Contexte et enjeux

Marble Cognition, startup basée à Munich, a levé 3,75 M$ en financement pré‑seed, mené par Heartcore et Seedcamp, avec la participation d’investisseurs issus de McKinsey & Co., Mistral AI et du conseil d’administration de Datadog. Les fondateurs, les ingénieurs allemands Felix Rösner et Christophe Schmit, soulignent que les agents IA sont déjà commoditisés dans les entreprises, mais que la plupart des déploiements se limitent à la rédaction de code. Selon une étude de McKinsey, 57 % des heures de travail aux États‑Unis pourraient être automatisées en théorie, alors que plus de 90 % des processus métier restent enfermés dans des e‑mails, des feuilles de calcul dispersées ou la connaissance tacite des employés. Cette fracture entre potentiel et réalité crée le besoin d’une cartographie opérationnelle fine.

Architecture de la solution Marble

Marble propose une application desktop qui s’installe sur les postes de travail et enregistre en continu captures d’écran, clics et frappes clavier. Ces flux bruts sont ensuite transformés en un process map structuré, comparable à du code exécutable par les agents IA, appelés « Coworkers ». La transformation repose sur des algorithmes de reconnaissance d’interaction UI et de séquençage d’événements, capables de distinguer les actions liées au travail des activités personnelles (ex. navigation Facebook) afin de les exclure du modèle. Toutes les données sont anonymisées et peuvent être revues par l’entreprise avant toute ingestion dans les modèles. Le traitement peut s’effectuer dans le cloud privé du client ou on‑premise, répondant ainsi aux exigences de confidentialité et de souveraineté des données.

Une fois le processus cartographié, les Coworkers sont déployés pour exécuter les tâches répétitives de bout en bout sur les stacks logiciels existants. L’architecture prévoit un human‑in‑the‑loop : les décisions critiques sont renvoyées aux opérateurs humains, tandis que les étapes automatisées sont orchestrées via des API ou des scripts générés à partir du process map. Cette approche minimise le besoin de re‑développement d’intégrations spécifiques, car les agents consomment directement la représentation structurée du flux de travail.

Analyse des performances et limites

Parmi les premiers clients – EGYM GmbH, Mutares SE & Co. KGaA et Enam GmbH – Marble rapporte des gains d’efficacité notables. Un cabinet financier américain a utilisé les Coworkers pour générer des offres de règlement, réduisant le temps de traitement des dossiers de 90 % et permettant à son personnel de traiter 50 % de dossiers supplémentaires sans recrutement. Ces chiffres illustrent le potentiel de réduction du temps de cycle, mais ils proviennent d’études de cas internes et ne sont pas étayés par des benchmarks indépendants.

Sur le plan technique, la dépendance à la capture locale soulève des questions de scalabilité : le volume de captures d’écran et de logs clavier peut rapidement atteindre plusieurs gigaoctets par jour par utilisateur, imposant des exigences de stockage et de bande passante élevées. De plus, la précision de la segmentation travail/personnel repose sur des modèles de classification qui peuvent générer des faux positifs, excluant accidentellement des actions légitimes ou, au contraire, incluant des données privées. Enfin, l’efficacité des Coworkers dépend de la stabilité des interfaces utilisateur cibles ; toute mise à jour d’une application tierce peut casser le mapping et nécessiter une re‑cartographie.

En résumé, Marble Cognition propose une chaîne de valeur complète – de la capture granulaire à l’exécution automatisée – qui répond à un besoin identifié par les études de McKinsey. La solution se distingue par son orientation vers la confidentialité et le déploiement on‑premise, mais son adoption à grande échelle devra surmonter des défis de volume de données, de robustesse face aux changements d’UI et de validation indépendante des gains annoncés.