Un fonds reçoit une thèse séduisante. Un fondateur s'apprête à engager dix-huit mois sur un go-to-market. Dans les deux cas, la question est la même : quelles objections le réel va-t-il opposer à ce pari ? Kapari les fait parler avant le comité. Et parce qu'un banc d'essai ne vaut que noté, il a passé l'examen sur les paris célèbres du passé, d'Airbnb à WeWork : les copies sont publiées, bonnes et mauvaises.
Contrairement aux autres cas d'usage de ce site, rien ici n'est illustratif : ces lignes sortent du dernier examen public de Kapari. Chaque pari lui a été soumis sans la fin de l'histoire, et sa copie a été corrigée contre les critiques réellement exprimées à l'époque, sources datées à l'appui. En moyenne, sur les dix paris d'entrepreneurs de l'examen, il retrouve plus de huit critiques réelles sur dix.
Lecture honnête : « Ajuster » signifie que le panel a fait remonter les objections sans bloquer le pari. Sur les paris gagnants comme Uber ou l'iPhone, c'était la bonne réponse : les objections étaient réelles, elles valaient d'être traitées, pas d'y renoncer. Sur WeWork, le seul refus net, l'histoire a tranché dans le même sens quelques semaines plus tard, quand plus personne n'osait dire non. Détail complet, méthode et limites : la page preuve.
Avant le comité d'investissement : le marché cible de la startup devient un panel (acheteurs types, prescripteurs, acteurs installés, régulateur s'il pèse). La thèse est exposée comme une décision, et l'éventail des réactions fait remonter les objections que le deck ne montre pas, avec les regards de métier qui vont avec.
Côté fondateur : le pitch, l'offre ou le pricing passent devant un panel de clients types du segment visé. Les objections sortent avant les vrais rendez-vous, pas pendant. Le pré-mortem structuré fait le reste : si ce pari échoue dans dix-huit mois, par où l'échec est-il passé ?
Deux ou trois variantes du même go-to-market (séquencement, cible d'entrée, cadrage de l'annonce) sont mises au banc sur le même panel. La comparaison montre ce que chaque version désamorce, et ce qu'elle réveille : on choisit une version, pas seulement une intuition.
Les profils s'appuient sur des données publiques réelles (INSEE, data.gouv) et sur la recherche en sciences sociales, jamais sur des personas de brainstorming. Quand le pari touche un savoir-faire, le panel embarque des regards de métier : juriste, spécialiste du naming, pair qui a déjà mené l'opération.
Quand la formulation du pari s'y prête, l'analyse nomme ses cadres : évaluation à base zéro face à l'escalade d'engagement (Staw), vision externe et classe de référence face à l'optimisme de planification (Kahneman et Lovallo, Flyvbjerg), pré-mortem (Klein). Sourcés à l'écran, jamais inventés.
Un éventail de réactions plausibles, jamais un pourcentage d'opinion ni un score de deal. Les limites sont publiées avec les résultats, et les mauvaises copies de l'examen sortent avec les bonnes : c'est ce qui rend les autres crédibles.
Kapari ne classe pas les deals et ne prédit pas les retours. Il explore l'éventail des réactions plausibles d'un marché simulé pour faire remonter les objections avant qu'elles ne coûtent, et il publie la note de son propre examen sur des paris réels. La décision d'investir reste la vôtre.
Des décisions publiques et d'actualité passées au banc d'essai, verdict, niveau de risque et lignes de fracture à l'appui. Le même exercice que ce cas, mais sur l'actualité du moment.
Une thèse, un pitch, un go-to-market : décrivez le pari, un panel du marché cible réagit, les objections sortent avant le comité.