Aller au contenu

Investisseurs

Investir dans le Cercle

Cette page est à destination des investisseurs désireux de mieux comprendre Cercle, son équipe, ses convictions, ses produits. Nous avons compilé toutes les informations publiques pouvant aider à une due diligence sur nos activités et actifs.

Construire une IA dont une entreprise peut réellement répondre

Nous développons Beyond à partir d’une conviction simple : le principal verrou de l’intelligence artificielle en entreprise n’est plus sa capacité à produire une réponse. C’est la capacité de l’organisation à accepter cette réponse suffisamment vite pour en tirer un bénéfice, sans renoncer à la vérifier, à l’expliquer et à en assumer la responsabilité.

Notre ambition n’est donc pas de construire un modèle de langage supplémentaire, ni un copilote généraliste de plus. Nous construisons l’infrastructure qui permet de transformer le travail d’une IA en un résultat instruit, traçable et révisable qu’un professionnel peut examiner, amender, accepter ou rejeter en connaissance de cause.

Cette page présente les éléments essentiels permettant à un investisseur de comprendre notre thèse, notre produit, notre équipe, notre modèle économique et notre stade de développement. Les informations nominatives relatives aux clients, prospects, personnes physiques et partenaires ne sont volontairement pas publiées. Elles peuvent être communiquées dans un cadre de diligence approprié.

L’équipe

Trois cofondateurs, un senior advisor issu d’un acteur majeur de l’IT. Une vision commune.

  • Président

    Cofondateur, Paris

    Parcours international avec un solide bagage logiciel. Exécution produit et commerciale : cadrage des offres, conduite des affaires, relation client. Attaches à Station F et dans le tissu industriel d’Île-de-France.

  • Directeur technique

    Cofondateur, Nagoya

    Dix ans de défense et aéronautique chez les grands donneurs d’ordres français. Spécialiste en industrialisation de systèmes embarqués haute performance. Expérimenté en marchés publics européens, coopérations techniques internationales, et supply chain critiques. Basé à Nagoya, Japon.

  • Directeur du développement commercial

    Cofondateur, Paris

    Ingénieur Arts et Métiers, diplômé de Sciences Po et de l’IAE Aix-Marseille. Parcours défense, expérimenté en stratégie, en développement d’affaires et en accompagnement de projets numériques.

  • Senior advisor

    Conseil

    Ancien dirigeant de Microsoft Défense, vingt-sept ans dans l’informatique de défense.

Notre thèse

La génération devient une commodité, pas la confiance.

Les modèles savent déjà produire du texte, rechercher de l’information, synthétiser un corpus et enchaîner des actions. Continuer à améliorer cette seule capacité ne résout pourtant qu’une partie du problème.

Dans une entreprise, une recommandation n’a de valeur que si quelqu’un peut l’utiliser. Plus la décision est importante, plus cette personne doit pouvoir comprendre sur quelles informations elle repose, vérifier leur provenance, identifier les contradictions, apprécier ce qui reste incertain et expliquer a posteriori pourquoi une décision a été prise.

Lorsque cette vérification demande autant de travail que la production initiale, le gain promis par l’IA disparaît.

  • 95 %

    des pilotes GenAI n’ont aucun ROI mesurable

  • 56 %

    des dirigeants estiment ne pas récupérer leur investissement GenAI

  • 285 Md$

    ont pourtant été engagés en 2025 par quatre hyperscalers majeurs

Sources : MIT (95 %) ; PwC, enquête auprès de 4 454 dirigeants (56 %) ; Comptes des hyperscalers, 2025 (285 Md$)

C’est le problème que nous adressons. Nous cherchons à mettre à l’échelle la vérification plutôt que la seule génération.

Notre principe de conception en découle directement : l’humain reste responsable de la décision. Beyond n’a pas vocation à masquer cette responsabilité derrière un système autonome. Il organise au contraire le travail préalable nécessaire pour que la décision humaine puisse être prise rapidement, explicitement et sur une base défendable.

Cette approche nous paraît particulièrement pertinente dans les environnements où une erreur engage une responsabilité claire : industrie critique, défense, énergie, finance régulée, conformité, gestion des risques, intelligence économique ou surveillance d’une chaîne d’approvisionnement.

Produit et proposition de valeur

Beyond instruit. L’humain décide.

Beyond est un framework agentique conçu pour produire ce que nous appelons un Human Review Package.

