L’état des startups en 2026 selon l’enquête de Supabase

• D’après une enquête menée auprès de 2 000 créateurs de startups, entre 2025 et 2026 les fondateurs sont devenus plus âgés, moins techniques et davantage centrés sur le solo, tandis que le code écrit par l’IA s’est généralisé et que les zones de création d’entreprise se sont élargies
• Anthropic a pris la tête sur les outils de développement, les abonnements payants, les fournisseurs de modèles et les SDK d’agents ; le taux d’usage de Claude Code atteint 63 %, l’abonnement payant à Claude 59 %, et l’usage des modèles Anthropic/Claude 64 %
• 61 % des répondants ont généré avec l’IA plus de la moitié de leur base de code, mais plus la part de code IA est élevée dans une équipe, plus elle a tendance à ne pas encore monétiser et à citer l’acquisition client comme principal défi
• La stack se réorganise autour des bases de données de la famille Postgres ainsi que de Supabase, Vercel et Cloudflare, et les agents comme MCP se diffusent aussi, mais les outils de monitoring, de gestion des prompts et d’évaluation restent en retard
• Construire est devenu plus facile, mais vendre et opérer restent difficiles : de plus en plus d’équipes n’utilisent pas de SaaS de CRM, d’analytics ou d’observabilité, ou les développent elles-mêmes ; la petite minorité de startups ayant bâti une communauté affiche de meilleurs taux de conversion client via l’open source et les canaux développeurs

---

Des équipes fondatrices plus petites et plus diverses

• La part des fondateurs solo est passée de 53 % en 2025 à 61 % en 2026, soit +8 points, tandis que les équipes de deux cofondateurs ont reculé
  • La répartition du nombre de fondateurs est la suivante : 1 personne 61 %, 2 personnes 29 %, 3 personnes 7 %, 4 ou plus 3 %
• La part des fondateurs techniques est passée de 82 % à 78 %, les fondateurs non techniques représentant désormais 22 % ; ils utilisent davantage la génération de code par IA que les autres groupes
• Les fondateurs de 40 ans et plus sont passés de 18 % à 25 %, avec une hausse statistiquement significative dans toutes les tranches d’âge au-dessus de 40 ans, tandis que les 22-29 ans ont reculé de 4 points
  • La répartition par âge est de 32 % pour les 22-29 ans, 24 % pour les 30-39 ans, 20 % pour les 18-21 ans, 14 % pour les 40-49 ans, 7 % pour les 50-59 ans et 2 % pour les 60 ans et plus
• Les sièges sociaux se répartissent entre l’Amérique du Nord et l’Europe avec 28 % chacune, l’Asie 17 %, l’Afrique 9 %, le full remote 7 % et l’Amérique du Sud 6 %
  • L’Europe et l’Afrique ont chacune progressé de 3 points, avec une dispersion vers Toronto, Chicago, Denver, Austin ainsi qu’à travers l’Europe, l’Asie et l’Afrique
  • Dans les grandes métropoles nord-américaines, la San Francisco Bay Area représente 9 %, New York City 8 %, Toronto 4 %, et Austin comme Chicago 3 % chacune

Un marché des outils IA réorganisé autour d’Anthropic

• Claude Code a été le plus souvent cité parmi les outils de développement indispensables, et arrive aussi en tête des outils de coding IA avec un taux d’usage de 63 %
  • Visual Studio Code suit à 44 %, Cursor à 31 %, Antigravity à 22 %, Lovable à 15 % et ChatGPT/Codex à 13 %
  • Cursor recule de 19 points, v0, Bolt et Windsurf baissent chacun de 6 à 9 points, tandis que le nouvel entrant Antigravity grimpe à la 4e place
• L’abonnement payant à Claude a presque doublé, passant de 28 % à 59 %, tandis qu’OpenAI/ChatGPT recule de 57 % à 39 %
  • Gemini est à 27 %, Cursor à 20 %, GitHub Copilot à 17 %, Lovable à 11 %, et les équipes sans abonnement IA payant ne représentent que 3 %
• Côté fournisseurs de modèles aussi, Anthropic/Claude passe de 38 % à 64 % et devient l’option par défaut, tandis qu’OpenAI tombe de 69 % à 52 %
  • Gemini est à 44 %, Grok et les modèles maison à 11 % chacun, et Hugging Face à 10 %
  • Le recul marqué de Hugging Face et des modèles maison suggère aussi une baisse des équipes exploitant leur propre couche d’inférence

