kausable lève 12 M€ en Série A pour construire une IA qui s'adapte sans réentraînement

kausable, une startup d'intelligence artificielle fondée à Heidelberg en 2025 par trois physiciens de l'Université de Heidelberg — Johannes Haux (PDG), Dr. Benjamin Herdeanu (directeur technique) et Gregor Ramien (directeur des opérations) — a bouclé un tour d'amorçage de 12 M€ co-dirigé par UVC Partners et Entourage, avec la participation d'HTGF et de Mätch VC. Des business angels issus de Black Forest Labs, OpenAI, Google DeepMind, Noxtua et de l'ELLIS (European Laboratory for Learning and Intelligent Systems) complètent le tour de table.

La société développe ce qu'elle décrit comme une IA « à raisonnement premier » : des modèles qui construisent des représentations internes du monde — des modèles du monde — pour raisonner et prévoir dans de nouveaux contextes à partir de données minimales, sans dépendre du réentraînement massif qu'exigent les systèmes d'IA conventionnels. Le financement précédent était un pré-amorçage de 1,5 M€ ; ce tour de 12 M€ constitue le premier financement institutionnel de la société.

Le problème du réentraînement

La critique habituelle des systèmes d'IA porte sur leurs capacités : hallucinations, confabulations, défaillances sur des raisonnements complexes. La critique de kausable est d'une nature différente — elle porte sur l'adaptabilité. Tout système d'IA déployé évolue dans un monde en mouvement. Les marchés changent, les systèmes évoluent, les distributions dérivent. La réponse dominante est le réentraînement : collecter de nouvelles données, lancer de nouveaux calculs, mettre à jour le modèle. Ce cycle est lent et coûteux à grande échelle, et il suppose que de nouvelles données sont disponibles — une hypothèse qui s'effondre dans les environnements véritablement nouveaux où, par définition, on ne dispose que de peu d'exemples.

L'architecture de kausable s'articule autour de TipPFN, un système de prévision zéro-shot conçu pour les systèmes dynamiques complexes. Zéro-shot signifie que le système produit des prédictions utiles sur des distributions qu'il n'a pas encore vues, sans ajustement spécifique à chaque tâche. Les systèmes dynamiques — ceux dont les règles sous-jacentes évoluent plutôt que de rester fixes — sont précisément le régime où les modèles statiques entraînés sur des distributions historiques échouent le plus visiblement.

« Le monde évolue rapidement, et l'IA devrait en faire autant », a déclaré Johannes Haux. « Pourtant, même les systèmes d'IA les plus puissants d'aujourd'hui sont très statiques dans leur façon d'interpréter le monde et nécessitent un réentraînement constant, chronophage et coûteux. »

Ce que le syndicat révèle

La co-direction d'UVC Partners et d'Entourage va au-delà du montant. UVC est le fonds d'amorçage munichois qui dispose d'un palmarès régulier dans l'infrastructure IA européenne ; Entourage, co-fondé par Pieterjan Bouten, a financé plusieurs sociétés issues de l'écosystème de recherche IA européen. La liste des business angels — recrutés chez Black Forest Labs, OpenAI, DeepMind et ELLIS — apporte une crédibilité scientifique essentielle dans un secteur où la frontière entre recherche de pointe et IA commerciale est encore activement négociée.

HTGF (High-Tech Gründerfonds), qui a également soutenu Pixel-Flo plus tôt cette année, est le quatrième participant institutionnel. La participation de ce fonds d'amorçage public-privé allemand constitue une validation habituelle pour les tours Seed DeepTech allemands de cette taille.

Les 12 M€ financent trois axes : l'élargissement de l'équipe de neuf personnes à l'effectif nécessaire pour les ventes entreprise, la poursuite du développement de TipPFN, et la traduction commerciale de l'architecture modèle-du-monde en produits déployables. La question à laquelle le capital doit répondre n'est pas de savoir si l'approche est intellectuellement convaincante — le pedigree de recherche le rend crédible — mais si elle résout des problèmes pour lesquels les entreprises paieront, avec la précision et la fiabilité requises.