sci2sci lève 1,2 M€ en pré-amorçage pour rendre les sorties d'IA dignes de confiance dans les secteurs réglementés

sci2sci (Berlin) a levé 1,2 million d'euros dans un tour de pré-amorçage co-conduit par Heliad et IBB Ventures, avec la participation de Robin Capital et de Superangels. La société développe une infrastructure de vérification des données IA pour les industries réglementées — des outils qui rendent les sorties des systèmes d'IA auditables, traçables et défendables face aux exigences réglementaires. Sa cible de déploiement initiale est la biopharma, où les exigences d'intégrité des données figurent parmi les plus strictes du secteur commercial.

sci2sci a développé deux produits : VectorCat, un outil de catalogage et de traçabilité des données conçu pour retracer les sorties générées par l'IA jusqu'à leurs données sources et étapes de calcul, et Integrity, qui vérifie que les sorties des modèles d'IA respectent des seuils de qualité spécifiés et restent dans des plages acceptables d'une inférence à l'autre. Ensemble, ils répondent à l'anxiété institutionnelle centrale concernant l'IA dans les contextes réglementés : les sorties ne peuvent pas être vérifiées et reproduites de manière indépendante, ce qui les rend inadaptées à la soumission aux régulateurs ou à l'utilisation dans des décisions cliniques et de sécurité critiques.

L'écart de gouvernance IA dans les secteurs réglementés

Le problème de gouvernance de l'IA dans les industries réglementées est structurel, pas accessoire. Dans le développement pharmaceutique, les données étayant un dossier réglementaire doivent être vérifiables — une analyse clinique générée par un modèle d'IA doit être retracée jusqu'au jeu de données sous-jacent avec une documentation complète de chaque étape de transformation, faute de quoi elle ne peut figurer dans un dossier de soumission. Cette exigence n'a pas changé parce que les outils d'IA sont devenus disponibles ; ce qui a changé, c'est l'échelle à laquelle l'IA génère désormais des sorties que les chercheurs veulent utiliser précisément dans ces contextes.

La plupart des outils de conformité existants ont été conçus pour des bases de données relationnelles structurées et des analyses d'auteurs humains. Ils gèrent la provenance d'un tableau ou d'un rapport, pas celle d'un embedding ou d'une chaîne d'inférence vectorielle. La thèse de sci2sci est que ce décalage structurel crée un vide d'infrastructure que les grands éditeurs de logiciels de conformité mettront du temps à combler, faute de l'expertise en architecture de données spécifique à l'IA qu'ils ne possèdent pas encore en interne.

La biopharma est le premier vertical car les enjeux réglementaires y sont les plus élevés et la disposition à payer pour une infrastructure de conformité la plus forte. Les exigences de l'AI Act européen pour les systèmes d'IA à haut risque dans le domaine de la santé ajoutent une dimension d'échéance réglementaire : les entreprises utilisant l'IA dans le développement de médicaments auront besoin de cadres de gouvernance démontrables, qu'elles en aient ou non fait la priorité.

IBB Ventures et Heliad

IBB Ventures, le bras de capital-risque de la Banque d'Investissement de Berlin, a historiquement soutenu les logiciels B2B berlinois à usage réglementaire ou industriel — un profil qui correspond précisément à sci2sci. Heliad, société d'investissement cotée à Francfort avec un portefeuille direct et de fonds de fonds, apporte une exposition VC pan-européenne plus large. La combinaison est typique des tours de table d'amorçage dans l'écosystème allemand : un ancrage institutionnel régional combiné à un investisseur du marché financier plus large.

Le capital est destiné aux effectifs d'ingénierie (développement des deux produits) et à l'accélération des premiers déploiements chez des clients biopharma. Un pré-amorçage à 1,2 M€ représente un capital modeste pour un problème techniquement complexe dans un vertical à pilotage par la conformité où les cycles d'achat clients sont longs. La fenêtre de dix-huit mois de la société : atteindre une profondeur de déploiement en biopharma qui rende son infrastructure de données difficile à déraciner avant que les plus grands éditeurs ne comblent l'écart.