Rox lève 100 millions de dollars lors d’un tour de série B, pour une valorisation de 1,3 milliard de dollars, afin de faire progresser la recherche en IA

Reuters a rapporté le 11 novembre 2026 que Rox avait levé 100 millions de dollars lors d’un tour de série B qui valorisait cette jeune entreprise basée à San Francisco à 1,3 milliard de dollars. General Catalyst et March Capital ont co-dirigé le financement, alors que Rox se prépare à développer ses activités de recherche en IA et sa présence auprès des entreprises.

Les investisseurs déjà présents Sequoia Capital et Factory ont participé au tour, aux côtés des nouveaux investisseurs Databricks Ventures et Prosperity7 Ventures. Rox a indiqué qu’elle consacrerait ces fonds à la recherche en IA et au développement de modèles sur mesure, tout en élargissant sa clientèle d’entreprises dans les secteurs de la santé, de l’industrie, des services financiers, de l’énergie et des technologies.

L’entreprise a indiqué que ses revenus récurrents annuels avaient été multipliés par plus de dix au cours de sa première année sur le marché. Parmi ses clients figurent Puma, Groq et Ramp.

Une plateforme qui va au-delà de la génération de prospects

Rox ne se limite pas à la génération de prospects par prospection sortante. Sa documentation sur la plateforme décrit un système intégré couvrant la recherche de prospects, leur qualification et leur engagement, la conclusion des ventes, le renouvellement et le développement des comptes. Cette portée permet à un même déploiement de soutenir à la fois le développement de nouvelles activités et les revenus issus des comptes existants.

Rox indique que sa plateforme peut exploiter les données des systèmes de gestion de la relation client (CRM), les courriels, les calendriers, Slack, les transcriptions d’appels, les documents et les sources Internet. Son graphe de connaissances identifie les entités, résout les conflits entre les valeurs provenant de différentes sources et déduit les relations, tandis qu’une couche de gouvernance applique un modèle d’accès commun à l’ensemble des systèmes. L’objectif est de fournir aux agents un contexte partagé sur les comptes, plutôt que de les laisser travailler à partir de données commerciales cloisonnées.

Avant qu’un contact n’entre dans un processus de prospection, la documentation de l’agent Outbound Agent indique que le système vérifie son poste actuel et son adresse électronique, en complétant ses propres données avec celles de plus de 17 fournisseurs d’enrichissement. Les résultats de recherche sont signalés comme correspondances ou rejets, avec les motifs d’exclusion ; les correspondances approuvées peuvent être transférées vers une séquence de prospection, une liste de contacts ou une liste de prospects. L’agent peut également traiter les réponses et fixer des rendez-vous.

Une équipe peut soumettre chaque envoi à une vérification manuelle, mettre l’automatisation en pause et examiner les rendez-vous pris. Les modifications apportées à un agent en cours d’exécution restent à l’état de brouillon jusqu’à ce que l’utilisateur les enregistre ou les abandonne. Rox précise également que son automatisation fonctionne dans les limites définies par l’utilisateur et nécessite une configuration initiale ainsi qu’une supervision continue.

Déploiements chez les clients et résultats rapportés

L’index des témoignages clients de Rox indique que MongoDB a mis 45 jours à passer du prototype à la production, que le taux de conversion de Ramp a augmenté de 10 % à 15 %, que l’adoption chez Couchbase a dépassé 90 % parmi plus de 250 représentants et que Puma Energy utilise Rox pour suivre les clients sur des marchés clés. Ces exemples portent sur la rapidité de déploiement, la conversion commerciale, l’adoption par les équipes et le suivi des comptes, plutôt que sur une seule mesure de la valeur.

Rox précise que ces chiffres de performance correspondent à des configurations particulières et peuvent ne pas être représentatifs d’autres déploiements. Les résultats réels peuvent varier selon la qualité des données, la configuration du CRM, le volume de prospection, les conditions du marché et le public cible ; ces exemples ne constituent donc pas un résultat standard pour les nouveaux clients.

Projets de recherche et retour des investisseurs

Les dépenses de recherche prévues s’inscrivent dans un programme déjà présenté sur la page de recherche de Rox. Ses travaux portent notamment sur des modèles spécialisés dans certaines tâches et des architectures d’agents, des systèmes d’évaluation du comportement des agents, ainsi que des infrastructures de production destinées à rendre les agents fiables dans des environnements réels de génération de revenus. Le développement de modèles sur mesure s’inscrit donc dans un programme d’ingénierie plus vaste et ne se limite pas à la création de modèles.

La page de l’entreprise de Rox présente Ishan Mukherjee comme cofondateur et PDG, Shriram Sridharan comme cofondateur et directeur technique, Diogo Ribeiro comme cofondateur et directeur général des activités, et Christopher Ré comme cofondateur chargé de la recherche.

General Catalyst est un investisseur principal déjà présent au capital. Le fonds a annoncé le 19 novembre 2024 avoir dirigé le tour de série A de Rox et indiqué que plus de 35 équipes commerciales d’entreprises avaient adopté le produit pendant sa bêta publique, notamment chez MongoDB, Confluent et Ramp.

Ce tour de série B donne à Rox les moyens de poursuivre simultanément le développement de modèles et l’expansion de sa présence auprès des grandes entreprises. L’enjeu central est de déterminer si la croissance précoce de ses revenus et les résultats rapportés par des clients individuels peuvent être reproduits dans l’éventail plus large de secteurs que l’entreprise cible désormais.