LeapMind Growth, agent de croissance IA fondé par un ex-dirigeant de miHoYo, lève des fonds auprès de CMC Capital

Mirage lève 75 M$ auprès de General Catalyst pour booster son appli vidéo IA

Mirage, la startup spécialisée dans le montage vidéo par IA, vient de boucler un tour de 75 millions de dollars auprès du Customer Value Fund de General Catalyst. Ce financement porte le total levé par l'entreprise à plus de 175 millions de dollars et sera affecté au développement de nouveaux modèles pour son application phare, Captions. Une levée qui confirme l'appétit des investisseurs pour les outils créatifs propulsés par l'IA générative. L'opération s'inscrit dans un contexte de marché particulièrement favorable : selon plusieurs analyses récentes, plus de la moitié des capitaux levés par les fonds de capital-risque dans le monde ont été orientés vers des startups IA en 2025. Le secteur marketing concentre une part croissante de cet intérêt, 71 % des directeurs marketing affirment vouloir accroître significativement leurs investissements en IA générative d'ici 2027, selon BCG, notamment pour automatiser la production de contenus vidéo. C'est exactement le terrain sur lequel Mirage entend s'imposer, face à des géants comme CapCut de ByteDance ou Edits de Meta. Les métriques de la plateforme parlent d'elles-mêmes : Captions revendique aujourd'hui plus de 20 millions d'utilisateurs dans le monde, plus de 200 millions de vidéos créées, et 3,2 millions de téléchargements sur un an selon Appfigures, pour 28,4 millions de dollars de revenus intégrés. Parmi ses clients figurent des entreprises comme HubSpot, CoreWeave et King. Fait notable, seulement un quart des revenus provient des États-Unis, soulignant la portée internationale de la plateforme. Le PDG et cofondateur Gaurav Misra a qualifié cette levée de témoignage de « l'envergure et de la portée » de la plateforme. Au-delà des chiffres, Mirage traverse une transformation profonde. Renommée en 2024, elle s'appelait auparavant Captions, la société affirme son repositionnement en tant que laboratoire d'IA à vocation professionnelle. Elle développe actuellement un modèle dédié à l'«intelligence d'assemblage», capable de générer des vidéos à partir de sources multiples, ainsi qu'un modèle audio conçu pour mieux restituer les accents des utilisateurs internationaux. L'entreprise prévoit également de rapprocher sa suite marketing web de son application mobile, pour répondre aux besoins des petites structures souhaitant industrialiser leur production de contenus.

Traza lève 2,1 millions de dollars auprès de Base10 pour automatiser les processus d'approvisionnement par IA

Traza, une startup new-yorkaise fondée récemment, a annoncé la clôture d'un tour de table pré-seed de 2,1 millions de dollars mené par Base10 Partners, avec la participation de Kfund, des scouts d'a16z, Clara Ventures, Masia Ventures, et plusieurs business angels dont Pepe Agell, l'homme qui avait porté Chartboost à 700 millions d'utilisateurs mensuels avant sa rachat par Zynga. L'entreprise développe des agents IA capables d'automatiser entièrement les processus d'approvisionnement en entreprise : envoi de demandes de devis, suivi des commandes, communications fournisseurs, traitement des factures, le tout sans supervision humaine continue. Selon ses premières données de déploiement, Traza revendique une réduction de 70 % du temps humain consacré aux tâches d'achat, et des cycles d'approvisionnement trois fois plus rapides que les processus manuels. L'enjeu est considérable. Le marché des logiciels de procurement dépasse déjà 8 milliards de dollars et croît d'environ 10 % par an, mais le vrai gisement de valeur se trouve ailleurs : dans les pertes silencieuses qui surviennent après la signature des contrats. Une étude de World Commerce & Contracting et Ironclad estime que les entreprises perdent en moyenne 11 % de la valeur totale de leurs contrats une fois ceux-ci signés, un phénomène baptisé "value leakage post-signature". Pour une grande entreprise avec 500 millions de dollars de dépenses contractualisées annuelles, cela représente 55 millions qui s'évaporent chaque année, non pas à cause de mauvaises négociations, mais faute de suivi opérationnel. La majorité des entreprises ne gèrent activement que leurs 20 % de fournisseurs principaux ; les 80 % restants sont largement laissés à l'abandon. Le secteur du procurement n'a pas manqué de solutions logicielles ces dernières années, SAP Ariba, Coupa, Zip, Fairmarkit ou encore Tonkean ont tous intégré des couches d'IA à leurs plateformes. Mais ces outils sont restés des copilotes : ils analysent, suggèrent, alertent, sans jamais agir. Traza représente un changement de posture, passant du conseil à l'exécution autonome. Le PDG et cofondateur Silvestre Jara Montes positionne explicitement sa startup dans la "couche opérationnelle" du contrat, là où la valeur se perd le plus concrètement. Avec un financement modeste mais des investisseurs emblématiques de l'écosystème IA, Traza entre sur un marché où les grands éditeurs ERP ont historiquement tardé à innover, et où la promesse des agents autonomes pourrait trouver son premier cas d'usage industriel à grande échelle.