La génération de code se généralise, mais la monétisation suit mal

• 61 % des répondants déclarent que l’IA a écrit plus de la moitié de leur base de code, et 40 % des équipes ont même généré entre 76 % et 100 % de leur code avec l’IA
  • La part de code IA se répartit ainsi : 51-75 % pour 21 %, 26-50 % pour 16 %, 11-25 % pour 11 %, 1-10 % pour 9 %, et seulement 2 % n’en utilisent pas du tout
• Parmi les fondateurs non techniques, la part de ceux dont 76 à 100 % du code est généré par l’IA atteint 54 %, et monte à 60 % chez les 50-59 ans
  • Les fondateurs plus âgés utilisent davantage l’IA que les plus jeunes, et la part de code IA augmente avec l’âge
• Plus la part de code généré par l’IA est élevée, plus il est probable qu’une équipe n’ait pas encore monétisé son produit et considère l’acquisition client comme son principal défi
  • Une autre façon d’interpréter cette relation est que les startups en phase initiale utilisent beaucoup l’IA tout en étant aussi à un stade précoce de monétisation

Une stack technique unifiée autour de Postgres et de nouveaux frontends

• 80 % des répondants ont choisi Postgres sous une forme ou une autre, contre 76 % l’année précédente
  • Par base de données, les taux d’usage sont de 49 % pour Supabase, 22 % pour PostgreSQL, 6 % pour Redis, 5 % chacun pour MySQL et Firebase, et 4 % chacun pour SQLite et MongoDB
  • MongoDB recule de 5 points, MySQL de 3 points, Firebase de 2 points, tandis que Neon, DynamoDB et Convex apparaissent pour la première fois parmi les options et gagnent de petites parts
• Dans la catégorie des fournisseurs d’authentification, mesurée pour la première fois en 2026, Supabase Auth atteint 72 %
  • Viennent ensuite Auth0 à 13 %, NextAuth/Auth.js à 12 %, les solutions maison à 11 %, Firebase Auth à 9 % et Clerk à 4 %
  • Les quelque 25 % qui n’ont choisi aucune option Supabase constituent clairement la borne basse de la part potentiellement migrable
• Côté hébergement et cloud, Supabase atteint 65 %, Vercel 45 %, Cloudflare 27 % et AWS 21 %
  • Vercel dépassait déjà AWS en 2025, et en 2026 l’écart s’est encore creusé de 9 points
  • Cloudflare est l’acteur qui croît le plus vite et dépasse AWS, tandis que tous les hyperscalers perdent des parts
• Côté frontend, React à 56 % et Next.js à 53 % progressent, tandis que Expo 10 %, TanStack 8 %, HTMX 4 % et Astro 3 % atteignent désormais une part significative
  • Le mobile natif monte à 18 %, soit +3 points, tandis que Flutter est à 11 %, Vue à 7 % et Svelte à 3 %

