Le Miroir Francais

Étiquette : agents IA

  • RapidCanvas lève 29 millions de dollars pour mettre l’IA d’entreprise vraiment au travail

    RapidCanvas lève 29 millions de dollars pour mettre l’IA d’entreprise vraiment au travail

    Beaucoup de grandes entreprises ont acheté des outils d’IA ces deux dernières années. Bien moins nombreuses sont celles qui ont mené ces outils jusqu’au travail quotidien, là où une vraie équipe en dépend chaque matin. RapidCanvas, basée à Austin, au Texas, a bâti toute son activité autour de la fermeture de cet écart, et les investisseurs viennent de soutenir à nouveau cette approche.

    L’entreprise a annoncé le 16 octobre 2026, à Austin, via GlobeNewswire, avoir levé 29 millions de dollars lors d’un tour de série B. Le directeur général Rahul Pangam a confirmé le tour à Axios Pro le 15 octobre. Ce nouvel argent porte le financement total à ce jour à 52,5 millions de dollars, un montant solide pour une entreprise fondée en 2021 qui reste encore discrète en dehors des cercles de la technologie d’entreprise.

    Vertex Ventures SEA and India a mené le tour, avec la participation de Hitachi Ventures. Les investisseurs existants Accel, Peak XV Partners, Valley Capital Partners et Titanium Ventures ont aussi participé. Ce mélange raconte une histoire à lui seul. On y trouve des soutiens de la première heure qui restent, plus un nouvel appui lié à la portée d’entreprise en Asie et à la technologie industrielle via Hitachi Ventures.

    Un modèle managé, pas seulement un logiciel

    RapidCanvas se présente comme une entreprise d’exécution d’IA managée. Cette formule compte. Au lieu de remettre au client une licence et un centre d’assistance, l’entreprise associe sa plateforme à des ingénieurs IA terrain. Ces ingénieurs apprennent d’abord le processus métier du client, comment les commandes circulent réellement, où les validations se bloquent, ce qu’un responsable d’usine vérifie avant une prise de poste, puis construisent des applications sur mesure autour de cette réalité.

    L’entreprise appelle cela son approche hybride. Les ingénieurs ne disparaissent pas non plus après la livraison. Ils restent responsables après la mise en service d’une application, et c’est là que beaucoup de projets d’IA d’entreprise échouent en silence. Un modèle peut être excellent en pilote et s’effondrer quand le personnel change, quand les formats de données dérivent ou quand un trimestre chargé arrive. Avoir le constructeur encore dans la pièce quand cela se produit est une autre sorte de promesse.

    Trois produits sous un même toit

    La plateforme elle-même compte trois parties. Le moteur de contexte d’entreprise est la pièce destinée à porter les connaissances propres de l’entreprise, les détails de processus, les règles et l’historique que les outils génériques manquent. Le canevas de développement visuel est l’endroit où les applications se construisent, et le harnais opérationnel est la couche qui maintient ces applications en production.

    Pourquoi le canevas attire l’attention

    Le canevas de développement visuel s’appuie sur une bibliothèque de compétences qui, selon l’entreprise, donne à chaque nouvelle solution une avance de 60 %. En termes simples, les ingénieurs ne partent pas d’un écran vide à chaque fois. Des motifs courants, traitement de documents, validations, contrôles de données, étapes de décision, peuvent être réutilisés puis façonnés pour un client. Cette réutilisation aide à expliquer comment une entreprise relativement jeune peut servir de grandes organisations sans bâtir une équipe géante pour chaque projet.

    Il y a là une leçon pratique pour les acheteurs. Sur mesure ne doit pas signifier lent, et logiciel standard ne doit pas signifier mauvaise adaptation. La voie du milieu, ce sont des blocs réutilisables plus des personnes qui connaissent assez bien votre fonctionnement pour les assembler dans le bon ordre. Cela semble évident. Le faire à grande échelle, client après client, est la partie difficile.

    Ce que l’entreprise dit de sa traction

    RapidCanvas a partagé des chiffres de croissance avec l’annonce, et il faut les lire comme des chiffres rapportés par l’entreprise. Elle affirme que son revenu annuel récurrent a été multiplié par 8 au cours des six derniers trimestres. Elle affirme que plus de 40 % de ses clients exploitent désormais plusieurs cas d’usage d’IA en production, et pas un seul pilote. Et elle affirme qu’en 2026, plus de 75 entreprises ont pris 1,4 million de décisions pilotées par l’IA à l’aide d’applications construites sur la plateforme.

