MARKET OPPORTUNITY SCORE

B2B Software & Cloud > Plateforme d'Agents IA d'Entreprise
B2B > SaaS

IS IT AN ATTRACTIVE MARKET ? (Dynamics): 85/100 × 25% = 21.25 points
IS IT A WINNABLE MARKET ? (Competition): 80/100 × 25% = 20 points
IS IT A PENETRABLE MARKET ? (GTM): 85/100 × 25% = 21.25 points
IS IT A REWARDING MARKET ? (Exits): 85/100 × 25% = 21.25 points

TOTAL MARKET ATTRACTIVITY SCORE: 83/100

❓ Market DEFINITION

Les entreprises tentent d'acheter des solutions logicielles qui permettent à leurs employés de configurer et de collaborer avec des agents d'IA personnalisés, spécifiquement pour des tâches qui nécessitent une compréhension approfondie du contexte interne et des données propriétaires; les acheteurs cherchent à automatiser des processus complexes et à augmenter de manière significative la productivité de leurs équipes opérationnelles et support. La friction structurelle réside dans l'incapacité des modèles d'IA génériques à fournir des résultats fiables ou sécurisés sans une contextualisation et une intégration manuelles coûteuses, laissant les entreprises sans solution efficace pour déployer l'IA à l'échelle. Ce marché se positionne en amont des applications d'entreprise existantes, agissant comme une couche d'orchestration intelligente qui agrège les données structurées et non structurées pour alimenter des agents d'IA, où la concentration du profit se déplace de la simple infrastructure LLM vers la valeur ajoutée de la contextualisation et de l'intégration métier.

💬 Our Market THESIS

Le changement structurel irréversible dans ce marché est la commoditisation rapide des modèles de langage de grande taille (LLM) sous-jacents, rendant l'accès à la puissance de calcul IA un 'given' et déplaçant la valeur vers la contextualisation et l'orchestration. Les acteurs historiques (éditeurs de logiciels de productivité d'entreprise) sont paralysés par leur architecture monolithique et leur modèle de revenus axé sur la vente de licences, les empêchant d'intégrer des capacités d'IA dynamiques et interopérables sans cannibaliser leurs produits existants ou faire face à des réécritures complètes de leur code. Le vecteur d'attaque exploité par les nouveaux entrants est de fournir une interface agnostique aux modèles d'IA, se concentrant sur la connexion aux données fragmentées des entreprises et la création d'agents métier personnalisés, un domaine où les fournisseurs de LLM n'ont pas l'expertise 'verticale'. La fenêtre est ouverte maintenant car les entreprises sont prêtes à investir massivement dans l'IA mais manquent d'outils pour l'intégrer efficacement; cette fenêtre se refermera lorsque les grands éditeurs de logiciels existants réussiront à adapter leurs plateformes héritées avec des capacités d'IA contextuelle native ou à acquérir les intégrateurs les plus performants, probablement dans les 2 à 3 prochaines années.

🧠 Our CONVICTION & WAGER on this Market:

🟢 HIGH CONVICTION

La principale raison pour un investisseur de rester sur la touche est la rapidité de l'évolution technologique dans l'IA et le risque de voir un acteur dominant capturer l'ensemble de la pile de services; cependant, notre conviction est que la valeur se crée non pas dans la couche du modèle, mais dans l'orchestration contextuelle, ce qui offre une marge de manœuvre suffisante pour les solutions dédiées comme Dust. Notre pari falsifiable est que le ROI démontré par l'intégration d'agents IA personnalisés pour les cas d'usage métiers spécifiques incitera les entreprises à débloquer des budgets significatifs pour cette catégorie de produits, conduisant à une adoption massive et à des déploiements étendus au cours des 24 prochains mois. Un signal clair lors d'un premier appel serait la confirmation que la durée moyenne des cycles de vente pour les déploiements complets d'agents IA contextuels est inférieure à six mois, indiquant une urgence et une valeur économique immédiates.

