La startup Remanence lève 25,5 millions d’euros pour ses agents IA
Un financement solide pour une équipe expérimentée
Pierre-Louis Cedoz, Hamza Benchekroun et Axel Moyal lèvent 25,5 millions d’euros pour la startup Remanence. Ce tour d’amorçage de 30 millions de dollars, annoncé le 17 novembre 2026, est co-mené par EQT Ventures et Firstmark. Je trouve ce financement logique puisque Firstmark a participé au lancement de H COMPANY en mai 2024 avec un montant de 220 millions de dollars. Les trois fondateurs ont travaillé ensemble sur les modèles Holo chez H COMPANY. Pierre-Louis Cedoz occupe le poste de CEO, Hamza Benchekroun est président et Axel Moyal est directeur général. Leurs parcours incluent Google DeepMind, InstaDeep et Meta. Pierre-Louis Cedoz et Hamza Benchekroun ont été des contributeurs majeurs à la publication technique de Holo3, qui traite de la capacité des modèles à agir dans les interfaces informatiques. Les investisseurs individuels de ce tour de table incluent Olivier Pomel de Datadog, Philippe Corrot de Mirakl, Romain Niccoli de Pigment, ainsi que Victor Riparbelli, Steffen Tjerrild de Synthesia et Mehdi Ghissassi d’AI71. Les autres participants au financement sont Zero Prime, Emblem, Drysdale, Global Founders Capital et Yellow.
Une méthode basée sur les traces d’exécution
La méthode de Remanence consiste à utiliser les traces d’exécution des agents d’IA pour entraîner des modèles spécialisés. Lorsqu’un agent de support consulte une commande, vérifie les conditions de retour et propose un remboursement, il laisse un journal des opérations effectuées. La plateforme de la startup parisienne convertit ces traces en situations d’entraînement pour que le modèle apprenne à respecter les règles et les exceptions d’une entreprise. Lorsqu’ils travaillaient sur les modèles Holo, les fondateurs devaient apprendre à l’agent IA à repérer les bons éléments à l’écran, à choisir une action et à observer son effet avant de poursuivre. Je note que la capacité des clients à exporter le modèle ou à poursuivre l’entraînement dépendra de la licence du modèle de départ, ce qui peut limiter l’autonomie technique de l’acheteur. Les entreprises pourront entraîner et déployer le modèle sur leur propre infrastructure pour garder leurs données.
| Donnée technique | Valeur ou détail |
|---|---|
| Siège social | Paris |
| Constitution | Septembre 2026 |
| Financement | 30 millions de dollars |
| Co-leaders | EQT Ventures et Firstmark |
| Secteurs | Support, juridique, logiciels d’entreprise |
| Localisations | Paris, Londres, San Francisco |
Le calcul économique pour un acheteur repose sur le coût total d’une tâche exécutée correctement. Un modèle spécialisé coûte moins cher à faire tourner qu’un modèle généraliste si le volume de dossiers traités est élevé. Dans le juridique, par exemple, la vérification d’une conformité à une procédure ou l’évaluation d’un conseil complexe demande des critères très précis. Remanence travaille avec des partenaires de conception dans le support, le juridique et les logiciels d’entreprise en Europe et aux États-Unis. L’entreprise ne publie pas encore l’identité de ses partenaires ni ses tarifs de production.
Une concurrence établie sur le marché de l’IA
Le marché comprend des acteurs comme Adaptive ML, dont la plateforme Adaptive Engine sert AT&T, ou Veris AI qui convertit les traces de production en scénarios de test. Une équipe interne peut aussi assembler une partie de cette chaîne avec des outils ouverts comme ART, le cadre d’entraînement d’OpenPipe. Remanence doit prouver que son déploiement est plus rapide pour un deuxième client qu’un concurrent. Le financement servira à bâtir un cluster GPU dédié, à créer des environnements d’entraînement et à financer le recrutement à Paris. Un premier déploiement documenté permettrait de comparer, sur une même procédure, le taux de réussite, le coût par tâche réussie et la part des dossiers repris par un humain. Je pense que la réussite de la startup dépendra de sa capacité à réduire le coût par tâche réussie par rapport à l’intervention humaine. L’architecture peut être hybride, comme la stratégie de Mistral AI, mêlant l’accès aux modèles des grands laboratoires et l’usage de modèles propriétaires. La société prévoit aussi d’établir une présence à Londres et à San Francisco.
