Graphon AI lève 8,3 millions de dollars pour une couche de traitement des données destinée aux LLM

Graphon AI sort du mode stealth avec un tour de table seed de 8,3 millions de dollars. La société développe une couche de prétraitement des données pour les modèles de langage, que ses développeurs appellent pre-model intelligence layer.

Quel est le problème ?

La plupart des LLM actuels sont entraînés sur du texte, qui représente l'information sous forme de séquence linéaire de mots. Or, dans le monde réel, l'information est souvent organisée tout autrement : en graphes, où les nœuds représentent des entités et les arêtes les relations entre elles.

Les structures de graphes sont partout. Dans les réseaux sociaux, ce sont les amis et leurs liens. Dans les organisations, les personnes et la hiérarchie. Dans les bases de connaissances, les faits et leurs interrelations. Dans les systèmes de recommandation, les utilisateurs et leurs préférences. Quand ces données sont converties en texte brut pour un LLM, l'essentiel de l'information sur les liens se perd.

La solution de Graphon AI

La société tire son nom du graphon, un objet mathématique issu de la théorie des graphes qui décrit la limite d'une suite de graphes denses. Ce choix n'a rien d'un hasard : parmi les conseillers de la société figurent des personnes qui ont aidé à concevoir et à développer la théorie des graphons elle-même. Cela suggère un solide socle mathématique derrière la solution.

Graphon AI propose une façon de mieux organiser les données de graphes avant qu'elles n'arrivent dans le LLM. Une préparation adéquate peut améliorer la qualité des modèles, réduire les coûts de calcul et aider les modèles à mieux comprendre les relations entre entités.

Pourquoi c'est important

L'architecture des données devient souvent un goulot d'étranglement dans les pipelines de ML, et elle reçoit moins d'attention que l'architecture du modèle. Si Graphon AI parvient à automatiser la structuration des données de graphes, l'outil pourrait devenir standard dans la stack ML. C'est particulièrement pertinent pour les entreprises qui manipulent de grands volumes de données connectées : bases de connaissances, réseaux sociaux, systèmes financiers, structures organisationnelles et systèmes de gestion de la relation client.

La suite

Au stade seed, les entreprises se concentrent généralement sur le MVP et la validation du concept. Graphon AI a reçu assez de financement pour prouver que son approche fonctionne sur des données réelles. Les prochaines étapes : travailler avec les premiers clients, optimiser la solution et, probablement, boucler un tour plus important pour passer à l'échelle et développer un écosystème.