AfterQuery, jeune pousse californienne spécialisée dans la formation de modèles d’intelligence artificielle à partir de l’expertise de professionnels, vient d’annoncer une levée de fonds qui porte sa valorisation à 3,2 milliards de dollars. Cette hausse de plus de 10 fois en moins de six mois fait d’elle la startup la plus rapide à devenir licorne dans l’histoire de Y Combinator. Retour sur les facteurs clés de ce succès, le positionnement de l’entreprise sur le marché de l’IA et les enjeux que soulève son modèle d’entraînement.
Un financement record et une trajectoire exceptionnelle
Le dernier tour de table d’AfterQuery, mené par des investisseurs de renom, a placé la société à une valorisation de 3,2 milliards de dollars, soit plus de dix fois la valorisation de 300 millions de dollars établie lors de son tour de série A en avril. Selon Gustaf Alströmer, partenaire chez Y Combinator, aucune autre start‑up de l’accélérateur n’a atteint le statut de licorne aussi rapidement depuis sa création. Les fondateurs, âgés respectivement de 22 et 23 ans, ont intégré le programme Winter 2025 de Y Combinator il y a seulement 18 mois, illustrant l’accélération exceptionnelle de leur croissance.
En avril, AfterQuery annonçait déjà un revenu annualisé de 100 millions de dollars, un indicateur de traction solide pour une entreprise de moins d’un an. Cette performance financière s’est accompagnée d’un portefeuille client prestigieux, incluant Nvidia, Legora et le laboratoire coréen Motif Technologies. La capacité de la start‑up à convaincre des acteurs majeurs du secteur technologique et des laboratoires de recherche témoigne de la pertinence de son offre et de la confiance accordée à son approche.
Une approche novatrice de l’entraînement des modèles IA
Contrairement aux solutions traditionnelles qui se concentrent sur l’amélioration de la précision des réponses des modèles, AfterQuery se positionne comme un « encodeur » des pratiques professionnelles. La société forme ses modèles et agents à reproduire les schémas de décision, le raisonnement et les processus de travail des meilleurs praticiens – médecins, avocats, ingénieurs – afin de permettre aux IA d’accomplir des tâches complexes de façon autonome. Cette méthode s’inscrit dans la mouvance des start‑ups comme Mercor et Scale, qui mobilisent des experts humains pour enrichir les jeux de données d’entraînement, mais AfterQuery se distingue par son ambition d’imiter le comportement complet d’un professionnel, pas seulement d’améliorer la justesse des réponses.
Le modèle d’AfterQuery repose sur trois piliers : la collecte de données de haute qualité provenant d’experts, l’annotation structurée de ces données et l’entraînement de modèles spécialisés capables de reproduire les processus décisionnels humains. Cette chaîne de valeur crée un avantage concurrentiel, car elle réduit le besoin d’intervention humaine lors de l’exécution de tâches critiques, tout en garantissant une conformité aux standards de chaque domaine d’expertise. Les premiers retours des clients indiquent une amélioration de la productivité et une réduction des coûts opérationnels, notamment dans les secteurs de la santé et du droit où la précision et la conformité sont essentielles.
Cette approche soulève toutefois des questions importantes en matière de responsabilité et de transparence. En reproduisant les décisions de professionnels, les modèles peuvent également reproduire leurs biais ou leurs erreurs. Les régulateurs et les acteurs du secteur devront donc définir des cadres de gouvernance adaptés, incluant des audits réguliers, des mécanismes de contrôle de la qualité et des exigences de traçabilité des décisions automatisées.
Implications pour l’écosystème IA et perspectives d’avenir
Le succès d’AfterQuery confirme l’émergence d’un nouveau segment de l’industrie IA, où la valeur réside davantage dans la capacité à « humaniser » les modèles que dans la simple puissance de calcul. Les investisseurs semblent désormais privilégier les entreprises capables de combiner expertise humaine et IA pour créer des solutions à forte différenciation. Cette dynamique pourrait accélérer le développement de produits IA « prêts à l’emploi » dans des domaines hautement réglementés, où la confiance et la conformité sont des prérequis.
À moyen terme, AfterQuery devra consolider sa position en diversifiant ses secteurs d’application et en renforçant ses partenariats technologiques. Le partenariat avec des géants comme Nvidia ouvre la porte à l’intégration de hardware spécialisé, tandis que des collaborations avec des institutions académiques ou des organisations de normalisation pourraient aider à établir des standards de qualité et de sécurité pour les modèles entraînés selon son approche.
En résumé, la trajectoire fulgurante d’AfterQuery illustre comment une vision claire, combinée à une exécution rapide et à un financement massif, peut transformer une jeune start‑up en acteur majeur du paysage IA en quelques mois seulement. Le défi à présent sera de maintenir cette croissance tout en assurant la responsabilité et la fiabilité des systèmes qu’elle crée, un enjeu qui définira l’avenir de l’intelligence artificielle appliquée aux professions spécialisées.