Contexte et levée de fonds

Le 16 septembre 2026, la startup japonaise CADDi Co. Ltd. a annoncé une levée de 114 millions de dollars en série D, portant sa valorisation à 1,2 milliard de dollars. Cette opération porte le total des capitaux levés depuis 2017 à 234 millions de dollars. Parmi les nouveaux investisseurs figurent Moore Strategic Ventures, Coreline Ventures, Salesforce Ventures, Woven Capital (Toyota Motor Corp.) et HR Tech Fund, tandis qu’Atomico, Globis Capital Partners et JPS Growth Investment ont réaffirmé leur soutien. La société compte désormais environ 900 employés, avec des ventes qui doublent chaque année, ce qui justifie l’ambition d’étendre la plateforme aux États‑Unis, deuxième marché mondial de la fabrication.

Architecture du logiciel et flux de données

CADDi repose sur une pile logicielle qui transforme les dessins techniques (CAD) en une couche sémantique exploitable. Le produit initial, CADDi Drawer (2022), analyse les fichiers de conception pour indexer formes et spécifications, permettant aux ingénieurs de rechercher des pièces archivées. Le successeur, CADDi Explorer, agit comme moteur de découverte : il agrège les données de conception, des bons de commande et des résultats d’inspection, puis les normalise dans un data layer unique. Cette couche sémantique élimine les transferts manuels de fichiers entre services. CADDi Agent utilise des modèles d’IA spécialisés pour interpréter le contexte opérationnel de chaque client et déclencher des actions automatisées, tandis que six produits de workflow couvrent l’ensemble de la chaîne de valeur manufacturière.

La plateforme, présentée comme un « Manufacturing AI Data Platform », a d’abord été déployée au Japon en août 2026 avant d’être lancée aux États‑Unis. Son architecture repose sur le principe que l’IA ne peut être efficace que si les données sont déjà structurées et reliées par une couche sémantique, ce qui contraste avec les approches génériques basées sur les grands modèles de langage (LLM).

Analyse des limites et défis d'adoption

Le principal obstacle identifié par le co‑fondateur Yushiro Kato est la fragmentation des données : les fichiers de conception, les bons d’achat et les rapports d’inspection restent souvent isolés dans des systèmes propriétaires. Sans un semantic layer, les LLM ne peuvent pas interpréter les dessins techniques, d’où l’observation de Kato : « je n’ai jamais vu quelqu’un utiliser les LLM pour des revues de conception, car ils ne comprennent pas les dessins ou le CAD ». Cette limitation impose le développement de modèles d’IA spécifiques au domaine, augmentant les coûts de formation et la nécessité de données annotées de haute qualité.

En outre, l’expansion en Amérique du Nord soulève des questions de conformité aux normes de sécurité industrielle (ex. : ISA/IEC 62443) et de protection des données sensibles. La plateforme doit intégrer des mécanismes de gouvernance pour garantir que les informations de fournisseurs et de conception ne soient pas exposées à des tiers non autorisés. Enfin, la dépendance à une couche de données unifiée implique que les entreprises doivent investir dans la numérisation de leurs archives historiques, un processus souvent coûteux et chronophage.

Perspectives d’évolution

Les fonds levés seront affectés au renforcement de la technologie d’IA propriétaire, à l’enrichissement de la plateforme et à l’embauche de talents spécialisés. Si CADDi parvient à standardiser la couche sémantique à l’échelle internationale, il pourrait offrir aux fabricants un moyen de paralléliser les étapes de production, comme le suggère Kato, accélérant ainsi le passage du « bits » aux « atoms ». Cependant, la réussite dépendra de la capacité à surmonter les défis de fragmentation des données, de conformité réglementaire et de la création de modèles d’IA suffisamment spécialisés pour rivaliser avec les solutions génériques basées sur les LLM.