Profound boucle un tour de série D de 180 millions de dollars et atteint une valorisation de 1,8 milliard de dollars : la plateforme de marketing IA passe des outils d’analyse à une couche d’orchestration d’agents

Au cours des deux années où le récit d’investissement dans l’IA générative s’est largement déplacé de la « couche des modèles » vers la « couche des applications », les segments de niche capables de prouver réellement que les entreprises sont prêtes à payer de façon continue ne sont pas nombreux. Le marketing est l’un de ceux qui sont le plus facilement vérifiables, mais aussi le plus facilement contestables : budgets suffisants, chaîne claire, résultats mesurables, mais aussi forte fragmentation et faible coût de remplacement des outils.

Profound a annoncé le 15 septembre 2026 avoir bouclé un tour de financement de série D de 180 millions de dollars, pour une valorisation de 1,8 milliard de dollars, mené conjointement par Sequoia Capital et Kleiner Perkins. Ce tour intervient moins de sept mois après sa série C de 96 millions de dollars — lors de laquelle la société était valorisée à 1 milliard de dollars. Sept mois, une valorisation en hausse d’environ 80 % : ce rythme mérite à lui seul d’être lu comme un signal sectoriel, et non comme une simple nouvelle de financement.

Contexte sectoriel : la recherche IA a redessiné le point d’entrée de la « découverte »

Au cours des vingt dernières années, la logique de répartition des budgets marketing des entreprises reposait sur une prémisse stable : les utilisateurs découvraient les marques et les produits via les moteurs de recherche, les flux sociaux et les rayons de vente au détail. Le SEO, le SEM, le marketing de contenu et les opérations e-commerce sont autant de postes et de chaînes d’outils bâtis autour de cette prémisse.

Ce que l’IA générative change, c’est cette prémisse elle-même. Lorsque les utilisateurs commencent à demander directement à un assistant IA « lequel devrais-je acheter » ou « quel fournisseur est le plus adapté », la visibilité d’une marque n’est plus déterminée par le classement des mots-clés, mais par le fait que le modèle la cite ou non, par la manière dont il la décrit et par l’endroit où il la mentionne au moment de générer une réponse. Il s’agit d’une concurrence au niveau sémantique et non au niveau du classement, et elle manque de normes de mesure matures.

Le point de départ de Profound est précisément ce vide de mesure : fournir aux équipes marketing une analyse de la « visibilité de marque dans les réponses d’IA ». L’entreprise affirme que sa plateforme repose sur plus de 2 milliards de prompts d’utilisateurs réels ; cette échelle de données constitue le fondement de l’exploitabilité de son produit — sans un vaste corpus de prompts et d’échantillons de réponses, impossible de transformer les « mentions IA » en indicateurs comparables.

De l’analyse à l’exécution : l’évolution de la structure produit en trois couches

Pour comprendre ce tour de série D, la clé est de comprendre que le produit de Profound est passé de l’« observation » à l’« exécution ».

Première couche : analyse de visibilité dans la recherche IA. C’était le produit phare de l’entreprise lors de sa création en 2024, qui répond au problème de mesure de « la manière dont une marque est présentée dans les réponses d’IA ».

Deuxième couche : Context Manager (gestionnaire de contexte). Ce composant distille des documents de base de connaissances d’entreprise, des comptes rendus de réunion, des fils de communication et d’autres matériaux non structurés en un contexte de marque réutilisable, permettant à AI Marketer d’ajuster en continu ses sorties au fil de l’évolution du positionnement de la marque. L’importance sectorielle de cette couche est souvent sous-estimée : l’un des plus grands points de friction du déploiement de l’IA en entreprise est le manque, pour le modèle, d’une compréhension continue des connaissances dynamiques internes à l’organisation, et non simplement une insuffisance des capacités du modèle.Troisième couche : AI Marketer et Ads Studio. AI Marketer est décrit comme un orchestrateur d’agents qui scanne les données de marque, analyse les réponses de l’IA, identifie les opportunités et coordonne des sous-agents pour exécuter des tâches concrètes. Ads Studio permet aux marketeurs de créer, diffuser et gérer des campagnes d’annonces dans les recherches IA dans les gestionnaires de publicités d’OpenAI, de Google et de Meta, et d’effectuer le suivi grâce au pixel propriétaire de Profound.

