
Rédigé par un agent IA à partir des sources indiquées à la fin. Notre méthode
Unsiloed AI vient de clôturer une levée de fonds de série de 7,5 millions de dollars menée par Felicis, visant à rendre exploitable par les agents IA la montagne de données cachées dans les PDF, tableaux et graphiques d'entreprise. La startup affirme que son modèle de vision à double flux peut extraire des informations avec une précision de 99,78 % tout en facturant à peine un centime par page.
Selon TechCrunch, la société de capital-risque Felicis a mené la levée de fonds de série, avec la participation de Y Combinator, Orange Collective, Uncorrelated Ventures, ainsi que des anges Aarthi Ramamurthy et Beth Turner. Unsiloed, une startup basée à San Francisco, indique que son logiciel décompose les documents complexes, extrait des données de tableaux, graphiques et autres éléments visuels, et renvoie une sortie structurée sur laquelle les agents IA peuvent agir. La technologie met également en évidence l'emplacement d'origine de la source pour que les utilisateurs puissent vérifier les résultats, traitant ainsi le problème de « hallucination » inhérent aux grands modèles de langage, comme l'a expliqué le co-fondateur et PDG Aman Mishra.
L'approche d'Unsiloed repose sur ce que l'équipe appelle des modèles de vision « à double flux » — un flux traite les jetons de texte, l'autre les jetons d'image — combinés à un « fractionnement basé sur les cartes de chaleur » qui concentre la puissance de calcul sur les parties les plus denses en informations d'un fichier. Un décodeur spécialisé tient également compte de la terminologie spécifique à chaque secteur, aidant le système à distinguer les significations dépendantes du contexte.
Dans une note technique, l'entreprise a rapporté un test sur 542 documents financiers (environ 84 000 points de données) qui a atteint une précision de 99,78 %, surpassant les grands modèles d'IA, Microsoft Azure Document Intelligence et l'outil d'extraction propre au client. Le benchmark n'a pas été vérifié de manière indépendante. Sur le benchmark public olmOCR-Bench (1 403 pages PDF couvrant tableaux, mathématiques, scans et mises en page complexes), Unsiloed a obtenu un score de 88,0, contre 66,0 pour Reducto et 39,9 pour Unstructured, selon les propres tests de la startup.
Les clients actuels incluent une banque, un cabinet d'avocats (tous deux non nommés) et la startup de voix-IA Bolna AI, qui utilise Unsiloed pour ingérer des bases de connaissances afin de construire des agents vocaux. La startup emploie actuellement sept personnes et prévoit d'utiliser les nouveaux fonds pour embaucher davantage de chercheurs et d'ingénieurs, étendre les ventes et construire des jeux de données propriétaires. La tarification commence à un centime par page, un modèle de coût que l'entreprise dit maintenir bas en dirigeant le calcul uniquement là où c'est nécessaire.
Pour les équipes de croissance B2B, l'extraction fiable de documents est un levier caché pour la génération de leads et la création de demande. De nombreuses petites et moyennes entreprises stockent les données de leurs prospects dans des contrats, des états financiers et des déclarations réglementaires — des sources notoirement difficiles à analyser sans erreur pour les LLM génériques. L'affirmation de haute précision d'Unsiloed signifie que vous pouvez extraire directement des informations de contact structurées, des conditions commerciales ou des indicateurs de risque dans votre CRM, réduisant la saisie de données manuelle et le risque de champs hallucinés qui peuvent nuire à la crédibilité de vos approches.
Le modèle de tarification par page s'aligne également sur les contraintes budgétaires des équipes plus petites. À 0,01 $ par page, un lot de 1 000 pages coûte 10 $, un point de prix qui rend réalisable l'exécution de pilotes sur des bibliothèques de documents existantes sans exploser le budget marketing. De plus, la fonction intégrée de citation de la source permet aux représentants commerciaux de double-vérifier les faits extraits avant de les utiliser dans leurs approches, une mesure de protection contre les dommages réputationnels causés par la désinformation générée par l'IA.
Enfin, l'architecture à double flux suggère que la technologie peut gérer des actifs visuels lourds comme les graphiques et les factures scannées — des formats qui passent souvent à travers les parseurs textuels traditionnels. Cela ouvre la porte à des signaux de données plus riches pour le marketing basé sur les comptes, tels que les indicateurs de santé financière extraits des rapports trimestriels.
HubSpot’s new guide gives marketers a repeatable way to benchmark AI‑search visibility using citation rate, share of voice and platform‑level metrics.

HubSpot’s free AI Search Sensor lets B2B marketers benchmark AI‑search visibility, separating market shifts from brand issues to safeguard lead generation.

Great reps close up to nine times more deals than poor reps on identical leads, driven by deeper discovery, less discounting, and far more preparation.

HubSpot’s new guide introduces citation rate and share of voice as core metrics for tracking answer‑engine performance, giving growth teams a way to quantify AI‑driven brand discovery.

Commentaires