La lutte pour apprivoiser les feuilles de calcul grâce à l’IA n’est pas encore terminée. Une nouvelle société appelée Meridian a émergé de la furtivité avec une approche plus complète de la modélisation financière agentique basée sur l’IDE – et de nombreux financements pour la construire. Mercredi, la société a annoncé un financement de démarrage de 17 millions de dollars pour une valorisation post-financement de 100 millions de dollars.
« Notre objectif est de rendre la modélisation financière et les feuilles de calcul beaucoup plus prévisibles et vérifiables », a déclaré le PDG et co-fondateur John Ling à TechCrunch. « Comment pouvez-vous prendre un processus qui, traditionnellement, prendrait des heures fraîches et le condenser en 10 minutes ? »
Le cycle a été dirigé par Andressen Horowitz et le General Partnership, avec la participation de QED Investors, FPV Ventures et Litquidity Ventures. La société affirme travailler actuellement avec les équipes de Decagon et OffDeal et avoir signé des contrats de 5 millions de dollars rien qu’en décembre.
Les agents Excel sont une cible populaire pour les startups d’IA, en partie en raison du coût élevé de l’analyse financière menée par l’homme. Mais là où les agents Excel précédents comme Shortcut AI intégraient des agents dans Excel, Meridian fonctionne comme un espace de travail autonome, plus proche de Cursor. Cela permet à l’application de fonctionner comme un IDE, intégrant des sources de données et d’autres références externes qui pourraient autrement créer des frictions.
Basée à New York, l’équipe Meridian comprend à la fois des anciens de sociétés d’IA comme Scale AI et Anthropic, ainsi que des vétérans de la finance de sociétés comme Goldman Sachs.
Comme le décrit Ling, le plus grand défi de Meridian réside dans les exigences strictes des clients financiers, qui entrent souvent en conflit avec la nature non déterministe des modèles d’IA.
« Si vous vous adressez à dix ingénieurs logiciels différents chez Google et que vous souhaitez ajouter de nouvelles fonctionnalités dans une application, vous obtiendrez probablement dix implémentations complètement différentes. Et c’est tout à fait correct », explique Ling. « Mais si vous vous adressez à 10 analystes bancaires chez Goldman Sachs et que vous leur demandez 10 modèles de valorisation pour une entreprise, vous obtiendrez probablement 10 classeurs presque identiques. »
Événement Techcrunch
Boston, Massachusetts
|
23 juin 2026
En conséquence, l’équipe Meridian a réalisé un travail important pour rendre ses résultats plus vérifiables et déterministes, tout en conservant la flexibilité des outils basés sur LLM. Le résultat est un mélange d’IA agentique et d’outils plus conventionnels, minimisant les hallucinations qui ralentissent de nombreux déploiements en entreprise.
« Notre objectif est de réellement supprimer la couche de doute dès le processus LLM », explique Li. « Vous savez exactement comment la logique s’écoule, et toutes ces hypothèses ou quoi que ce soit qui entrent dans le modèle, vous pouvez voir exactement d’où elles viennent. »
