NeoCognition sort du stealth avec 40 M$ pour construire des agents IA qui apprennent comme des humains — et le CEO d'Intel est au cap table
Le 21 avril 2026, NeoCognition émerge du stealth avec un seed de 40 M$ co-mené par Cambium Capital et Walden Catalyst. Le CEO d'Intel Lip-Bu Tan et le co-fondateur de Databricks Ion Stoica entrent en tant qu'angels. La thèse : des agents qui apprennent en continu la structure de leur environnement.
Les seed rounds pour startups d'agents IA ne sont plus rares. Mais les seed à 40 millions adossés à un CEO d'Intel en exercice et à un co-fondateur de Databricks, si. Le 21 avril 2026, NeoCognition émerge du stealth avec un seed de 40 millions de dollars co-mené par Cambium Capital et Walden Catalyst Ventures, avec Vista Equity Partners en participation et des angels incluant le CEO d'Intel Lip-Bu Tan et le co-fondateur de Databricks Ion Stoica. La thèse est plus tranchée que la taille du round : les agents IA d'aujourd'hui échouent en production parce qu'ils ne peuvent pas apprendre la forme de leur environnement. NeoCognition veut résoudre ça — et les gens qui investissent sont ceux dont l'infrastructure fait tourner ces environnements.
Le problème de fiabilité — formulé en une phrase
Chaque entreprise qui a déployé des agents IA en production ces douze derniers mois a rencontré le même mur. Les agents sont brillants sur les tâches démo et fragiles sur les vraies. Ils fonctionnent pendant trois tours puis se perdent. Ils résolvent le tutoriel et échouent sur l'incident. Ils gèrent votre staging et crashent sur votre prod.
Le cadrage de NeoCognition : ce n'est pas un problème de prompting ou de taille de modèle. C'est un problème d'apprentissage. Les agents d'aujourd'hui sont statiques. Ils n'absorbent pas la structure de votre codebase, les contraintes de vos règles de conformité, les spécificités de votre outillage. Chaque déploiement part de zéro contexte et y reste.
La réponse de la boîte est une classe d'agents qui « apprennent en continu la structure, les workflows et les contraintes des environnements dans lesquels ils opèrent, et se spécialisent en experts du domaine en apprenant un world model du travail ». En langage clair : des agents qui restent dans votre environnement assez longtemps pour y devenir bons.
Pourquoi ça touche un nerf réel — le lien avec Linear, Cursor et Figma
Le timing n'est pas accidentel. Les six dernières semaines d'actualité agents IA ont toutes pointé vers le même problème tacite.
Linear a déclaré le issue tracking mort sur l'affirmation que « les agents deviennent utiles par le contexte ». Figma a ouvert son canvas aux agents via MCP et Skills sur l'idée que les workflows réutilisables capturent les apprentissages d'équipe. Cursor 3 a livré les agents parallèles et le Design Mode sur l'idée que l'orchestration de plusieurs agents bat l'amélioration d'un seul. Chacun de ces paris produits est un contournement du même écart de fond — les agents n'apprennent pas.
NeoCognition est la première équipe bien financée à dire que cet écart est le produit, pas un contournement. Yu Su — CEO, Sloan Research Fellow et responsable de l'un des plus grands labos académiques d'agents IA à Ohio State — et les co-fondateurs Xiang Deng et Yu Gu construisent la couche « auto-apprenante » que le reste du stack suppose déjà existante.
Qui soutient le projet — et pourquoi ce cap table compte
| Investisseur | Rôle | Pourquoi c'est intéressant |
|---|---|---|
| Cambium Capital | Co-lead | Fonds à thèse AI-native |
| Walden Catalyst Ventures | Co-lead | Lignée deep-tech + semi-conducteurs |
| Vista Equity Partners | Participation | Distribution SaaS enterprise |
| Lip-Bu Tan (angel) | CEO d'Intel | Signal hardware + supply chain |
| Ion Stoica (angel) | Co-fondateur de Databricks | Distribution plateforme data |
Deux noms sautent aux yeux. Lip-Bu Tan, actuellement CEO d'Intel, qui investit en angel dans un labo de recherche sur les agents IA, c'est un signal sur ce qu'Intel voit pour les dix prochaines années de demande silicium — des agents lourds en inference et en apprentissage continu changent le profil compute de manière très différente des charges batch-training d'aujourd'hui. La participation d'Ion Stoica est un signal sur la distribution — Databricks a bâti la playbook enterprise pour vendre de l'infrastructure IA dans les stacks data du Fortune 500, et le chèque de Stoica est essentiellement un pari que NeoCognition va se brancher sur le même mouvement.
Autrement dit : le côté hardware et le côté data enterprise signalent tous deux que les agents auto-apprenants sont le prochain wedge de l'IA enterprise. Quand les deux côtés pointent la même porte, elle s'ouvre généralement.
