Trebellar lève $18M en série A pour introduire des agents IA dans l’immobilier d’entreprise

Trebellar a levé $18 million en financement de série A alors qu’elle cherche à introduire des agents IA et une prise de décision automatisée dans l’une des fonctions d’entreprise qui est restée exceptionnellement dépendante des feuilles de calcul, des logiciels isolés et des consultants externes : l’immobilier d’entreprise.

Le tour a été mené par Blossom Capital, avec la participation de Haystack, Alt Capital, 1Flourish et Bynd. Trebellar indique que le nouveau capital sera utilisé pour développer ses équipes d’ingénierie et de commercialisation, approfondir ses capacités IA et accroître sa base de clients d’entreprise.

L’entreprise basée à San Francisco a déjà séduit plusieurs grands clients, dont Meta, Uber, Merck et Cohesity, ce qui lui confère une première position parmi les organisations gérant des portefeuilles immobiliers vastes et complexes.

Pour Trebellar, l’opportunité ne consiste pas simplement à remplacer les feuilles de calcul par un autre tableau de bord. L’entreprise cherche à créer une couche native IA capable de comprendre le portefeuille immobilier d’une organisation, d’analyser en continu son utilisation et d’aider les équipes à prendre des décisions concernant tout, des baux et de l’utilisation des bureaux aux emplacements futurs.

L’immobilier d’entreprise a un problème de données

Les grandes entreprises génèrent d’énormes quantités de données sur leur empreinte physique.

Les contrats de location contiennent des engagements financiers et des dates de renouvellement. Les systèmes de badges et les réseaux Wi‑Fi fournissent des signaux sur la présence au bureau. Les plateformes de réservation de salles montrent comment les employés utilisent les espaces de réunion. Les systèmes de ressources humaines contiennent le nombre d’employés et des informations organisationnelles, tandis que les enquêtes peuvent révéler si les employés trouvent réellement un bureau utile.

Le problème est que la plupart de ces informations résident traditionnellement dans des systèmes séparés.

Avant qu’une équipe d’immobilier d’entreprise puisse décider de renouveler un bail, de réduire un bureau, de s’étendre à un autre marché ou de modifier une politique de travail, les analystes doivent d’abord collecter et concilier les informations provenant de feuilles de calcul, de PDF et de multiples plateformes logicielles.

Trebellar construit sa plateforme autour d’une couche de données unifiée conçue pour agréger et normaliser ces sources avant d’y appliquer l’IA. Le système peut intégrer les données de baux et de dépenses opérationnelles, les informations de marché, les données d’occupation provenant des badges, du Wi‑Fi et des capteurs, les systèmes de réservation d’espace, les plateformes RH et les enquêtes auprès des employés. Les entreprises peuvent également ajouter des informations via des API, des téléchargements CSV et des documents de recherche ou de politique internes.

Cette base de données est importante car l’IA d’entreprise devient nettement plus utile lorsque les modèles peuvent raisonner sur des informations opérationnelles structurées plutôt que sur une collection de documents isolés.

Passer des tableaux de bord aux agents IA

Une fois ces informations connectées, la plateforme IA de Trebellar applique une combinaison d’agents IA, de grands modèles de langage et de modèles d’apprentissage automatique aux décisions d’immobilier d’entreprise.

Au lieu d’obliger les utilisateurs à assembler manuellement des tableaux de bord, Trebellar permet aux équipes de poser des questions sur leurs portefeuilles et de générer des rapports, des recommandations ou des analyses autour de problèmes spécifiques.

Ses agents spécifiques à chaque tâche peuvent prendre en charge des domaines tels que la gestion de portefeuille, la stratégie d’emplacement et la planification. La plateforme peut analyser la performance des baux et des emplacements, réaliser un scoring des emplacements, modéliser différents scénarios d’offre et de demande et produire des recherches sur les marchés potentiels.

Les modèles prédictifs ajoutent une couche supplémentaire. Trebellar affirme que sa technologie peut prévoir la fréquentation des bureaux, détecter des changements inhabituels dans les habitudes de travail et aider les entreprises à estimer comment les effectifs ou les services doivent être ajustés en fonction de l’utilisation prévue.

Cela rapproche le logiciel d’un système d’aide à la décision plutôt que d’un produit traditionnel d’intelligence économique.

Par exemple, une entreprise évaluant la nécessité d’un bureau particulier pourrait potentiellement combiner les coûts de bail, les tendances d’utilisation, les emplacements des employés, les temps de trajet et le sentiment vis‑à‑vis du lieu de travail plutôt que d’évaluer chaque variable indépendamment.

