Particle, la startup de lecture d'actualités par IA fondée par d'anciens ingénieurs de Twitter, a officiellement pivoté pour s'attaquer à un angle mort massif du paysage numérique : les données audio. En lançant Radar, un moteur de recherche de podcasts sophistiqué, l'entreprise transforme les conversations parlées en une intelligence structurée, consultable et hautement exploitable pour les agents IA et les utilisateurs en entreprise.

Combler l'« angle mort audio » pour les agents IA

Alors que l'industrie évolue vers des agents IA autonomes, un écart de données important est apparu. Bien que la plupart des agents de crawling web soient très performants pour traiter le texte, ils sont de fait « aveugles » à la vaste quantité d'informations contenues dans les formats audio. La PDG de Particle, Sara Beykpour, note que tant que l'audio n'est pas transcrit et indexé, l'intelligence qu'il contient reste inaccessible aux outils programmatiques.

Radar résout ce problème en fournissant une API robuste et une intégration au Model Context Protocol (MCP), permettant aux agents IA de « voir » dans le monde de l'audio. Cela permet aux développeurs de construire des agents capables de raisonner sur le contenu parlé, rendant la parole aussi navigable qu'un article Wikipédia ou un site d'actualités.

Échelle massive et métadonnées granulaires

Radar n'est pas un simple service de transcription ; c'est un moteur d'intelligence massif. La plateforme indexe actuellement plus de 130 000 podcasts, ce qui en fait le plus grand service de podcasts transcrits existant. Cet index comprend l'intégralité du Top 200 des podcasts Apple à travers 135 secteurs différents, avec un nombre impressionnant de 20 000 nouveaux épisodes ajoutés à la base de données chaque jour.

La profondeur technique de l'indexation va bien au-delà du texte brut. Radar propose :

  • Identification des locuteurs : Distinguer les invités des hôtes pour le contexte.
  • Reconnaissance d'entités : Identifier des personnes, des entreprises, des marques, des produits et des sujets spécifiques.
  • Métadonnées riches : Suivre les évaluations des auditeurs, les avis et même les placements publicitaires spécifiques.
  • Extraits autonomes : Extraire des segments audio pertinents et horodatés afin que les utilisateurs puissent écouter des informations spécifiques sans avoir à lire un épisode entier d'une heure.

Cas d'utilisation à haute valeur ajoutée : des hedge funds au suivi publicitaire

La viabilité commerciale de Radar est déjà prouvée par des utilisateurs aux enjeux élevés. Les hedge funds sont apparus comme certains des clients les plus importants en volume, utilisant l'API pour alimenter leurs agents de trading propriétaires avec des informations issues de podcasts — capturant ainsi de l'alpha grâce à des tendances parlées que les crawlers textuels ignorent.

Au-delà de la finance, la plateforme propose des outils spécialisés pour la surveillance des marques et des médias :

  • Alertes personnalisées : Les utilisateurs peuvent configurer des alertes automatisées via Slack, e-mail ou webhooks lorsque des invités spécifiques abordent des sujets particuliers.
  • Intelligence publicitaire : Un moteur de recherche dédié aux publicités de podcasts permet aux entreprises