Arlequin AI obtient 28 millions d’euros pour ses réseaux neuronaux

La startup fondée par Hugo Micheron et Antoine Jardin veut proposer une alternative européenne aux plateformes décisionnelles comme Palantir. Elle change d’axe technologique pour développer des réseaux neuronaux topologiques propriétaires et obtient 28 millions d’euros afin d’entraîner ses modèles et accélérer les déploiements.

Arlequin vise le marché des plateformes décisionnelles de type Palantir

Arlequin AI ne cherche pas principalement à remplacer ChatGPT, Claude ou Le Chat. L’entreprise cible les plateformes qui relient des données fragmentées pour assister des décisions sensibles, un segment construit depuis vingt ans par Palantir. Chez Palantir, une ontologie relie les données d’une organisation à des objets du monde réel, puis sert de couche opérationnelle pour analyser, appliquer des règles ou déclencher une action. Arlequin assume cette comparaison et se présente dans ses recrutements comme « l’alternative européenne souveraine à Palantir ». La distinction avec les LLM situe le projet mais ne définit pas son marché, et Palantir ne commercialise pas un modèle iso.

Un pari d’architecture : des réseaux neuronaux topologiques plutôt que des LLM

Arlequin affirme que sa méthode se distingue de la tendance actuelle à privilégier les modèles de grande taille. D'après Antoine Jardin, les prochaines étapes majeures de l’IA dépendront de l’émergence de nouvelles architectures, plutôt que de l’accroissement continu du nombre de paramètres, de la quantité de données ou de la puissance de calcul ; de son côté, Hugo Micheron mentionne des systèmes aptes à appréhender des dynamiques complexes au sein de millions de points de données. Là où les LLM apprennent des régularités de séquences et les réseaux de graphes des relations par arêtes, les modèles topologiques visent à représenter des relations simultanées d’ordre supérieur, avec groupes, cycles et hiérarchies. Des exemples incluent des configurations multi-entités en lutte anti-blanchiment ou, en logistique, des chaînes reliant fournisseur, port, navire, incident géopolitique et retards. Arlequin met en avant une promesse de traçabilité et souhaite comprendre les phénomènes par leurs relations structurantes. La traduction en architecture calculable suppose de transformer des données brutes en structures topologiques et de déterminer quels éléments relier, à quel seuil et comment distinguer un groupe réel d’une proximité fortuite.

Des premières publications mais pas encore de validation publique des modèles

La startup a commencé à rendre visible son activité scientifique. Antoine Jardin et Rémi Devaux ont co-signé en août 2026 avec le Geometric Intelligence Lab un article présentant TopoExplorer, un outil qui visualise la transformation d’un jeu de données en structure topologique avant entraînement. Des corrélations entre certains indicateurs disponibles en amont et les performances obtenues ensuite ont été observées sur vingt jeux de données de référence. Ce travail s’inscrit dans la promesse d’interprétabilité avancée par Arlequin, mais il ne constitue pas encore une validation des performances des modèles propriétaires que l’entreprise souhaite développer.

Arlequin AI réunit 28 millions d’euros auprès de fonds européens

Arlequin AI boucle une série A de 28 millions d’euros codirigée par Redalpine et OTB Ventures, avec la participation du Fonds Innovation Défense de Bpifrance. Vsquared Ventures et 10x Founders, déjà au capital, renforcent leur position et Xavier Niel rejoint le tour. Redalpine investit à la frontière du logiciel et de la science, OTB Ventures cible l’IA et les nouvelles architectures, et l’entrée du Fonds Innovation Défense positionne le projet dans les technologies duales. Ce tour porte à au moins 32,4 millions d’euros les fonds annoncés depuis la création. À la différence du précédent tour, l’objectif du financement est maintenant de concevoir des modèles propriétaires basés sur des réseaux neuronaux topologiques, plutôt que de construire une plateforme analytique. Ce changement de cap nécessite d’investir dans une recherche de plus longue durée, de mettre en place des benchmarks et d’attirer des profils scientifiques rares. Les capitaux doivent servir à renforcer l’équipe, entraîner les modèles et accompagner les déploiements commerciaux.

Du prototype HuDEx aux premiers clients et à l’historique d’amorçage

En juin 2025, Arlequin avait levé 4,4 millions d’euros auprès de Vsquared Ventures, 10x Founders, Kima Ventures, Better Angle et d’investisseurs individuels. Ce premier financement visait à industrialiser HuDEx, à renforcer les installations sur site et à doubler une équipe de recherche alors composée d’une vingtaine de personnes. La société indiquait travailler avec des ministères, Radio France, BNP Paribas et plusieurs organisations européennes. Cette étape précédait le basculement vers une couche de modèles propriétaires.

Des fondateurs issus du terrain et une implantation qui s’étend

Cofondateur, Hugo Micheron a mené quatre-vingts entretiens entre 2014 et 2019 auprès d’acteurs liés au djihadisme, en France et à l’étranger, pour reconstituer des trajectoires et des systèmes, travail prolongé par une thèse à l’ENS-PSL et un livre. Il est passé par le département Near Eastern Studies de Princeton puis poursuit ses travaux à Sciences Po, où il dirige un séminaire sur l’intelligence artificielle, la démocratie et l’environnement informationnel. Il a également témoigné au procès des attentats du 13-Novembre. Avec Antoine Jardin, ancien ingénieur de recherche au CNRS spécialisé en data science et comportements humains, il fonde Arlequin AI en 2024 pour automatiser des mises en relation tout en conservant la traçabilité pour l’analyste. Deux ans plus tard, la société revendique environ trente collaborateurs dont huit en R&D, a ouvert des bureaux à Londres et Berlin et prévoit un laboratoire dans la Silicon Valley.