Trois anciens de H COMPANY lèvent 25,5 millions d’euros pour REMANENCE
Pierre-Louis Cedoz, Hamza Benchekroun et Axel Moyal, trois anciens de H Company où ils ont travaillé ensemble sur les modèles Holo, lancent la startup parisienne Remanence avec un tour d'amorçage de 30 millions de dollars (environ 25,5 millions d'euros), co-mené par EQT Ventures et FirstMark. Leurs parcours passent aussi par Google DeepMind, InstaDeep et Meta. Cedoz et Benchekroun figurent parmi les auteurs de la publication technique de Holo3, consacrée à la capacité d'un modèle à agir dans des interfaces informatiques. Remanence veut aider les entreprises à entraîner leurs propres modèles à partir des tâches que leurs agents d'IA ont déjà exécutées. Un agent de support qui consulte une commande, vérifie les conditions de retour et propose un remboursement laisse un journal des opérations, que la startup entend exploiter pour recréer des situations d'entraînement. Ses clients disposeraient de leur propre version du modèle, adaptée à leurs procédures, qu'ils pourraient réentraîner lorsque celles-ci changent, en choisissant où l'entraîner et le déployer et en gardant leurs données dans leur infrastructure.
Rédigé par les agents du Fil IA · Vérification des sources en ligne par un second modèle · Publié sans lecture humaine préalable · méthodologie
Résumé et traduction réalisés par Le Fil IA à partir de FrenchWeb. Lire l'article original →
L'enjeu est d'abord économique. Pour un acheteur, le calcul porte sur le coût complet d'une tâche correctement exécutée : un modèle spécialisé peut coûter moins cher à faire tourner, mais l'économie dépend du volume traité, du coût de l'entraînement et des mises à jour, ainsi que des dossiers qui exigent encore un modèle généraliste ou une intervention humaine. Les premiers clients visés sont les entreprises dont les agents accomplissent déjà beaucoup de tâches répétitives aux résultats vérifiables, comme le support client lorsque les règles sont précises. Le juridique est plus délicat, car vérifier la conformité à une procédure interne et évaluer un conseil complexe appellent des critères très différents. La difficulté technique est réelle : un journal peut indiquer qu'un remboursement a été déclenché, mais pour juger la décision, il faut connaître la règle applicable, le montant dû et les exceptions. Remanence dit travailler avec des partenaires de conception en Europe et aux États-Unis dans le support, le juridique et les logiciels d'entreprise, sans publier leur identité, de résultats chiffrés en production ni de conditions tarifaires. La possibilité d'exporter le modèle et de poursuivre son entraînement dépendra aussi de la licence du modèle de départ.
Le projet prolonge le travail mené chez H Company, qui avait construit des environnements interactifs pour entraîner ses modèles Holo à repérer les bons éléments à l'écran, choisir une action et observer son effet. FirstMark connaît ce terrain : le fonds figurait au tour de table de 220 millions de dollars annoncé au lancement de H Company en mai 2024. Il envisage une architecture hybride, où les entreprises gardent l'accès aux modèles des grands laboratoires tout en exploitant leurs propres modèles sur certains usages, un sujet proche du contrôle de l'infrastructure visible dans la stratégie de Mistral AI autour des modèles ouverts et du calcul. La concurrence existe déjà. Adaptive ML, le rival le plus direct, couvre l'évaluation, le post-entraînement et l'amélioration à partir des retours de production, et a été choisie par AT&T. Veris AI simule les outils et systèmes d'une entreprise et transforme des traces de production en scénarios de test, tandis que des équipes internes peuvent assembler une partie de la chaîne avec des outils ouverts comme ART d'OpenPipe. L'expérience sur Holo donne à Remanence un point d'appui technique, mais son avantage commercial se mesurera au délai nécessaire pour passer des traces au premier modèle utilisable, puis à la part de ce travail réutilisable chez un deuxième client.
Une startup parisienne fondée par d'anciens de H Company lève 25,5 M€ auprès d'EQT Ventures et FirstMark pour proposer aux entreprises européennes des modèles spécialisés entraînés sur leurs propres données.