Rime lève 24 M$ en Série A pour ses agents vocaux d'entreprise

L'angle intéressant de la levée annoncée cette semaine par Rime, startup de voix synthétique basée à San Francisco, n'est pas tant le montant que la thèse industrielle qui l'accompagne. La société a bouclé 24 millions de dollars en Série A menés par M13 Ventures, rapporte TechCrunch, avec Twilio Ventures, Corazon Capital et Unusual Ventures autour de la table.

Fondée en 2022 par Lily Clifford, ancienne doctorante de Stanford, avec Brooke Larson, ex-ingénieure Alexa chez Amazon, et Ares Geovanos, ingénieur passé par Stanford, Rime a fait un choix contre-intuitif dans un secteur qui carbure au scraping audio: elle exploite son propre studio d'enregistrement à San Francisco pour collecter ses données conversationnelles. L'architecture repose sur une approche phonémique censée s'adapter aux différentes prononciations, ce qui compte quand vos clients s'appellent Mayo Clinic, Dialpad, Upstart ou Asurion et que la marge d'erreur sur un nom mal articulé est minime.

Rime dit traiter plus de 100 millions d'appels par mois pour l'ensemble de ses clients, un volume qui explique la présence de Twilio Ventures au tour. La startup, qui compte 35 salariés, bascule désormais vers des modèles speech-to-speech pour réduire la latence et mieux gérer les bruits de fond, et vient de recruter Rafael Valle, passé par Meta Superintelligence Labs, au poste de chief scientist. Morgan Blumberg, de M13 Ventures, rejoint le board.

La caveat honnête vient de la fondatrice elle-même, qui reconnaît que la technologie vocale n'est pas encore prête à automatiser la grande majorité des appels d'entreprise et que parler à un agent vocal IA reste rarement une expérience convaincante pour l'appelant. Ce que le reporting ne livre pas, c'est le chiffre d'affaires, la valorisation post-money ou le coût par appel, autant d'inconnues qui déterminent si Rime tient réellement un moat face à ElevenLabs, Deepgram, Vapi, Retell, Sierra ou Decagon. Le pari à surveiller reste néanmoins clair: la donnée propriétaire captée en studio pourrait devenir plus décisive que la course à la voix la plus expressive, surtout dans la santé et la fintech où le contrôle phonémique pèse plus que l'effet démo.