🌊 ATTRACTIVE MARKET (Market Dynamics) | Score: 85/100

Ce score positif pour la dynamique du marché confirme un environnement favorable pour des solutions innovantes en IA, réduisant le risque de timing et de demande pour Dust.

• Market Size (25%) | Score: 85/100: Le marché de la productivité d'entreprise grâce à l'IA est évalué à plusieurs dizaines de milliards de dollars avec un TCAC estimé à plus de 25% pour les prochaines années, entraîné par la nécessité pour les scale-ups technologiques de rester compétitives et efficaces face à la complexité croissante des opérations.
• Growth Drivers (25%) | Score: 90/100: La croissance est principalement tirée par l'explosion des capacités de l'IA générative et l'impératif pour les entreprises d'intégrer l'IA dans leurs opérations, agissant comme un catalyseur pour l'efficacité et l'innovation.
• Timing Why Now (25%) | Score: 90/100: Le moment est propice en raison de la maturité et de l'accessibilité accrue des LLM (Large Language Models), couplée à une forte demande des entreprises pour des solutions d'IA concrètes qui résolvent des problèmes métier spécifiques, transformant l'IA d'une expérimentation à une exigence stratégique.
• Market Risks (25%) | Score: 75/100: Les principaux risques incluent la rapidité de l'évolution technologique des modèles d'IA, la fragmentation du marché avec de nombreux nouveaux entrants et, potentiellement, la difficulté d'intégration dans des systèmes d'entreprise hétérogènes. Cependant, la conformité de Dust (SOC 2, HIPAA, RGPD) atténue certains risques d'adoption.

⚔️ WINNABLE MARKET (Competitive Landscape) | Score: 80/100

Ce score indique que, malgré une concurrence émergente, le marché est encore gagnable pour un acteur comme Dust, à condition qu'il maintienne sa différenciation claire et exécute sur son GTM.

• Incumbents (25%) | Score: 75/100: Les géants comme Microsoft (Copilot), Salesforce (Einstein Copilot) et Google (Duet AI) sont des acteurs majeurs cherchant à étendre leurs offres d'IA à l'entreprise, mais leur approche est souvent plus générique et moins axée sur la personnalisation contextuelle profonde que celle de Dust.
• Challengers (25%) | Score: 80/100: De nombreuses startups bien financées comme Clay et d'autres plateformes d'IA tentent de capter des parts de marché, en levant des fonds importants, mais peu offrent la même focalisation sur l'architecture 'Multiplayer AI' et la gestion contextuelle profonde que Dust.
• White Space (25%) | Score: 85/100: Le 'white space' réside dans l'orchestration et la contextualisation de l'IA au niveau opérationnel des équipes au sein des entreprises, où les outils génériques échouent à apporter une valeur suffisante, ouvrant une opportunité pour une solution agnostique et profondément intégrée aux flux de travail.
• Defensibility (25%) | Score: 80/100: Le fossé de Dust est basé sur les coûts de commutation liés à l'intégration profonde des agents IA dans les processus critiques de l'entreprise et la valeur accumulée de la contextualisation des données, formant une barrière à l'entrée significative pour les concurrents.

🎯 PENETRABLE MARKET (Go-to-Market & Unit Economics) | Score: 85/100

Ce score élevé suggère que Dust opère dans un marché où l'acquisition de clients peut être réalisée avec une efficacité relative, ce qui est crucial pour le retour sur investissement.

• GTM Model (25%) | Score: 85/100: Le modèle GTM est un hybride PLG (Product-Led Growth) avec un composant d'entreprise lourd ('Contact Sales', 'Request a demo'), permettant une acquisition initiale organique et une expansion structurée vers des contrats à haute valeur, ciblant directement les 'AI operators' et les ingénieurs GTM.
• Pricing Model (25%) | Score: 80/100: Le prix est basé sur l'abonnement SaaS, offrant une flexibilité pour des versions d'essai et des offres personnalisées pour les entreprises, incluant l'accès à des modèles de pointe et des connecteurs illimités, avec un potentiel de tarification à la valeur ou à l'usage.
• Unit Economics (25%) | Score: 80/100: Les Unit Economics de Dust semblent prometteurs, soutenues par une forte validation client (Datadog, Alan) et un modèle SaaS récurrent. Bien que les chiffres précis de LTV/CAC ne soient pas publics, l'investissement de Sequoia et l'expansion rapide suggèrent un modèle viable à l'échelle.
• Scalability (25%) | Score: 90/100: La scalabilité est un point fort grâce à son modèle SaaS, son architecture multi-modèles et ses nombreux connecteurs de données, permettant à Dust de s'étendre horizontalement à travers différentes fonctions métier et verticalement au sein des grandes organisations.