    Le chiffre du milieu est peut-être le plus parlant. Un premier projet peut relever de la curiosité ou d’une pression venue d’en haut. Un deuxième et un troisième projet signifient d’habitude que le premier a gagné la confiance sur le terrain, auprès du personnel qui doit vivre avec. Les responsables n’étendent pas un outil qui leur fait perdre du temps. Si les chiffres de l’entreprise se confirment, les clients reviennent pour de nouveaux travaux dans de nouveaux services, exactement le schéma dont un modèle managé a besoin.

    Le nombre de décisions pointe dans la même direction. 1,4 million de décisions pilotées par l’IA dans plus de 75 entreprises suggère un usage régulier, pas une démonstration qui a tourné deux semaines en mars. L’entreprise n’a pas présenté ces chiffres comme un audit indépendant, il faut donc les traiter comme son propre récit de sa dynamique. Reste que les investisseurs d’un tour de série B peuvent poser des questions difficiles avant de signer un chèque, et Vertex Ventures et Hitachi Ventures ont choisi de mener et de participer.

    Le contexte de financement éclaire ce pari. Cette semaine, Simons, Anthropic et OpenAI ont réuni 15 millions de dollars pour soutenir la vérification des résultats produits par l’IA, et NVIDIA a ouvert Nemotron 3.5 pour donner aux équipes des agents qu’elles peuvent héberger elles-mêmes. Partout, la même idée revient : la valeur se trouve dans le travail qui dure.

    Où iront les 29 millions de dollars

    RapidCanvas prévoit d’utiliser les fonds pour développer ses équipes commerciales, renforcer ses partenariats et faire grandir ses équipes d’ingénieurs IA terrain en Inde, aux États-Unis et au Brésil. La géographie est délibérée. L’Inde et les États-Unis ancrent l’ingénierie et la vente aux grandes entreprises, tandis que le Brésil donne à l’entreprise une base solide en Amérique latine, où beaucoup de grandes firmes modernisent leurs opérations avec des sièges plus légers que leurs homologues américains.

    Faire grandir l’équipe terrain est la ligne clé de ce plan. Un logiciel peut être copié du jour au lendemain. Un groupe d’ingénieurs qui sait s’asseoir avec un client, cartographier honnêtement un processus désordonné, construire la correction puis assumer le résultat, cela demande du recrutement et de la formation, et cela ne se déploie pas avec un bouton de téléchargement. La levée achète du temps pour bâtir cette équipe correctement, au lieu de précipiter des juniors dans des salles pour lesquelles ils ne sont pas prêts.

    Un test utile pour tout acheteur d’entreprise

    Si vous dirigez les opérations d’une grande entreprise, l’histoire de RapidCanvas offre un test simple à appliquer à tout fournisseur d’IA, y compris RapidCanvas elle-même. Demandez qui reste après le lancement. Demandez combien de clients exploitent un deuxième cas d’usage en production, et pas en pilote. Demandez combien de décisions réelles le système a traitées le mois dernier, et qui les a vérifiées. Les fournisseurs qui accueillent bien ces questions vendent en général un travail qui tient.

    Pour l’instant, une entreprise d’Austin fondée en 2021 dispose de 52,5 millions de dollars de financement total, du soutien de Vertex Ventures SEA and India et de Hitachi Ventures, et d’un pari clair pour les dépenser. Mettre des ingénieurs compétents près du client, leur donner une plateforme avec une vraie avance, et rester responsable du résultat. Ce n’est pas clinquant. À en juger par le chèque qui vient d’arriver, cela fonctionne.

  • NVIDIA ouvre Nemotron 3.5 pour des agents IA toujours actifs et installés sur place

    NVIDIA ouvre Nemotron 3.5 pour des agents IA toujours actifs et installés sur place

    La plupart des IA de bureau vivent encore ailleurs. Vous téléversez un contrat, vous attendez qu’un serveur distant le lise, et vous espérez que le fichier reste confidentiel en chemin. NVIDIA veut renverser cette habitude. Le 15 octobre 2026, l’entreprise a publié Nemotron 3.5 Super VL comme modèle ouvert, l’a mis en ligne sur Hugging Face le même jour, et l’a présenté simplement : ce modèle est conçu pour des agents qui restent actifs, enchaînent les étapes de façon autonome et fonctionnent près de l’endroit où le travail se fait réellement.