Des dirigeants de Microsoft alertent sur l'effritement de l'avance de GitHub en matière d'IA

GitHub, la plateforme de code appartenant à Microsoft, traverse une période de turbulences qui inquiète jusqu'au sommet de l'entreprise. Jay Parikh, le dirigeant responsable de la division incluant GitHub, aurait récemment alerté ses collègues en privé d'une menace critique pesant sur l'unité. Si le boom de l'IA a d'abord profité à GitHub, notamment grâce à Copilot, son assistant de programmation intégré, la plateforme peine désormais à tenir son rang face à une nouvelle vague de concurrents spécialisés dans le code assisté par IA. Des pannes répétées et sévères ont en outre agacé ses grands clients, forçant Microsoft à présenter des excuses publiques. Le problème est structurel : GitHub était en position dominante sur l'assistance au code il y a encore deux ans, mais des outils comme Cursor, Windsurf ou Claude Code ont depuis capté l'attention et les budgets des développeurs professionnels. Ces nouveaux entrants proposent des expériences plus intégrées et plus performantes, rendant Copilot moins différenciant qu'il ne l'était à son lancement en 2021. L'enjeu dépasse la simple part de marché. GitHub représente l'un des actifs stratégiques majeurs acquis par Microsoft pour 7,5 milliards de dollars en 2018, et Copilot était censé en être le moteur de monétisation à l'ère de l'IA. Si la plateforme continue de perdre du terrain, c'est toute la stratégie IA de Microsoft auprès des développeurs qui se retrouve fragilisée, dans un secteur où Anthropic, Google et OpenAI investissent massivement dans des outils concurrents directs.

💬 Copilot a eu une longueur d'avance énorme, et ils l'ont gaspillée. Cursor, Windsurf, Claude Code (oui, j'assume le biais) ont simplement mieux exécuté sur l'expérience développeur, pendant que GitHub gérait des pannes à répétition et sortait des features en demi-teinte. 7,5 milliards en 2018, c'est le prix d'un écosystème qui peut s'évaporer en 18 mois si tu restes sur tes acquis.

Mercor doit sa croissance rapide aux plus grandes entreprises d'IA, selon des documents

Mercor, une start-up spécialisée dans la donnée pour l'entraînement de l'IA, connaît une croissance rapide mais reste fortement dépendante des grands laboratoires d'intelligence artificielle, selon des documents financiers consultés par The Information. Fondée il y a trois ans, l'entreprise emploie une armée de contractuels chargés d'apprendre aux modèles d'IA à fournir de meilleures réponses. Sur le premier semestre de l'année, Mercor a généré 614 millions de dollars de revenus bruts, soit une hausse de 70% par rapport à l'ensemble de l'année précédente. Environ 91% de ces revenus proviennent des créateurs de modèles de fondation. Parmi ses principaux clients, la société cite OpenAI, Anthropic et Google DeepMind, ainsi que des laboratoires plus récents comme Reflection AI, spécialiste de l'open-source, et Thinking Machines Lab. Cette dépendance concentrée illustre un phénomène plus large dans l'écosystème de l'IA générative : la valeur créée par les start-ups de données d'entraînement repose presque entièrement sur les dépenses d'un petit nombre d'acteurs dominants. Pour Mercor, cela signifie une croissance spectaculaire tant que ces géants continuent d'investir massivement dans l'amélioration de leurs modèles, mais aussi une vulnérabilité structurelle si l'un de ces clients réduit ses commandes ou internalise ce travail. Pour l'industrie, cet exemple confirme l'appétit sans précédent des laboratoires d'IA pour les données d'entraînement de qualité, produites par des humains, un maillon jugé essentiel pour affiner les réponses des modèles. Ce modèle économique s'inscrit dans une compétition effrénée entre laboratoires d'IA, où OpenAI, Anthropic et Google DeepMind rivalisent pour améliorer leurs modèles via le renforcement par retour humain. L'arrivée de nouveaux clients comme Reflection AI ou Thinking Machines Lab, cette dernière fondée par d'anciens cadres d'OpenAI, montre que la demande s'étend au-delà des poids lourds historiques. Reste à savoir si Mercor parviendra à diversifier sa clientèle pour réduire sa dépendance envers une poignée de géants technologiques, dans un secteur où les besoins en données évoluent aussi vite que les modèles eux-mêmes.