Treensight rejoint le Tarmac d’inovallée avec une ambition nette : redonner aux PME et ETI la maîtrise de leurs données, en rendant l’analyse rigoureuse accessible aux experts métiers, sans dépendre systématiquement d’un data scientist, d’une IA opaque ou d’outils trop lourds. Issue de plusieurs années de recherche au CNRS, la startup développe Treensight Explorer, un logiciel d’analyse visuelle, interactive et traçable, pensé pour rendre lisibles des bases de données complexes.
Son positionnement cible un angle souvent mal couvert par les outils existants : le « Middle Data ». Il s’agit de données trop riches pour Excel, mais pas assez massives ou structurées pour justifier des architectures Big Data lourdes. Dans les ETI et PME industrielles ou technologiques, les données abondent pourtant déjà dans des domaines variés — qualité, production, RCD, environnement, relation client, capteurs — mais restent largement sous-exploitées faute d’outils adaptés. Treensight part d’un constat simple : Excel atteint vite ses limites, Python et R restent réservés à des profils experts, Power BI ou Tableau visualisent sans toujours permettre une exploration fine, et l’IA générative soulève encore des questions de traçabilité, de reproductibilité et de conformité.
La proposition de valeur de Treensight est donc une brique logicielle conçue pour les métiers, afin qu’ils puissent explorer leurs données avec méthode et garder la main sur l’interprétation. La startup insiste sur une approche qui ne remplace pas l’expert, mais renforce sa capacité d’analyse. Dans un contexte où les entreprises cherchent des usages de l’IA compatibles avec la souveraineté et la confiance, Treensight défend un modèle où l’algorithme accompagne la réflexion sans confisquer la décision.
La technologie repose sur les Stacked Trees, une méthode de visualisation hiérarchique développée à partir de travaux de recherche. Elle permet à la fois d’avoir une vue globale d’une base et de descendre jusqu’au détail de chaque instance, tout en comparant des groupes, en identifiant des profils et en gardant la trace du raisonnement analytique. Le logiciel combine visualisation hiérarchique, clustering stratifié et formats sémantiques pour préserver le sens de données complexes ou hétérogènes. L’objectif est de fournir une analyse compréhensible, documentée et reproductible à des responsables qualité, ingénieurs RCD, analystes, chercheurs, collectivités ou PME technologiques.
Treensight travaille aussi à intégrer une IA collaborative, avec l’idée d’utiliser les grands modèles de langage comme aide à l’explication et à la conduite de l’analyse, mais dans un cadre méthodologique contrôlé. Ce choix s’inscrit dans les débats actuels sur la conformité, la souveraineté et la confiance dans les usages de l’intelligence artificielle.
Le socle scientifique est particulièrement solide. Gilles Bisson, président et directeur scientifique, a passé trente ans au CNRS, au Laboratoire d’Informatique de Grenoble, où il a développé une expertise en machine learning, analyse de données et interaction homme-machine, jusqu’à concevoir les Stacked Trees en 2012. Annette Casagrande apporte une expertise de statisticienne CNRS et un rôle de validation méthodologique. Julien Marinescu connaît le projet dans sa profondeur technique après plusieurs années sur le code. Arnaud Brun apporte une expérience entrepreneuriale issue notamment de Tenevia, deeptech passée de zéro à plus d’un million d’euros de chiffre d’affaires avant un exit réussi. Jolan Farrouch renforce l’équipe sur le volet commercial avec plus de douze ans d’expérience dans l’IT et le logiciel.
Treensight doit désormais franchir l’étape classique mais décisive des deeptech : passer d’une technologie robuste à des cas d’usage clairement démontrés et adoptés. La startup dispose déjà d’un logiciel fonctionnel et de premières références, mais son enjeu est de préciser ses portes d’entrée commerciales et de transformer l’intérêt en traction. Les marchés visés sont concrets : ETI et PME industrielles et technologiques, biotech, environnement, agroalimentaire, aménagement, qualité, RCD — autant de secteurs où les données sont riches mais où les compétences data avancées restent coûteuses à internaliser.
Le choix de rejoindre le Tarmac répond à cette logique d’accélération. Treensight cherche à sortir du laboratoire, confronter sa technologie au marché, trouver des locaux, bénéficier d’un accompagnement business, d’un appui à la structuration commerciale, d’une visibilité deeptech et d’un accès au réseau de PME et ETI du territoire. Pour inovallée, l’arrivée de Treensight s’inscrit dans l’ADN du lieu : faire se rencontrer recherche, industrie et entrepreneuriat. Pour le Tarmac, la startup apporte une expertise pointue en data, machine learning et analyse explicable, ainsi qu’une réflexion centrale pour les entreprises : comment transformer les données en décisions fiables.
Au fond, Treensight porte une conviction forte : dans un monde transformé par l’IA, la valeur durable ne viendra pas seulement de l’automatisation, mais de la compréhension. Comprendre ses données, ses résultats et les décisions qui en découlent. En rendant l’analyse rigoureuse plus accessible, la startup veut contribuer à une forme de souveraineté analytique des PME et ETI, où la donnée devient un levier d’apprentissage, de pilotage et de décision, plutôt qu’un stock dormant.