Un Human Review Package n’est pas simplement une réponse de modèle accompagnée de quelques sources. C’est un dossier d’instruction construit pour une classe de décision donnée. Il rassemble les éléments nécessaires à l’arbitrage humain : résultat proposé, éléments de preuve, provenance et fraîcheur des informations, contradictions éventuelles, niveau de confiance, contexte utile et éléments restant à examiner.

Dans un cas de surveillance industrielle, par exemple, le système peut détecter un signal concernant un fournisseur critique et restituer au professionnel l’événement identifié, les pièces qui l’étayent, leur fraîcheur, les informations contradictoires et les options d’action pertinentes. L’analyste n’a plus à reconstituer lui-même tout le dossier avant de pouvoir se prononcer.

Notre proposition de valeur tient dans cette différence : nous ne vendons pas davantage d’information à vérifier. Nous cherchons à réduire le coût de la vérification elle-même.

Une architecture en quatre éléments

  1. L’Enterprise Knowledge Backbone

    L’EKB constitue la mémoire du système. Il traite les connaissances non comme un ensemble de faits définitivement établis, mais comme des croyances sourcées, datées, versionnées et révisables. Une information peut ainsi évoluer, être contredite ou perdre en validité sans que son histoire disparaisse.

  2. Le Core

    Il constitue la couche de production et de contrôle. Il gère notamment les identités, les droits, l’accès aux données, l’observabilité et la traçabilité. Il organise également l’instruction selon les standards propres au métier concerné.

  3. Les Compagnons

    Ce sont les agents métier qui travaillent à partir de cette infrastructure. Ils héritent strictement des droits de la personne qu’ils assistent : l’agent ne devient pas un moyen de contourner les politiques d’accès de l’entreprise.

  4. Le Human Review Package

    C’est l’objet remis à l’utilisateur pour arbitrage. Il constitue l’interface entre le travail de la machine et la responsabilité humaine.

L’ensemble est conçu pour être déployable en cloud, en environnement souverain ou sur site, et pour ne pas dépendre structurellement d’un fournisseur unique de modèles. Le choix du modèle de langage reste un paramètre de l’architecture plutôt que sa fondation.

Une mémoire qui accepte la contradiction

La distinction technologique principale de l’EKB tient à la manière dont il représente la connaissance.

Un référentiel traditionnel cherche généralement à construire une représentation cohérente du monde. Lorsque plusieurs sources se contredisent, il faut déterminer laquelle est correcte, réconcilier les données ou modifier l’ontologie.

Nous avons choisi une approche différente. Une contradiction est elle-même une information. Elle doit pouvoir être conservée, localisée, attribuée à ses sources et résolue lorsque suffisamment d’éléments deviennent disponibles.

Une croyance reste donc interrogeable sur ses preuves, ses contradictions et son historique. Le journal d’événements qui porte cette évolution est immuable et rejouable.

Cette propriété est importante pour l’auditabilité, mais également pour l’économie du produit : les structures communes d’un domaine peuvent être réutilisées tandis que les connaissances propres à chaque entreprise restent isolées. Nous cherchons ainsi à obtenir simultanément spécialisation client et industrialisation du socle, plutôt qu’à choisir entre produit générique et développement sur mesure.

Recherche, brevets et propriété intellectuelle

Nous basons notre produit sur des recherches internes et n’avons pas peur de les confronter au jugement de nos pairs. Notre approche est rigoureuse et scientifique, et nous faisons une distinction nette entre ce qui constitue une hypothèse scientifique, ce qui a été expérimentalement mesuré et ce qui est démontré en production.

Les papiers présentés ci-dessous sont un extrait de nos travaux de recherche en cours sur les composantes structurelles des agents GenAI : nous ne nous contentons pas d’utiliser des modèles commerciaux, nous construisons nos propres architectures afin de maîtriser l’ensemble des paramètres de performance. Nos produits sont basés sur l’hybridation de nos technologies internes et de modèles commerciaux afin d’améliorer la précision, la fidélité ou encore l’exhaustivité des résultats de nos modèles. Nous développons des réflexions sur les technologies sous-jacentes aux World Models afin d’exploiter certaines de leurs propriétés appliquées à des LLMs.

  • What Makes a Latent Real?

    Tous les critères passifs se trompent, chacun à sa manière. Ce qu’un agent perçoit n’est réel que si l’intervention le confirme : trois signaux que l’observation ne sait pas contrefaire.