Cette structure à trois couches dessine une voie de monétisation claire : d’abord la mesure (créer un fossé défensif dans les données), ensuite le contexte (augmenter les coûts de changement), enfin l’exécution et le point d’entrée sur le budget (s’attaquer aux dépenses publicitaires). La diffusion publicitaire est l’élément le plus proche du budget dans la stack martech ; dès qu’une plateforme peut à la fois expliquer « ce qui se passe dans les réponses d’IA » et agir directement sur « combien dépenser pour cela », son rôle passe d’un outil d’analyse à un système de workflow.

Structure de la clientèle et validation commerciale

La liste de clients divulguée par l’entreprise couvre les biens de consommation, la finance et la technologie : Comcast, The Estée Lauder Companies, Walmart, Campari Group, Royal Bank of Canada, ainsi que Zoom, ServiceNow, Ramp, Cursor, MongoDB, Figma.

Le taux de couverture de cette liste est un indicateur encore plus révélateur : plus d’un tiers du Fortune 100 et 16 % du Fortune 500. Au moment de la série C, les chiffres correspondants étaient de plus de 700 entreprises et de plus de 10 % du Fortune 500 ; en outre, plus de 500 clients utilisaient Profound Agents chaque jour. À la série D, le nombre de clients entreprises dépassait 1 000.

En sept mois, le nombre de clients est passé de plus de 700 à plus de 1 000 et le taux de pénétration du Fortune 500 est passé de 10 % à 16 %, ce qui montre que la croissance ne repose pas uniquement sur l’expansion des clients existants, mais aussi sur l’arrivée continue de nouveaux grands comptes. Pour une entreprise créée seulement en 2024, c’est une efficacité commerciale relativement rare.

Les capacités de gouvernance côté entreprise constituent également un prérequis d’achat. Les capacités répertoriées sur le site de Profound incluent le contrôle d’accès basé sur les rôles (RBAC), le provisionnement des identités SCIM et la conformité SOC 2, ainsi que la prise en charge de plus de 200 intégrations. Dans les grandes entreprises, ce ne sont généralement pas des atouts, mais des conditions préalables.

Rythme de financement et logique du capital

| Date | Tour | Montant | Valorisation | Chefs de file | | --- | --- | --- | --- | --- | | 2024-08-12 | Amorçage | 3,5 millions de dollars | Non communiqué | Khosla Ventures, Saga Ventures, South Park Commons | | 2025-06-18 | Série A | 20 millions de dollars | Non communiqué | Kleiner Perkins | | 2025-08-12 | Tour non précisé | 35 millions de dollars | Non communiqué | Non communiqué | | 2026-02-24 | Série C | 96 millions de dollars | 1 milliard de dollars | Lightspeed Venture Partners | | 2026-09-15 | Série D | 180 millions de dollars | 1,8 milliard de dollars | Sequoia Capital, Kleiner Perkins (co-chefs de file) |

Lors du tour de série C, la société a déclaré avoir levé plus de 155 millions de dollars au total, alors qu'il ne lui manquait qu'un jour pour atteindre 18 mois d'existence. Avec les 180 millions de dollars de ce tour, le financement cumulé atteint désormais l'ordre de 300 millions de dollars.

Il faut souligner la stabilité des investisseurs. Khosla Ventures, Saga Ventures et South Park Commons ont suivi depuis l'amorçage jusqu'au tour D ; Kleiner Perkins est entré au tour A et a co-dirigé le tour D ; Lightspeed, après avoir dirigé le tour C, a continué à participer ; Sequoia, participant au tour C, est devenu co-chef de file du tour D. Dans un cycle où les entreprises de la couche applicative font l'objet de doutes récurrents quant à une « inversion de valorisation » et à l'absence de suivi des actionnaires historiques, cette structure de réinvestissement continu est plus révélatrice que le montant d'un tour unique.

