En cinq mois, la valorisation est passée de 740 millions à 2 milliards de dollars.
Le 29 avril, Parallel Web Systems, la société fondée par l'ancien CEO de Twitter Parag Agrawal, a annoncé une Series B de 100 millions de dollars. Sequoia Capital a mené le tour, et Andrew Reed rejoint le conseil d'administration. Kleiner Perkins, Index, Khosla, First Round, Spark, Terrain et presque tous les investisseurs du tour précédent ont également remis au pot.
Le financement total atteint désormais 230 millions de dollars, seulement cinq mois après la Series A de novembre dernier.
Ce qu'Agrawal veut construire
Ce n'est pas un moteur de recherche. Ce n'est pas non plus un moteur de réponses à la Perplexity.
Parallel construit un index web et une couche d'API pour les agents IA. Si un agent doit trouver les documents financiers d'une entreprise, il appelle une API. S'il doit vérifier des informations de chaîne d'approvisionnement, il appelle une API. S'il doit mener une recherche de due diligence, il appelle une API. En dessous tourne un index web exploré par Parallel elle-même et structuré pour les charges de travail des agents.
Agrawal formule le pari ainsi :
Nous avons lancé Parallel avec la conviction que les agents utiliseront le web mille fois plus souvent que les humains, et que la majeure partie de ce travail se déroulera en arrière-plan.
En langage business : un humain peut ouvrir son navigateur 20 fois par jour ; un agent peut effectuer 20 000 appels d'API. Si cette échelle arrive, l'ancien modèle de recherche de Google, fondé sur les clics payants, le SEO et les enchères publicitaires, se fragilise. Les agents ne cliquent pas sur les publicités. Ils veulent des données structurées, à faible latence et dont la provenance est vérifiable.
Celui qui contrôle le point d'accès des agents au web contrôle une part essentielle du cash-flow de la prochaine génération de recherche.
La liste de clients est parlante
| Entreprise | Usage de Parallel |
|---|---|
| Harvey | Récupération de données web pour des cas de raisonnement juridique |
| Notion | Recherche effectuée par des agents pour les utilisateurs |
| Profound | Recherche de contenu |
| Actively | Suivi de prospects commerciaux |
| Opendoor | Requêtes de données immobilières |
| Plusieurs banques d'investissement et hedge funds | Informations de marché et d'entreprise en temps réel |
| Deux grands assureurs P&C américains | Vérification liée aux sinistres |
Plus de 100 000 développeurs utilisent déjà le produit. Le point commun est net : ce sont des produits d'agents capables d'exécuter de façon autonome des tâches en plusieurs étapes, pas de simples chatbots.
Gabe Pereyra, chez Harvey, l'a dit clairement :
Parallel est la façon dont nous faisons entrer le web dans le tableau.
Sarah Sachs, chez Notion, a ajouté :
Comme les humains, les agents doivent rechercher sur le web public pour travailler et prendre des décisions. Parallel rend cela possible.
Pourquoi Sequoia remet une pièce
Andrew Reed entre directement au conseil avec une thèse simple :
Les agents de longue durée redéfinissent les produits dans tous les secteurs. Les agents ont besoin du web.
Sequoia a déjà misé sur Cursor et Harvey, deux vedettes du champ des agents. Ajouter Parallel prolonge la logique : après la couche applicative, la couche d'infrastructure.
Cela rappelle le manuel de Sequoia dans le cloud-native des années 2010, quand le fonds a soutenu à la fois Snowflake et Datadog. Un pari sur les applications verticales, un autre sur les outils horizontaux.
Pourquoi pas Bing ou Google
Bing a une API. Google a Custom Search API. Brave, Exa et Tavily existent aussi. La voie n'est pas déserte.
La différence de Parallel tient à la traduction du design pour agents en exigences produit concrètes :
- Schémas structurés : la réponse n'est pas un bloc de HTML, mais du JSON qu'un agent peut consommer directement.
- Chaîne de provenance complète : chaque information peut être reliée à la page web d'origine, une exigence pour les secteurs régulés comme la finance et le droit.
- Latence adaptée aux agents : une recherche humaine tolère 500 ms ; un agent qui enchaîne une douzaine d'appels d'API dans une tâche doit se rapprocher de moins de 100 ms.
Le dernier point dira si Parallel peut servir de vrais agents en production. Si une tâche exige 50 recherches web et que chacune prend 500 ms, l'attente grimpe déjà à 25 secondes.
Le vrai pari
Parallel a aussi mis en avant un détail qui fera réagir les publishers : l'entreprise investit dans l'open web economics et les mécanismes de marché pour permettre aux détenteurs de contenu et aux fournisseurs de données de gagner de l'argent grâce aux systèmes d'IA.
Dit simplement, Parallel veut créer une nouvelle voie de paiement pour l'exploration des données.
C'est le coeur des conflits entre entreprises d'IA et médias depuis un an. Anthropic a versé 1,5 milliard de dollars pour régler des revendications de droits musicaux. OpenAI est poursuivie par plusieurs éditeurs. Reddit et Twitter ont fermé leurs API gratuites. Si Parallel parvient à construire un mécanisme qui donne aux publishers une raison de fournir volontairement leurs données, ce ne sera pas seulement un autre moteur de recherche. Cela ressemblera à Stripe pour l'ère des agents : une couche de paiement pour les flux de données.
Une valorisation de 2 milliards de dollars est-elle chère ? Tout dépendra de la capacité de cette couche de paiement à fonctionner. Si elle fonctionne, l'histoire ne s'arrête pas à un x10.
Sources : CocoLoop, Parallel Web Systems hits $2B valuation five months after its last big raise (TechCrunch), Parallel Raises at $2 Billion Valuation to Scale Web Infrastructure for Agents (PR Newswire), Parag Agrawal's startup raises $100M to build a parallel web for AI agents (SiliconANGLE), Sequoia Capital leads Parallel's $100M raise at $2B valuation (TechFundingNews)