AfterQuery a bouclé une série A de 30 millions de dollars à une valorisation de 300 millions de dollars, menée par Altos Ventures avec la participation de The Raine Group, Y Combinator, et BoxGroup. La startup de San Francisco, fondée il y a seulement trois mois par Spencer Mateega et Carlos Georgescu, prétend avoir déjà atteint un taux de revenus annuels de 100 millions de dollars en vendant des datasets d'entraînement aux laboratoires IA.
L'argument de l'entreprise s'attaque à un vrai problème : les modèles de pointe entraînés sur du web scraping et des outputs statiques plafonnent. AfterQuery travaille avec des experts de domaine pour capturer leurs processus de raisonnement—les arbres de décision, les compromis, et la réflexion contextuelle qui n'existent pas dans les données publiques. Ils vendent la connaissance invisible qui sépare les professionnels compétents du pattern matching algorithmique.
Cette prétention de 100 millions de dollars de revenus mérite d'être scrutée. Trois mois de la fondation aux revenus à neuf chiffres suggère soit qu'ils comptent les revenus futurs contractuels de façon très généreuse, soit qu'ils ont touché une demande vraiment désespérée des laboratoires IA qui frappent des murs de qualité de données. Le timing s'aligne avec les rapports que des compagnies comme OpenAI et Anthropic peinent à trouver des données d'entraînement de haute qualité au-delà du scraping internet.
Pour les développeurs, ça signale où va la rondelle : les données synthétiques et les datasets étiquetés par des experts deviennent de l'infrastructure, pas des nice-to-have. Si les chiffres de revenus d'AfterQuery tiennent le coup, attendez-vous à plus de startups qui chassent la même opportunité—et des coûts plus élevés pour des données d'entraînement de qualité partout.