Les agents et MCP se diffusent, mais les bases opérationnelles manquent

• 52 % des répondants construisent déjà des agents ou prévoient de le faire, un niveau statistiquement proche de l’an dernier, mais le groupe qui suspend son jugement se réduit
  • Les principaux usages sont l’automatisation des workflows 59 %, l’analyse de données 49 %, la personnalisation et la recommandation 40 %, l’automatisation du support client 38 %, la génération de contenu 37 % et l’assistance à la recherche 31 %
  • Les agents sont aussi utilisés pour les ventes et la génération de leads 29 %, l’éducation et la formation 27 %, les outils internes 25 % ainsi que la modélisation financière et la prévision 20 %
• Parmi ceux qui construisent des agents, 24 % exploitent déjà des systèmes multi-agents en production, 21 % sont en phase de développement et 35 % en ont le projet
• 47 % des équipes n’ont pas de système formel pour gérer les prompts en production ; viennent ensuite le hardcoding dans le code source à 26 % et les fichiers de prompts versionnés à 25 %
  • Les plateformes dédiées de gestion des prompts ne représentent que 11 %, les feature flags utilisés pour les variantes 10 %, et les CMS ou services de configuration 8 %
• Pour l’évaluation des modèles IA, les tests manuels et l’itération sur les prompts dominent avec 52 %, et 36 % des équipes n’ont aucune procédure d’évaluation formelle
  • Les boucles de feedback utilisateur représentent 27 %, l’évaluation par LLM 26 %, les tests A/B en production 20 %, les suites maison d’évaluation automatisée 17 % et les outils d’évaluation tiers 7 %
• 59 % des équipes ne monitorent pas séparément leurs workloads IA ; les dashboards maison représentent 20 %, OpenTelemetry 9 %, et Langfuse, LangSmith ainsi que Datadog seulement 7 % chacun
• Un an après le lancement du Model Context Protocol, MCP atteint 29 % d’usage en production et 28 % d’expérimentation, soit 57 % au total
  • 29 % le connaissent mais ne l’ont pas encore utilisé, et 14 % ne connaissent pas MCP
  • Supabase fournit une documentation sur son serveur MCP et Agent Skills

Les startups qui n’achètent pas de SaaS opérationnel

• Parmi les startups ayant une activité commerciale, la part de celles sans CRM ni outil commercial formel est passée de 43 % à 53 %, soit +11 points
  • Google Sheets est à 23 %, Notion/Airtable à 14 %, HubSpot à 11 %, Salesforce à 4 %, et tous les grands CRM reculent
  • Les équipes s’orientent soit vers des CRM maison, soit vers l’absence totale de CRM
• 56 % des équipes n’utilisent pas d’outil d’observabilité ; parmi celles qui en utilisent, les solutions maison sont celles qui progressent le plus vite et atteignent 10 %
  • Sentry reste en tête à 19 % avec une légère hausse, suivi de Grafana à 9 %, OpenTelemetry à 6 %, puis Datadog et Prometheus à 5 % chacun
  • Le marché semble se scinder entre Sentry pour le suivi d’erreurs et des dashboards maison pour le reste
• Dans les outils d’analytics et de growth aussi, les dashboards maison gagnent 6 points et la part de ceux qui déclarent ne rien suivre augmente de 5 points
  • HubSpot, Salesforce, Mixpanel et Segment perdent tous des parts, signe d’un schéma récurrent : contourner les produits des fournisseurs pour construire des outils internes ou ne rien mesurer du tout

