Profound a levé 180 millions de dollars pour une valorisation de 1,8 milliard de dollars, accélérant la course à l’aide aux marques pour se classer dans les résultats de recherche générés par l’IA, à mesure que la demande des entreprises augmente.

Profound, une start-up qui développe des logiciels pour aider les entreprises à comprendre et à améliorer leur visibilité dans les résultats de recherche IA, a levé 180 millions de dollars lors d’un tour de financement de série D pour une valorisation de 1,8 milliard de dollars. Ce financement intervient moins de sept mois après que l’entreprise a annoncé une série C de 96 millions de dollars, soulignant l’appétit des investisseurs pour des outils conçus autour du passage de la recherche traditionnelle à la découverte conversationnelle par IA.
Sequoia et Kleiner Perkins ont mené ce nouveau tour, selon TechCrunch, tandis que des investisseurs existants, dont Lightspeed Venture Partners, Khosla Ventures et South Park Commons, ont également participé. Profound a été lancée il y a deux ans et s’est étendue de l’analytique à la recherche et à la stratégie marketing pour les marques qui cherchent à comprendre comment les consommateurs les découvrent via les systèmes d’IA.
Ce nouveau financement confère à Profound le statut dit de licorne, une valorisation privée d’au moins 1 milliard de dollars, tout en plaçant l’entreprise parmi les start-ups les mieux financées dans l’optimisation des moteurs génératifs, ou GEO, et l’optimisation des moteurs de réponse, ou AEO.
Ces appellations décrivent une catégorie logicielle encore en formation. Plutôt que de se concentrer uniquement sur les classements dans les résultats de recherche à la manière de Google, les outils AEO et GEO tentent de mesurer si des produits, des entreprises et des affirmations factuelles apparaissent dans les réponses générées par des systèmes tels que les assistants IA et d’autres interfaces de recherche conversationnelle.
Cette distinction compte car les réponses générées par l’IA peuvent influencer la découverte sans envoyer les utilisateurs vers une liste conventionnelle de liens web. Pour les équipes marketing, le défi ne consiste pas simplement à produire davantage de pages. Il s’agit de déterminer quelles sources les systèmes d’IA utilisent, comment une marque est décrite et si l’entreprise apparaît lorsqu’un client potentiel pose une question sur un produit ou une catégorie.
La levée de fonds rapide de Profound reflète la conviction que ce comportement deviendra un poste budgétaire mesurable pour les départements marketing des grandes entreprises. Elle met aussi la société sous pression pour démontrer que la visibilité dans les réponses d’IA peut être suivie de manière cohérente et reliée à des résultats commerciaux.
TechCrunch a rapporté que Profound a commencé comme une plateforme d’analytique avant d’élargir son offre pour aider les entreprises à rechercher et à créer des stratégies marketing. L’objectif affiché de la société est d’aider les entreprises à comprendre comment l’IA influence la découverte de leurs marques par les consommateurs.
Cette extension est importante pour les équipes produit et les acheteurs d’entreprise. Un tableau de bord qui indique où une marque apparaît peut être utile pour la mesure, mais les grands clients ont généralement besoin de workflows qui transforment ces observations en actions. Ces workflows pourraient inclure l’identification des lacunes dans les informations produit, le suivi de la manière dont les concurrents sont décrits et la coordination des changements entre les équipes contenu, communication et recherche.
Les informations disponibles ne fournissent pas de détail précis sur le produit, ni de tarification, ni d’explication technique de la manière dont Profound mesure les réponses générées par l’IA. Il n’est donc pas clair, au vu des éléments disponibles, quelle part de la plateforme relève de l’analyse automatisée, du support stratégique ou d’outils d’exécution. Cette incertitude est importante dans un marché où les sorties des modèles peuvent varier selon le prompt, le contexte utilisateur, la localisation, la version du modèle et la source de récupération.
Profound indique que son chiffre d’affaires a triplé au cours des six derniers mois et qu’elle sert désormais plus de 1 000 clients entreprises. TechCrunch a cité Comcast, The Estée Lauder Companies et Walmart parmi ces clients.
Ces chiffres sont des affirmations de croissance et de performance communiquées par l’entreprise, et non des résultats vérifiés indépendamment dans les éléments fournis. Le reportage ne précise pas non plus si l’augmentation du chiffre d’affaires fait référence au revenu reconnu, au revenu récurrent annualisé ou à une autre mesure interne. De même, le nombre de clients ne permet pas de savoir combien de comptes sont payants, à quel point la plateforme est déployée au sein de chaque organisation, ni quelle part du chiffre d’affaires provient des plus gros clients.
