Arlequin AI lève 28 M€ pour développer ses réseaux neuronaux topologiques

Arlequin AI a levé 28 millions d’euros en série A pour développer ses réseaux neuronaux topologiques propriétaires — ou TNN, pour topological neural networks —, étendre ses déploiements au-delà de l’Europe et renforcer ses équipes de recherche comme commerciales. La société parisienne vise les situations où l’analyse de faits isolés ne suffit pas : enquêteurs et décideurs doivent aussi comprendre les liens entre personnes, événements, lieux, transactions et autres éléments de preuve. 12

À quoi serviront les 28 M€

Le tour de table est codirigé par redalpine et OTB Ventures. Le Fonds Innovation Défense de Bpifrance y participe, tandis que les investisseurs historiques Vsquared Ventures et 10x Founders ont renforcé leur engagement ; Xavier Niel a également rejoint l’opération. Arlequin indique que ce financement provient exclusivement d’investisseurs européens et doit accélérer le développement des TNN ainsi que le déploiement international de sa technologie. 1210

Les priorités annoncées sont les suivantes :

• entraîner et développer les modèles TNN propriétaires ;
• agrandir les équipes chargées de les concevoir et de les exploiter ;
• accroître les déploiements commerciaux en Europe et à l’international ;
• étoffer la présence mondiale de l’entreprise, avec des bureaux à Londres et Berlin, ainsi qu’un laboratoire IA envisagé dans la Silicon Valley d’ici à la fin 2026. 14

Au moment de l’annonce, Arlequin comptait environ 50 personnes, dont 35 ingénieurs et 15 docteurs, chercheurs et spécialistes des données. 1

Des réseaux conçus pour lire les relations entre les données

La plateforme d’Arlequin est destinée à traiter des informations fragmentées et hétérogènes : documents, transactions, vidéos ou données opérationnelles. L’architecture TNN proposée par l’entreprise est censée apprendre à partir des données individuelles, mais aussi de la structure qui les relie, y compris de relations impliquant plusieurs éléments simultanément. 1810

C’est le cœur de son positionnement. Plutôt que de traiter un dossier comme un ensemble de fiches indépendantes, le système cherche à faire émerger des schémas dans des preuves connectées : par exemple entre des personnes, des communications, des lieux et des événements. Une telle approche peut être pertinente lorsque ces relations constituent elles-mêmes un élément déterminant d’une enquête ou d’une décision opérationnelle. 110

Pourquoi Arlequin mise sur une autre architecture d’IA

Arlequin estime que l’augmentation continue du nombre de paramètres, des volumes de données et de la puissance de calcul des modèles conventionnels n’est pas forcément la meilleure voie pour analyser de vastes ensembles de preuves interconnectées. La start-up affirme que les TNN peuvent mettre au jour des dynamiques complexes à plusieurs composantes, tout en conservant une traçabilité vers les sources et en consommant moins de ressources de calcul. 110

Ces bénéfices restent toutefois des affirmations de l’entreprise et de ses investisseurs, et non des résultats issus de benchmarks indépendants. Les informations publiques décrivent l’architecture et ses avantages attendus, mais n’établissent pas de comparaison de performances avec les outils d’analyse de graphes, d’autres architectures neuronales ou les grands modèles de langage. 11014

Les usages visés : sécurité, fraude, justice et cyber

Fondée en 2024 par Hugo Micheron, chercheur sur le djihadisme et les instabilités géopolitiques, et Antoine Jardin, ancien ingénieur de recherche au CNRS spécialisé dans la science des données et les comportements humains, Arlequin cible les administrations et les grandes organisations confrontées à des décisions à fort enjeu à partir d’informations incomplètes et dispersées. 19

Les cas d’usage cités comprennent :

• la lutte antiterroriste, la sécurité et la défense ;
• les enquêtes criminelles et judiciaires ;
• la détection de fraude et la lutte contre le blanchiment ;
• la cybersécurité et l’intégrité de l’information ;
• la sûreté et la sécurité des systèmes d’IA. 1

Parmi les exemples avancés par la société figure la possibilité de relier personnes, lieux, communications et événements dans des millions de données extraites d’appareils saisis. Plus largement, l’offre vise aussi les organisations ayant besoin d’analyses explicables sur la criminalité financière, le risque cyber ou le renseignement opérationnel complexe. 1

Une technologie déjà déployée dans quatre pays européens

Arlequin affirme que sa technologie est déjà utilisée par des gouvernements et de grandes organisations en Europe occidentale et orientale, dans quatre pays européens. L’entreprise n’a pas rendu publics tous ses clients ni le détail de chaque déploiement : l’ampleur et les résultats de ces usages ne peuvent donc pas être évalués indépendamment à partir des annonces disponibles. 1

Ses ambitions d’expansion visent à la fois les acteurs publics confrontés aux enjeux de sécurité et de défense, et les entreprises gérant des risques financiers, cyber ou d’intégrité particulièrement complexes. 113

Le pari d’une IA européenne pour les décisions sensibles

Cette levée de fonds donne à Arlequin les moyens de défendre un positionnement européen : une architecture d’IA détenue et développée en Europe pour l’analyse de situations sensibles. La présence d’investisseurs tels que le Fonds Innovation Défense de Bpifrance souligne aussi l’intérêt stratégique de ces outils pour le renseignement, la sécurité et la prise de décision critique. 1210

L’enjeu est désormais de démontrer l’exécution. Arlequin devra établir que ses TNN propriétaires procurent des gains mesurables en précision, traçabilité, coût de déploiement ou utilité opérationnelle par rapport aux approches établies d’analyse de graphes et d’IA. Les 28 M€ doivent financer cette prochaine étape : développement des modèles, recrutements et commercialisation internationale. 114