💰 REWARDING MARKET (Funding & Exit) | Score: 85/100

• Funding Activity (25%) | Score: 90/100: L'activité de financement est robuste, avec Dust levant 40 millions de dollars en Série B en 2026, menée par Sequoia Capital et Abstract, et avec la participation de poids lourds comme Snowflake Ventures et Datadog, démontrant un fort appétit des VC pour ce segment.
• Exit Multiples (25%) | Score: 85/100: Le marché des logiciels d'IA pour entreprises affiche des multiples d'évaluation élevés, tant en M&A stratégique qu'en introductions en bourse, en raison de la demande croissante pour l'IA et de son impact transformateur sur la productivité et l'efficacité opérationnelle.
• Strategic Buyers (25%) | Score: 85/100: Les acheteurs stratégiques potentiels incluent les grands éditeurs de logiciels d'entreprise (Microsoft, Salesforce, Oracle), les fournisseurs de cloud (AWS, Google Cloud), les entreprises de gestion de données (Datadog, Snowflake) et d'autres acteurs de l'IA cherchant à acquérir des capacités d'orchestration d'agents ou des bases de clients établies.
• Return Profile (25%) | Score: 80/100: Le marché des plateformes d'IA d'entreprise a le potentiel de générer des retours sur investissement significatifs en raison des multiples d'évaluation élevés et de la demande croissante pour des solutions d'IA verticales.

⚡ CROSS-SECTION SYNTHESIS:

La combinaison de scores élevés dans l'attractivité, la pénétration et la récompense du marché, contrebalancée par une concurrence naissante mais notable, indique que le marché est en pleine effervescence et très prometteur, mais exige une exécution axée sur la différenciation et une stratégie GTM ultra-efficace de la part du fondateur pour capitaliser sur une fenêtre d'opportunité en rapide évolution.

🌐 DATA CONFIDENCE:

Les données concernant la taille exacte du marché et son TCAC sont solides, de même que les informations sur le paysage d'investissement. Cependant, des informations plus granulaires sur l'adoption par verticale et les Unit Economics spécifiques aux différents segments d'utilisateurs nécessiteraient une recherche primaire plus approfondie, notamment pour les dynamiques de marché et les modèles de croissance.

Proposition de Valeur

Produit

Modèle Économique

Équipe

CEO

Résumé de l'Entreprise

• B2B Software & Cloud > Plateforme d'Agents IA d'Entreprise
• B2B > SaaS
• 40 millions de dollars levés auprès de Sequoia Capital et Abstract (financement le 18 mai 2026)

PRE-SCREENING SCORE


NOTE: This is a raw pre-screening score. Thesis weights are applied
in the Synthetic GP qualification pipeline after angle detection.

═════════════════════
TEAM EXCELLENCE : 88/100
MARKET OPPORTUNITY : 85/100
PRODUCT INNOVATION : 85/100
BUSINESS MODEL : 80/100
TRACTION & GROWTH : 90/100
─────────────────────
PRE-SCREENING SCORE : 86/100 → 🟢 STRONG SIGNAL (85-100)

══════════════════════

❓ In a NUTSHELL : Dust est une Plateforme d'Agents IA d'Entreprise qui permet aux opérateurs IA et aux équipes opérationnelles d'intégrer des agents IA personnalisés pour résoudre des problèmes internes complexes grâce à la compréhension du contexte d'entreprise.

