Unsiloed AI lève 7,5 M$ pour des documents lisibles par l'IA
La startup américaine Unsiloed AI a levé 7,5 millions de dollars en financement d’amorçage, mené par Felicis, avec la participation de Y Combinator, Orange Collective et Uncorrelated Ventures, ainsi que des investisseurs providentiels Aarthi Ramamurthy et Beth Turner. Basée à San Francisco et composée de sept personnes, l’entreprise veut rendre les documents d’entreprise complexes exploitables par les agents d’IA. Fondée par Aman Mishra, directeur général, et Adnan Abbas, tous deux anciens de l’IIT Kharagpur, Unsiloed AI a rejoint la promotion automne 2025 de Y Combinator. Sa technologie décompose les documents contenant tableaux, graphiques et mises en page complexes, extrait les informations et les transforme en données structurées utilisables par les agents. Elle indique aussi la source de chaque donnée dans le document original, afin de permettre aux entreprises de vérifier les résultats plutôt que de faire confiance aveuglément à la sortie d’un modèle. Unsiloed revendique une approche fondée sur des modèles de vision à double flux, qui traitent séparément les données textuelles et les images, ainsi qu’une technique de découpage par cartes de chaleur pour cibler les zones importantes. L’entreprise concentre davantage de puissance de calcul sur les chiffres, figures et tableaux et utilise un décodeur spécialisé tenant compte du vocabulaire métier. Son tarif commence à un cent par page. La société dit déjà travailler avec des clients dans la finance, le juridique et la santé. Une banque utiliserait sa technologie pour traiter des documents, tandis qu’un cabinet juridique l’aurait déployée sur ses propres serveurs pour des contrats et d’anciens dossiers. Unsiloed cite aussi Bolna AI, spécialiste des agents vocaux, parmi ses clients. Le marché est toutefois encombré, avec Reducto, Unstructured, des offres de Microsoft et d’Amazon, sans compter les modèles d’IA généralistes. Unsiloed affirme que son traitement des documents complexes lui donne un avantage. Elle cite un test interne sur 542 documents financiers, avec 99,78 % de précision sur environ 84 000 points de données, face à Azure Document Intelligence et à un outil interne du client. Ces résultats n’ont pas été vérifiés indépendamment. La startup revendique aussi un score de 88,0 sur le benchmark public olmOCR-Bench, contre 66,0 pour Reducto et 39,9 pour Unstructured, sur 1 403 pages PDF. Unsiloed prévoit d’utiliser les fonds pour recruter des chercheurs et ingénieurs, renforcer ses ventes et développer des jeux de données propriétaires.
