CAMBRIDGE (Mass.), 23 septembre 2026 — Ekai, une plateforme qui transforme vos données analytiques et le savoir‑faire des experts en contexte métier pour l’IA, a annoncé une levée de fonds en pré‑amorçage de 1,7 million de dollars. Le tour est mené par Misneach, avec la participation de C10 Labs. Le financement doit accélérer le développement produit, monter en puissance les opérations go‑to‑market et approfondir les intégrations de la plateforme.
Ekai arrive sur le constat partagé par de nombreuses entreprises : ce n’est pas tant le modèle d’IA qui fait défaut que le contexte métier. Analystes, fournisseurs, Anthropic et Gartner ont tous formulé des diagnostics proches cette année. Ekai reproche à l’industrie de tenter de résoudre le problème à l’envers, en inférant le sens des données depuis des tableaux de bord, l’historique de requêtes ou des projets dbt, au lieu d’aller interroger les personnes qui savent réellement.
« Reverse‑engineering from existing BI dashboards, query history, your dbt project, is asking the exhaust pipe what the engine was thinking, » a déclaré Moatassim (Mo) Aidrus, co‑fondateur et CEO d’Ekai. « This is useful for documenting what you have, but it does nothing for what you need next. »
La méthode d’Ekai : forward‑engineering et vérification
La solution d’Ekai repose sur ce que la société appelle le forward‑engineering : aller directement aux experts métier qui connaissent le sens des données, traiter leurs déclarations comme la vérité de référence, puis traduire ces définitions en logique métier lisible par machine, en code de transformation et en règles de validation. Chaque artefact généré est réconcilié avec l’entrepôt de données avant d’être autorisé à être déployé. Ekai se présente comme une couche d’augmentation IA où les experts humains pilotent le modèle sémantique et l’IA prend en charge la vitesse, l’échelle et la traduction mécanique vers l’infrastructure de production.
« Foundation models were trained on the public internet, not on your enterprise data. They know the term active user; they have no idea what it means in your company or where it lives in your data warehouse. No model ships with that knowledge » a ajouté Hussnain Ahmed, co‑fondateur et Chief AI Officer d’Ekai. « It has to be captured from the people who define the business, built and proven in the data, and owned by someone with their name on it. With Ekai, nothing ships unchecked. »
Ekai précise qu’il s’agit moins d’un problème technologique que d’un problème de capture de connaissances : le sens métier vit dans des documents, des bases, des process et dans la tête des personnes — la connaissance tribale de l’entreprise. L’entreprise se distingue aussi de la discussion courante sur le « context engineering » en se concentrant une couche en dessous : vérifier que la signification métier sur laquelle raisonne l’agent a bien été vérifiée et qu’il existe une traçabilité de qui a déclaré quoi.
« Mo and his co‑founders, Hussnain and Tero Miikki, each have spent over two decades in leadership roles at Accenture, Microsoft and UPM, which put them in a room with chief technology and data officers trying to get AI into production. They aren’t guessing at the problem Ekai solves; they watched it go unsolved from the other side of the table, » a déclaré Mark Coffey, co‑fondateur et Managing Partner chez Misneach. « Ekai closes that gap in days rather than months, without the data ever leaving the company, and what a company gets back from its AI goes from unreliable to the exact answers the business needs to run on. »
Ekai publie également des chiffres issus de ses premiers engagements : une modélisation sémantique qui prenait historiquement trois à six mois a pu être réalisée par le processus d’Ekai en aussi peu que six heures, et à une fraction du coût. La startup présente cela davantage comme une histoire de vérification que comme une simple économie : la rapidité proviendrait du fait qu’il n’est pas nécessaire de deviner, corriger et recommencer.
Disponibilité, intégrations et gouvernance
Les workflows d’Ekai qui transforment des données brutes d’entrepôt en données métier sécurisées, gouvernées et prêtes pour l’IA sont disponibles dès maintenant pour des clients entreprise sur Snowflake (avec listing sur leur marketplace), Databricks, BigQuery, Postgres, ClickHouse, DuckDB, RedShift et Azure Synapse. Ekai s’exécute dans le cloud du client : les données sont lues sur place et ne sont jamais copiées ni conservées en dehors de l’environnement du client. Les données et Ekai restent sous le contrôle du client en permanence.
« Every AI agent deployed in the enterprise relies on knowing what data actually means to the said Patricia Geli, co‑founder and Managing Partner of C10 Labs. « Ekai is the first platform that puts domain experts directly in charge of defining that business meaning with full governance, speed, and accuracy. We are proud to back Ekai in this pre‑seed round as they set a new standard for AI‑ready enterprise data pipelines. »
À propos de Misneach
Misneach est une Founder Propulsion Platform basée à Boston qui accompagne des fondateurs en phase early‑stage, de la formation jusqu’au seed. Le capital n’est que le point d’entrée ; la valeur ajoutée revendiquée par Misneach tient aux infrastructures IA embarquées et à l’effet d’exécution qui donnent aux fondateurs des capacités que la plupart des sociétés n’obtiennent que bien plus tard dans leur cycle de vie.
À propos d’Ekai
Ekai transforme vos données analytiques et le savoir‑faire des experts en contexte métier pour l’IA. La société capture le sens métier directement auprès des personnes qui pilotent l’activité, le vérifie contre les données sous‑jacentes et publie des modèles gouvernés, prêts pour l’IA, avec un auteur responsable, afin que les produits data soient livrés en jours plutôt qu’en mois.
