A Longitudinal Panel of GitHub Engineering Velocity for Venture-Backed Startups: Dataset and Early Observations

Dans le monde à enjeux élevés du capital-risque, où les investisseurs parient sur l'avenir de nouvelles entreprises, la méthode traditionnelle pour trouver la prochaine grande réussite a longtemps reposé sur les réseaux personnels. Les investisseurs attendent souvent qu'un fondateur fasse une introduction ou qu'une entreprise annonce qu'elle lève des fonds. Cependant, un changement discret s'opère. Au lieu d'attendre un appel téléphonique, de nombreux investisseurs recherchent désormais les empreintes numériques laissées par les entreprises elles-mêmes. Avant même qu'une startup ne s'adresse à une banque ou à un investisseur potentiel, son équipe d'ingénierie est souvent déjà au travail, écrivant du code et construisant des logiciels. Ce travail se déroule dans des espaces publics sur Internet, plus précisément sur une plateforme appelée GitHub, où les développeurs partagent leurs projets. L'idée centrale est simple : la vitesse et le volume de ce travail public peuvent servir de système d'alerte précoce, révélant quelles entreprises croissent rapidement et lesquelles sont en difficulté, souvent avant toute annonce officielle.

Une nouvelle étude de Maryan Kindrat prend ce concept et le transforme en un enregistrement concret et mesurable. La chercheuse a compilé un journal détaillé de l'activité d'ingénierie de 55 startups financées par du capital-risque dans 20 secteurs différents, allant de l'intelligence artificielle au jeu vidéo et aux technologies juridiques. Ce journal couvre cinq trimestres d'activité, du deuxième trimestre 2025 au deuxième trimestre 2026. Pour chaque entreprise du groupe, l'étude suit des actions spécifiques sur des périodes tournantes de deux semaines : la vélocité des commits (le taux de mise à jour du code), le nombre de personnes uniques ayant contribué au projet, et si l'entreprise a créé de nouveaux dépôts numériques, qui sont essentiellement des dossiers où résident les projets logiciels. En observant ces chiffres au fil du temps, la chercheuse peut repérer des modèles distincts qui signalent ce que l'entreprise fait réellement sous le capot.

L'étude identifie quatre principaux types d'activité suggérant qu'une entreprise est en phase d'accélération. Le modèle le plus courant, apparaissant dans trois observations sur quatre, est appelé migration de framework. Cela se produit lorsqu'une équipe effectue une poussée concentrée de changements dans les règles et configurations sous-jacentes de son logiciel sans ajouter de nouvelles personnes à l'équipe. Cela signale souvent que l'entreprise réécrit son produit pour le rendre plus rapide ou plus évolutif. Un second modèle est l'explosion de recrutement technique, où le nombre de personnes contribuant au code croît plus vite que la quantité de code écrit, suggérant que l'équipe s'étend rapidement. Un troisième modèle, le déploiement d'infrastructure, survient lorsqu'une entreprise commence à créer de nouveaux dossiers de projets publics, indiquant souvent qu'elle construit une nouvelle plateforme ou se prépare pour un lancement majeur auprès des entreprises. Le dernier modèle est le pic de fréquence de déploiement, où la vitesse de codage augmente brusquement sans augmentation proportionnelle du personnel, ce qui signifie généralement qu'une petite équipe est en plein sprint pour achever un jalon spécifique.

Lorsque la chercheuse a analysé les données de ces 55 entreprises, les résultats ont révélé un paysage d'activité intense et variée. À travers les 219 périodes enregistrées, l'entreprise typique a effectué environ 71 mises à jour de son code dans une fenêtre de deux semaines, bien que la moyenne ait été tirée vers le haut par quelques projets extrêmement actifs qui ont atteint près de 400 mises à jour. Le rythme de changement était volatil ; d'un trimestre à l'autre, certaines entreprises ont réduit leur travail de près de moitié, tandis que d'autres ont accéléré leur production de plus de 1 600 pour cent. Près de la moitié de toutes les observations montraient une croissance positive de la vitesse de codage. L'étude a également noté que le type d'activité variait selon la localisation. Aux États-Unis, les données avaient tendance à montrer davantage d'explosions de recrutement et de pics de déploiement rapide, tandis que les entreprises en Europe étaient plus susceptibles de montrer des signes de migration de framework. Cependant, l'étude précise avec prudence que ces différences géographiques sont préliminaires, car les données de nombreuses entreprises ne pouvaient pas être rattachées à un pays spécifique.

Malgré la clarté de ces modèles, l'étude est explicite sur ce qu'elle ne peut pas encore nous dire. Les données décrivent le côté gauche de l'équation : l'activité d'ingénierie. Elles ne lient pas encore ces activités au côté droit : les résultats financiers réels. La chercheuse n'a pas encore connecté ces modèles de codage à des annonces de financement spécifiques, des introductions en bourse ou des acquisitions. Il s'agit d'une limitation délibérée de la présente publication. L'objectif est de fournir une base de référence publique et propre des signaux d'ingénierie que d'autres chercheurs pourront utiliser. En joignant ces données aux enregistrements externes de moments où les entreprises ont levé des fonds, de futures études pourraient déterminer si un pic d'activité de codage prédit réellement un investissement réussi. Pour l'instant, ce travail constitue une carte détaillée des chantiers numériques où se construisent les prochaines générations d'entreprises, offrant un regard objectif et rare sur le rythme de l'innovation avant même l'arrivée des gros titres.