Contexte et limites des plateformes existantes
Les outils de collaboration comme Slack ou Microsoft Teams ont été conçus avant l’essor massif des agents IA. Dans ces environnements, les agents sont traités comme de simples applications tierces : ils doivent être invoqués par un utilisateur, reçoivent rarement le contexte complet d’une conversation et consomment des jetons d’API sans contrôle fin. Cette architecture crée ce que la fondatrice Sara Du qualifie de « meat proxies », où l’humain devient le relais entre l’agent et le reste de l’équipe, augmentant le coût en tokens et le risque de perte de contexte.
Architecture d’Ando
Ando propose une architecture où chaque agent possède une identité propre et une boîte de réception dédiée. Les agents peuvent parcourir les canaux, rejoindre des discussions sans être explicitement mentionnés et envoyer des messages de façon autonome. Le système intègre des appels en direct dont la transcription est immédiatement disponible pour les agents, leur permettant d’analyser le contenu vocal en temps réel. Cette approche élimine le besoin d’une intervention humaine pour transmettre les résultats d’un agent, réduisant ainsi le nombre de requêtes API et le budget de tokens.
Fonctionnalités techniques clés
Le produit offre les primitives classiques d’une messagerie d’entreprise : canaux, messages directs, conversations de groupe et appels. Au‑delà, il ajoute des capacités spécifiques aux IA : les agents peuvent détecter des sujets redondants dans plusieurs canaux, créer automatiquement un groupe de discussion, résumer le contexte et proposer une décision. Cette logique repose sur un moteur de corrélation de texte qui compare les embeddings des messages en temps réel, puis déclenche un workflow d’orchestration interne. Les agents disposent également d’un accès en lecture aux historiques de conversation, ce qui leur donne la capacité de « comprendre pourquoi une décision a été prise » sans requêtes supplémentaires.
Analyse d’impact et défis
Ando a levé 20 millions de dollars en pré‑seed et seed auprès d’Accel, Index Ventures et Emergence, ce qui lui permet d’étendre l’équipe et d’augmenter la consommation de tokens pour entraîner ses modèles internes. La société travaille déjà avec des clients dans les secteurs du logiciel, de l’immobilier et de la finance, répartis dans 15 pays, principalement des équipes de petite taille. Selon les retours, les agents d’Ando peuvent regrouper des discussions parallèles et proposer des résumés, ce qui réduit le temps de coordination humain. Cependant, la dépendance aux modèles de langage implique un coût opérationnel lié aux tokens, et la capacité à convaincre des organisations déjà investies dans Slack ou Teams reste incertaine. Le produit doit également garantir la confidentialité des données échangées, car les agents accèdent à l’ensemble des conversations internes.