Le jeu enterprise — et la menace sur le SaaS
NeoCognition a indiqué qu'elle vendra principalement ses systèmes d'agents à des entreprises, y compris des sociétés SaaS établies. C'est la deuxième ligne intéressante de l'annonce.
Les « sociétés SaaS établies » sont des clients, mais elles sont aussi structurellement menacées. Un agent auto-apprenant qui apprend votre schéma Salesforce, vos workflows HubSpot, le comportement de votre file Zendesk ne fait pas qu'augmenter ces outils — avec le temps, il en substitue des parties. La thèse Linear appliquée largement : si le issue tracker était du temps idle institutionnalisé, le CRM l'est aussi, et le ticketing aussi, et le SIRH aussi.
La valorisation à 1 milliard de ROX AI sur la thèse CRM-agent, la marketplace agent créateur de Picsart et l'agent CMO autonome d'Okara vivent tous dans cette zone de disruption. NeoCognition est la couche infrastructure que ces disrupteurs achèteraient.
Le pari recherche — ce qu'« auto-apprenant » demande réellement
Sous la surface, trois paris techniques sont pliés dans la mission de NeoCognition.
World models du travail. Plutôt que de récupérer le contexte par requête (le pattern RAG), les agents internalisent un modèle persistant de l'environnement. C'est la même direction que AMI Labs de Yann LeCun pousse au niveau recherche depuis deux ans.
Apprentissage continu. Les agents d'aujourd'hui sont figés au déploiement. Les agents de NeoCognition se mettent à jour en travaillant. C'est dur — l'oubli catastrophique est le mode d'échec bien connu — mais c'est la seule façon d'obtenir une expertise de domaine durable sans retraining infini.
Spécialisation plus que généralisation. Là où les labos frontières courent après la capacité générale (Mythos, GPT-5.4), NeoCognition parie que les acheteurs enterprise veulent des spécialistes verticalisés. Un agent de réconciliation de facturation excellent en réconciliation de facturation, pas un agent généraliste qui le fait quand on le lui demande.
Ce que ça signale pour l'écosystème
Trois conséquences à surveiller.
Le modèle labo-de-recherche-avec-GTM est de retour. Pendant un moment en 2024-2025, les labos de recherche purs étaient sous-cotés face aux startups appliquées. Thinking Machines Lab et AMI Labs étaient des exceptions. Le seed de 40 M$ de NeoCognition au sortir du stealth suggère que le pattern se répète dès qu'une équipe de recherche crédible se couple à un problème enterprise bien défini.
L'infrastructure agent gagne une vraie catégorie. « Auto-apprenant » rejoint « orchestration » (Cursor 3), « contexte produit » (Linear), « canvas design » (Figma) et « paiements agents » (Stripe MPP) comme catégories d'infrastructure distinctes. Chacune a un acheteur différent, un prix différent, un mouvement d'intégration différent.
Le principe Idlen refait surface. Un déploiement enterprise où l'agent démarre à zéro contexte chaque lundi matin, c'est de l'apprentissage idle institutionnalisé — de l'expertise qui ne capitalise jamais. Les agents auto-apprenants convertissent cette capacité idle en expertise durable, exactement le pattern qu'on voit chez Linear, Cursor 3 et les mouvements d'infrastructure IA d'Amazon.
En résumé :
- NeoCognition est sortie du stealth le 21 avril 2026 avec un seed de 40 millions de dollars.
- Co-mené par Cambium Capital et Walden Catalyst Ventures, avec Vista Equity Partners et les angels Lip-Bu Tan (CEO d'Intel) et Ion Stoica (co-fondateur de Databricks).
- Fondée par Yu Su, Xiang Deng et Yu Gu — responsables du labo d'agents IA d'Ohio State.
- Mission : des agents IA qui apprennent en continu la structure, les workflows et les contraintes de leur environnement pour devenir experts du domaine.
- Go-to-market : principalement des entreprises, y compris des sociétés SaaS établies.
NeoCognition n'est pas qu'un seed round agents IA de plus. C'est le premier round à cette échelle dont la thèse explicite est que l'écart entre démos d'agents et déploiements d'agents est un problème d'apprentissage, pas un problème de modèle. Si la thèse tient, les boîtes qui gagnent la décennie des agents ne sont pas celles qui ont le meilleur modèle de base — ce sont celles dont les agents deviennent plus intelligents à mesure qu'ils vivent dans votre environnement. Lip-Bu Tan et Ion Stoica ne signent pas des chèques d'angel sur des thèses qui ne tiennent pas. La question pour toute autre startup d'agents IA est désormais de savoir si son produit s'améliore dans le temps sur un compte donné — ou si le client achète une démo qui plateau dès le premier jour.
Sources :
