Mondrio lève 3,75 M$ pour empêcher les commerciaux de casser les prix

Ce que Mondrio vend vraiment

Mondrio a été fondée en 2026 par Gregor Biljardt, son directeur général, et Joep van den Nieuwenhoff, son directeur commercial. La société, basée à Amsterdam et San Francisco, propose deux façons d'utiliser sa plateforme : une équipe pricing existante travaille avec ses capacités d'IA, ou le client fait appel aux experts de Mondrio. Ce détail n'est pas anodin. Il dit que le produit ne se suffit pas encore à lui-même, et que l'entreprise vend autant une méthode qu'un logiciel.

Le tour, lui, est bouclé : 3,75 millions de dollars, menés par Heartcore Capital, avec Pretiosum VC, Hersir Ventures, Cambrena Capital, Momo VC et des business angels issus du pricing, du configure-price-quote, de l'IA et du paiement. Les fonds serviront à étoffer les équipes IA et ingénierie, à ajouter des experts pricing et à renforcer la présence commerciale aux États-Unis et en Europe.

Le problème que Mondrio prétend résoudre est concret : une grille tarifaire peut être parfaite et se déliter dès la première négociation. Les objections rencontrées par les vendeurs ne remontent pas jusqu'à l'équipe pricing, les remises deviennent routinières sans que personne ne sache pourquoi, et les raisons de ces écarts se dispersent entre les appels, le CRM et les demandes d'approbation.

La vraie bataille n'est pas technique, elle est politique

Voilà la thèse : le pricing par IA ne se heurte pas d'abord à un problème de données, il se heurte à un problème d'incitation. Le commercial qui accorde une remise pour clore un deal n'est pas un saboteur ; il fait son travail avec les moyens qu'on lui a laissés. L'agent de Mondrio peut calculer la remise optimale, simuler son effet sur la marge, recommander un refus : tant que le vendeur garde le pouvoir de passer outre, la recommandation reste un document que personne n'applique.

C'est là que Mondrio place son curseur. Le Deal Engine ne se contente pas de suggérer un prix : il construit le devis à partir de la grille en vigueur, l'évalue contre la politique de l'entreprise, et route les exceptions vers une approbation, avec le contexte — l'effet de la remise sur la marge, par exemple. La société distingue explicitement la recommandation de l'action autorisée : les devis conformes aux règles passent en approbation automatisée, les exceptions sont escaladées. Ce n'est pas de l'IA qui conseille, c'est de la gouvernance qui s'appuie sur l'IA.

L'intégration n'est pas la barrière

Mondrio liste un catalogue de connexions : Salesforce et HubSpot pour le CRM, Gong pour les conversations clients, Amplitude et Mixpanel pour l'usage produit, Chargebee, Zuora et Stripe Billing pour la facturation, DocuSign pour la signature. Ces sources donnent des vues différentes de la même relation commerciale : le CRM enregistre l'opportunité, l'outil de conversation ce que l'acheteur a dit, l'analytique produit l'usage réel, la facturation ce que le client paie.

La documentation précise elle-même la limite : le catalogue affecte les intégrations à des modules différents, donc la présence d'une connexion ne signifie pas que chaque système supporte des fonctions identiques. Autrement dit, la promesse d'assembler ces vues en une boucle n'est pas la même chose que la preuve que la boucle tourne. Et une liste d'API ne protège personne : ce n'est pas là que se joue la différence. La différence se joue dans le garde-fou, et le garde-fou n'a de valeur que si le client accepte de le subir.

Ce que l'IA ajoute — et ce qu'elle ne peut pas remplacer

Le Pricing Studio enchaîne recherche, conception, simulation, décision et déploiement. Le workflow inclut des personas générées par IA pour tester des hypothèses de disposition à payer. Il faut être précis ici : les réponses d'un persona simulé ne sont pas des preuves observées, ce sont des hypothèses. La documentation le dit sans détour — les personas explorent des hypothèses, la boucle utile vient de la confrontation avec la recherche et les résultats commerciaux réels. Une entreprise qui prendrait ces personas pour des données clients se tromperait de méthode.

Le second apport de l'IA est plus solide, et il est documenté : une fonctionnalité qui appelle des modèles ou exécute un travail automatisé crée un coût variable à chaque utilisation. Le packaging, les quotas d'usage et les remises affectent donc à la fois l'attractivité de l'offre et le coût de la livrer. Un prix mal calibré ne fait plus seulement perdre de la marge commerciale ; il peut faire perdre de l'argent à chaque appel. Le pricing cesse d'être un exercice annuel pour devenir une fonction opérationnelle — et c'est ce changement de nature qui rend le garde-fou plus difficile à ignorer.

Le vrai test sera américain

Mondrio veut renforcer sa présence commerciale aux États-Unis et en Europe, et recruter des experts pricing aux côtés de ses ingénieurs. Cette combinaison — un logiciel et des praticiens — est cohérente avec le produit, mais elle déplace la question : ce que le client achète, est-ce l'outil ou le jugement de ceux qui le paramètrent ?

La documentation ne tranche pas ce point, et elle ne dit rien non plus du nombre de clients, du chiffre d'affaires, de la valorisation, ni du montant exact apporté par chaque investisseur. Elle ne dit pas combien d'entreprises utilisent réellement le Deal Engine en production, ni si un administrateur peut contourner le garde-fou qu'il est censé faire respecter.

Reste la question qui décidera du modèle, et qu'aucun tour de table ne règle : combien d'entreprises acceptent de retirer à leurs commerciaux le droit de négocier librement ? Le pricing par IA ne remplace pas une décision politique par un algorithme. Il la rend visible — et dans beaucoup d'organisations, le blocage ne sera pas dans le logiciel, il sera dans la conversation que le directeur commercial devra avoir avec son équipe.