Voir les titres Ne plus voir les titres
Sept mois séparent le lancement de Gradium de son entrée dans la cour des levées à trois chiffres. La start-up parisienne, spécialisée dans les modèles vocaux en temps réel, a annoncé le 8 juillet avoir porté son financement d’amorçage à 100 millions de dollars, avec Nvidia parmi les nouveaux entrants à son tour de table. Le même communiqué acte l’ouverture d’un bureau dans la baie de San Francisco.
L’IA vocale désigne les modèles capables de transcrire la parole, de la synthétiser et de tenir une conversation avec une latence assez faible pour que l’échange reste naturel. Le marché est jeune, très disputé, et déjà dominé par des acteurs américains valorisés en milliards. La question mérite d’être posée franchement : qu’est-ce qui permet à une société née en septembre 2025 d’aller planter son drapeau à quelques kilomètres d’OpenAI et de Google ?
Sept mois pour passer de 70 à 100 millions de dollars
Gradium a officialisé son existence en décembre, avec 70 millions de dollars en poche, soit une soixantaine de millions d’euros. Le tour était mené par FirstMark Capital et Eurazeo, avec un attelage rarement réuni autour d’un projet européen : DST Global Partners, Xavier Niel via Iliad, Eric Schmidt, Rodolphe Saadé, Korelya Capital, Amplify Partners. La société n’a pas ouvert un nouveau tour mais rouvert le précédent, opération inhabituelle qui traduit une demande d’entrée plus forte que prévu.
Le nouvel arrivant fait la différence. Nvidia n’investit pas au hasard : le fabricant de puces place ses billes là où il anticipe de la consommation de calcul, et un modèle vocal temps réel en consomme en continu, pas par à-coups. Sa présence au capital vaut aussi accès privilégié à des GPU dans un marché sous tension, ce qui compte davantage qu’un chèque pour une jeune société d’infrastructure.
Le communiqué détaille l’emploi des fonds sans ambiguïté : recherche, développement produit, expansion internationale, et l’ouverture du bureau californien. Rien sur une valorisation, ce qui reste la norme pour une extension d’amorçage. Le silence sur le multiple est un choix, pas un oubli.
L’IA vocale atteint un point d’inflexion. Dépasser les 100 millions de dollars de financement et élargir notre tour de table constitue une étape importante pour Gradium. Cela nous permet d’accélérer notre feuille de route, de renforcer notre présence dans la Bay Area et de transformer des années de recherche de pointe en produits utilisés par des développeurs et des entreprises dans le monde entier.
Neil Zeghidour, cofondateur et directeur général de Gradium, communiqué de l’entreprise, 8 juillet 2026
Quatre chercheurs sortis du laboratoire Kyutai
L’équipe fondatrice est le premier actif de la société. Neil Zeghidour, passé par Google Brain, DeepMind et Meta, dirige l’ensemble ; il est entouré de Laurent Mazaré, d’Olivier Teboul et d’Alexandre Défossez, dont les travaux ont façonné le champ de l’audio génératif. Les quatre sont les fondateurs de Kyutai, le laboratoire à but non lucratif lancé fin 2023 avec un budget annoncé de 330 millions d’euros par Xavier Niel, Rodolphe Saadé et Eric Schmidt.
Ce lignage n’est pas décoratif. Kyutai avait présenté Moshi à l’été 2024, premier modèle génératif principalement vocal capable de dialoguer sans à-coups, puis Hibiki, dédié à la traduction simultanée. Gradium a été créée en septembre 2025 pour industrialiser ces travaux, et c’est l’investisseur qui avait financé le laboratoire qui se retrouve au capital du produit. Le spin-off transforme un actif de recherche en chiffre d’affaires, sans passer par la case rachat.
Ce que la start-up met réellement sur le marché
Derrière la formule IA vocale, Gradium commercialise une pile logicielle et non un assistant grand public :
- un modèle de transcription en flux continu, doté d’une détection sémantique de fin de tour qui émet ses prédictions toutes les 80 millisecondes ;
- un modèle de synthèse vocale expressive, retravaillé pour prononcer correctement les acronymes, adresses e-mail, numéros et codes alphanumériques qui cassent les agents en production ;
- Gradium Translate, un modèle de traduction voix à voix à très faible latence couvrant l’anglais, le français, l’allemand, l’espagnol et le portugais ;
- Phonon, un modèle embarqué de 100 millions de paramètres qui fonctionne hors connexion sur l’appareil ;
- GradBot, un cadre open source à cœur Rust qui permet de monter un agent vocal en une cinquantaine de lignes.
