'à l'exploration manuelle la plus minutieuse. Une approche délibérément opposée aux outils d'IA analytiques de type chatbot qui, depuis ChatGPT, ont tendance à se positionner comme des remplaçants des analystes humains.
Sur le plan technique, la plateforme utilise environ 120 appels distincts à des grands modèles de langage à travers une couche d'orchestration qui route les tâches vers le modèle le mieux adapté ; Gemini pour la conception visuelle, Claude d'Anthropic pour l'analyse des données, entre autres. François Ajenstat parle d'une plateforme de « spécialistes IA » plutôt que d'un agent unique.
Des investisseurs qui connaissent le terrain
Le choix de NEA et Madrona n'est pas anodin. NEA était déjà un investisseur précoce dans Tableau. Associé chez Madrona, Mark Nelson, a quant à lui été président et CEO de Tableau de 2021 à 2022, et le managing director Tim Porter connaît François Ajenstat depuis ses années chez Microsoft SQL Server.
Selon Madison Faulkner, associée chez NEA, le fonds croit en la vision d'une nouvelle génération de BI native à l'IA, capable de tenir la promesse vieille de plusieurs décennies de rapprocher les données et les décisions.
Selon Madison Faulkner, associée chez NEA, le fonds croit en la vision d'une nouvelle génération de BI native à l'IA, capable de tenir la promesse vieille de plusieurs décennies de rapprocher les données et les décisions.
Un marché encombré, une proposition qui reste à prouver
Pourtant, malgré ce tableau flatteur, des questions légitimes se posent. Le marché de la Business Intelligence est tout sauf un terrain vierge. Tableau (Salesforce), Power BI (Microsoft), Looker (Google) : les grandes plateformes dominantes disposent de ressources quasi illimitées et d'une base installée de millions d'entreprises. À côté de ces géants, une nouvelle vague de startups dites « AI-native » - ThoughtSpot, Sigma Computing, Hex, ou encore Omni - se disputent déjà un positionnement que Golden Analytics revendique.
L’éditeur entre dans un espace encombré, avec des acteurs établis et une liste croissante de challengers se réclamant tous du futur de l'analyse. Les 7 millions de dollars levés, s'ils permettent de valider une idée et de recruter une première équipe, paraissent modestes face aux centaines de millions investis par les concurrents les mieux financés du secteur.
Par ailleurs, les promesses de rupture radicale sont monnaie courante dans la Silicon Valley. L'argument selon lequel les outils actuels « vissent l'IA en surface » plutôt que de la construire nativement est précisément celui avancé par plusieurs des startups mentionnées ci-dessus. Les leaders actuels comme Tableau, Power BI et Looker peuvent sembler stagnants, mais ils ont commencé à intégrer l'IA en profondeur, disposant pour cela d'équipes d'ingénieurs bien plus nombreuses et de canaux de distribution qui n'ont pas d'équivalent pour une startup.
Autre point de vigilance : au moment du lancement, quelques utilisateurs précoces seulement partageaient leurs premiers retours, et la disponibilité générale d’une première version de la solution est annoncée pour les « semaines à venir ». Ni revenu prévisionnel, ni liste de clients significatifs, ni tarification publique. Pour une entreprise qui se présente comme le futur du secteur, la preuve reste donc largement à construire.
Enfin, c'est la première fois que François Ajenstat occupe un poste de CEO. Brillant responsable produit, reconnu par ses pairs, il devra également prouver qu'il est capable de gérer toutes les dimensions d'une startup en phase de croissance — recrutement, ventes, stratégie go-to-market — dans un environnement qui ne lui laissera guère le temps d'apprendre sur le tas. Il devra disposer également des moyens nécessaires pour attirer les bons talents. Ira-t-il les chercher chez Tableau où certains regrettent l’époque startup face au bulldozer de Salesforce ?
L’éditeur entre dans un espace encombré, avec des acteurs établis et une liste croissante de challengers se réclamant tous du futur de l'analyse. Les 7 millions de dollars levés, s'ils permettent de valider une idée et de recruter une première équipe, paraissent modestes face aux centaines de millions investis par les concurrents les mieux financés du secteur.
