Pourquoi la majorité des startups échouent-elles ?

La réponse courte

La statistique « 90 % des startups échouent en année 1 » est l’une des affirmations les plus répétées et les moins vraies dans les médias économiques. Les données réelles du BLS montrent qu’environ 20 % des nouvelles entreprises US ferment dans leur première année — élevé, mais loin de 90 %.

Ce qui est vrai, c’est que l’échec se cumule dans le temps. À cinq ans, la moitié sont parties. À dix ans, deux tiers. La survie précoce est trompeusement haute parce que les entreprises qui n’ont pas encore atteint leur point de rupture cash ou leur reckoning concurrentiel sont techniquement encore en activité.

Les raisons pour lesquelles les entreprises échouent ne sont pas aléatoires. L’analyse CB Insights de plus de 100 post-mortems de startups a trouvé que « pas de besoin marché » était cité dans 42 % des cas — bien plus que panne de cash (29 %) ou mauvaise équipe (23 %). Le cash finit toujours par s’épuiser, mais la cause sous-jacente est presque toujours que le produit n’a jamais trouvé d’acheteur en volume.

→ Nouveau sur les bases ? Éducation financière

Ce que disent les données

Le contexte chiffré du BLS Business Employment Dynamics (publication 2024) :

• Taux de survie à 1 an des entreprises US : environ 79,6 % (environ 20 % échouent en année 1)
• Taux de survie à 5 ans : environ 50,6 % (environ 50 % échouent à 5 ans)
• Taux de survie à 10 ans : environ 34,7 % (environ 65 % échouent à 10 ans)
• La variation par industrie est large : agriculture environ 87,5 % de survie à 1 an vs information environ 74,9 %
• Les startups VC-backed font face à un autre jeu de taux d’échec : environ 60 % des startups financées en pre-seed n’atteignent jamais la Série A ; le taux d’échec chute fortement une fois la Série C atteinte

L’exception à noter : le chiffre des 90 % d’échec n’est pas entièrement inventé — il approxime grosso modo le taux d’échec des startups crypto et blockchain (~95 %) et des startups tech VC-backed en général (~63 % en cinq ans). L’erreur est de confondre ces sous-segments à haut risque avec l’ensemble des PME.

→ Dataset : Bank Lending Standards (Fed SLOOS)

Pourquoi cela se produit — le mécanisme macro

L’échec des startups suit des schémas prévisibles façonnés par la demande, le capital et la concurrence.

Canal 1 — Mismatch côté demande. Le résultat des 42 % « pas de besoin marché » de CB Insights capture le mode d’échec dominant : les fondateurs construisent des produits qui résolvent des problèmes que les clients n’ont pas vraiment, ou les résolvent d’une manière pour laquelle les clients ne paieront pas. C’est fondamentalement un problème de découverte, pas un problème financier. Les entreprises qui échouent à ce test sont souvent bien financées — elles dépensent simplement ce financement sur le mauvais produit.

Canal 2 — Le gap mythe-vs-données — l’angle à souligner. L’affirmation persistante « 90 % échouent en année 1 » survit malgré sa réfutation empirique parce qu’elle sert des fonctions narratives à la fois pour les pessimistes (avertir contre l’entrepreneuriat) et pour les optimistes (célébrer la survie). Les vraies données racontent une histoire différente : la première année est la plus facile parce que la trésorerie initiale, l’énergie des fondateurs et la bonne volonté des clients ne sont pas encore épuisées. Les années 3-7 sont les plus létales — quand le capital initial est épuisé mais que les économies d’échelle ne se sont pas encore matérialisées.

Canal 3 — Exposition macro-cyclique. Les taux d’échec des startups sont profondément procycliques. En régime de capital abondant (2010-2021), même des startups médiocres peuvent continuer à lever des rounds et rester nominalement vivantes ; en régime de capital contraint (2022-2024), les mêmes entreprises font face à des down rounds, des licenciements et des fermetures en quelques mois. Le basculement est mécanique : quand le capital LP se resserre, les VCs réservent leur dry powder pour les gagnants existants et arrêtent de financer les portfolio companies marginales.