La modélisation de scénarios permet également aux équipes de tester comment des changements de leur portefeuille pourraient affecter le coût, la capacité ou l’accès des employés avant de prendre une décision.

IA construite autour des données immobilières

Les entreprises d’IA verticales se différencient de plus en plus en construisant des systèmes autour des structures de données et des flux de travail d’une industrie spécifique plutôt qu’en ajoutant un chatbot à usage général aux logiciels existants.

Trebellar adopte cette approche pour l’immobilier.

L’entreprise indique que ses modèles sont conçus autour des données d’occupation, de lieu de travail et de bail, tandis que ses agents IA sont entraînés à réaliser des analyses immobilières spécifiques. Sa technologie de stratégie d’emplacement, par exemple, peut combiner des informations publiques avec des données de marché, démographiques, de transport et de talents lors de l’évaluation d’emplacements potentiels.

Il existe également un volet de sécurité d’entreprise dans l’architecture.

Trebellar est certifié SOC 2 Type II, et l’entreprise affirme que les modèles d’apprentissage automatique qui dépendent des données client sont entraînés indépendamment pour chaque organisation plutôt que de regrouper les ensembles de données des clients. Trebellar exploite également sa propre infrastructure d’apprentissage automatique et prend en charge les grands modèles de langage open source, tout en utilisant des mécanismes d’abstraction lorsque des fournisseurs externes d’LLM d’entreprise sont impliqués.

Ces garde-fous sont particulièrement pertinents pour l’immobilier d’entreprise, où les ensembles de données peuvent révéler indirectement des informations sensibles sur la présence au bureau, les plans d’expansion de l’entreprise et la structure organisationnelle.

D’un projet parallèle à l’IA immobilière d’entreprise

Les origines de Trebellar sont quelque peu éloignées du secteur de l’immobilier commercial.

L’entreprise remonte à la pandémie, lorsque les cofondateurs Diego Ferreiro Val and David Garcia Quintas ont commencé à expérimenter un projet d’automatisation domestique centralisée. Ferreiro Val était vice‑président de l’ingénierie chez Salesforce, tandis que Garcia Quintas apportait une expérience en IA et en infrastructure de Google et Waymo.

Le produit d’automatisation domestique n’a jamais été lancé.

À la place, le projet a attiré l’attention de l’organisation technologique de lieu de travail de Salesforce, où les équipes étaient confrontées à une version plus vaste du même problème : de grandes quantités de données de bâtiments et de lieux de travail réparties sur des systèmes déconnectés.

Cette prise de conscience est finalement devenue Trebellar.

L’entreprise a depuis élargi son équipe avec une expérience couvrant Salesforce, Google, Waymo et Verkada. Elle a également ajouté l’ancien cadre immobilier de Google Dave Radcliffe en tant que conseiller. Radcliffe a contribué à superviser l’expansion de l’empreinte physique de Google au cours des mandats d’Eric Schmidt, Larry Page et Sundar Pichai.

Une levée de fonds de 18 M$ en série A ciblant une fonction d’entreprise vaste mais négligée

Ce nouveau financement arrive alors que les investisseurs continuent de chercher des catégories d’entreprise où des systèmes d’IA spécialisés peuvent remplacer l’analyse manuelle et les flux de travail fragmentés.

Le juridique, la finance, le support client et le développement logiciel ont déjà donné naissance à un groupe croissant d’entreprises d’IA verticales. L’immobilier d’entreprise représente une opportunité similaire, mais avec une combinaison exceptionnellement complexe de données financières, opérationnelles et du monde physique.

Le PDG de Trebellar, Diego Ferreiro Val, soutient que les équipes immobilières devraient pouvoir réaliser davantage de ces analyses en interne plutôt que de dépendre de feuilles de calcul et de consultants.

« Nous avons créé Trebellar pour donner aux dirigeants l’indépendance de prendre ces décisions eux‑mêmes », a déclaré Ferreiro Val.

La prochaine étape testera si cette approche peut s’étendre au‑delà des premiers adopteurs d’entreprise.

Avec 18 millions de dollars de nouveaux fonds, Trebellar prévoit d’investir davantage dans sa technologie d’IA tout en élargissant ses équipes d’ingénierie et commerciales. L’opportunité plus large consiste à transformer l’immobilier d’entreprise, qui est actuellement analysé périodiquement comme un ensemble de baux et de bâtiments, en un jeu de données continuellement mis à jour que les agents IA peuvent exploiter.

Si cette transition s’installe, les décisions concernant l’emplacement des employés, la quantité d’espace de bureau maintenue et les dépenses en infrastructures physiques pourraient de plus en plus devenir un autre flux de travail d’entreprise façonné par l’IA.