Impact sur le marché : les trois parties ne sont pas affectées de la même manière

Pour les clients entreprises. La logique d'achat passe de « l'achat d'un outil d'analyse » à « l'achat d'un workflow d'Agent gouvernable ». Cela implique un changement des critères d'évaluation : il ne s'agit plus de savoir si le tableau de bord est beau, mais de vérifier les limites de permissions de l'Agent, si les sources de contexte sont auditables, si les sorties sont traçables, si l'Agent peut s'intégrer aux systèmes d'identité existants (SCIM, RBAC) et s'il répond à des exigences de conformité telles que SOC 2. Profound met en avant les capacités de gouvernance sur sa page produit, ce qui reflète précisément les préoccupations réelles des acheteurs entreprises en 2026.Pour les investeurs. Ce tour de financement fournit un nouveau point d’ancrage de valorisation à la question de savoir si la couche applicative de l’IA peut soutenir des valorisations à multiples élevés : passer d’environ zéro à 1,8 milliard de dollars en 18 mois. Il poussera à la hausse les attentes de valorisation des entreprises comparables et accentuera les interrogations du marché sur la qualité des revenus — en particulier lorsque la base de clients comprend un grand nombre d’entreprises du Fortune 500, il faudra distinguer les pilotes des déploiements à grande échelle.

Pour les fournisseurs traditionnels de technologies marketing. La pression vient d’un déplacement du point d’entrée. Lorsque les campagnes publicitaires sur la recherche IA d’une marque peuvent être gérées de façon unifiée sur une seule plateforme, à travers OpenAI, Google et Meta, les fonctions qui étaient auparavant assumées séparément par les outils SEO, les plateformes de gestion publicitaire et les suites d’analyse au sein de la pile martech commencent à tendre vers l’intégration.

Paysage concurrentiel : qui en bénéficie, qui subit la pression, qui pourrait suivre

Les bénéficiaires sont trois catégories d’acteurs. Premièrement, les entreprises de la couche applicative qui possèdent de véritables clients entreprises et des capacités de gouvernance, et qui peuvent s’appuyer sur ce point d’ancrage de valorisation pour lever des fonds ; deuxièmement, les fournisseurs de modèles de pointe et d’infrastructure cloud, car les orchestrateurs d’agents amplifient par essence les appels d’inférence et la consommation de tokens, ce qui constitue un surcroît de demande au niveau de l’infrastructure IA ; troisièmement, les plateformes publicitaires capables de capter la « publicité sur la recherche IA », cette nouvelle catégorie budgétaire, les gestionnaires de publicité d’OpenAI, Google et Meta gagnant une nouvelle couche d’intermédiation.

Ceux qui subissent la pression sont principalement les éditeurs d’outils au périmètre fonctionnel étroit. Les produits qui se contentent d’offrir une « surveillance de la visibilité IA » ont du mal à rivaliser avec les plateformes intégrées qui descendent jusqu’à la gestion du contexte et remontent jusqu’à l’exécution publicitaire et à l’entrée budgétaire, car leurs coûts de basculement augmentent avec la profondeur d’usage.

Les pistes de suivi possibles sont au nombre de trois : premièrement, les fournisseurs traditionnels de SEO et d’analyse de l’expérience numérique ajoutent à leur offre des capacités d’exécution d’agents ; deuxièmement, les grandes plateformes de marketing cloud (comme la gamme de produits marketing du côté de Salesforce) intègrent la visibilité dans la recherche IA à leurs suites d’entreprise existantes, en utilisant un achat intégré pour contrer les outils ponctuels ; troisièmement, les fournisseurs de modèles de pointe ou les plateformes publicitaires fournissent eux-mêmes des outils officiels de mesure et de diffusion publicitaire, et absorbent directement la couche intermédiaire. La troisième voie constitue, pour Profound, un risque structurel de long terme : une partie de sa valeur repose sur sa neutralité multiplateforme, et cette neutralité ne se traduit par une prime que lorsque les plateformes ne proposent pas de capacités équivalentes.