Il n’en reste pas moins que la liste de clients citée suggère que Profound cible des organisations disposant de vastes catalogues de produits, d’opérations marketing complexes et d’une forte exposition à l’évolution des comportements de recherche. Pour ces entreprises, la proposition de valeur porte peut-être moins sur un classement unique que sur la surveillance de la façon dont un système d’IA résume l’activité à travers de nombreuses requêtes de produits et de catégories.
Le financement lui-même constitue un signal de marché, et non la preuve qu’un logiciel AEO stimule de manière fiable les ventes. Les investisseurs misent sur la possibilité que les assistants IA deviennent un canal de découverte important et que les marques aient besoin d’une infrastructure de mesure spécialisée. Le fait que cette infrastructure devienne une catégorie logicielle durable dépendra de la stabilité des interfaces de recherche IA et de la capacité des fournisseurs à relier les métriques de visibilité au chiffre d’affaires ou à la demande qualifiée.
Pour les développeurs d’IA, le financement de Profound montre qu’une couche logicielle en expansion se construit autour des modèles fondamentaux. Les modèles de base peuvent générer des réponses, mais les entreprises ont encore besoin d’outils pour inspecter ces réponses, évaluer la représentation de leur marque et gérer les informations que les systèmes sont susceptibles d’extraire.
Pour les acheteurs d’entreprise, la question immédiate est celle de la qualité de la mesure. Une plateforme utile doit distinguer le fait qu’une marque apparaisse dans une réponse et le fait qu’un client agisse ensuite. Elle doit aussi tenir compte de la variabilité des réponses et préciser quel modèle, quel prompt, quel ensemble de sources et quelle période ont produit un résultat. Sans ce contexte, les équipes pourraient prendre un instantané volatil pour un indicateur de performance fiable.
Cette catégorie soulève également des questions de gouvernance. Les entreprises qui optimisent pour des réponses générées par l’IA pourraient être tentées de produire du contenu principalement pour la visibilité auprès des modèles, ce qui risquerait d’accroître les doublons, les affirmations non étayées ou les contenus de faible qualité. Les responsables marketing auront besoin de contrôles préservant l’exactitude et la conformité réglementaire tout en adaptant les informations produit à la découverte médiée par les machines.
La concurrence est susceptible de venir de plusieurs directions : start-ups AEO spécialisées, plateformes d’optimisation de recherche établies, agences digitales et fournisseurs qui exploitent les produits de recherche IA sous-jacents. Le défi de Profound sera de maintenir des données et des workflows différenciés à mesure que les grandes plateformes ajoutent leurs propres fonctionnalités de suivi de marque.
Le signal de suivi le plus clair sera de savoir si Profound publie davantage de détails sur sa base de revenus, la rétention client, l’ampleur du déploiement et les résultats obtenus par ses clients. Des études de cas indépendantes fourniraient des preuves plus solides que de simples comptes agrégés de clients.
Les créateurs et les acheteurs devraient aussi observer comment l’entreprise définit la visibilité à travers différents systèmes d’IA. Des informations utiles incluraient la couverture des modèles, les méthodes d’échantillonnage des réponses, la gestion des changements de réponses et les garde-fous contre la manipulation ou la surinterprétation du texte généré.
Le marché au sens large sera façonné par la question de savoir si l’usage de la recherche IA produit une intention commerciale mesurable. Si les entreprises peuvent relier les apparitions dans les réponses IA à des prospects qualifiés, des conversions ou une demande de marque, les budgets AEO pourraient devenir une catégorie durable. Si ces liens restent difficiles à établir, les acheteurs pourraient limiter leurs dépenses à l’expérimentation et à la surveillance.
La valorisation de Profound à 1,8 milliard de dollars montre que les investisseurs considèrent la découverte médiée par l’IA comme une opportunité d’infrastructure, et non comme une simple nouvelle tactique marketing. Le court intervalle entre sa série C et sa série D suggère une confiance dans le fait que les entreprises auront besoin d’outils dédiés à mesure que les consommateurs poseront davantage de questions sur les produits et les marques aux systèmes d’IA.
Mais la crédibilité à long terme de cette catégorie dépendra de preuves allant au-delà de la vitesse de levée de fonds. Profound et ses concurrents devront démontrer une mesure reproductible, une méthodologie transparente et un lien clair entre la visibilité dans l’IA et les résultats commerciaux. Pour les équipes d’entreprise, l’approche raisonnable consiste à considérer l’AEO comme une couche émergente de mesure et d’expérimentation jusqu’à ce que ces liens deviennent plus durables.