Runable a levé 21 millions de dollars en financement de série A afin d’étendre son agent d’IA au-delà de la création de sites web, d’applications et de présentations, et de l’orienter vers l’acquisition de clients pour les petites entreprises. La startup basée à Bengaluru affirme que son objectif plus large est de permettre à un dirigeant de demander un résultat commercial — comme l’obtention de nouveaux clients — sans devoir configurer séparément des logiciels pour le déploiement, l’analytique, la publicité, l’optimisation pour les moteurs de recherche et les réseaux sociaux.

Ce tour, entièrement en actions, a été codirigé par Susquehanna Venture Capital et Nexus Venture Partners, avec la participation des investisseurs existants Together Fund et Array VC. Le cofondateur et CEO Umesh Kumar a déclaré à TechCrunch que l’investissement valorise Runable à 65 millions de dollars après financement. Fondée en 2025, l’entreprise compte 15 personnes.

De la création par IA à la croissance de l’entreprise

Runable a commencé comme une entreprise d’infrastructure IA axée sur la technologie de navigateur pour le scraping de données à grande échelle. Selon Kumar, les utilisateurs demandaient de plus en plus à l’agent basé sur le navigateur de produire des présentations et des sites web, ce qui a entraîné un pivot vers un agent d’IA à usage général.

La plateforme permet désormais aux utilisateurs de créer des sites web, des applications, des présentations et d’autres contenus à partir d’instructions en langage naturel. Runable prend également en charge une partie de l’infrastructure sous-jacente, notamment le déploiement et l’analytique. Sa prochaine orientation produit ajoute des outils pour les campagnes publicitaires, la gestion des réseaux sociaux, le SEO et l’amélioration de la visibilité d’une entreprise dans les résultats des chatbots d’IA.

Ce positionnement place Runable entre les outils de codage par IA et les logiciels d’automatisation marketing. La startup ne se présente pas comme un remplacement direct des produits destinés aux développeurs tels que Codex d’OpenAI ou Claude Code d’Anthropic. Elle cible plutôt des propriétaires de petites entreprises non techniques qui peuvent avoir besoin d’une opération en ligne fonctionnelle plutôt que du seul code source.

Le paysage concurrentiel est déjà encombré. Le marché de Runable comprend des entreprises d’IA comme Anthropic et OpenAI, des plateformes de codage comme Cursor, Lovable et Replit, ainsi que des agents polyvalents comme Manus et Genspark. Kumar a identifié ce dernier groupe comme les concurrents les plus proches de Runable, car ils visent des utilisateurs et des flux de travail similaires.

Ce que révèlent le financement et les chiffres d’utilisation

Kumar a indiqué que Runable avait atteint un rythme de revenus annualisé de 2 millions de dollars en trois semaines après le lancement des paiements en mars. Il n’a pas divulgué le chiffre d’affaires actuel ni le nombre de clients payants. L’entreprise affirme compter environ 1,7 million d’utilisateurs inscrits, les États-Unis, le Royaume-Uni et le Japon figurant parmi ses plus grands marchés ; elle compte également des utilisateurs au Brésil.

Runable a aussi déclaré avoir consommé plus de 1 trillion de tokens au cours des 90 derniers jours, dont 60 % à 70 % provenant de clients payants. Il s’agit de chiffres d’adoption et d’utilisation communiqués par l’entreprise, et non de résultats audités de manière indépendante, et les informations disponibles n’établissent pas combien de revenus ou d’activité commerciale ces utilisateurs génèrent.

La startup a reconnu qu’elle opère actuellement avec des marges brutes négatives, en partie parce qu’elle subventionne l’utilisation de l’IA. Runable utilise un mélange de modèles externes et de modèles qu’elle développe. Kumar a déclaré que l’entreprise s’attend à ce que la baisse des coûts d’inférence améliore son économie et a affirmé voir une voie pour offrir une qualité d’inférence comparable à près d’un dixième du coût. Cette projection de coûts reste une attente de l’entreprise et non un résultat financier vérifié.