⚠️ The PROBLEM : Les grandes entreprises peinent à exploiter pleinement la puissance de l'IA générative en raison du manque de contextualisation, ce qui conduit à des agents génériques incapables de comprendre les spécificités du fonctionnement d'une organisation, sa culture, ses données propriétaires et ses processus, créant une friction coûteuse et une sous-utilisation des capacités de l'IA.

✅ The SOLUTION : Dust fournit un système d'exploitation IA permettant de construire et de déployer des agents personnalisés qui se connectent aux sources de données internes de l'entreprise (Notion, Slack, Zendesk, Salesforce), interprètent le contexte métier pour une analyse sémantique approfondie, et permettent des flux de travail automatisés, rendant l'IA pertinente et directement exploitable au sein des équipes.

🚀 The GTM : La stratégie GTM de Dust cible prioritairement les opérateurs IA et les ingénieurs GTM au sein des organisations en croissance rapide via un modèle Product-Led Growth (PLG) avec un essai gratuit pour valider la valeur, suivi d'un engagement commercial pour les déploiements d'entreprise, car cette approche permet une adoption rapide et génère des champions internes avant de monter en puissance contractuellement.

══════════════════════

👨🏻 TEAM EXCELLENCE (20%) | Score: 88/100
Le profil des fondateurs de Dust démontre une expertise de premier ordre, essentielle pour innover à l'intersection de l'IA et de l'entreprise.

• Track Record (25%) | Score: 90/100: La cofondation de TOTEMS (acquise par Stripe) témoigne d'un succès entrepreneurial prouvé, complétant des rôles de leadership produit chez des entreprises technologiques de premier plan comme Stripe et Alan, ce qui est un signal fort de succès et de capacité à construire des entreprises de valeur.
• Leadership (25%) | Score: 85/100: L'équipe fondatrice est composée de Gabriel Hubert (CEO) et Stanislas Polu (CTO), tous deux avec des antécédents solides en ingénierie et produit, indiquant un leadership technique fort, tandis que l'existence de Nicolas Chinot (GM US) et Ambra Zhang (Chief of Staff) suggère une structure de direction croissante, mais la profondeur des rôles exécutifs au-delà des fondateurs nécessiterait une diligence plus approfondie.
• Completeness (25%) | Score: 80/100: L'équipe affiche une forte compétence produit et technique avec la présence de co-fondateurs CEO/CTO issus de grands noms de la tech, mais le détail des postes clés ouverts et l'équilibre exact entre ingénieurs et fonctions GTM ne sont pas entièrement visibles, bien que l'accélération de l'expansion US et des équipes GTM suite à la Série B ($40M) indique une attention croissante à cet équilibre.

🌊 MARKET OPPORTUNITY (20%) | Score: 85/100
Le marché des Plateformes d'Agents IA d'Entreprise représente une opportunité massive et en pleine explosion, portée par l'adoption généralisée de la GenAI.

• Size & Growth (25%) | Score: 90/100: Le marché des logiciels d'IA pour la productivité d'entreprise est en hyper-croissance, estimé à plusieurs dizaines de milliards de dollars avec un TCAC très élevé, car les entreprises cherchent désespérément à intégrer l'IA contextuelle dans leurs opérations pour augmenter l'efficacité à grande échelle.
• Timing Why Now (25%) | Score: 90/100: Le timing est optimal en raison de la maturité des LLM commerciaux et de la pression croissante sur les entreprises pour intégrer l'IA, transformant la fonction de 'Productivité Entreprise' en une nécessité stratégique pour rester compétitif, créant un 'why now' impérieux pour les solutions comme Dust.
• Competition (25%) | Score: 80/100: Le marché est émergent, avec de nombreux acteurs cherchant à se positionner sur l'IA d'entreprise, mais Dust se différencie par une approche 'multiplayer AI' et une focalisation sur la personnalisation contextuelle, bien que des concurrents comme Clay et d'autres plateformes GenAI cherchent également des niches similaires.
• Expansion (25%) | Score: 80/100: Dust a prouvé sa capacité d'expansion en sécurisant des bureaux aux États-Unis et en Europe, avec l'objectif de la Série B de 40M$ étant d'accélérer cette croissance à l'international et d'étendre la portée de sa plateforme dans de nouvelles industries et équipes.