    16 pages · 190 Ko

    Télécharger le PDF
  • One Operator, Four Faculties

    Valeur, temps, soi et contradiction sont les quatre composantes d’une même décomposition de la mémoire d’un agent. Mesurées et sans paramètre appris, elles nomment le défaut et sa réparation.

    17 pages · 198 Ko

    Télécharger le PDF
  • Compositionality Needs More Than Iterated Learning

    Transmettre un code de génération en génération est un levier faible. Ce qui fait émerger une grammaire est la pression contrefactuelle : un facteur change sous intervention, un seul mot bouge.

    12 pages · 146 Ko

    Télécharger le PDF
  • The Name Is the Bridge

    Brancher un agent sur un modèle de langage gelé par les vecteurs ne rend rien. Le raisonnement emprunté vit dans le choix du mot, c’est-à-dire dans le passage par le discret.

    11 pages · 125 Ko

    Télécharger le PDF
  • Deep Discovery Is Not Reward Shaping

    Sur un jeu d’aventure de 1977, sans script ni modèle de langage, un agent atteint un but à sept verrous. Le levier n’est pas la prime d’exploration mais le raisonnement sur les préconditions.

    12 pages · 136 Ko

    Télécharger le PDF
  • Sleep as a Safe Consolidator

    Rejouer retient, rêver sous quarantaine couvre, recalculer hors ligne stabilise. Les trois composés battent chacun poussé seul, et rien de ce qui est rêvé n’entre en mémoire sans exécution.

    9 pages · 112 Ko

    Télécharger le PDF

Trois brevets sont également rédigés et prêts au dépôt sur les mémoires agentiques et harnais d’exécution GenAI.

Le modèle de la société

Nous ne cherchons pas à vendre des sièges. Nous vendons un travail instruit.

L’unité économique que nous voulons vendre n’est pas l’accès à une interface. C’est un Compagnon métier opéré, capable de produire de façon continue des Human Review Packages pour un processus métier déterminé.

La plateforme Beyond est le moyen de production de ce service et constitue une partie importante de notre barrière technologique. Elle n’est pas, en elle-même, le produit que nous demandons au client d’administrer.

Le modèle comporte trois niveaux

  1. La mise en place, ou build

    Elle couvre le cadrage du domaine, la connexion aux sources nécessaires et la formalisation des standards d’instruction. Elle donne lieu à une facturation initiale.

  2. Le socle Beyond

    Constitué notamment de l’EKB et du Core, il maintient la mémoire, les accès et les mécanismes d’explicabilité. Il constitue une composante récurrente.

  3. Les opérations, ou run

    Elles correspondent au travail continu des Compagnons et à leur amélioration. Elles sont elles aussi récurrentes.

Nous conservons la possibilité d’une facturation partiellement liée à l’usage ou au résultat lorsque celui-ci est objectivement attribuable et que nous maîtrisons suffisamment les intrants. Nous refusons en revanche de faire dépendre l’économie de la société d’une promesse de résultat que des données externes ou une décision humaine pourraient rendre incontrôlable. Le socle récurrent reste donc la base du modèle.

Nous ne sommes pas une société de service

Le risque évident d’un modèle opéré est de devenir une société de conseil qui réécrit son produit pour chaque client.

Notre architecture est précisément conçue pour éviter cette dérive.

Les connecteurs, schémas de domaine, structures de croyances, standards d’instruction, modèles de Human Review Packages et workflows de revue ont vocation à devenir des actifs réutilisables. Ce qui est commun à un domaine est capitalisé. Ce qui appartient réellement à un client reste isolé chez ce client.

La marge doit ainsi progresser avec la réutilisation plutôt qu’avec l’augmentation du nombre d’heures facturées.

C’est également la raison pour laquelle nous suivons la réutilisation par domaine comme une métrique stratégique, au même titre que la rétention et la marge brute du socle et des opérations.

Où nous en sommes

Nous sommes en amorçage. Voici ce qui est établi aujourd’hui, sans arrondi favorable.

  1. La société opère depuis deux pays

    La France et le Japon, avec la couverture horaire que cela donne et la présence commerciale que cela suppose des deux côtés.

  2. Trois lettres d’intention signées pour un pilote

    Trois sociétés ont signé une lettre d’intention portant sur un projet pilote de notre solution. Une lettre d’intention n’est ni un contrat, ni une promesse de contracter, ni un engagement d’achat, et n’emporte aucune exclusivité : elle dit qu’un besoin est reconnu et qu’un budget est discuté. Les montants ci-dessous sont indicatifs, et les signataires restent anonymes, la confidentialité étant la contrepartie de leur signature.

