--- title: "Arlequin AI lève 28 M€ pour une IA topologique face aux LLM" url: "https://realmoon.ai/actualites/arlequin-ai-leve-28-millions-euros-reseaux-topologiques" date_published: "2026-09-28T05:26:22+00:00" author: "Veille Moon AI" category: "Entreprise" publisher: "Moon AI (Stellarr Studio SAS)" language: fr license: "Citation autorisée avec lien vers la source. Réutilisation intégrale soumise à accord." ai_generated: true human_reviewed: false editorial_policy: "https://realmoon.ai/actualites/methode" sources: - "https://renseignementeconomique.fr/arlequin-ai-leve-28-m-et-mise-sur-des-reseaux-topologiques-pour-l-ia-des-systemes-critiques" - "https://www.numerama.com/tech/2335099-entretien-avec-arlequin-ai-la-startup-francaise-qui-veut-remplacer-les-llm-la-ou-lerreur-est-interdite.html" - "https://www.titrespresse.com/22949152603/llm-arlequin-modele" - "https://www.titrespresse.com/22952072603/ia-antimatter-acces" - "https://www.frenchweb.fr/avec-30-millions-deuros-biolevate-veut-faire-de-lia-un-outil-de-conformite-pour-les-laboratoires/463589" - "https://www.titrespresse.com/22949552603/auvergne-rhone-alpes" --- # Arlequin AI lève 28 M€ pour une IA topologique face aux LLM *La deeptech française Arlequin AI a bouclé une série A de 28 millions d'euros pour développer des réseaux de neurones topologiques, une architecture pensée comme alternative aux grands modèles de langage dans les secteurs où l'erreur est inacceptable. L'entreprise, déjà déployée en France, au Royaume-Uni et en Allemagne, prévoit l'ouverture d'un laboratoire à San Francisco consacré à la sécurité des systèmes d'IA avancés.* > Article produit par la veille automatisée de Moon AI, sans relecture humaine préalable, conformément à l'article 50 du règlement (UE) 2024/1689. Méthode et politique de correction : https://realmoon.ai/actualites/methode Le 10 septembre, Arlequin AI a annoncé une levée de fonds de 28 millions d'euros en série A. L'opération marque le passage d'une start-up française jusque là discrète à une ambition d'échelle internationale, avec un positionnement inhabituel : plutôt que de perfectionner des grands modèles de langage (LLM), l'entreprise construit une architecture mathématique distincte, les réseaux de neurones topologiques, destinée aux environnements où une erreur peut avoir des conséquences dramatiques. ## Deux fondateurs, une conviction commune depuis quinze ans Arlequin AI est dirigée par deux profils qui se connaissent depuis quinze ans : Hugo Micheron, issu des sciences politiques, et Antoine Jardin, chercheur au CNRS spécialisé dans la réduction de dimensionnalité, un domaine mathématique devenu central dans l'architecture de l'entreprise. Selon Hugo Micheron, cette amitié ancienne a fonctionné comme un jeu de miroir : « C'est presque Antoine qui m'a décidé à faire une thèse il y a quinze ans, ce qui l'amène parfois à dire que c'est moi qui l'ai décidé à monter une start-up il y a deux ans. » Le nom de l'entreprise porte la trace de ce double héritage. Arlequin, figure de la Commedia dell'arte, évoque les moments où le vrai et le faux s'inversent, à l'image d'un monde informationnel dans lequel l'entreprise veut « voir clair à travers le désordre », selon Hugo Micheron. Pour les initiés, les losanges du costume renvoient aussi au complexe simplicial, la structure mathématique au cœur des réseaux de neurones topologiques. ## Pourquoi les LLM ne suffisent pas dans les systèmes critiques Les fondateurs ne rejettent pas les modèles de langage, mais rappellent leur nature. « Les LLM sont des modèles de génération et de raisonnement très intéressants, mais ils n'ont jamais été conçus pour être des modèles d'analyse systématique sans inférer de biais », résume Hugo Micheron. Un LLM produit ses sorties à partir d'une modélisation probabiliste, ce qui peut devenir une limite lorsqu'il faut garantir un résultat exact et reproductible, sans mécanisme de vérification supplémentaire. Dans la sécurité, la défense et la finance, cette limite devient rédhibitoire selon lui : « Si on rate une information, ça peut avoir des conséquences dramatiques. Dans ces secteurs-là, les applications des LLM sont limitées. » L'image retenue par Antoine Jardin résume l'enjeu : « On ne confierait pas à un modèle de langage le pilotage d'un avion ou d'un système critique. » Ce constat rejoint des débats plus larges du secteur. Selon Numerama, plusieurs laboratoires, dont OpenAI, auraient publiquement reconnu des difficultés croissantes à analyser précisément le raisonnement interne, la « chain of thought », de leurs modèles les plus avancés. Pour Arlequin, c'est précisément cette opacité que les réseaux topologiques cherchent à corriger. ## Ce que change un réseau de neurones topologique Les architectures dominantes de l'IA reposent sur deux logiques. Les Transformers, qui propulsent les LLM, mettent en relation chaque élément d'un texte ou d'un jeu de données avec tous les autres, par des associations statistiques globales parfois floues. Les réseaux de neurones graphiques (GNN), utilisés pour modéliser des structures