💡 PRODUCT INNOVATION (20%) | Score: 85/100
La solution de Dust, axée sur la collaboration homme-IA et l'intégration contextuelle des données, est à la pointe de l'innovation en GenAI pour les entreprises.

• Differentiation (25%) | Score: 90/100: Dust se distingue par son concept de 'Multiplayer AI' et sa capacité à créer des agents IA hautement personnalisés qui comprennent le 'contexte spécifique de l'entreprise' grâce à des connecteurs de données profonds (Notion, Slack, Zendesk, Salesforce) et une analyse sémantique, offrant une solution plus pertinente que les outils IA génériques.
• Product-Market Fit (25%) | Score: 85/100: Le Product-Market Fit est solidement validé par l'adoption de clients de renom tels que Datadog, Clay, Assembled, 1Password, et Alan, avec des témoignages élogieux comme celui d'Everett Berry (Clay) qui qualifie Dust de 'logiciel le plus percutant que nous ayons adopté depuis Clay'.
• Scalability (25%) | Score: 80/100: La plateforme SaaS de Dust est conçue pour la scalabilité, offrant un accès multi-modèles (OpenAI, Anthropic, Gemini, Mistral) via API RESTful et des webhooks, ainsi qu'une conformité SOC 2 Type II, HIPAA et RGPD, démontrant une architecture robuste pour les déploiements d'entreprise.
• IP & Barriers (25%) | Score: 85/100: La propriété intellectuelle de Dust réside dans son 'Model Context Protocol' (MCP) et son expertise dans la création d'agents IA contextuels profonds, créant des coûts de commutation importants une fois intégrée aux flux de travail d'entreprise, renforçant ainsi sa position concurrentielle.

💼 BUSINESS MODEL (20%) | Score: 80/100
Le modèle économique SaaS de Dust, axé sur l'entreprise, est conventionnel mais prometteur en termes de revenus récurrents et d'expansion.

• Unit Economics (25%) | Score: 75/100: Bien que les plans tarifaires spécifiques ne soient pas explicitement détaillés, le modèle SaaS basé sur l'abonnement, avec des options d'essai gratuit et de contact commercial, suggère une tarification à valeur, dont la rentabilité dépendra des détails de l'acquisition client et du LTV.
• La présence d'options 'Contact Sales' et 'Request a demo' cible des contrats de valeur supérieure, générateurs de revenus significatifs et prévisibles.
• Monetization (25%) | Score: 80/100: La monétisation est basée sur l'accès aux agents personnalisés, connecteurs et contrôles de sécurité, avec des potentiels d'upsell via des fonctionnalités avancées, plus de données ou un plus grand nombre d'utilisateurs. La clarté de la tarification pour les offres HIPAA ou les API étendues reste à évaluer, mais le modèle est sain.
• Capital Efficiency (25%) | Score: 80/100: Dust a levé 40 millions de dollars en Série B en mai 2026, portant le total à plus de 60 millions de dollars. Un effectif estimé à 50-100 personnes pour une société de croissance post-Série B suggère un burn rate gérable, mais la vitesse de l'expansion et l'acquisition de nouveaux talents sont critiques pour maintenir cette efficacité.

📈 TRACTION & GROWTH (20%) | Score: 90/100
Dust affiche une traction impressionnante, validée par des financements importants et des partenariats stratégiques.

