Weflayr lève 2,5 millions de dollars : la start-up parisienne qui route chaque requête IA vers le modèle le plus rentable

L’addition de l’intelligence artificielle commence à peser lourd dans les comptes des entreprises. Pendant que tout le monde débat de la puissance des modèles, une petite équipe parisienne s’est attaquée à un problème beaucoup plus prosaïque : combien coûte chaque requête. Weflayr, start-up incubée à Station F, annonce le 22 octobre 2026 une levée de fonds de 2,5 millions de dollars en pré-amorçage pour construire sa couche de routage de l’IA. L’idée est simple à énoncer, délicate à exécuter : envoyer chaque demande au bon modèle, au bon prix, au bon moment.

Quand la facture IA devient une ligne de budget à part entière

Depuis deux ans, les entreprises ont massivement intégré les modèles de langage dans leurs produits. Résultat : des milliers de requêtes par jour, facturées au token, et une facture d’inférence qui grimpe en silence. Beaucoup de directions techniques ont choisi un réflexe de prudence : s’appuyer sur un ou deux grands modèles pour tout, quitte à payer le prix fort pour des tâches simples qu’un modèle moins coûteux traiterait aussi bien.

C’est ce constat qui a motivé Romain Mazeries et Noé Achache, les deux fondateurs de Weflayr. Mazeries connaît bien les infrastructures qui routent intelligemment des flux critiques : il a dirigé Mangopay, l’établissement de paiement qui traite les transactions de nombreuses plateformes européennes. Il établit lui-même le parallèle avec le monde du paiement, où le routage des transactions s’est sophistiqué pendant quinze ans. L’IA, dit-il, répète ce mouvement, en bien plus rapide.

Un benchmark fait sur vos données, pas sur un classement générique

Le marché des passerelles IA n’est pas vide, loin de là. Plusieurs produits permettent déjà de basculer d’un fournisseur à l’autre. Mais selon Weflayr, la plupart décident à l’aveugle : sur le prix seul ou sur des classements publics qui ne reflètent pas les usages réels d’une entreprise.

La promesse de la start-up est différente. Au lieu de s’appuyer sur des scores génériques, Weflayr teste les modèles candidats sur les appels de production réels du client, notés selon ses propres objectifs de qualité et de coût. Le client valide la liste des modèles autorisés, et la plateforme compare ensuite chaque requête entrante aux appels déjà évalués pour l’envoyer vers le modèle approuvé le plus performant dans les limites fixées. Chaque décision d’inférence est aussi reliée à son contexte métier, de sorte que les coûts et les marges apparaissent par client, par fonctionnalité et par flux de travail.

Un premier déploiement qui divise la facture par deux

Les chiffres avancés par la société demandent la prudence habituelle : ils viennent d’un seul déploiement, décrit par Weflayr elle-même. Selon cette annonce, le premier client a vu ses coûts d’inférence chuter de plus de 55 % à qualité équivalente. Dans un autre test, la plateforme aurait obtenu une qualité relative supérieure de 15 points de pourcentage face à un modèle de pointe, à coût égal.

Ces résultats restent à confirmer sur un périmètre plus large, mais ils illustrent la logique économique du routage. Toutes les requêtes ne se valent pas : rédiger un brouillon de réponse client n’exige pas le même modèle qu’analyser un contrat complexe. Payer le prix du modèle le plus puissant pour la tâche la plus simple, c’est comme prendre un taxi pour traverser la rue.

Un marché encombré, mais en pleine consolidation

Weflayr ne s’aventure pas sur un terrain vierge. Le routage de modèles est devenu l’un des segments les plus disputés de l’infrastructure IA. OpenRouter, la plateforme américaine de routage, a été rachetée par Stripe l’été dernier dans une opération que le New York Times valorisait à 7,5 milliards de dollars. Cette acquisition a montré que les grands acteurs du paiement et des infrastructures considèrent le routage comme une couche stratégique, pas comme un simple utilitaire.

Pour une jeune start-up européenne, la concurrence des géants américains bien capitalisés est un risque réel. L’argument de Weflayr repose sur la différenciation technique : un routage fondé sur les données de production du client plutôt que sur des heuristiques génériques. Reste à prouver que cette différence se traduit en économies mesurables et répétables chez des dizaines de clients.

Station F parie sur la relève de l’infrastructure IA

Le tour de table a été mené par 13books Capital, avec la participation de Founders Future, Kima Ventures, Plug and Play, Station F Ventures et de Roxanne Varza en tant que scout de General Catalyst, ainsi que de business angels. Les fonds serviront à recruter en ingénierie et en recherche IA, à accélérer le développement produit et à lancer la commercialisation en Europe et aux États-Unis.

Le choix de Station F n’est pas anodin. La start-up est incubée dans son programme F/AI et y recrute déjà ses premiers clients. La station parisienne s’est imposée ces dernières années comme le point de ralliement de la French Tech IA, et le routage d’inférence s’inscrit dans une vague plus large : après les modèles, l’attention des investisseurs se déplace vers l’infrastructure qui les rend économiquement viables.

Frequently Asked Questions

Qu’est-ce que Weflayr fait concrètement ?

Weflayr construit une couche de routage entre les applications d’entreprise et les fournisseurs de modèles d’IA. Pour chaque requête, la plateforme choisit le modèle approuvé par le client qui offre le meilleur équilibre entre qualité et coût, en se basant sur des tests réalisés sur les données de production réelles du client.

Qui a investi dans la levée de fonds de 2,5 millions de dollars ?

Le tour de table en pré-amorçage a été mené par 13books Capital. Y participent également Founders Future, Kima Ventures, Plug and Play, Station F Ventures et Roxanne Varza comme scout de General Catalyst, ainsi que des business angels. L’annonce a été faite le 22 octobre 2026.

Pourquoi le routage des modèles IA est-il devenu un enjeu ?

Parce que la facture d’inférence explose : les entreprises envoient des milliers de requêtes par jour, facturées au token. Beaucoup utilisent un seul grand modèle coûteux pour toutes les tâches, y compris les plus simples. Le routage permet d’assigner chaque requête au modèle le moins cher capable de la traiter correctement, ce qui peut réduire fortement les coûts selon les premiers retours.