physiques ou des réseaux complexes, représentent le monde sous forme de points reliés deux à deux. Les réseaux de neurones topologiques (TNN) sur lesquels travaille Arlequin AI s'appuient sur des structures issues de la topologie mathématique. Plutôt que de se limiter à des relations deux à deux, ils modélisent des blocs cohérents formés par plusieurs éléments simultanément, sous forme de triangles ou de tétraèdres pleins. Ce champ de recherche encore jeune, le « topological deep learning », est notamment étudié pour analyser des réseaux biologiques, l'activité du cerveau ou des systèmes financiers complexes. Antoine Jardin résume l'objectif : « Dans les systèmes de traitement de données complexes, on a besoin de certifier les relations et de regarder de très près la façon dont beaucoup de points de données sont connectés entre eux. C'est un peu comme le travail de journaliste : on prend plein d'éléments d'information, et il faut les relier entre eux d'une façon qui soit vérifiable et auditable. » | Architecture | Logique de représentation | Limite identifiée par Arlequin AI | | --- | --- | --- | | Transformers (LLM) | Associations statistiques globales entre tous les éléments | Modélisation probabiliste, résultat non garanti sans vérification externe | | Réseaux de neurones graphiques (GNN) | Relations point à point, deux par deux | Ne capture pas les interactions de groupe à trois éléments ou plus | | Réseaux de neurones topologiques (TNN) | Structures de groupe (triangles, tétraèdres) issues de la topologie | Champ de recherche jeune, encore en phase d'industrialisation | ## Une plateforme sans prompt, un LLM cantonné à la restitution Concrètement, l'usage décrit par Hugo Micheron se veut simple en apparence : « On prend n'importe quel jeu de données, vidéo, audio, texte, image, peu importe. On le met dans la plateforme Arlequin, pas de prompt, pas de message, rien, et on obtient une visibilité totale de notre jeu de données. » Des modèles non supervisés analysent l'ensemble de l'information, en extraient les relations et les structures pertinentes, et stockent le résultat déjà calculé. Un LLM peut ensuite intervenir, mais uniquement pour restituer les résultats en langage naturel, jamais pour les produire ou les modifier. « Nous n'utilisons jamais les LLM pour produire ni modifier les résultats eux-mêmes. C'est ce qui leur permet d'être audités et vérifiés de façon exhaustive », précise Antoine Jardin. Cette séparation entre couche analytique et couche conversationnelle est l'argument central de traçabilité avancé par l'entreprise : « On ne peut pas tracer le comportement des LLM, on ne peut pas observer ce qui se passe à l'intérieur, on ne peut pas vérifier », rappelle Antoine Jardin, qui revendique à l'inverse « une transparence complète sur le comportement du modèle », capable de « certifier de la donnée source jusqu'au résultat toutes les étapes de traitement qui ont eu lieu ». Les fondateurs citent l'exemple d'une série de transactions financières légales prises individuellement, mais dont la structure d'ensemble révèle une activité illégale. Ils précisent aussi les limites de l'approche : la plateforme n'élimine pas mécaniquement les biais présents dans les données d'entrée, mais elle peut signaler un biais de confirmation de l'utilisateur, par exemple lorsqu'un analyste ne consulte qu'une fraction infime de ses données pour étayer une hypothèse préexistante. ## Des déploiements déjà engagés, un laboratoire visé à San Francisco Arlequin AI indique des déploiements déjà en cours en France, au Royaume-Uni et en Allemagne, dans le secteur public comme dans le privé. Les cas d'usage cités couvrent la fraude bancaire, la désinformation, les cyberattaques via l'analyse de journaux de connectivité, mais aussi des applications plus inattendues comme l'analyse de statistiques sportives sur plusieurs saisons et championnats pour des clubs de football, ou l'analyse massive d'information pour des médias et services d'enquête. Le tour de table doit désormais financer l'ouverture d'un laboratoire à San Francisco, consacré à la sécurité des systèmes d'IA les plus avancés, présenté comme une étape stratégique pour dialoguer avec les acteurs et les standards internationaux. Selon les fondateurs, les réseaux de neurones topologiques se situent « à peu près au même niveau de développement que les LLM il y a dix ans », ce qui situe l'ambition dans un temps long plutôt que dans une rupture immédiate. Cette trajectoire s'accompagne d'une vision assumée d'un modèle européen de l'IA. Pour Antoine Jardin, l'Europe « n'a pas les ressources ni en calcul, ni en données, ni en régulation pour faire la même chose que ce que font les Américains, les Chinois ». Chercher à les rattraper sur leur propre terrain reviendrait, selon lui, à partir avec un handicap permanent : il faut construire une voie technologique distincte plutôt que reproduire le modèle de puissance de calcul et de données massives des acteurs dominants. Pour un professionnel francophone qui doit aujourd'hui choisir entre plusieurs familles