• Revenue Growth (25%) | Score: 90/100: Bien que les chiffres de croissance des revenus ne soient pas publics, la levée de 40 millions de dollars en Série B, avec la participation de Sequoia Capital, Abstract, Snowflake Ventures et Datadog, indique une forte traction sous-jacente et une reconnaissance des investisseurs de premier plan, signalant une croissance rapide et validée.
• Customer Validation (25%) | Score: 95/100: Une validation client exceptionnelle est démontrée par la liste de logos de haute qualité tels que Datadog, Clay, Assembled, 1Password, Vanta, Watershed et Alan, montrant une adoption par des entreprises technologiques reconnues, ce qui est un indicateur fort de Produit-Marché Fit.
• KPI Progression (25%) | Score: 85/100: L'activité de recrutement mentionnée, la présence croissante aux États-Unis et en Europe, ainsi que les financements successifs, suggèrent une progression rapide des KPIs majeurs, notamment en termes d'effectif et de déploiement de fonctionnalités, indiquant une exécution agile.
• Market Penetration (25%) | Score: 90/100: La stratégie d'expansion rapide aux États-Unis et en Europe via des bureaux clairs dans ces régions, ainsi que la focalisation sur les 'AI operators' et les équipes opérationnelles au sein des organisations en croissance rapide, démontrent une pénétration ciblée et efficace d'un marché en mutation.

─────────────────────
🔍 RISK TO UNDERWRITE :
Le risque majeur pour Dust est que l'intégration et la maintenance de son 'système d'exploitation IA' deviennent trop complexes pour les entreprises clientes, ou que la prolifération de modèles d'IA génériques à faible coût érode la proposition de valeur de 'personnalisation contextuelle', ce qui se manifesterait par un ralentissement de l'adoption et un allongement des cycles de vente dans les 12-18 prochains mois. Ce risque est résolvable uniquement par le temps et par la démonstration continue d'un ROI clair et mesurable pour les entreprises clientes, ainsi que par la capacité de Dust à maintenir un avantage technologique significatif sur l'offre de base.

🗝️ KEY COMPETITIVE ADVANTAGES :

• L'architecture 'Multiplayer AI' de Dust permet une collaboration fluide entre les humains et les agents IA, améliorant l'adoption et l'efficacité au-delà des outils IA solo.
• La capacité de personnaliser les agents IA avec un 'contexte spécifique à l'entreprise' via des connecteurs de données profonds (Notion, Slack, Salesforce) rend la solution beaucoup plus pertinente et efficace que les offres IA génériques pour les flux de travail internes.
• Une validation client de premier ordre avec des logos d'entreprise comme Datadog et Alan, qui réduit les frictions de vente et valide la valeur perçue du produit pour les acheteurs similaires.
• L'architecture multi-modèles (OpenAI, Anthropic, Gemini, Mistral) offre une flexibilité technologique et une 'future-proofing' aux clients qui ne sont pas verrouillés sur un seul fournisseur de LLM.

🧱 MOAT : MODERATE
Le mécanisme de fossé principal de Dust repose sur les coûts de changement élevés générés par l'intégration profonde de ses agents IA personnalisés dans les sources de données et les flux de travail critiques de l'entreprise; plus un client intègre Dust, plus les données accumulées et les automatisations construites rendent un changement de système prohibitif. Ce fossé se renforce à mesure que Dust collecte plus de données contextuelles et que les équipes deviennent dépendantes des gains de productivité de leurs agents personnalisés, créant des boucles de rétroaction positives qui accélèrent l'adhérence du produit. Une couche de défendabilité secondaire provient de sa conformité SOC 2, HIPAA et RGPD, ainsi que de sa capacité à offrir une gouvernance granulaire (SSO/SAML/SCIM), qui sont des barrières significatives pour les nouveaux entrants souhaitant adresser les grandes entreprises avec des exigences de sécurité strictes, même si cette conformité n'est pas unique à Dust.

⚖️ ASYMMETRIC WAGER

• The Bull Case:

Dust deviendra l'infrastructure IA par défaut pour la collaboration d'entreprise si sa plateforme parvient à industrialiser la création et le déploiement d'agents IA contextuels personnalisés pour chaque fonction métier (support, vente, ingénierie, RH) avec une interface no-code, créant une 'App Store' d'IA d'entreprise qui rend l'intégration de nouveaux agents aussi simple qu'un plugin, moment auquel son architecture 'Multiplayer AI' deviendra une couche middleware indispensable pour toute organisation numérique avant de devenir irremplaçable.