Un test de TechCrunch a illustré l’écart entre générer une campagne et la lancer. Runable a créé et déployé un site web pour une société fictive d’abonnement au café et a préparé une campagne publicitaire visant à attirer 100 visiteurs avec un budget de 25 dollars. Elle n’a pas lancé la campagne parce qu’un compte publicitaire n’avait pas été connecté.

Runable a indiqué qu’il était actuellement possible de faire de la publicité sans compte connecté au client pour des annonces sur ChatGPT via des partenariats dont elle a refusé de divulguer les noms. Cette capacité, décrite par l’entreprise comme une « soft wedge », n’a pas été détaillée de manière indépendante dans le rapport.

Le problème d’exécution pour les agents d’IA

La proposition centrale de Runable est qu’un agent d’IA doit gérer la chaîne opérationnelle autour d’un produit numérique, et ne pas s’arrêter une fois le site web ou l’application généré. Cela pourrait être utile aux petites entreprises qui manquent de personnel technique et ne peuvent pas se permettre de coordonner développeurs, agences, fournisseurs d’analytique et plateformes publicitaires.

Mais le test publicitaire met en évidence une contrainte pratique : les agents ont encore besoin d’identifiants, de moyens de paiement, d’autorisations et d’accès à des systèmes tiers avant de pouvoir effectuer des actions importantes. Ce n’est pas propre à Runable. TechCrunch a signalé des limites similaires en testant Cursor, qui a préparé une campagne publicitaire mais a nécessité l’accès à un compte Meta Ads, à un moyen de paiement et à un service de déploiement externe.

Pour les créateurs et les acheteurs d’entreprise, la distinction compte. Un agent qui rédige des contenus peut être évalué comme un outil de productivité. Un agent qui dépense de l’argent, modifie des campagnes ou représente une entreprise a besoin de contrôles plus solides en matière d’approbation, d’accès aux comptes, de budgets, d’attribution et de récupération des erreurs. L’infrastructure intégrée de Runable peut réduire le travail de configuration, mais elle n’élimine pas ces exigences de gouvernance.

Le modèle économique reste également à clarifier. Une forte consommation de tokens peut signaler l’engagement, mais elle peut aussi accroître les coûts d’inférence. Runable devra montrer que les clients paieront suffisamment pour des résultats commerciaux complets afin de couvrir les appels au modèle, l’infrastructure, le support et les coûts liés à l’exploitation des intégrations marketing.

Ce qu’il faut surveiller ensuite

Les signaux les plus clairs seront la conversion des utilisateurs inscrits en clients payants et la capacité de Runable à communiquer sur le chiffre d’affaires ou la rétention sans s’appuyer principalement sur la consommation de tokens. Les acheteurs devraient aussi observer si l’entreprise peut démontrer des campagnes qui fonctionnent de bout en bout, plutôt que de se contenter de produire des sites web, des publicités ou des recommandations.

Parmi les autres indicateurs figurent le déploiement de ses fonctions de SEO, de social et de distribution via les chatbots d’IA ; l’étendue de ses partenariats publicitaires non nommés ; et la question de savoir si ses modèles développés en interne réduisent les pertes brutes sans diminuer la qualité des résultats. La croissance attendue du Japon comme marché de premier plan, aux côtés des États-Unis et du Royaume-Uni, testera aussi la capacité du produit à fonctionner dans différentes langues, différents environnements de recherche et différents besoins des petites entreprises.

Perspective Creati.ai

Le financement de Runable reflète une orientation plus nette sur le marché des agents : l’unité de valeur pourrait être un flux de travail commercial achevé, et non un artefact isolé comme du code ou une présentation. Pour les petites entreprises, combiner création, déploiement, mesure et distribution pourrait être plus utile qu’ajouter un autre assistant de codage autonome.

La question la plus difficile est de savoir si Runable peut franchir de manière fiable la frontière entre préparation et action. Son financement donne à l’entreprise la marge nécessaire pour construire ces intégrations, mais les marges brutes négatives rapportées et la dépendance à des comptes externes montrent que la promesse fondée sur les résultats reste en cours de maturation. Tant que les agents ne pourront pas agir en toute sécurité, mesurer les résultats et maintenir une économie viable, « faire croître » une entreprise restera une affirmation plus exigeante que la construire.