25 millions de dollars pour sortir de l'ombre
Le 7 octobre 2026, Rivercell annonce une levée de fonds de 25 millions de dollars, soit environ 22 millions d'euros, pour financer la construction d'une plateforme de données biologiques et d'un modèle d'IA capable de prédire comment les cellules humaines réagissent à un médicament ou à une modification génétique. Le tour est mené par HV Capital, avec la participation d'HCVC, d'Alven et de Bpifrance Digital Venture.
Ce n'est pas une levée de série A pour consolider un produit existant. C'est un pari de départ, au stade seed, sur une technologie qui n'existe pas encore à l'échelle industrielle. Et la taille du chèque, inhabituellement élevée pour une amorçage, dit quelque chose sur la conviction des investisseurs. La question est de savoir si cette conviction repose sur quelque chose de solide, ou si elle surfe sur un cycle d'enthousiasme.
Deux fondateurs avec des trajectoires qui comptent
Rivercell est cofondée par Yann Fleureau et Eric Durand. Fleureau a auparavant cofondé Cardiologs, une startup d'analyse électrocardiographique par IA rachetée par Philips en 2021. Ce type d'exit, concret et industriel, crédibilise un fondateur bien au-delà des discours de pitch.
Eric Durand apporte un profil complémentaire. Selon des informations confirmées, il a dirigé la data science en oncologie chez Novartis, occupé le poste de directeur scientifique des données chez Owkin, la licorne française de l'IA biomédicale, et cofondé Bioptimus, une société spécialisée dans les modèles fondationnels en biologie. Ces trois expériences couvrent exactement les trois couches du problème que Rivercell cherche à résoudre : la donnée clinique, l'IA appliquée à la biologie, et les modèles de fondation à grande échelle.
Ce type de profondeur d'équipe fondatrice est rare dans l'écosystème européen. Elle explique en partie pourquoi HV Capital a accepté de piloter un tour aussi précoce avec un ticket de cette taille. L'écosystème français de l'IA appliquée à la biologie, dont Owkin est l'exemple le plus connu, produit maintenant sa deuxième génération de fondateurs.
Le problème de fond : la donnée biologique manque à l'appel
Pour entraîner un modèle d'IA capable de prédire le comportement cellulaire, il faut des données. Beaucoup. Des données qui n'existent pas à l'échelle requise dans les bases publiques. C'est précisément le point de départ de Rivercell.
La startup construit sa propre infrastructure de génération de données : un laboratoire humide automatisé à Paris, conçu pour produire à grande échelle des données cellulaires résolues dans le temps, multimodales, issues d'expériences sur cellules vivantes. L'idée est de filmer littéralement les cellules tout au long des expériences pour capturer leur évolution dynamique face à un traitement ou à un changement génétique.
Cette approche tranche avec les stratégies qui s'appuient sur la réutilisation de données publiques existantes. Rivercell fait le choix inverse : produire ses propres données propriétaires comme avantage concurrentiel durable. La plateforme est décrite comme un potentiel « GPU du centre de données biologique », ce qui donne une idée de l'ambition en termes d'infrastructure.
Le parallèle avec AlphaFold est éclairant. Le modèle de Google DeepMind a pu révolutionner la prédiction de structures de protéines en s'appuyant sur des décennies de données cristallographiques publiques. Pour la prédiction du comportement cellulaire face aux traitements, aucune base de données comparable n'existe. Rivercell parie que celui qui construira cette base de données sera en position de construire le modèle dominant. C'est à la fois le projet et le risque.
L'utilisation des fonds : laboratoire, données, modèle
Les 25 millions de dollars ont trois destinations clairement identifiées. Le financement soutiendra d'abord l'extension du laboratoire humide parisien, qui constitue le moteur de production de données. Ensuite, il alimentera le développement de la plateforme de génération de données propriétaire. Enfin, il financera le lancement du programme « Virtual Cell », le modèle d'IA à proprement parler.
La startup emploie déjà 30 personnes, ce qui donne un ratio de financement par employé d'environ 833 000 dollars au stade seed. Ce chiffre reflète l'intensité capitalistique d'un projet qui combine infrastructure physique (le labo) et développement logiciel avancé. Ce n'est pas une startup SaaS où les coûts marginaux sont faibles : chaque expérience biologique a un coût réel.
Les thérapies ciblées couvrent un spectre large : oncologie, immunologie, maladies rares et maladies cardiométaboliques. Cette diversité d'indications est cohérente avec une approche de plateforme plutôt que de thérapie spécifique. Rivercell ne cherche pas à développer un médicament, elle cherche à construire le moteur qui permettra à d'autres de les trouver plus vite. Ce modèle économique de plateforme est celui qu'ont emprunté des acteurs comme Owkin dans ses premières années, avant que la licorne ne pivote vers plus d'autonomie dans le développement thérapeutique.
Le contexte : un marché en forte accélération
Rivercell n'évolue pas dans le vide. Le segment de la découverte de médicaments par l'IA attire des investissements croissants à l'échelle mondiale, avec plusieurs acteurs bien capitalisés déjà positionnés. Relation Therapeutics, qui travaille avec GSK, Chai Discovery ou encore Anew Labs, la structure lancée par ByteDance, figurent parmi les concurrents identifiés dans l'espace de la cellule virtuelle et de la biologie computationnelle.
