Deep Cogito lève $43m: pas de benchmarks, un investisseur client nommé

Deep Cogito a annoncé le 26 août à 17:00 UTC une levée de fonds de série A de 43 M$, menée par TQ Ventures, avec la participation de Benchmark, Nexus Venture Partners, Atreides Management, South Park Commons et Zscaler. Le financement total dépasse désormais 56 M$. Le discours de la société repose sur un moteur post-entraînement fondé sur une technique qu’elle appelle Iterated Distillation and Amplification.

Ce que fait réellement l’IDA

Le communiqué le décrit précisément : l’IDA « permet à un modèle d’utiliser à plusieurs reprises des calculs supplémentaires pour produire des réponses au-delà de ce qu’il pourrait générer directement, puis distille ces améliorations dans les poids du modèle ». On consacre du calcul d’inférence supplémentaire pour obtenir une meilleure réponse que celle fournie en un seul passage ; on entraîne le modèle sur ces meilleures réponses ; puis on répète l’opération. Il s’agit d’une famille de méthodes bien comprise et d’un point d’appui raisonnable pour créer une entreprise.

Ce que le cadrage habituel passe à côté

L’expression raccourcie accolée à ce tour de table est « IA auto-améliorante », ce qui suggère un système qui devient meilleur en production, en apprenant du travail qu’il effectue pour vous. Ce n’est pas ce que décrit le texte. L’IDA est une boucle d’entraînement : elle s’exécute en laboratoire, produit un nouvel ensemble de poids, puis est déployée. Le modèle que vous utilisez reste aussi statique que n’importe quel autre. La distinction n’est pas un détail de vocabulaire — un modèle qui se met à jour à partir des interactions clients soulève des questions entièrement différentes sur la gestion des données, la reproductibilité et l’évaluation qu’un modèle entraîné une fois puis figé. Le titre évoque le premier cas ; le communiqué décrit le second.

Aucun chiffre, du tout

Pour une entreprise dont la thèse produit affirme que sa technique génère de meilleurs modèles, le communiqué ne cite aucun résultat de benchmark — ni en codage, ni en raisonnement, ni par rapport à un modèle de base, ni face à un concurrent. Il ne mentionne pas non plus de valorisation. Une société en phase de amorçage n’a aucune obligation de publier l’un ou l’autre. Mais la combinaison des deux signifie qu’il n’y a rien dans l’annonce qui puisse être vérifié : la société affirme que la méthode fonctionne, et la seule preuve avancée est que six investisseurs pensent que c’est le cas.

Le client est aussi l’investisseur

Zscaler apparaît deux fois — comme participant au tour de table et comme utilisateur entreprise nommé. Les investisseurs stratégiques deviennent fréquemment des clients, et cela n’a rien d’irrégulier. Mais un client nommé qui finance aussi l’entreprise constitue un signal commercial plus faible qu’un client nommé qui ne participe pas au tour, et l’annonce ne distingue pas ces deux rôles. Au vu des éléments publiés, le nombre de clients entreprise indépendants de toute relation d’investissement divulgués dans ce communiqué est nul.