L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisis ton rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
General Catalyst parie sur des environnements de test répétables pour agents d’IA appliqués aux logiciels d’entreprise. Arga réplique ces applications en jumeaux numériques, avec permissions et webhooks, afin de réinitialiser, modifier et multiplier les scénarios d’entraînement. Des investisseurs décrivent un besoin croissant pour ce type de bac à sable, alors que de tels outils manquent encore sur la plupart des logiciels d’entreprise.
General Catalyst mise sur des bacs à sable répétables pour agents
Yuri Sagalov, directeur général de General Catalyst et responsable de son programme d’amorçage, décrit une demande croissante pour des outils de test agentique. Il avance qu’une part importante de la valeur économique des agents se joue dans leur capacité à utiliser des applications commerciales, et qu’un bac à sable répétable est déterminant, davantage pour des agents que pour des humains. De tels outils n’existent pas encore pour la plupart des logiciels d’entreprise. Lorsqu’ils seront disponibles, les systèmes d’IA devraient mieux exploiter ces programmes et pourraient transformer d’autres secteurs sur le modèle de ce qui s’est produit dans le codage.
Arga réplique les applications avec permissions et webhooks intacts
Arga construit des environnements de formation pour des applications comme Salesforce, Workday ou des clients mail, non pas via des points d’API sans état, mais en créant des jumeaux numériques complets. Le logiciel est cloné avec ses systèmes de permission et ses webhooks, dans une logique de reconstitution structurelle comparable à un mannequin de crash‑test. Parce qu’elle contrôle l’environnement, la startup peut le réinitialiser ou le modifier aisément, faire tourner plusieurs environnements en parallèle et viser la reproduction d’un poste de travail entier, où des tâches se chevauchent entre programmes et bases de connaissances. Le résultat visé est une méthode plus robuste pour entraîner des agents à travers de multiples systèmes.
Sur l’entreprise, le RL bute sur la réinitialisation des systèmes
L’apprentissage par renforcement suppose de rejouer des scénarios des dizaines de milliers de fois et de ne conserver que les stratégies gagnantes. Or, dans l’environnement d’entreprise, il n’existe pas de moyen simple de remettre à zéro des systèmes comme Salesforce ou Outlook pour relancer exactement la même séquence, encore moins de les cloner ; la plupart des bancs d’essai se limitent à des API sans état. Philip Li, PDG d’Arga, illustre les ambiguïtés rencontrées lorsque, par exemple, un lead est créé dans Salesforce pendant qu’un collègue contacte la même société via HubSpot : l’agent sait‑il relier ces entités, éviter l’envoi en double et choisir le bon destinataire entre deux opportunités ? Selon Li, les agents peinent encore sur ce type de cas, d’où l’importance qu’il accorde aux outils d’Arga pour les faire progresser.
Arga boucle 10 M$ en amorçage, mené par General Catalyst
Arga a annoncé mercredi un tour d’amorçage de 10 millions de dollars mené par General Catalyst, avec la participation de Box Group, Emergence, Gradient et SV Angel. La startup, co‑fondée et dirigée par Philip Li, s’inscrit dans une vague d’acteurs qui cherchent de nouvelles façons de tester et former les agents avant leur déploiement, dans un contexte où leur mise en œuvre s’avère plus ardue qu’escompté par de nombreuses entreprises.