    Ce caractère local compte. Un modèle capable de tenir sur un seul poste de travail change qui contrôle les documents, les délais et les coûts. Pour un cabinet d’avocats avec des dossiers clients, une clinique avec des formulaires d’admission ou une équipe financière avec des relevés qu’elle ne peut pas envoyer à l’extérieur, le local n’est pas une préférence technique. C’est l’essentiel.

    Un grand modèle qui n’utilise qu’une partie de lui-même à la fois

    Nemotron 3.5 Super VL compte 120 milliards de paramètres au total, mais seulement environ 12 milliards sont actifs pour chaque jeton traité. C’est la conception en mélange d’experts mise en pratique. Au lieu de réveiller tout le réseau pour chaque mot, le modèle oriente le travail vers les experts dont il a besoin pour cette étape. On obtient le bénéfice des connaissances d’un grand modèle sans payer la totalité de la facture de calcul à chaque passage.

    Le VL signifie vision-langage, et l’étendue est large. Le modèle lit le texte, les images, les vidéos courtes et les PDF, avec une fenêtre de contexte annoncée d’un million de jetons. Un million de jetons n’est pas un simple chiffre accrocheur. Au quotidien, cela signifie qu’un long rapport, une pile de pages numérisées et les notes qui les accompagnent peuvent rester dans la même conversation. L’agent n’a pas à oublier la page 12 le temps d’arriver à la page 80.

    NVIDIA énumère clairement les tâches visées : suivi d’instructions, usage d’outils, flux de travail métier en plusieurs étapes, compréhension visuelle, traitement de documents, programmation et recherche. Relisez cette liste et un motif apparaît. Aucune de ces tâches ne se résume à une question et une réponse. Ce sont des chaînes : lire ceci, vérifier cela, ouvrir l’autre fichier, rédiger le résumé, signaler ce qui ne correspond pas. C’est exactement ce qu’un agent toujours actif est censé faire pendant qu’une personne s’occupe d’autre chose.

    Ce que NVIDIA annonce sur la vitesse

    Les affirmations de performance ont besoin d’une source, et ici la source est NVIDIA elle-même. L’entreprise affirme que Nemotron 3.5 Super VL offre un débit jusqu’à 5 fois supérieur à celui de modèles ouverts comparables de sa catégorie sur un seul GPU. NVIDIA affirme aussi qu’il égale son plus grand modèle de raisonnement avec environ un cinquième du nombre de paramètres sur des tâches spécialisées. Ce sont des affirmations de l’entreprise, rapportées dans la couverture du lancement, pas des résultats de laboratoire indépendant, et il faut les traiter comme tels : intéressants, précis, et encore à éprouver dans la configuration de chaque acheteur.

    Même avec cette prudence, la direction est claire. Si une empreinte active plus petite peut bien accomplir un travail spécialisé, davantage d’équipes pourront se permettre de faire tourner un agent toute la journée au lieu de louer des pointes de calcul pour les gros travaux. Cela ouvre la porte aux petites entreprises, pas seulement aux grandes organisations dotées de grappes dédiées.

    Deux modèles Bolt pour des machines plus modestes

    La sortie de Super VL n’est pas arrivée seule. NVIDIA a aussi mis à disposition Nemotron 3.5 Bolt 74B-A9B 24GB le même jour. Il compte 74 milliards de paramètres dont 9 milliards actifs, et il utilise une compression native en 2 bits pour tenir dans 24 Go de mémoire. NVIDIA l’a testé sur un PC équipé d’une GeForce RTX 5090 et sur un DGX Spark. En termes simples, il s’agit d’un ordinateur de bureau haut de gamme et d’un système IA de bureau compact, pas d’une rangée de centre de données.

    Un troisième modèle arrive vite. Nemotron 3.5 Bolt E4B 4GB, conçu pour la périphérie et les appareils, est attendu le 23 octobre 2026. Avec 4 Go, la conversation passe du bureau à l’appareil : une tablette de terrain, une unité d’atelier, un système de point de vente qui doit comprendre un formulaire ou une photo sans liaison cloud stable.

