Contexte et besoin
Les équipes produit et formation doivent créer des dizaines de vidéos d’onboarding, de tutoriels ou de démonstration chaque mois. Selon le co‑fondateur Akash Anand, la production d’une vidéo traditionnelle nécessite la réservation d’un studio, le tournage, le montage et la post‑production, un processus pouvant durer jusqu’à deux semaines et coûter 6 000 $ par titre. Cette friction pousse les entreprises à rechercher une solution capable de réduire les délais et les coûts.
En octobre 2026, la startup Clueso a annoncé une levée de 10 M$ en série A, menée par Dharana Capital, portant le total levé à plus de 12 M$. Le financement vise à étendre la plateforme d’automatisation vidéo spécifiquement conçue pour les usages professionnels.
Architecture de la plateforme
Clueso repose sur un ensemble d’agents d’intelligence artificielle autonomes capables de naviguer dans les interfaces logicielles réelles. Ces agents capturent des séquences d’écran, analysent la documentation du produit et construisent une représentation fonctionnelle du logiciel. Sur cette base, ils génèrent automatiquement le script, les voix off, les animations graphiques et le montage final.
Le système utilise des « Clueprints », des profils de compétences qui agrègent les directives de marque, les messages clés et les spécifications produit. Les Clueprints sont auto‑actualisables : lorsqu’une fonctionnalité du logiciel évolue, les agents ré‑exécutent le pipeline pour produire une version mise à jour de la vidéo, garantissant ainsi la cohérence du contenu avec le produit.
Performances et retours clients
Zendesk, premier client notable, rapporte un gain de productivité de plus de cinq fois et une réduction de 80 % des coûts de production vidéo grâce à Clueso. Le responsable de la formation, Kevin Gross, indique que la plateforme a permis d’accélérer le déploiement de supports pédagogiques tout en augmentant le volume de vidéos publiées.
Ces résultats confirment que l’automatisation des étapes de script, de voix off (via des modèles comme ElevenLabs) et de montage (via des modèles génératifs) peut remplacer les processus manuels sans perte de qualité perçue, du moins dans les cas d’usage présentés.
Perspectives et limites
Clueso prévoit d’élargir son équipe de 35 à 50 employés d’ici la fin de l’année et d’ajouter des formats interactifs tels que des démonstrations produit dynamiques et la génération de documentation. La vision à long terme est de confier la majorité des tâches de production aux agents, tout en maintenant le contrôle créatif humain.
Cependant, la dépendance à des modèles de génération de texte et de voix entraîne des contraintes de latence et de cohérence linguistique, notamment pour les langues à faible ressource. De plus, la capacité des agents à interpréter correctement des interfaces complexes n’est pas encore démontrée à grande échelle, ce qui pourrait limiter l’adoption dans des environnements logiciels très personnalisés.