Par ailleurs, les promesses de rupture radicale sont monnaie courante dans la Silicon Valley. L'argument selon lequel les outils actuels « vissent l'IA en surface » plutôt que de la construire nativement est précisément celui avancé par plusieurs des startups mentionnées ci-dessus. Les leaders actuels comme Tableau, Power BI et Looker peuvent sembler stagnants, mais ils ont commencé à intégrer l'IA en profondeur, disposant pour cela d'équipes d'ingénieurs bien plus nombreuses et de canaux de distribution qui n'ont pas d'équivalent pour une startup.
Autre point de vigilance : au moment du lancement, quelques utilisateurs précoces seulement partageaient leurs premiers retours, et la disponibilité générale d’une première version de la solution est annoncée pour les « semaines à venir ». Ni revenu prévisionnel, ni liste de clients significatifs, ni tarification publique. Pour une entreprise qui se présente comme le futur du secteur, la preuve reste donc largement à construire.
Enfin, c'est la première fois que François Ajenstat occupe un poste de CEO. Brillant responsable produit, reconnu par ses pairs, il devra également prouver qu'il est capable de gérer toutes les dimensions d'une startup en phase de croissance — recrutement, ventes, stratégie go-to-market — dans un environnement qui ne lui laissera guère le temps d'apprendre sur le tas. Il devra disposer également des moyens nécessaires pour attirer les bons talents. Ira-t-il les chercher chez Tableau où certains regrettent l’époque startup face au bulldozer de Salesforce ?
Un pari sur l'heure juste, pas seulement sur la technologie
La vraie mise de François Ajenstat n'est pas uniquement technologique. C'est un pari sur le timing. L'IA a abaissé la barrière d'accès aux données et les attentes ont évolué rapidement. Les utilisateurs ne veulent plus se battre avec leurs outils ; ils veulent des réponses ! Si les grands acteurs tardent à capitaliser sur ce changement de paradigme, une fenêtre s'ouvre. Mais cette fenêtre est étroite. Le point clef pour un utilisateur entreprise est « comment cet outil va-t-il m’aider à prendre de meilleures décisions ? »
Trente ans d'expérience dans l'industrie confèrent à François Ajenstat une légitimité rare pour articuler ce qui ne fonctionne pas dans la BI actuelle. La question est de savoir si cette légitimité se traduira en adoption et en revenus, assez vite pour qu'une startup de sept millions de dollars puisse résister aux contre-offensives inévitables des géants du secteur. L'histoire de l’analyse de données est jalonnée de révolutions annoncées. Golden Analytics devra prouver que la sienne est réelle, et qu’elle dispose de la force nécessaire, au-delà du nom de son fondateur, pour remplacer Microsoft, Tableau ou Qlik chez de grands clients. Son principal atout ? L’énergie de son fondateur, François Ajenstat.
Trente ans d'expérience dans l'industrie confèrent à François Ajenstat une légitimité rare pour articuler ce qui ne fonctionne pas dans la BI actuelle. La question est de savoir si cette légitimité se traduira en adoption et en revenus, assez vite pour qu'une startup de sept millions de dollars puisse résister aux contre-offensives inévitables des géants du secteur. L'histoire de l’analyse de données est jalonnée de révolutions annoncées. Golden Analytics devra prouver que la sienne est réelle, et qu’elle dispose de la force nécessaire, au-delà du nom de son fondateur, pour remplacer Microsoft, Tableau ou Qlik chez de grands clients. Son principal atout ? L’énergie de son fondateur, François Ajenstat.
(1) https://www.linkedin.com/pulse/building-belief-francois-ajenstat-aix0c/
(2) https://www.prnewswire.com/news-releases/golden-analytics-debuts-with-7m-seed-funding-from-nea-and-madrona-to-build-ai-native-business-intelligence-302735519.html
(2) https://www.prnewswire.com/news-releases/golden-analytics-debuts-with-7m-seed-funding-from-nea-and-madrona-to-build-ai-native-business-intelligence-302735519.html