Chapeau (à mettre dans « Extrait ») :
Romain Mazeries, ancien directeur général de la fintech Mangopay, a annoncé le 22 octobre à Paris le lancement de Weflayr, une jeune pousse qui oriente chaque requête d’intelligence artificielle vers le modèle le plus adapté, et une première levée de 2,5 millions de dollars, selon Maddyness et le fonds 13books Capital, qui mène l’opération.
Un tour de pré-amorçage mené par 13books Capital
Le tour de table réunit, aux côtés de 13books Capital, plusieurs investisseurs bien connus de l’écosystème français : Founders Future, Kima Ventures, Plug and Play et Station F Venture. Roxanne Varza, directrice de Station F, y participe à titre personnel, de même que plusieurs business angels. La start-up est par ailleurs incubée au sein de F/AI, le programme de Station F consacré à l’intelligence artificielle.
Romain Mazeries s’est associé à Noé Achache, qui dirigeait jusqu’ici l’ingénierie IA chez Theodo Data & AI, cabinet spécialisé dans l’accompagnement des entreprises sur la donnée et l’IA. Un duo qui réunit un profil d’opérateur ayant fait grandir une infrastructure de paiement et un profil technique rompu au déploiement de systèmes d’IA en production.
Le routage, de la fintech à l’IA
Le constat de départ est simple : des centaines de modèles d’IA sont désormais disponibles, avec des performances et des tarifs très variables. Or toutes les tâches n’exigent pas le modèle le plus puissant, et donc le plus cher. Weflayr se place entre les applications de ses clients et les fournisseurs de modèles, comme une passerelle unique qui aiguille chaque demande. Une question simple peut ainsi être confiée à un modèle moins coûteux, une tâche complexe à un modèle plus avancé.
La différence revendiquée par la jeune pousse tient à la méthode : plutôt que de s’appuyer sur des classements génériques, elle teste les modèles sur les données réelles de chaque client, qui valide ensuite ceux en qui il a confiance. Les décisions de routage peuvent aussi tenir compte du contexte commercial de la requête, comme le client concerné ou la marge associée.
Pour le fondateur, le parallèle avec son ancien métier est direct. Dans le communiqué de 13books Capital, il explique avoir vu le paiement évoluer, en quinze ans, vers des systèmes de routage très sophistiqués, et se dit convaincu que l’IA suit le même chemin, « mais à une vitesse bien supérieure ».
Des promesses à confirmer à grande échelle
Selon l’entreprise, un premier déploiement a permis de réduire de plus de 55 % les coûts d’utilisation de l’IA, à qualité équivalente. Un résultat encore préliminaire : Weflayr indique être en train d’intégrer ses premiers clients dans le cadre d’un déploiement progressif, avec une ouverture plus large annoncée dans les prochaines semaines.
Les fonds levés serviront à renforcer les équipes d’ingénierie et de recherche, à accélérer le développement de la plateforme et à lancer la commercialisation en Europe et aux États-Unis.
Ce que les entrepreneurs peuvent en retenir
Au-delà du cas Weflayr, l’opération illustre une tendance de fond : à mesure que l’IA s’installe dans les produits et les processus, sa facture devient un poste de dépense à piloter comme un autre. Pour une PME ou une start-up qui intègre des modèles de langage, quelques réflexes s’imposent : mesurer le coût par usage, évaluer plusieurs modèles sur ses propres cas réels plutôt que sur des classements publics, et éviter de dépendre d’un seul fournisseur.
Le profil du tour de table rappelle aussi un classique du financement en amorçage : un fondateur qui a déjà dirigé une entreprise de croissance attire plus facilement des fonds spécialisés et des business angels dès les premiers mois, avant même un lancement commercial complet.
