Dream lève 17 M$ : l'IA qui défie AutoCAD mise d'abord sur les permis

Deux anciens de Palantir, un constat et un chèque

Andy Elder dirigeait le design produit d'une équipe de 800 personnes chez Palantir, où il construisait des logiciels pour le renseignement et la défense américains. Arjun Mathur y était vice-président senior de la pratique commerciale. Les deux colocs de Stanford, diplômés en informatique, ont quitté la société pour fonder Dream au début de l'année dernière. Leur point de départ n'est pas une intuition technologique, c'est un constat que la source attribue aux fondateurs : il se construit aujourd'hui moins de bâtiments aux États-Unis qu'il y a des décennies, alors que les coûts de développement grimpent. « Nous sommes passés de l'internet dial-up à l'IA superintelligente, et notre capacité à construire le monde physique a reculé », résume Mathur.

Dream est sortie de stealth avec 17 millions de dollars en seed, menés par Andreessen Horowitz. SV Angel, XYZ et Zigg Capital ont participé. La société est déjà déployée sur dix projets actifs au Texas et en Californie. La levée est annoncée le 30 octobre 2026 ; la source ne précise pas la date de clôture.

La thèse : remplacer la souris par le modèle

Le produit s'attaque à un acteur que la tech regarde peu : Autodesk. AutoCAD et Revit restent l'outil quotidien des architectes et des ingénieurs structure, qui dessinent encore chaque élément pièce par pièce. L'IA n'intervient nulle part dans ce flux de travail, selon Mathur. Dream veut y substituer un « world model » — comprenez une IA qui ne génère pas des images de bâtiments, mais des structures qui tiennent debout, plomberie, CVC et charges comprises. L'entreprise parle de « cognition structurelle » : le modèle cartographie ce qui se trouve à l'intérieur des murs plutôt que de rendre des surfaces.

Pour y parvenir, Dream a agrégé plus de 100 millions de pieds carrés de données de bâtiments issues des archives de permis de construire à travers les États-Unis. C'est le fait central de la levée. Un modèle de langage classique produit une façade plausible ; la source dit qu'il lui manque l'intégrité structurelle. Le corpus de permis, lui, contient les plans approuvés et les normes locales qui ont permis de les approuver.

Kimberly Tan, associée chez Andreessen Horowitz, a mené l'investissement il y a plus d'un an, quand Dream n'était qu'une idée. Elle insiste sur un point : « Je n'ai vu personne prendre cette approche technique. Ils font tout à partir de leurs propres modèles. » Autrement dit, selon elle, Dream développe ses modèles en interne plutôt que de louer l'IA d'un fournisseur frontière.

Le modèle qui casse : vendre l'outil, posséder la collecte

Voilà le renversement. Tout le monde, dans la tech, croit que le logiciel de conception est un marché de produit : on vend des licences, on ajoute des fonctionnalités, on migre les utilisateurs. C'est la logique qu'Autodesk a imposée pendant trente ans. Dream ne joue pas ce jeu — ou plutôt, elle ne peut pas le jouer tant que son actif principal n'est pas le produit mais la donnée qui l'entraîne.

La source est claire sur ce point : Dream vend aux professionnels de l'AEC et aux promoteurs, qui l'utilisent pour conceptualiser des bâtiments et estimer des coûts. Elle ne dit pas que Dream délivre un avis de conformité, ni qu'elle se substitue à l'instruction d'un permis. Ce qu'elle dit, c'est que le modèle a été nourri de permis réels, et que cette collecte a mobilisé des archives municipales disparates à travers les États-Unis. Aucun document ne dit combien a coûté cette collecte, ni si Dream en tire une exclusivité quelconque.

C'est là que la thèse mérite d'être maniée avec précaution. Si le corpus de permis est difficile à reconstituer — et la source ne fournit aucun chiffre sur ce point —, alors le premier à l'avoir agrégé dispose d'un avantage que le suivant devra payer archive par archive. Mais rien dans la documentation ne permet d'affirmer que c'est le cas. On peut seulement constater que Dream a jugé nécessaire de collecter 100 millions de pieds carrés avant de vendre quoi que ce soit, et que ses concurrents, eux, n'annoncent pas de corpus comparable.

Ce que la concurrence ne dit pas

Dream n'est pas seule. Motif, Snaptrude et Arcol appliquent aussi l'IA à la conception. Elder et Mathur affirment être les seuls à disposer d'un world model capable de concevoir des bâtiments entiers instantanément. C'est une revendication de fondateur, pas un fait vérifié : aucun document fourni ne permet de comparer les architectures techniques des concurrents. Ce que l'on sait, en revanche, c'est que dix projets actifs au Texas et en Californie constituent le seul déploiement mentionné par la source.

La question que personne ne pose est celle du client final. Dream vend aux professionnels de l'AEC et aux promoteurs, qui l'utilisent pour conceptualiser et estimer les coûts. Or, dans la construction, l'outil qui produit un plan et l'acteur qui valide ce plan ne sont pas nécessairement la même personne. Aucun document ne dit comment Dream répartit cette responsabilité, ni ce que coûte une licence. C'est le maillon manquant.

Le ricochet

Pour un lecteur de Lagos, de Nairobi ou de Casablanca, l'affaire n'est pas seulement américaine. Elle dit une chose simple : la valeur d'un outil de conception dépend de ce qu'il sait des normes locales, et cette connaissance vient des archives. Or la source ne dit rien de l'état des archives de permis dans les marchés africains. On ne peut donc pas affirmer que le modèle de Dream y serait plus difficile à répliquer — seulement poser la question.

Ce que la source établit, c'est que Dream a bâti son modèle sur des permis collectés « à travers le pays », aux États-Unis. Ce que la source n'établit pas, c'est si ce corpus est reproductible ailleurs, à quel coût, et par qui. La question ouverte n'est donc pas de savoir si Dream battra Autodesk. C'est de savoir si le prochain Dream devra d'abord construire ses archives avant de construire son IA — et qui paiera pour cela.