    Trois tailles, une famille, une idée. Mettre la bonne taille au bon endroit, et l’agent peut rester sur la tâche au lieu d’attendre le réseau.

    Le mouvement vers des agents utiles au quotidien se voit aussi ailleurs. RapidCanvas a levé 29 millions de dollars pour des applications d’entreprise construites avec des ingénieurs terrain, tandis que ChatGPT s’est invité dans les onglets Chrome pour aider à comparer et à organiser le travail directement dans le navigateur.

    Poids ouverts, usage commercial et vrai choix

    La licence compte autant que les bancs d’essai. Nemotron 3.5 est publié sous licence OpenMDW-1.1, qui autorise l’usage commercial, selon les comptes rendus du lancement. Les poids sont disponibles via Hugging Face, NIM, OpenRouter et ModelScope. Pour une entreprise, cela signifie qu’elle peut essayer le modèle, l’ajuster sur ses propres documents et l’intégrer à un produit sans commencer par une négociation de licence.

    Cela signifie aussi que les comparaisons deviennent honnêtes, vite. Des poids ouverts peuvent être exécutés, mesurés et mis à l’épreuve par n’importe qui. Si les affirmations de débit se vérifient sur les contrats d’une équipe juridique ou les photos produits d’un commerçant, les gens le diront. Si elles ne se vérifient pas sur une tâche particulière, cela se verra aussi. Les publications ouvertes invitent ce type de contrôle, et le domaine s’en porte mieux.

    Conseils pratiques pour les équipes qui envisagent un agent local

    Commencez par des documents que vous traitez déjà chaque semaine. Factures, PDF d’admission, tickets de support avec captures d’écran, dossiers de recherche : choisissez un flux avec un début et une fin clairs. Lancez le modèle Super VL si vous avez besoin de toute la gamme multimodale et du long contexte, ou commencez avec Bolt 24GB si la mémoire de votre poste est la limite. Gardez une personne pour relire les résultats pendant les premières semaines, et notez où l’agent hésite. Ces journaux vous diront s’il vous faut un modèle plus grand, de meilleures instructions ou des fichiers sources plus propres.

    Prêtez attention aux gains de confidentialité que vous pouvez mesurer. Combien de fichiers ne quittent plus le bâtiment ? Combien d’heures de copier-coller disparaissent ? Ces chiffres convainquent un responsable plus vite que n’importe quel graphique de banc d’essai.

    NVIDIA a publié ces modèles le 15 octobre, et le moment semble choisi. Les agents passent des démonstrations au travail quotidien, et le travail quotidien se fait sur des bureaux, dans des arrière-boutiques et sur des appareils qui ne peuvent pas toujours joindre le cloud. Un modèle ouvert de 120 milliards de paramètres qui n’en active qu’une fraction, lit la vidéo et les PDF, et possède deux petits frères Bolt pour du matériel plus contraint offre aux équipes une vraie option pour garder ce travail sur place. C’est une étape utile et concrète, et pour les bureaux qui attendaient de pouvoir essayer les agents tout en gardant le contrôle de leurs fichiers, ce pourrait être l’étape qui enfin a du sens.

  • Ramp atteint 60 milliards de valorisation avec une levee de 1,85 milliard pour ses outils financiers IA

    Les directeurs financiers connaissent le sentiment. Une carte est passee a Chicago, une facture logicielle arrive d’un fournisseur que personne ne se souvient d’avoir approuve, et la cloture de fin de mois devient un travail de detective. Ramp, l’entreprise new-yorkaise qui vend des cartes d’entreprise, des paiements et des logiciels de depenses, a bati son activite sur la fin de cette course. Le jeudi 15 octobre, l’entreprise a annonce une levee de 1,85 milliard de dollars en financement primaire, qui la valorise a 60 milliards de dollars, selon la couverture de Reuters consacree a l’annonce. En juin, l’entreprise etait valorisee 44 milliards apres une levee de 750 millions. Quatre mois plus tard, les investisseurs ont ajoute 16 milliards. Ramp indique que le capital total leve atteint desormais environ 5 milliards, un saut qui compte pour quiconque observe l’IA passer des fenetres de dialogue a l’arriere-boutique des entreprises.