• The Bear Case :

La dépendance de Dust à une profondeur d'intégration complexe avec les systèmes existants d'une entreprise (Slack, Notion, Zendesk, Salesforce) est une épée à double tranchant; si l'un de ces fournisseurs introduit ses propres agents IA contextuels intégrés nativement avec une facilité d'adoption et un coût inférieur (comme Salesforce le fait déjà avec Einstein Copilot), la proposition de valeur de Dust pourrait être érodée, ce qui serait visible par un allongement des cycles de vente d'ici 9 à 12 mois alors que les entreprises réévaluent si elles doivent consolider leurs outils IA auprès de leurs fournisseurs existants.

🚩 RED FLAGS

• Universal Risks: Le marché de l'IA générative est en évolution rapide et fragmenté, avec des risques de cannibalisation par les fournisseurs de modèles sous-jacents ou l'émergence rapide de concurrents offrant des solutions similaires avec des GTM (Go-to-Market) plus agressifs ou des stratégies de prix discount.

📝 PREMIÈRE RÉUNION KIT DE PRÉPARATION
Notre analyse met en évidence le potentiel d'une valeur significative chez Dust, mais une diligence approfondie est nécessaire pour valider la robustesse de son modèle d'affaires face à l'évolution rapide du marché de l'IA et les contraintes de coût associées aux intégrations d'entreprise.

• The Investment Angle: Notre pari principal est que Dust peut capturer et défendre la couche orchestratrice des agents IA personnalisés au sein des entreprises, en capitalisant sur l'expertise produit approfondie de son CEO et une traction client déjà forte, pour devenir un système d'exploitation IA indispensable qui s'échelonnera sans compromettre la rentabilité unitaire.

• Killer Questions for First Call :

- Question 1 — MÉCANIQUES GTM :
Compte tenu de votre GTM actuel d'essai gratuit et de 'Contact Sales', pouvez-vous nous détailler les déclencheurs spécifiques qui transforment un utilisateur freemium ou d'essai en un client d'entreprise sous contrat, et quelle est l'efficacité en pourcentage de ce funnel pour les grands comptes ?

- Question 2 — L'HYPOTHÈSE CENTRALE :
Si un grand fournisseur de LLM (comme OpenAI ou Antrhopic) ou une plateforme de données (comme Snowflake ou Datadog) lançait une solution d'agents IA hautement personnalisables pré-intégrée à son écosystème en mode 'as-a-service', comment la proposition de valeur de Dust s'adapterait-elle pour justifier son coût et son intégration additionnelle ?

- Question 3 — STRESS TEST DES UNIT ECONOMICS :
Pour vos 5 plus gros clients, quel est le coût moyen d'intégration et d'implémentation de Dust, par rapport au revenu annuel récurrent (ARR) moyen que chacun de ces clients génère, et comment ce ratio évolue-t-il avec l'ancienneté du client ?

• FIRST MEETING GO/NO-GO SIGNAL :

Nous poursuivrons la diligence si le fondateur peut clairement articuler un plan pour maintenir une rentabilité unitaire supérieure à 3:1 LTV/CAC sur les grands comptes dans les 12 prochains mois ; nous mettrons fin au processus si les données suggèrent que les coûts d'acquisition ou d'intégration dépassent durablement 25% de l'ARR initial du client.

🌐 DATA CONFIDENCE : MEDIUM
Les données sur les stratégies de GTM, les finances détaillées de l'entreprise et la structure complète de l'équipe exécutive sont les plus fines, et la diligence devra se concentrer en particulier sur la validation des 'Units Economics' au niveau du client et des projections de coûts d'intégration.

• DATA GAPS : Chiffres de revenus privés - Métriques de churn - Coût d'acquisition client (CAC) - LifeTime Value (LTV) - Structure du Cap Table - Détails complets de l'équipe exécutive et de ses postes ouverts.