Présentation

Dodge AI Inc. a levé 2,65 M$ en seed, co‑mené par Accel et le Google AI Futures Fund. La société cible le marché de l’« enterprise firefighting », estimé à 600 milliards de dollars, où les grandes organisations maintiennent des plateformes comme SAP, Salesforce ou Microsoft Dynamics via des équipes de 20 à 50 consultants.

Fonctionnement technique

Le cœur du produit est un plan de contrôle piloté par des agents d’intelligence artificielle. Ces agents s’appuient à un « exception intelligence context graph », un graphe qui relie processus métier, configurations ERP et systèmes hérités. En analysant ce graphe, les agents identifient les règles personnalisées, les exceptions et les dépendances qui caractérisent chaque installation. Le modèle d’IA, entraîné sur des logs d’incidents et des tickets de support, propose ensuite la cause racine d’un dysfonctionnement, recommande une correction et l’applique automatiquement, tout en consignant chaque modification dans un registre centralisé.

Performances observées

Dodge AI affirme gérer des centaines de requêtes par heure, réduisant des résolutions qui prenaient plusieurs heures ou jours à quelques minutes. Un client a ainsi résolu un échec de chargement d’entrepôt lié à une note de réception erronée en quelques minutes. Un autre a accéléré un processus de planification d’inventaire SAP de 132 fois, passant d’une exécution lente à une réponse quasi instantanée.

Enjeux et limites

Le succès de l’approche dépend de la qualité du graphe d’exceptions : des données incomplètes ou mal structurées peuvent conduire à des diagnostics erronés. L’intégration avec des suites ERP propriétaires nécessite des connecteurs spécifiques, ce qui augmente la complexité de déploiement. Du point de vue de la sécurité, l’automatisation des correctifs implique un accès privilégié aux systèmes critiques, exposant potentiellement les environnements à des vecteurs d’attaque si les agents ne sont pas correctement isolés. Enfin, la capacité des agents à gérer des scénarios totalement nouveaux reste incertaine, car ils s’appuient sur des modèles pré‑entraînés qui peuvent ne pas couvrir toutes les configurations personnalisées.