  3. Le référentiel interne est écrit et appliqué

    Il est versionné, il prévoit son propre audit annuel, et chacune de ses règles peut être invoquée par quiconque, y compris contre les fondateurs.

Les trois cas d’usage sous lettre d’intention

  • Spatial

    Besoin couvert
    Veille d’obsolescence des composants et surveillance de la chaîne d’approvisionnement : sécuriser la disponibilité des pièces critiques, anticiper les obsolescences, réduire le temps d’analyse consacré à cette veille.
    Périmètre du pilote
    La nomenclature complète d’un système et ses fournisseurs critiques.
    Montants discutés
    40 000 € hors taxes indicatifs pour la mise en place et l’opération du pilote, plus une part variable indexée sur l’usage constaté.
    Après le pilote
    Six mois d’évaluation, puis décision conjointe de passage en production au regard des critères de succès convenus. La part variable à l’usage est prévue dès le pilote.

    Lettre signée en

  • Électronique industrielle

    Besoin couvert
    Veille sur les composants électroniques, analyse et surveillance de la chaîne d’approvisionnement avec système d’alertes, au service d’un objectif déclaré de souveraineté industrielle.
    Périmètre du pilote
    Trois utilisateurs pour la durée du pilote.
    Montants discutés
    40 000 à 50 000 € par an, indicatifs, à préciser en proposition commerciale.
    Après le pilote
    Six mois d’évaluation, puis décision conjointe de passage en production au regard des critères de succès convenus.

    Lettre signée en

  • Conseil

    Besoin couvert
    Veille institutionnelle et numérique, gestion et exploitation de la connaissance d’entreprise, dans une stratégie de digitalisation de l’expertise maison.
    Périmètre du pilote
    Deux utilisateurs pour la durée du pilote.
    Montants discutés
    15 000 à 25 000 € par an, indicatifs, à préciser en proposition commerciale.
    Après le pilote
    Six mois d’évaluation, puis décision conjointe de passage en production. Une extension est envisagée vers les clients du signataire, avec des droits d’accès différenciés par périmètre d’information.

    Lettre signée en

Le tour

Nous cherchons à lever 500 k€ en pre-seed, en dilutif.

Le tour finance dix-huit mois de course, le temps de transformer nos design partners en preuves mesurables.

  • 500 k€

    en dilutif

    Le tour de pre-seed proprement dit.

  • 100 k€

    en non dilutif

    Dispositifs publics visés : BFT, statut JEI, crédit impôt recherche.

  • 18 mois

    de runway

    Le temps de transformer nos design partners en preuves mesurables.

  • 370 k€

    Équipe

    Quatre équivalents temps plein, deux à Paris et deux à Nagoya, fondateurs compris. La moitié de l’équipe au Japon, où le coût chargé est nettement inférieur.

  • 50 k€

    Infrastructure

    Calcul, hébergement et outillage de production.

  • 40 k€

    Structure

    Frais de société, dont la création et la tenue de l’entité japonaise.

  • 40 k€

    Mise sur le marché

    Avant-vente, déplacements et qualification des comptes visés.

La trajectoire

  1. Amorçage, de T0 à T0+6

    Bouclage du pre-seed, statut JEI, dossiers BFT et crédit impôt recherche. Premiers ingénieurs recrutés, deux à trois design partners engagés.

  2. La preuve du modèle, de T0+6 à T0+18

    Conversion des pilotes en récurrent et signature de contrats à paliers d’expansion contractualisés. Cinq à dix clients.

  3. L’échelle, de T0+18 à T0+36

    Montée en cadence et extension aux autres marchés identifiés. Le seed se prépare alors sur du revenu récurrent et sur les dispositifs qui l’accompagnent.

Les 100 k€ non dilutifs ne sont pas acquis : ce sont des dispositifs auxquels la société est éligible et dont les dossiers se déposent pendant les six premiers mois. Le plan ne les compte pas comme un revenu, et le runway annoncé tient sans eux.

Prendre contact

Notre thèse résonne avec la vôtre ? Vous pensez qu’ensemble nous pourrions aller plus loin ? Prenez contact avec nous et discutons. Le premier café est pour nous !

Nous contacter