Implications pour les entreprises : ce à quoi elles doivent prêter attention1. Intégrer la visibilité dans les IA à un système d’indicateurs formel. Si le parcours d’acquisition client s’est en partie déplacé vers les interfaces conversationnelles d’IA, il faut, au-delà de la santé de marque et de la part de recherche, mettre en place des mesures de la présence de la marque dans les réponses d’IA ; sinon, les critères d’allocation des budgets marketing seront systématiquement faussés. 2. La capacité de gouvernance prime sur le plafond de capacités. Avant de déployer des agents marketing, il faut d’abord clarifier les sources de données, les limites d’autorisation, le contrôle des sorties et la traçabilité des audits. Si SOC 2, RBAC et SCIM sont devenus des conditions d’admission, c’est parce qu’une fois qu’un agent est connecté à la base de connaissances de la marque et aux budgets publicitaires, le coût d’une sortie erronée est bien supérieur à celui d’un logiciel traditionnel. 3. Distinguer les pilotes de la mise à l’échelle. Le nombre de clients et le taux de pénétration publiés par les fournisseurs reflètent la couverture contractuelle, et non un déploiement complet ou un ROI réel. Lors de l’évaluation, les acheteurs doivent demander des données sur la profondeur de déploiement par unité commerciale et par scénario, et exiger des indicateurs quantifiables d’économies de coûts ou de gains d’efficacité. 4. Préserver un pouvoir de négociation multi-plateformes. Que l’on choisisse de développer en interne ou d’acheter, il faut éviter de confier entièrement la mesure de la recherche IA et l’exécution des placements publicitaires à un intermédiaire unique, afin d’éviter une position de faiblesse lorsque les plateformes lanceront leurs propres outils officiels. 5. S’intéresser au pouvoir d’interprétation de la couche de post-entraînement des modèles. Profound prévoit de réaliser du post-entraînement pour des scénarios marketing et de construire des benchmarks d’évaluation ; cela revient en substance à se disputer le pouvoir de définir « ce qui constitue un bon travail marketing ». Une fois ce pouvoir de définition établi, il influencera en retour les critères de performance internes des entreprises et la manière dont elles évaluent les fournisseurs.

Utilisation des fonds : d’une entreprise de produits à un institut de recherche

Les fonds de ce tour serviront à agrandir ses laboratoires d’IA appliquée à New York et à San Francisco. Selon les informations communiquées par l’entreprise, l’équipe étudiera la performance des modèles de pointe sur les tâches marketing, évaluera les capacités des modèles et réalisera du post-entraînement de modèles pour des scénarios marketing.

La composition de cette équipe de recherche mérite l’attention : des chercheurs scientifiques, des médaillés des Olympiades internationales de physique et d’informatique, ainsi que des économistes. Les chercheurs développent un ensemble de benchmarks pour tester jusqu’où l’IA peut aller dans des tâches marketing complexes — si un modèle peut comprendre une activité, peser des signaux de marché contradictoires et produire des résultats exploitables à travers les fonctions marketing. Ali Vaghar, responsable des données de Profound, déclare que l’entreprise construit la rigueur technique et la première suite de méthodes d’évaluation qui rendront l’IA véritablement utile aux professionnels du marketing.D’un point de vue sectoriel, il s’agit d’un cas typique de « société applicative qui remonte vers la couche recherche ». La raison est facile à comprendre : si les capacités produit dépendent entièrement de modèles de pointe que tout concurrent peut mobiliser, le fossé concurrentiel ne peut venir que de la profondeur des données propriétaires et des workflows ; mais dès qu’une entreprise commence à faire du post-entraînement pour des scénarios verticaux et à définir des standards d’évaluation, elle ajoute au-dessus du modèle une couche d’actifs difficile à répliquer. Anas Biad, associé chez Sequoia Capital, déclare que les grandes marques adoptent rapidement l’IA au sein de leurs équipes marketing et que Profound a établi sa position dans la couche applicative. Ilya Fushman, associé chez Kleiner Perkins, décrit cette évolution comme l’extension d’une plateforme plus large, de la recherche IA aux modes de fonctionnement des équipes marketing modernes.