    Un tour mene par de l’argent patient, soutenu par de grands noms

    Dragoneer Investment Group a mene le tour. Thrive Capital, Founders Fund, Sands Capital et Avenir Growth etaient co-chefs de file, avec la participation de Fidelity Management and Research Company, T. Rowe Price, GIC et Coatue, selon Reuters. C’est un melange qui raconte sa propre histoire : des societes de capital-risque qui soutiennent les paris precoces, assises aux cotes de grands gestionnaires d’actifs qui attendent d’habitude qu’une entreprise semble durable.

    Ramp a ete fondee en 2019. En sept ans, elle est passee d’une carte aux controles plus clairs a une plateforme installee au milieu de la facon dont les entreprises depensent. L’entreprise annonce plus de 2 milliards de dollars de revenus annualises et un flux de tresorerie positif. Elle dit servir plus de 85 000 entreprises, pour plus de 275 milliards de dollars de volume d’achats annualise, en hausse de 175 pour cent sur un an. Ces chiffres d’exploitation sont communiques par l’entreprise via Reuters, pas audites de facon independante, et ils meritent cette etiquette. Meme avec la reserve, la forme est claire : beaucoup de volume, beaucoup de clients, et de l’argent qui entre autant qu’il sort.

    Pourquoi la finance, pourquoi maintenant

    Un logiciel financier peut pointer des dollars economises, et les dollars sont plus faciles a defendre en reunion de direction. Signaler un abonnement en double ou reperer une depense hors politique avant qu’elle passe, et l’economie apparait dans un grand livre. Cette mesurabilite aide a expliquer pourquoi les investisseurs paient cher une plateforme financiere. Elle aide aussi a expliquer la direction des produits. Reuters note que Ramp developpe ses offres d’IA, notamment des outils pour surveiller les depenses d’IA elles-memes et optimiser le cout d’execution des modeles. Il y a une boucle nette la-dedans : les entreprises depensent davantage en IA, elles ont besoin d’aide pour surveiller cette depense, et Ramp veut leur vendre a la fois la surveillance et l’optimisation. C’est le meme passage de l’outil a l’usage quotidien que l’on observe dans les camions sans conducteur entres dans la flotte quotidienne d’un transporteur texan.

    Les agents entrent dans les achats et la cloture

    La couverture anterieure de la levee decrivait des projets d’acceleration vers un dispositif d’agents IA pour les flux financiers. Cela prolonge un travail deja livre : en avril 2026, Ramp a lance des agents IA pour les achats, et en aout, elle a ajoute un outil d’aiguillage des couts de modeles, destine a aider les clients a choisir un modele moins cher ou mieux adapte a chaque tache, au lieu d’envoyer chaque travail par defaut vers l’option la plus chere.

    Imaginez un mardi ordinaire. Une equipe demande un nouveau fournisseur. Un agent verifie les conditions du contrat face aux achats passes, signale qu’un outil similaire est deja paye, et redige la note d’approbation avec les chiffres joints. Ou une facture de modele grimpe dans la nuit. Au lieu qu’un analyste financier fouille les journaux d’usage le vendredi, le systeme signale la pointe, montre quelle equipe l’a provoquee et suggere un changement d’aiguillage. L’humain decide toujours. La fouille devient simplement plus courte. Ce partage entre taches routinieres et jugements delicats rappelle la logique des services qui automatisent le repetitif, comme les robots de service dont les livraisons ont quintuple en un an.

    Le probleme du cout des modeles est devenu un probleme financier

    Il y a un an, les couts des modeles vivaient surtout chez les ingenieurs. Ils choisissaient un modele, l’executaient, et la finance voyait une seule facture de nuage en fin de mois. Cela ne fonctionne plus. Les modeles ont des prix tres differents, l’usage varie enormement selon les equipes, et un petit changement de consigne peut doubler une facture. Les outils qui surveillent les depenses d’IA et orientent chaque tache vers le modele au juste prix cessent d’etre un confort pour devenir une ligne de defense du budget.

    Pour les lecteurs, la lecon pratique tient en une phrase : l’IA entre dans les entreprises par les endroits ou l’argent se voit. Une valorisation de 60 milliards, quatre mois apres 44 milliards, ne dit pas que Ramp a gagne la partie. Elle dit que les investisseurs croient que la surveillance des depenses, aidee par des agents, deviendra une habitude d’entreprise aussi ordinaire que la carte qu’elle controle. Au vu des chiffres annonces, ils ne sont pas les seuls a le penser.