d'outils, cette distinction compte. Les plateformes d'accès aux LLM traditionnels, telles que Moon AI qui donne accès à plus de 70 modèles génératifs sous un abonnement unique, répondent à des besoins de rédaction, de synthèse ou de raisonnement en langage naturel. Elles n'ont pas vocation à remplacer une architecture pensée, comme celle d'Arlequin AI, pour l'auditabilité et la certification de bout en bout dans des environnements où la traçabilité prime sur la génération de contenu. ## Ce qui reste à prouver avant une adoption large Le financement offre à Arlequin AI une marge de manœuvre, mais plusieurs questions restent ouvertes avant une adoption large dans les environnements critiques. La certification et les audits indépendants des architectures topologiques doivent encore être établis. Les modèles commerciaux adaptés aux marchés publics et aux grandes entreprises restent à construire, dans un contexte où les acheteurs institutionnels exigent des preuves de robustesse technique et des cadres contractuels stricts. La capacité de l'entreprise à concurrencer ou à coopérer avec les fournisseurs de solutions basées sur les LLM n'est pas non plus tranchée, tout comme sa capacité à recruter et à monter en puissance en R&D pour soutenir son internationalisation. L'enjeu, résumé par les observateurs du dossier, tient en une phrase : transformer une innovation mathématique en systèmes prêts pour des usages sensibles, un saut où la preuve technique et la confiance des clients feront toute la différence. ## Questions fréquentes ### Un réseau de neurones topologique remplace-t-il un LLM ? Non selon les fondateurs d'Arlequin AI. Le LLM reste utile pour accéder en langage naturel à des résultats calculés indépendamment par les modèles topologiques, mais il n'intervient jamais dans la production ou la modification des résultats eux-mêmes, afin de préserver l'auditabilité de la chaîne de traitement. ### Pourquoi les secteurs de la sécurité et de la finance sont-ils visés en priorité ? Parce que ce sont des environnements où, selon Hugo Micheron, une erreur ou une information manquée peut avoir des conséquences dramatiques, et où la modélisation probabiliste des LLM ne garantit pas, sans vérification supplémentaire, un résultat exact et reproductible. ### À quel stade de maturité se trouve cette technologie ? Les fondateurs eux-mêmes situent les réseaux de neurones topologiques à un niveau de développement comparable à celui des LLM il y a dix ans, ce qui suppose encore un travail de certification, d'audit indépendant et de construction de modèles commerciaux avant une adoption large chez les grands comptes et les marchés publics. ### Cette architecture élimine-t-elle les biais des données ? Non. Selon Hugo Micheron, le résultat dépend de la donnée injectée en entrée : des données biaisées produisent naturellement un résultat biaisé. L'outil se distingue en revanche par sa capacité à signaler le biais de confirmation d'un utilisateur qui ne consulterait qu'une fraction marginale de ses données pour étayer une hypothèse préexistante. > **Transparence.** Cet article a été rédigé par un système d'intelligence artificielle à partir des sources listées ci-dessous, puis vérifié fait par fait par un second système avant publication. Il n'a pas fait l'objet d'une relecture humaine préalable. Les chiffres et citations proviennent des sources ; en cas d'écart, la source fait foi. Notre [méthode, ses limites et notre politique de correction](https://realmoon.ai/actualites/methode). > **Sources.** Article rédigé à partir des publications suivantes, consultées le 28/09/2026. En cas d'écart, la source fait foi. Signalez toute inexactitude à [contact@stellarrstudio.com](https://realmoon.ai/mailto:contact@stellarrstudio.com). > > - [https://renseignementeconomique.fr/arlequin-ai-leve-28-m-et-mise-sur-des-reseaux-topologiques-pour-l-ia-des-systemes-critiques](https://renseignementeconomique.fr/arlequin-ai-leve-28-m-et-mise-sur-des-reseaux-topologiques-pour-l-ia-des-systemes-critiques) > - [https://www.numerama.com/tech/2335099-entretien-avec-arlequin-ai-la-startup-francaise-qui-veut-remplacer-les-llm-la-ou-lerreur-est-interdite.html](https://www.numerama.com/tech/2335099-entretien-avec-arlequin-ai-la-startup-francaise-qui-veut-remplacer-les-llm-la-ou-lerreur-est-interdite.html) > - [https://www.titrespresse.com/22949152603/llm-arlequin-modele](https://www.titrespresse.com/22949152603/llm-arlequin-modele) > - [https://www.titrespresse.com/22952072603/ia-antimatter-acces](https://www.titrespresse.com/22952072603/ia-antimatter-acces) > - [https://www.frenchweb.fr/avec-30-millions-deuros-biolevate-veut-faire-de-lia-un-outil-de-conformite-pour-les-laboratoires/463589](https://www.frenchweb.fr/avec-30-millions-deuros-biolevate-veut-faire-de-lia-un-outil-de-conformite-pour-les-laboratoires/463589) > - [https://www.titrespresse.com/22949552603/auvergne-rhone-alpes](https://www.titrespresse.com/22949552603/auvergne-rhone-alpes) --- Source : https://realmoon.ai/actualites/arlequin-ai-leve-28-millions-euros-reseaux-topologiques