Retab lève 3,5 millions de dollars pour fiabiliser l’IA générative

Forte d’une levée de fonds de 3,5 millions de dollars, la start-up Retab développe une plateforme pour corriger les hallucinations des IA. L’opportunité d’augmenter la confiance en l’IA, principal obstacle à son adoption en entreprise.

3,5 millions de dollars pour résoudre l’un des plus gros freins à l’adoption de l’IA générative : les hallucinations des modèles. C’est le montant du tour de table de la start-up franco-britannique, Retab, bouclé dans la Silicon Valley. Mené par VentureFriends, il a notamment réuni Éric Schmidt et Rodolphe Saadé (StemAI), Xavier Niel (Kima Ventures), K5 Global (investisseur dans xAI, Uber, SpaceX), ainsi que  Olivier Pomel (Datadog) et Florian Douetteau (Dataiku). L’objectif est donc de développer une technologie détectant et corrigeant en temps réel les erreurs des IA génératives. Cet outil est en fait une plateforme, destinée aux développeurs, ajoutant une couche d’intelligence artificielle par-dessus des modèles préexistants pour garantir la précision des réponses fournies. “Nous pensons que développer son propre modèle est voué à l’échec pour 99 % des entreprises, explique Louis de Benoist, cofondateur de Retab. L’avenir est à l’utilisation des meilleurs modèles mondiaux, enrichis de l’intelligence critique qui les rend fiables.”

Une IA corrigeant l’IA

Une petite révolution pour les entreprises qui, jusqu’ici, privilégient une supervision humaine constante. « Le frein majeur à l’adoption de l’IA par les entreprises reste le déficit de confiance », confirme George Dimopoulos, cofondateur de VentureFriends.VC.  Retab attaque ce problème de front : la start‑up bâtit l’infrastructure capable de faire passer l’IA du stade expérimental à une automatisation fiable. » Derrière cette plateforme se trouve un agent d’IA qui choisit le meilleur LLM pour la tâche demandée. Le processus, nommé “Consensus k-LLM », agit comme un comité d’experts IA débattant des réponses pour quantifier l’incertitude. Pour finir, la plateforme ajuste automatiquement les différents paramètres du modèle.