Marble Cognition lève 3,35 M€ en pre-seed pour construire des coworkers IA qui apprennent un métier en vous observant le faire

Marble Cognition (Munich) a levé 3,35 millions d'euros (3,75 millions de dollars) dans un tour de table pre-seed co-mené par Heartcore Capital et Seedcamp. Le tour réunit également des business angels issus de postes de direction chez Datadog, Personio, McKinsey, Mistral AI et Lovable. Fondée en 2025 par Felix Rösner (CEO) et Christophe Schmit (CTO), qui se sont rencontrés au programme CDTM de Munich, la société construit ce qu'elle appelle des Marble Coworkers : des agents IA qui apprennent les processus métiers en observant les employés au travail, puis automatisent ces processus à leur place.

Le modèle par observation

L'approche dominante en automatisation IA d'entreprise part d'une API ou d'une description de processus structurée : le flux est documenté, un modèle est instruit pour l'exécuter, et le travail d'implémentation consiste à mapper ces instructions aux applications cibles. Le mode d'échec est connu — les processus tels que documentés diffèrent des processus tels que pratiqués, et l'écart s'accroît avec la complexité.

Le postulat de départ de Marble est que la source de vérité pertinente n'est pas la documentation, mais l'observation. Son application de bureau tourne en arrière-plan pendant les heures de travail normales, enregistrant l'activité écran, les frappes clavier et les clics exclusivement dans les logiciels métiers (email, ERP, CRM, outils internes). À partir de ce flux de comportements observés, le système déduit la structure du flux de travail : les points de décision, la séquence des actions, la gestion des cas particuliers. Cette structure inférée devient le matériau d'entraînement du Marble Coworker, qui exécute ensuite le même flux dans les mêmes outils.

La société indique que toutes les données capturées sont anonymisées avant qu'une personne ou un modèle IA ne les traite, que l'enregistrement exclut les applications privées et les onglets de navigation privée, et que les employés peuvent mettre l'observation en pause à tout moment. Les premiers clients incluent EGYM (fitness tech), Mutares (private equity) et Enam.

Ce que financent les 3,35 M€

Le capital pre-seed finance trois priorités en parallèle : monter en puissance l'infrastructure d'inférence IA qui transforme l'activité écran observée en cartes de processus structurées ; renforcer l'équipe d'ingénierie à Munich ; et préparer un lancement aux États-Unis. La base de clients précoces — trois organisations de taille intermédiaire ou grande entreprise, avec des bibliothèques de flux de travail distinctes — fournit un éventail de types de processus à entraîner avant l'expansion américaine.

Rösner a précédemment travaillé chez 11x, une société d'agents IA de vente. Schmit est architecte en logiciels d'entreprise. Heartcore et Seedcamp — actionnaires de Revolut, UiPath, Neo4j et d'autres — co-mènent un tour précoce même par rapport aux standards du pre-seed.

La question centrale reste le modèle de protection des données. L'approche d'observation de Marble est techniquement plus directe que le process mining rétrospectif, mais elle est aussi plus exposée juridiquement, en particulier en Allemagne où la loi sur la constitution des entreprises donne aux comités d'entreprise des droits de codétermination sur les outils proches de la surveillance, et le RGPD impose des exigences supplémentaires de consentement. Si le modèle d'anonymisation et de consentement déclaré par la société est suffisant pour le déploiement en grande entreprise — plutôt que pour des clients en phase d'adoption précoce — est une question de gouvernance que le financement ne résout pas.