Synthèse par régime : dans la période 2009-2021 d’abondance de capital, la startup VC-backed moyenne survivait pendant des durées inhabituellement longues parce que les rounds successifs étendaient la trésorerie indépendamment des fondamentaux ; dans la normalisation 2022-2024, les taux d’échec parmi les firmes VC-backed se sont accélérés brutalement, les données PitchBook montrant des comptes d’entreprises mortes en 2023-2024 atteignant des plus hauts pluriannuels même si les causes d’échec sous-jacentes (pas de besoin marché, équipe faible) n’avaient pas changé.

Les startups ne meurent pas du manque de cash — elles meurent parce qu’elles ont manqué de cash sans avoir d’abord trouvé un client qui paierait assez pour garder les lumières allumées.

→ Cadre de référence : Marchés actions et économie réelle : divergence

Ce que cela signifie pour les différents acteurs économiques

Les fondateurs doivent comprendre que les modes d’échec sont bien documentés et largement évitables à l’avance. Le développement client avant le développement produit est l’approche la plus citée et la mieux supportée par la recherche pour réduire le mode d’échec « pas de besoin marché ».

Les investisseurs VC font face à une inversion de la pensée conventionnelle du risque : ils ont besoin que les taux d’échec soient élevés dans leur portefeuille parce que les rares survivants génèrent les rendements. Un fonds VC avec 60 % de taux d’échec est normal ; un avec 20 % suggère une prise de risque insuffisante et a peu de chances de générer des rendements de quartile supérieur.

Les prêteurs bancaires voient l’échec différemment — pour les banques, un seul défaut peut effacer le spread gagné sur des dizaines de prêts performants, c’est pourquoi le crédit bancaire aux startups est rare et fortement collatéralisé. Le Z-score d’Altman reste largement utilisé par les prêteurs pour signaler la détresse avant qu’elle ne devienne défaut.

Une erreur fréquente est d’interpréter la survie comme du succès. Une entreprise opérant depuis dix ans mais générant un free cash flow négatif est « vivante » dans les données BLS, mais ne crée pas de valeur.

Observation pratique

Aller plus loin

Questions liées

• Comment les petites entreprises financent-elles leur croissance ?
• Comment fonctionne mécaniquement le capital-risque ?
• Pourquoi le cash flow est-il plus important que les bénéfices ?
• Qu’est-ce que la gestion du fonds de roulement ?

Foire aux questions

Comment le taux d’échec varie-t-il par industrie ?

Les données BLS montrent une variation industrielle substantielle. L’agriculture et la sylviculture ont les taux d’échec les plus bas — environ 12,5 % en année 1 et 49,5 % à 10 ans. Le secteur de l’information est parmi les plus élevés — environ 25,1 % en année 1 et 70 % à 10 ans, reflétant à la fois une prise de risque plus élevée et une obsolescence concurrentielle plus rapide. L’extraction minière et pétrolière a les taux d’échec les plus élevés (environ 30,8 % en année 1), pilotés par l’exposition au cycle des matières premières. La variance entre industries est de plus de 2× — ce qui signifie qu’un « taux d’échec startup » sans qualificatif sectoriel est presque sans signification.

Pourquoi les startups VC-backed échouent-elles à des taux plus élevés que les PME typiques ?

Les startups VC-backed poursuivent délibérément des modèles à haut risque et forte croissance qui ont une distribution de résultats beaucoup plus large. Les données CB Insights et PitchBook suggèrent toutes deux que les startups tech VC-backed échouent à environ 63 % en cinq ans, contre 50 % pour l’univers PME du BLS. Ce n’est pas un échec de sélection VC — c’est le design du modèle. Les VCs ont besoin d’un petit nombre de gagnants extrêmes, ce qui requiert un portefeuille de paris à haut risque où la majorité échouera.

Les entrepreneurs en série ont-ils vraiment plus de chances de réussir que les premiers-fondateurs ?

Oui, mais l’ampleur est souvent surestimée. La recherche empirique de la Kauffman Foundation et les études académiques (Gompers, Kovner, Lerner, Scharfstein) suggèrent que les entrepreneurs en série avec un succès passé ont environ 30 % de probabilité de succès dans leur prochaine entreprise, contre environ 18 % pour les premiers-fondateurs et environ 20 % pour les fondateurs en série avec des échecs passés. Le schéma est robuste mais les probabilités absolues de succès restent modestes — même les gagnants passés échouent 70 % du temps lors de leur tentative suivante.

Mis à jour le 12 juillet 2026