June lève 20 millions pour industrialiser le déploiement de l'IA

June est sortie de l’ombre lundi 3 août avec 20 millions de dollars levés en pré-amorçage. Le tour est mené par TIME Ventures, le véhicule d’investissement de Marc Benioff, fondateur de Salesforce. L’entreprise n’a pas communiqué sa valorisation.

Le montant est inhabituel pour un premier tour. Il s’explique moins par le produit, encore peu documenté, que par le problème visé : l’écart entre ce que les modèles d’IA savent faire et ce que les grandes entreprises parviennent réellement à en tirer.

Qui est derrière

Les quatre fondateurs, Efrat Rapoport, Ohad Hen, Barak Goldstein et Idan Tsitiat, avaient créé Bonobo AI, une société de traitement du langage antérieure aux transformeurs, qui avait lancé un service de transcription vocale en 2017. Salesforce l’a rachetée deux ans plus tard. L’équipe y a travaillé plusieurs années sur les projets d’IA du groupe avant de repartir, selon TechCrunch, après avoir observé les difficultés des clients à intégrer l’IA dans leurs systèmes existants. June a été fondée fin 2025, rapporte le quotidien économique israélien Calcalist.

Le tour de table réunit un ensemble inhabituel de dirigeants du logiciel d’entreprise. Outre Marc Benioff, le communiqué diffusé par GlobeNewswire cite Michael Dell, Diane Greene, cofondatrice et ancienne directrice générale de VMware, Aaron Levie, cofondateur de Box, et George Kurtz, fondateur de CrowdStrike. Y participent également SV Angel, Conviction Embed, Abstract, A*, Vesey Ventures et plusieurs autres fonds.

Le problème que June prétend résoudre

Depuis deux ans, un métier s’est structuré autour du déploiement de l’IA en entreprise : l’ingénieur détaché, ou forward-deployed engineer. Le principe consiste à envoyer un spécialiste chez le client pour faire fonctionner les systèmes. La pratique, popularisée par Palantir, s’est généralisée. Calcalist rappelle qu’OpenAI a constitué des équipes de déploiement, qu’Anthropic a lancé des services destinés aux entreprises et qu’AWS dispose de ses propres équipes d’intégration.

C’est ce constat que Rapoport formule dans TechCrunch : l’intelligence artificielle augmente paradoxalement la demande de services professionnels, et la réponse du secteur consiste à recruter toujours plus de monde.

La raison tient en un mot : l’existant. Aucune entreprise du CAC 40 ne génère son logiciel de gestion commerciale en décrivant ce qu’elle veut. Un modèle installé dans un grand groupe doit composer avec Salesforce, ServiceNow, Databricks, Workday et une douzaine d’autres plateformes accumulées au fil des années.

Rapoport décrit auprès de TechCrunch le vrai point de blocage : construire un modèle d’agent est la partie facile, le faire fonctionner sur le désordre en dessous est autrement plus difficile. Elle prend un exemple parlant : comment un agent est-il censé se comporter face à dix champs de base de données qui disent la même chose, utilisés différemment selon les équipes ?

La plateforme de June analyse les systèmes en place, identifie les points de friction et propose une feuille de route étape par étape. Retirer ces doublons, se connecter à cette source de données. L’utilisateur valide chaque tâche, et l’outil l’exécute.

Un client, un témoignage

TechCrunch rapporte le cas de CMG, un organisme de crédit immobilier américain. Son directeur de la stratégie, Paul Akinmade, avait basculé le développement logiciel de son entreprise vers Claude Code, mais butait sur l’intégration avec Salesforce. Il s’était engagé publiquement, lors de la conférence annuelle de l’éditeur, à revenir l’année suivante avec cent agents en production.

Selon son récit au média américain, ses équipes ont passé des semaines sans avancer, à consulter architectes et ingénieurs détachés. Il ajoute avoir posé une condition avant d’essayer June : si le produit nécessitait des ingénieurs détachés, il n’en voulait pas. Il en avait assez des boîtes noires que seuls quelques initiés savent manipuler.

Pourquoi ça compte

L’histoire vaut moins pour June que pour ce qu’elle révèle de l’état du marché.

Le discours dominant depuis trois ans porte sur la capacité des modèles. Chaque génération est présentée comme un saut, chaque score de référence comme une preuve. La contrainte réelle en entreprise se situe ailleurs : dans des données fragmentées, des processus non documentés et des années de rustines successives. Rapoport le formule auprès de Calcalist en des termes qui méritent d’être retenus : la prochaine étape de l’IA en entreprise se jouera autant sur l’implémentation, la migration et l’adoption que sur la sophistication des modèles.

Ce constat a une conséquence directe pour les entreprises européennes, rarement formulée. Le débat sur la souveraineté porte sur le choix du modèle et de l’hébergeur. Il ne dit rien de la couche d’intégration, qui représente pourtant l’essentiel du coût et où la dépendance à des prestataires spécialisés est déjà installée. Choisir un modèle européen ne change pas grand-chose si l’implémentation reste confiée aux mêmes cabinets et aux mêmes plateformes.

Il y a enfin une circularité qu’il serait dommage de ne pas relever. Le secteur vend de l’IA pour résoudre un problème que le déploiement de l’IA a lui-même créé. La proposition peut être valable, mais elle se juge sur les résultats, pas sur la promesse.

Les angles morts

Nous n’avons trouvé aucune évaluation indépendante du produit. Le seul retour client public est celui de CMG, rapporté par TechCrunch, et il émane d’un dirigeant qui a accepté d’être cité par une entreprise en phase de lancement médiatique. Cela n’invalide rien, mais ne constitue pas une démonstration.

Le montant du tour interroge. Vingt millions de dollars en pré-amorçage correspond à ce que d’autres lèvent en série A. Rapoport indique à TechCrunch que l’équipe n’avait même pas préparé de présentation pour cette levée. C’est le signe d’une confiance dans le parcours des fondateurs autant que d’un marché où le capital circule vite.

Aucune information n’est disponible sur une présence européenne, sur la compatibilité avec les progiciels utilisés en France, ni sur le traitement des données pendant la phase d’analyse des systèmes du client. Sur ce dernier point, une plateforme qui inspecte l’ensemble des bases d’une entreprise pose une question de confidentialité que le communiqué n’aborde pas.