Contexte et modèle d’affaires
AuxoAI Inc. a annoncé une levée de fonds de 20,7 millions de dollars en série A, menée par NTT Venture Capital. Cette injection de capital vise à accélérer la croissance d’une société de conseil et d’ingénierie spécialisée dans les systèmes d’intelligence artificielle destinés aux entreprises du Global 2000. Le modèle repose sur l’envoi d’ingénieurs sur site, la capture du savoir métier et la création d’agents autonomes capables d’exécuter des processus métier avec peu ou pas d’intervention humaine.
Architecture de la plateforme Damia
Au cœur de l’offre se trouve Damia, qualifiée de « FDE Workbench » (forward‑deployed engineer toolkit). Damia combine trois couches : une couche de data engineering qui ingère et normalise les sources de données d’entreprise, une couche d’orchestration d’agents qui encapsule les capacités réutilisables (extraction, classification, décision) et une interface de création d’applications qui transforme les flux de travail en licences logicielles déployables. Cette architecture modulaire permet d’isoler le code d’agent du code métier, facilitant ainsi la mise à jour indépendante des modèles d’IA et des règles de processus.
Approche d’intégration des agents IA
AuxoAI encode les connaissances organisationnelles dans des structures logicielles plutôt que dans des documents statiques. Les ingénieurs capturent les processus via des ateliers, puis traduisent ces flux en knowledge graphs qui alimentent les agents. Chaque agent possède un « prompt » spécialisé et un accès contrôlé aux bases de données via les connecteurs Snowflake, Databricks ou les services AWS. Cette méthode garantit que les agents opèrent sur des données à jour tout en respectant les politiques de gouvernance imposées par les partenaires cloud (Google Cloud, Microsoft Azure). Le résultat est une forme d’« intelligence embarquée dans le travail », où l’IA agit comme un composant fonctionnel du système d’information plutôt que comme un produit autonome.
Perspectives, contraintes et écosystème
Le financement sera dédié à trois axes : l’expansion du réseau d’ingénieurs sur site, le développement de technologies propriétaires (notamment des bibliothèques d’apprentissage par renforcement pour l’automatisation de processus longs) et le renforcement de l’écosystème avec les partenaires stratégiques cités. Toutefois, la dépendance à des plateformes tierces (AWS, Google, Snowflake) impose des contraintes de compatibilité et de coûts d’infrastructure. De plus, la mise en production d’agents autonomes soulève des questions de responsabilité et de conformité, surtout dans des secteurs fortement régulés où les décisions automatisées doivent être traçables. La capacité d’AuxoAI à maintenir la cohérence entre le code d’agent et les évolutions du modèle de données client sera déterminante pour la viabilité à long terme de son approche.