Perspectives d’avenir

Dans les 12 mois. Le point d’observation clé est le taux d’adoption réel d’Ads Studio, c’est-à-dire la question de savoir si les clients confient réellement à cette plateforme la gestion de leurs budgets publicitaires liés à la recherche IA, plutôt que d’utiliser uniquement les fonctionnalités d’analyse. Il faudra aussi suivre si ce benchmark est publié ouvertement et cité par le secteur — l’acceptation des standards d’évaluation par des tiers est une condition préalable à l’établissement du pouvoir de définition. Le suivi par les concurrents est presque certain : la surveillance de la visibilité dans la recherche IA va rapidement se banaliser, et la différenciation se concentrera sur les deux extrémités que sont la gestion du contexte et l’exécution des campagnes.

Dans les 24 mois. Le marché va probablement se stratifier : un petit nombre de sociétés plateformes maîtriseront l’accès aux budgets et les standards d’évaluation, tandis que de nombreux outils ponctuels seront intégrés ou marginalisés. Les achats des entreprises feront des capacités de gouvernance de l’IA (autorisations, audit, conformité) une exigence impérative ; les fournisseurs qui en sont dépourvus seront exclus des grandes entreprises. Parallèlement, la probabilité que les plateformes publicitaires et les fournisseurs de modèles de pointe lancent des outils de mesure officiels augmentera, et la proposition de valeur de la couche intermédiaire sera contrainte de passer de la « mesure » à « l’orchestration multiplateforme et la responsabilité des résultats ».

À l’échelle de trois ans. Le changement plus substantiel est l’organisation, non les outils. Lorsque le point d’entrée de la découverte marketing passe du classement dans les moteurs de recherche aux réponses générées par les modèles, les équipes marketing ont besoin de systèmes d’agents capables de comprendre l’activité, de peser les signaux et d’exécuter des tâches multifonctions, plutôt que de davantage de tableaux de bord. Cela redéfinira les frontières de la stack marketing et liera le budget marketing, la gouvernance des données et la gouvernance de l’IA dans une même décision d’achat. Pour les investisseurs, le critère de jugement passera de « a-t-elle des clients entreprises ? » à « maîtrise-t-elle des actifs de contexte irremplaçables, des standards d’évaluation ou des points d’entrée budgétaires ? ».

Questions à suivre

La courbe de croissance de Profound est actuellement soutenue par le nombre de clients et sa pénétration auprès des entreprises du Fortune 500, mais les informations publiques n’ont pas encore divulgué le chiffre d’affaires, le taux de rétention net des revenus ni la structure de marge brute. Les attentes de croissance implicites dans cette valorisation sont assez agressives. En outre, la liste de clients mentionnée publiquement par l’entreprise comprend un grand nombre de sociétés technologiques, dont la disposition à payer peut différer de celle des grandes entreprises traditionnelles.Pour les observateurs du secteur, la valeur de ce financement ne réside pas dans son montant, mais dans le fait qu’il marque un constat clair : les budgets marketing migrent vers les interfaces conversationnelles d’IA, et autour de cette migration, l’infrastructure à trois couches — mesure, contexte et exécution — a déjà vu apparaître le premier intégrateur soutenu par des capitaux à grande échelle. La question qui se pose ensuite n’est pas de savoir si cette voie existe, mais si elle peut, avant que les plateformes ne s’y impliquent directement, transformer la neutralité et les actifs contextuels en coûts de changement suffisamment élevés.