Le fossé entre acquisition client et communauté

• Pour les premiers clients payants, la source la plus fréquente est le réseau personnel ou professionnel avec 56 %, devant la prospection froide et les ventes à 35 %, les inbound via les réseaux sociaux à 29 % et le contenu à 21 %
  • Les communautés de développeurs représentent 14 %, les utilisateurs open source convertis 8 %, les accélérateurs 7 %, et Hacker News ou Product Hunt 6 %
  • La part de ceux qui n’ont pas du tout tenté d’acquérir des clients payants passe de 62 % l’an dernier à 67 %
• Les ventes pilotées par les fondateurs restent la norme, et un commercial dédié n’arrive généralement qu’après le recrutement du dixième salarié
  • La part des équipes adoptant une stratégie de product-led growth augmente de 4 points pour atteindre la moitié du total, tandis que celles qui n’ont pas encore choisi d’approche diminuent
• Les tarifs par paliers selon les fonctionnalités passent de 23 % à 36 % parmi les répondants ayant choisi un modèle tarifaire, soit +12 points
  • Les startups commencent à définir leur structure tarifaire plus tôt dans leur cycle de vie, et la population encore en phase d’expérimentation diminue
• Seules 10 à 11 % des startups ont bâti une communauté développeur, 47 à 48 % ne l’ont pas fait, et 24 % la planifient ou sont en cours de construction
• Les équipes qui ont construit une communauté obtiennent bien plus souvent leurs premiers clients via les canaux développeurs et l’open source que celles qui ne l’ont pas fait
  • Discord, Slack et Reddit représentent 38 % contre 7 %, les utilisateurs open source convertis 29 % contre 3 %, et le contenu 35 % contre 20 %
  • L’inbound social est similaire avec 30 % contre 27 %, mais la prospection froide est plus élevée chez les équipes sans communauté avec 32 % contre 36 %, tout comme le réseau personnel avec 47 % contre 57 %
  • Dans un environnement où tout le monde peut lancer un produit, la distribution devient le goulot d’étranglement, et les équipes ayant construit une communauté disposent d’autres voies d’acquisition client

Le désengagement des fondateurs vis-à-vis des canaux et les nouvelles inquiétudes business

• L’usage des réseaux sociaux par les fondateurs recule sur toutes les grandes plateformes sauf TikTok
  • Les plateformes utilisées au moins trois fois par semaine sont YouTube à 61 %, Instagram et LinkedIn à 51 % chacune, X à 38 %, Reddit à 28 %, Discord à 21 % et TikTok à 18 %
  • X recule de 6 points, LinkedIn de 3 points, et Reddit comme Discord de 3 à 4 points
  • 11 % déclarent avoir abandonné les réseaux sociaux, et l’absence de persona en ligne grimpe de 5 points à 33 %
• La part des répondants n’assistant à aucune conférence sectorielle augmente de 10 points pour atteindre 60 %
  • Google Cloud Next est à 12 %, AWS re:Invent à 11 %, Y Combinator Demo Day et Web Summit à 9 % chacun, Microsoft Build et Open Source Summit à 8 % chacun
  • Le recul des grands événements réduit aussi le marché atteignable par le marketing développeur centré sur les conférences
• Parmi les plus grands défis business, la complexité technique tombe de 24 % à 11 %, soit la plus forte variation de toute l’enquête
  • Viennent ensuite l’acquisition client à 32 %, le product-market fit à 14 %, la levée de fonds à 13 %, le burnout à 11 %, la concurrence ou disruption liée à l’IA à 7 %, et la consommation de cash ou la runway à 4 %
  • Le burnout, la concurrence liée à l’IA et l’anxiété autour de la runway, nouvellement ajoutés, représentent ensemble une part proche de celle qu’occupait auparavant la complexité technique
  • Dans les équipes de 1 à 10 personnes, le burnout a déjà dépassé la complexité technique comme deuxième plus grand défi
• 57 % se disent optimistes sur la situation mondiale, soit 1 point de moins qu’un an plus tôt, mais sans signification statistique
  • 58 % des fondateurs sont optimistes contre 49 % des non-fondateurs ; 27 % de l’ensemble sont neutres et 16 % pessimistes
• Plus la part de code IA est élevée, plus l’optimisme augmente et plus le taux de monétisation baisse
  • Le taux d’optimisme est de 49 % chez les fondateurs qui n’utilisent pas de code IA, contre 61 % dans les groupes qui en utilisent beaucoup
  • La part actuellement en phase de monétisation est de 56 % chez ceux qui n’utilisent pas l’IA, contre 31 % chez ceux qui l’utilisent fortement
  • Les équipes qui utilisent le plus l’IA ont davantage tendance à être bootstrappées, à être plus tôt dans leur cycle de vie et à être encore moins exposées à la demande réelle du marché pour le produit qu’elles ont construit

[ligion]

Ayant moi-même fait l’expérience de créer deux projets avec l’IA, jusqu’à y associer des domaines, je trouve beaucoup de points très parlants.