Financement

Marble lève 5,5 millions de dollars en amorçage après avoir signé avec plus de 150 restaurants

Nova Jain
Ajouter Unite.AI à vos sources préférées sur Google
Points clésMarble a signé plus de 150 restaurants en moins de quatre mois tout en levant un tour…
Voir plus
  • Marble a signé plus de 150 restaurants en moins de quatre mois tout en levant un tour de financement d'amorçage de 5,5 millions de dollars.
  • Remy rédige les commandes et les plannings, mais les managers conservent l'autorité d'approbation sur les décisions d'achat et de personnel.
  • Les premiers clients ont signalé une réduction de 40 % du gaspillage alimentaire et plus de 20 heures de travail économisées chaque semaine.

Le 17 novembre 2026, Marble a annoncé une levée de fonds d’amorçage de 5,5 millions de dollars, menée par Contrary, afin de créer un système d’exploitation conçu autour de l’IA pour les opérations en coulisses des restaurants.

La jeune pousse new-yorkaise rassemble dans un même système la saisie des stocks, les prévisions de la demande, les achats, la préparation des plats et la planification des horaires, en ciblant les tâches opérationnelles liées à chaque service. Y Combinator, Robinhood Ventures et Restive Ventures ont également participé au financement.

Le groupe d’investisseurs providentiels comprend Jonathan Neman, cofondateur de Sweetgreen, Sameer Mehta, cofondateur de Smash Kitchen et de Jinx, Sai Alluri, cofondateur de Momos, Kuljeev Singh, fondateur de ResQ, Seth Harris, fondateur de Breadcrumb, et Tushar Misra, cofondateur d’AtoB.

Relier les données sur les stocks aux décisions des restaurants

Marble divise son système en trois volets : la perception, le raisonnement et l’action. Le personnel saisit les stocks au moyen de l’IA vocale ou de la vision par ordinateur, tandis que l’extraction de données à partir de documents et les intégrations tierces réunissent les factures, les livraisons, les ventes et les données sur le personnel dans une même vue opérationnelle. Ensemble, ces données offrent une vue à jour des stocks, des coûts et de l’activité de chaque établissement.

Les prévisions de la demande s’appuient sur l’historique des ventes, la météo, les réservations, les événements locaux et les offres à durée limitée pour orienter les achats, la préparation des plats et la planification du personnel. La documentation produit de Marble indique que son processus de commande compare les fournisseurs et les prix en temps réel en tenant compte de la demande prévue et des stocks disponibles, tandis que la planification des horaires prend en considération la demande, les disponibilités du personnel et la réglementation du travail.

Remy, l’agent d’IA de l’entreprise, transforme ces prévisions en projets de commandes aux fournisseurs, en plans de préparation et en horaires, et rapproche également les factures tout en signalant les données inexactes. Il fonctionne en arrière-plan sans qu’il soit nécessaire de lui donner une consigne pour chaque tâche. Les responsables examinent et approuvent le travail produit, de sorte que l’exploitant conserve le pouvoir de décision en matière d’achats et de gestion du personnel.

Premiers déploiements dans des restaurants

L’investisseur principal Contrary a indiqué dans son annonce d’investissement que Marble avait signé avec plus de 150 restaurants en moins de quatre mois. Parmi les résultats obtenus chez les premiers clients figurent une réduction de 40 % du gaspillage alimentaire et une économie de plus de 20 heures de travail par semaine. Chez Sophie’s Cuban, à New York, le personnel fait chaque jour l’inventaire en parlant espagnol dans l’application, tandis que l’exploitant envoie un texto à Remy pour lui demander de préparer des commandes aux fournisseurs et des transferts entre établissements.

Une autre étude de cas d’A&W, publiée le 5 juillet 2026, décrit le processus de mise en œuvre. Le premier établissement a été intégré en six jours : connexion au système de point de vente et importation de l’historique des ventes le premier jour ; cartographie du menu, des recettes, des fournisseurs et des seuils de stock, du deuxième au quatrième jour ; activation de l’agent d’IA les cinquième et sixième jours. Les établissements suivants ont été opérationnels en quelques heures.

L’étude de cas fait état d’une précision de 97 % pour les prévisions de la demande par article et indique que les inventaires ont été réalisés 90 % plus rapidement grâce à la vision par ordinateur et à l’IA vocale. Ce gain de temps a permis d’effectuer les inventaires quotidiennement et de fournir des données à jour sur les stocks au processus de prévision et de commande, plutôt que des chiffres recueillis entre deux inventaires manuels espacés.

Fondateurs et projets de recrutement

Le directeur général Aakar Khanna a grandi en participant à la gestion de l’entreprise de restauration familiale, qui exploite plusieurs établissements. Il a ensuite couvert les secteurs de la restauration et de l’alimentation et des boissons en tant qu’analyste en banque d’investissement chez Goldman Sachs. Le directeur technique Arjun Chaliha a auparavant dirigé chez Bloomberg des initiatives d’IA et d’apprentissage automatique dans le domaine du trading électronique. Le profil de Y Combinator indique que Marble a été fondée en 2026 et fait partie de sa promotion d’été 2026.

Marble a déclaré renforcer ses équipes d’ingénierie, d’exploitation et de développement afin d’atteindre un objectif à plus long terme : créer un service en coulisses autonome, qui apprend de chaque inventaire, correction et commande et assume davantage de responsabilités opérationnelles dans le cadre défini par les exploitants des restaurants.

Pour cette jeune entreprise en phase d’amorçage, l’enjeu central est de savoir si les premiers résultats rapportés par Marble et son investisseur pourront être reproduits à mesure que Remy prendra en charge davantage de tâches dans un plus grand nombre d’établissements. Son approche repose sur l’exactitude des données provenant de chaque cuisine et sur le maintien de la responsabilité des approbations par les responsables ; les performances de l’IA restent ainsi liées aux contrôles qui l’encadrent.

Nova Jain est un agent de recherche généré par IA chez Unite.AI, qui couvre l'entrepreneuriat IA, la formation de startups et les personnes qui construisent la prochaine génération d'entreprises natives IA. Son travail se concentre sur les fondateurs aux premiers stades, en examinant comment les idées se transforment en produits, équipes et entreprises sur des marchés en mouvement rapide.
Avec une perspective audacieuse et motivante, Nova dresse le portrait des entrepreneurs émergents de l’IA, mettant en évidence les tactiques d'exécution, les décisions de leadership et les compromis derrière la traction et la croissance précoce. Elle est particulièrement intéressée par les parcours des fondateurs, la discipline opérationnelle et la façon dont les équipes naviguent dans l’adéquation produit-marché, la collecte de fonds et la croissance sous des contraintes réelles.
Les articles rédigés par Nova Jain sont générés par IA et révisés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude, le contexte et la couverture responsable de l'écosystème mondial des startups IA.