En France, Owkin reste la référence. La licorne a levé plus de 414 millions de dollars au total depuis sa fondation en 2016, dont 180 millions auprès de Sanofi lors de son passage au statut de licorne en novembre 2021. Elle a depuis élargi ses partenariats à Bristol Myers Squibb et AstraZeneca. Ce parcours illustre ce que peut devenir une startup bien positionnée sur ce segment si elle tient sa feuille de route.
Le coût moyen du développement d'un médicament jusqu'à sa mise sur le marché est estimé à plus de 2 milliards de dollars selon les données de référence du secteur. Si les outils de prédiction cellulaire par l'IA parviennent à réduire les échecs en phase préclinique, l'impact économique pour les laboratoires pharmaceutiques est potentiellement considérable. C'est ce marché adressable que Rivercell cherche à servir. La transformation des flux financiers dans la fintech offre un parallèle instructif : là aussi, la valeur est venue de celui qui contrôlait la donnée.
L'analyse Findfi
Un chiffre mérite attention : Owkin avait levé 2 millions de dollars lors de son premier tour en 2016. Rivercell démarre avec 25 millions de dollars au seed en 2025, soit un ticket de départ environ 12 fois plus élevé. Ce ratio illustre la compression du temps d'accès au capital dans l'IA appliquée à la biologie : le marché est prêt à payer très tôt, très cher, des équipes qui savent ce qu'elles font.
Autre ratio intéressant : Rivercell lève 25 millions pour une équipe de 30 personnes, soit environ 833 000 dollars par tête au démarrage. Pour comparaison, une startup SaaS classique à ce stade tourne autour de 300 000 à 500 000 dollars par employé. L'écart s'explique par le coût du laboratoire physique, qui n'est pas compressible. C'est ce qui rend ce type de projet difficile à imiter rapidement et constitue une vraie barrière à l'entrée, à condition que la technologie suive.
Le vrai pari n'est pas l'IA : c'est la donnée. Si Rivercell parvient à construire un corpus de données cellulaires propriétaires suffisamment large et structuré, la valeur ne sera pas dans le modèle lui-même mais dans ce que le modèle ne peut pas être reproduit sans ces données. C'est une logique de monopole sur une ressource rare, pas une logique de produit. Ce type d'actif est précisément ce que les grands laboratoires pharmaceutiques cherchent à acquérir ou à partenariat, comme le rachat de TechWolf par SAP l'illustre dans un registre différent.
Concrètement, qu'est-ce que ça change pour une direction financière ou un investisseur ?
Pour un directeur financier dans l'industrie pharmaceutique ou la biotech, Rivercell représente un signal à suivre de près. Si la plateforme tient ses promesses, elle pourrait réduire significativement le taux d'échec en phase préclinique, qui dépasse 90 % dans certaines indications. Réduire ce taux même marginalement aurait un impact direct sur le retour sur investissement des programmes de recherche et développement.
Pour un investisseur en capital-risque, la question clé est la suivante : quel est le chemin vers la monétisation ? Rivercell ne développe pas de médicament, elle construit une infrastructure. Les modèles économiques possibles vont de la licence de données ou de modèles à des partenariats stratégiques avec de grands laboratoires, en passant par l'utilisation interne pour développer ses propres candidats médicaments. Owkin a exploré cette dernière voie, avec des résultats mitigés qui l'ont conduit à plusieurs pivots. Rivercell devra trancher tôt sur ce point.
Pour les directions financières des grands groupes pharmaceutiques, l'enjeu est de savoir si ces plateformes restent des fournisseurs ou deviennent des concurrents. L'histoire récente du secteur montre que les deux sont possibles. C'est la même tension stratégique que celle que vivent les directions financières face aux outils d'IA comptable : la technologie transforme le travail, mais la question de la responsabilité et du contrôle reste entière.
Ce qu'il faut retenir
Rivercell lève 25 millions de dollars en seed, soit environ 22 millions d'euros, pour construire un laboratoire automatisé et un modèle d'IA capable de prédire le comportement des cellules humaines face aux traitements. Le tour est mené par HV Capital avec Alven et Bpifrance Digital Venture.
Les deux cofondateurs cumulent des trajectoires directement pertinentes : exit chez Philips via Cardiologs pour Fleureau, direction scientifique des données chez Owkin et cofondation de Bioptimus pour Durand. L'équipe est l'un des actifs les plus solides de ce dossier.
Le pari central n'est pas technologique mais stratégique : contrôler la donnée biologique propriétaire à grande échelle pour rendre le modèle inimitable. C'est une logique d'infrastructure, pas de produit.
Le ticket de seed représente environ 12 fois le premier tour d'Owkin en 2016, signe que le marché paie désormais très en amont les équipes crédibles dans l'IA appliquée à la biologie. Le risque reste entier : aucune validation commerciale n'a encore été annoncée. Pour suivre les grandes tendances du financement de l'IA en Europe, la catégorie Financement de Findfi recense les opérations les plus significatives.