Ema Unlimited Inc. a annoncé une levée de fonds de 77 millions de dollars en série B, menée par Creagis avec la participation d’Accel, S32 et Posus. Cette enveloppe financière vise à accélérer le déploiement d’employés IA autonomes dans les fonctions RH, IT et finance, en s’appuyant sur une plateforme qui transforme les requêtes en actions exécutées directement dans les systèmes d’entreprise.
Contexte et modèle d’affaires
Le modèle d’Ema repose sur la commercialisation d’agents logiciels capables d’opérer sans intervention humaine continue. Contrairement aux chatbots génératifs, ces agents planifient, exécutent et vérifient leurs propres actions avant de solliciter un superviseur humain pour les opérations sensibles. La société affirme que ce positionnement a permis de multiplier son chiffre d’affaires de plus de cinquante fois en deux ans, tout en voyant les dépenses moyennes de ses clients doubler sur la même période. Cette croissance s’explique par la promesse d’une intégration rapide, sans recours à des services de conseil coûteux.
Architecture et fonctionnement des employés IA
Les employés IA d’Ema s’appuient sur une pile technologique combinant modèles de langage de grande taille, moteurs de planification de tâches et connecteurs natifs aux API d’applications d’entreprise (ERP, systèmes de tickets, plateformes RH). Lorsqu’une tâche est soumise, l’agent génère un plan d’action, orchestre les appels API nécessaires, puis compare les résultats obtenus à des critères de conformité définis. En cas d’anomalie, il déclenche une alerte vers un responsable humain. Cette boucle de rétroaction réduit le besoin de scripts manuels et garantit que chaque interaction reste traçable.
Performances mesurées chez les grands comptes
Wipro a déployé un assistant IA d’Ema pour 240 000 employés répartis dans 65 pays. Le système traite environ 2,9 million de requêtes annuelles via une centaine de flux automatisés, entraînant une réduction de 50 % du nombre de tickets IT. Hitachi, quant à lui, a intégré plus de vingt systèmes d’entreprise en moins de quatre semaines, observant une baisse de 30 % du volume de tickets et une amélioration de 70 % de l’efficacité des employés. Ces indicateurs illustrent la capacité de la plateforme à passer rapidement du prototype à la production à grande échelle.
Enjeux et limites de l’adoption à grande échelle
Malgré les gains de productivité, la généralisation des employés IA soulève des questions de gouvernance et de sécurité. La nécessité de vérifier chaque action sensible implique la mise en place de contrôles d’accès granulaire et de journaux d’audit détaillés, sans quoi les organisations risquent des violations de conformité. De plus, la dépendance à des modèles de langage externes peut introduire des biais ou des comportements inattendus, ce qui impose des cycles de validation continus. Enfin, la promesse d’une intégration « sans services professionnels » suppose que les équipes internes possèdent déjà les compétences requises pour gérer les flux d’automatisation, condition qui n’est pas toujours remplie.
