Fondé en 2019 par Florin Tufan, Mihai Vinaga et Sorina Vlăsceanu, Veridion s’est d’abord appelée Soleadify et proposait un outil de génération de leads. L’entreprise a changé de nom et de modèle en 2022, lorsque ses fondateurs ont réalisé que leurs clients n’étaient plus des équipes marketing mais de grandes agences de notation, des cabinets de conseil ou des institutions d’achats. « Nous n’avions aucun intérêt à devenir la version roumaine de quelque chose qui existe déjà à Londres », a résumé Alexandra Tofan, responsable de la croissance verticale chez Veridion, lors d’une présentation organisée pour l’IT Press Tour. La société compte aujourd’hui une soixantaine de salariés, dont l’essentiel de l’ingénierie à Bucarest, et des équipes commerciales en Amérique du Nord et au Royaume-Uni.
Une réplique numérique de l’économie mondiale
Veridion vend des données firmographiques : identité légale, activités, produits, implantations, liens capitalistiques, informations ESG ou technologies employées par chaque société. Sa base couvre 693 millions d’entités dans 250 pays, dont environ 180 millions d’entreprises réellement opérationnelles, le reste correspondant à des coquilles vides ou à des structures inactives. Pour chacune, l’entreprise renseigne jusqu’à 461 attributs.
Sa différence avec les acteurs historiques du secteur, à commencer par Dun & Bradstreet, dont l’origine remonte à la Mercantile Agency de New York fondée en 1841, tient à la méthode de collecte. Les opérateurs historiques s’appuient encore largement sur les registres d’État, une source jugée à la fois incomplète et rapidement périmée. « Une entreprise n’est pas simplement une ligne dans un registre d’État, c’est la somme de tout ce qu’elle laisse derrière elle : ses produits, ses implantations, ses marchés », explique Alexandra Tofan. Veridion agrège plus de 50 sources ouvertes – sites web d’entreprises, actualités, annuaires, catalogues produits, offres d’emploi – pour reconstituer un profil recalculé en continu et relié à ses sources. L’entreprise revendique 1,2 milliard d’enregistrements traités chaque jour et une centaine de millions de prédictions générées quotidiennement par ses modèles.
D’une architecture par lots à un moteur en flux continu
Alexandru-Alin Tofan, ingénieur chez Veridion, a détaillé la bascule opérée il y a deux ans d’une architecture de traitement par lots vers un moteur en streaming capable d’exécuter des milliers de processus par seconde. Auparavant, l’entreprise devait relancer un traitement hebdomadaire de six heures à deux jours pour régénérer l’ensemble de son graphe de connaissances, alors que plus de 95 % des entreprises ne changent pas d’une semaine sur l’autre. Le moteur fonctionne par pipelines modulaires combinant des « outils » – crawl web, invite adressée à un modèle de langage, requête sur la base interne – pour résoudre le HTML brut en profils canoniques.
« Ce moteur nous permet de construire des flux déterministes personnalisés à partir d’un ensemble d’outils, comme le crawl web, l’invite LLM ou l’interrogation de notre base de connaissances », précise Alexandru-Alin Tofan. Chaque flux, déclenché à l’échelle d’un site individuel, aboutit en quelques secondes, avec une escalade possible vers des modèles plus puissants ou des sources complémentaires si le score de confiance est jugé insuffisant. « Nous avons dû tester en A/B plusieurs versions bon marché de modèles de langage pour voir laquelle donnait les meilleurs résultats », ajoute l’ingénieur, décrivant un dispositif où plusieurs modèles économiques traitent le même prompt avant qu’un modèle plus coûteux n’arbitre la réponse la plus fiable sur un échantillon de test.
L’infrastructure tourne intégralement sur des serveurs en propre en Allemagne, avec un système de crawlers déployé en France pour ne conserver aucune donnée à ce niveau. Le stockage repose sur la base de données Cassandra. « Notre infrastructure nous coûte environ 300 000 dollars par mois ; si nous devions passer par un fournisseur cloud, cela nous coûterait plusieurs millions par mois et nous tuerait en quelques mois », affirme Alexandru-Alin Tofan. Ce choix on-premise conditionne directement la promesse tarifaire de Veridion. Chaque attribut et chaque appariement d’entités est assorti d’un score de confiance, affiché au client final.
Parmi les développements en cours figurent un produit de signaux fondé sur la comparaison d’instantanés de sites web – changements de prix, de coordonnées ou de structure – et un outil de valorisation de marché comparable à PitchBook, ciblant les start-up. « Nous avons comparé les instantanés des sites que nous rafraîchissons régulièrement, pour créer des signaux sur la manière dont ils évoluent d’un rafraîchissement à l’autre », explique Alexandru-Alin Tofan, qui évoque près de 120 millions de sites web actifs rattachés à de véritables entreprises, sur un total de 1,8 milliard de sites recensés dans le monde.
Un modèle tarifaire à la volumétrie, pas à l’utilisateur
Contrairement à un abonnement par siège, Veridion facture ses clients selon le volume d’entreprises couvertes et la richesse d’attributs demandée. « Nous ne facturons pas au siège : nous licencions la donnée, et le prix augmente ou diminue selon le volume et la richesse des informations demandées », détaille Alexandra Tofan. Les appels API ne sont facturés qu’en cas de résultat retourné. La donnée est livrée via API, fichiers en lot, ou intégrations natives avec Snowflake, BigQuery et Databricks, avec un connecteur MCP en préparation. Le package le plus vendu, baptisé « company intelligence », inclut un accès complet, des rafraîchissements hebdomadaires et la détection de changements. Veridion propose aussi des prestations de résolution d’entités, d’enrichissement sur mesure et de conseil en architecture de données, ainsi qu’un accès gratuit à ses données de registre brutes.
Face à des concurrents installés de longue date
Sur un marché estimé à plus de 20 milliards de dollars rien qu’en additionnant le chiffre d’affaires de ses cinq principaux acteurs, Veridion revendique une avance mesurée lors de tests comparatifs face à ses concurrents : 30 % de précision supplémentaire, plus du double de points de données par entreprise et un coût inférieur de 50 %. Alexandra Tofan situe cette rivalité face à Dun & Bradstreet, Moody’s Orbis/Bureau van Dijk, ZoomInfo, Clearbit, Coresignal, Delphai ou encore Matchory, tout en reconnaissant les limites de son propre modèle : pas de données financières historiques auditées, pas de scores de crédit, et l’absence des identifiants hérités comme le numéro DUNS, ancrés depuis des décennies dans les systèmes d’entreprise. Fait notable, Dun & Bradstreet figure paradoxalement parmi les clients de Veridion. L’entreprise, qui a levé 7,5 millions de dollars en amorçage et affiche une croissance de son chiffre d’affaires multipliée par deux d’une année sur l’autre, mise sur cette inertie des grands comptes pour installer progressivement sa base de données comme alternative aux registres d’État.
