Contexte et limites de la version précédente
Hex, fondée en 2019, proposait depuis six ans une plateforme d’analyse utilisée par plus de 2 500 clients. L’architecture initiale, conçue entre 2020 et 2021, intégrait l’IA comme un module ajouté à un modèle de données figé. Cette approche a conduit à un "agent harness" encombré de centaines d’outils, à une compatibilité limitée via le protocole MCP et à un moteur de calcul incapable de soutenir des flux de travail itératifs à haute vitesse et forte concurrence.
Hex 4.0 : refonte orientée code et agent‑native
Hex 4.0 représente une réécriture complète où tout est du code, éliminant le format propriétaire YAML au profit de code natif. La plateforme s’appuie sur des agents capables de générer le code source, accélérant le développement grâce à l’expertise accumulée sur les plateformes de données à grande échelle. Parmi les jalons d’IA, Hex a présenté un prototype texte‑to‑SQL basé sur GPT‑3 avant ChatGPT, les fonctions "Magic" en février 2023, son premier agent de données performant l’an passé, puis des applications génératives plus récentes. Cette évolution vise à offrir contexte, contrôles et garde‑fous pour une utilisation fiable.
Financement et perspectives de marché
En parallèle, Hex a clôturé une levée de fonds de 100 M$ à une valorisation de 1,2 M$, menée par PeakXV et 137 Ventures, avec la participation d’Amplyify, Avra, a16z, Redpoint, Sequoia et Zero Prime. Les capitaux supplémentaires sont destinés à renforcer les équipes, accélérer le go‑to‑market et soutenir la construction de nouvelles fonctionnalités impossibles à réaliser sur l’ancienne architecture. Les investisseurs misent sur la pérennité des plateformes indépendantes du modèle, estimant que le secteur du BI traditionnel est en déclin au profit de solutions plus programmables.
Analyse des risques et contraintes techniques
La migration vers une base entièrement codée impose de garantir la sécurité du code produit par les agents, notamment contre les injections ou les fuites de données. Le moteur doit également gérer une charge concurrente élevée sans dégrader les temps de réponse, ce qui requiert une orchestration fine des ressources de calcul. Enfin, la transition des 2 500 clients existants nécessite des stratégies de compatibilité ou de migration, tout en dépendant de modèles de langage externes dont la disponibilité et le coût peuvent varier.