La cible est le développeur et la direction technique, pas le consommateur. Gradium revendique déjà des clients dans la relation client, la santé, les médias et les applications grand public, avec des revenus générés dans les semaines qui ont suivi le lancement, et Renault figure parmi les références citées par TechCrunch.
Un marché où ElevenLabs pèse déjà 11 milliards de dollars
La concurrence n’est pas une perspective lointaine, elle est frontale. Gradium a pris l’habitude de publier ses comparaisons face à des modèles nommés, ce qui donne une lecture inhabituellement précise du terrain :
| Modèle concurrent | Éditeur | Terrain de comparaison revendiqué par Gradium |
|---|---|---|
| Magpie TTS | Nvidia | Jusqu’à 3,5 fois moins d’erreurs de mots pour Phonon en français, allemand et espagnol, avec 3,6 fois moins de paramètres |
| Flash v2.5 et Multilingual v2 | ElevenLabs | Prononciation des cas difficiles en synthèse vocale temps réel |
| Sonic 3.5 | Cartesia | Prononciation des cas difficiles en synthèse vocale temps réel |
| gemini-3.5-live-translate | Compromis entre précision et latence en traduction temps réel |
Ces chiffres sont ceux de l’éditeur, publiés sur son propre blog, et doivent se lire comme tels. Ils dessinent malgré tout une stratégie lisible : attaquer sur la latence et la prononciation plutôt que sur le catalogue de voix, terrain où ElevenLabs, valorisée 11 milliards de dollars en février après une levée de 500 millions menée par Sequoia, est difficilement délogeable.
Le paysage français n’est pas vide non plus. Mistral avait lancé Voxtral en juin 2025, un modèle centré sur la reconnaissance vocale et la transcription multilingue, et la façon dont la licorne française construit son modèle face aux géants reste la référence à laquelle tout l’écosystème se compare. Deux stratégies opposées coexistent, l’une généraliste, l’autre résolument spécialisée.
Pourquoi un bureau dans la Bay Area
Le communiqué justifie l’implantation californienne par le renforcement de la position de la société au cœur du premier écosystème mondial de l’IA. La formule est diplomate ; la réalité l’est moins. Le nerf de cette expansion est le recrutement, dans un bassin où les chercheurs en audio génératif se comptent en centaines et où Anthropic, Google, Meta et OpenAI se les disputent à coups de packages que Paris n’aligne pas.
L’aveu est intéressant venant d’une société qui incarne la recherche française. Paris est devenu un pôle européen majeur de l’IA, mais un vendeur d’infrastructure a besoin d’être là où ses clients construisent leurs agents, et ces clients sont massivement américains. Vendre depuis Paris à des développeurs de San Francisco impose un décalage horaire, un cycle de vente allongé et une visibilité moindre dans les conférences qui font les standards.
Le choix rappelle celui d’autres pépites françaises qui basculent leur centre de gravité commercial outre-Atlantique tout en gardant leur recherche en France, à l’image de la trajectoire de Pasqal vers le Nasdaq. Le siège reste parisien, le marché devient américain, et c’est précisément là que se jouera la suite.
Ce qui se joue dans les prochains mois
Deux échéances vont trancher. La première tient à la commodisation : si Google et OpenAI intègrent une voix temps réel suffisamment bonne dans leurs API généralistes, la valeur d’un spécialiste s’évapore. La seconde tient au modèle embarqué : Phonon, publié le 15 juillet en version multilingue, vise les appareils et les usages hors connexion, un terrain que les fournisseurs d’API cloud n’adressent pas.
La levée donne à Gradium le temps de savoir laquelle des deux l’emporte. Ses 100 millions de dollars financent une course où le concurrent le plus riche dispose de cent dix fois sa valorisation, et où le nouvel actionnaire vend aussi les puces sur lesquelles tournent ses rivaux. La souveraineté technologique française se joue moins dans les discours que dans la capacité d’une équipe de quatre chercheurs à tenir ce rythme sans se faire racheter.
