CHICAGO — Le marché des agents d’IA d’entreprise ne se différencie plus par la qualité des modèles, selon Yoav Naveh, fondateur et CEO de Reindeer. Cette conviction modifie l’endroit où les startups de l’IA placent leurs paris stratégiques.

Dans un entretien avec FreightWaves lors du Supply Chain AI Symposium à Chicago, Naveh a décrit un secteur qui a traversé deux vagues d’adoption distinctes sans délivrer les retours attendus par les dirigeants — et qui poursuit désormais une troisième vague, plus ambitieuse, centrée sur les opérations cœur de métier. Ce mouvement intervient alors que les dépenses d’IA générative des entreprises continuent d’augmenter, tandis que des enquêtes menées auprès des DSI montrent de façon répétée que le passage des pilotes en production reste le principal obstacle à la création de valeur.

Deux vagues d’adoption de l’IA n’ont pas tenu leurs promesses

Naveh a retracé cette évolution en plusieurs étapes claires. « La première vague : les assistants. Tout le monde a eu un copilot, Claude, ChatGPT », a-t-il dit. « Nous avons vu beaucoup de succès avec les assistants dans le génie logiciel. Les agents de codage fonctionnent très bien. Peut-être pas autant pour le juridique. Mais globalement, nous n’avons pas vu les assistants rendre les entreprises 10x ou 100x plus efficaces. »

La deuxième vague s’est concentrée sur le service client et les centres d’appels. « Je pense que c’était vraiment un énorme fruit à portée de main », a déclaré Naveh. « Un gros workflow, beaucoup de types de cas similaires dans un seul ensemble. Je vois clairement des succès à cet endroit. »

Désormais, les entreprises se tournent vers la partie qui représente la majeure partie de leurs coûts de main-d’œuvre : les opérations cœur de métier. « Prenons tous ces workflows centraux qui représentent 70, 80 % du travail que tout le monde fait », a-t-il dit.

Ce marché est nettement plus complexe que le service client. Naveh estime qu’une seule entreprise peut compter des dizaines, voire des centaines, de ces workflows — couvrant la finance, les achats, la trésorerie, la comptabilité et la chaîne d’approvisionnement — souvent sans qu’un seul département en porte la responsabilité claire.

Le problème de fragmentation que les investisseurs négligent

Naveh a cité un exemple parlant tiré d’un client qu’il a décrit comme l’une des plus grandes entreprises mondiales de biens de consommation emballés.

« Ils disent : “Hé, nous faisons les comptes fournisseurs dans mon entreprise”, mais vos comptes fournisseurs sont différents des leurs », a déclaré Naveh. « Nous travaillons avec l’une des plus grandes entreprises CPG au monde. Cinq départements différents, cinq processus de comptes fournisseurs différents au sein de la même entreprise. »

Cette fragmentation interne explique pourquoi Naveh se montre sceptique à l’égard du modèle de l’ingénieur déployé chez le client, qui gagne du terrain dans l’écosystème des startups IA, où les fournisseurs intègrent des équipes techniques chez un client pour construire manuellement un agent, un processus à la fois.

« Je vais mettre trois ingénieurs et m’asseoir avec votre équipe pour construire l’agent pour ce processus particulier. Reviendront-ils un jour pour être envoyés dans un autre département, ou seront-ils coincés à maintenir ce qu’ils ont construit à mesure que les processus changent et évoluent ? » a demandé Naveh. « Je pense que les chiffres ne tiennent pas, parce que ce n’est pas scalable. »

Pourquoi le modèle ne sera pas le fossé défensif des agents d’IA d’entreprise

Le pari de Reindeer va à l’encontre d’une hypothèse courante dans le logiciel d’entreprise : posséder ou affiner un grand modèle de langage propriétaire constituerait un avantage durable. Naveh soutient que c’est l’inverse qui se produit.

« Forte conviction que les LLM vont devenir une commodité », a déclaré Naveh. « Nous voyons que les modèles open source ont peut-être six mois de retard sur les modèles de pointe. Mais ce que nous pensons, c’est que je n’ai plus besoin du modèle de pointe pour tout. »

« Nous travaillons maintenant avec une grande compagnie d’assurance européenne. Ils ont décidé de construire leur propre LLM. Nous sommes heureux d’intégrer leur propre LLM », a-t-il dit. « Nous sommes heureux de restreindre la liste des LLM autorisés en fonction de la politique de confidentialité des données de l’entreprise, et de déterminer comment traiter leur dossier avec ce qui est sur liste blanche. »

Cette vision met sous pression tout concurrent dont le discours repose uniquement sur la supériorité du modèle. Si le modèle sous-jacent devient interchangeable, la différenciation doit venir d’ailleurs.

Construire, c’est facile. Maintenir, non.

Dans le modèle de Reindeer, cet ailleurs est la couche de maintenance : détecter quand un workflow dérive, réconcilier le changement et ajuster l’agent sans ouvrir un nouveau ticket d’ingénierie.

« Même après le déploiement d’un agent, le workflow continue d’évoluer », a déclaré Naveh. « Si vous n’avez pas de méthode pour que les agents détectent ces changements, les réconcilient, s’auto-réparent et s’auto-apprennent, nous ne pourrons pas vraiment réaliser ce que les agents peuvent faire pour vous. » Reindeer a construit ce que Naveh appelle un système à deux boucles pour gérer cette dérive.

Naveh a indiqué que l’économie de la construction s’est déjà déplacée en faveur du secteur, ce qui fait précisément de la maintenance le goulot d’étranglement actuel.

« Je pense que tout le monde veut construire. Construire, c’est facile », a-t-il dit. Il a décrit avoir créé un tableau de bord interne pour un collègue en une seule soirée, puis avoir ensuite fait face à un flot continu de corrections de bugs et de demandes de fonctionnalités. « Je ne veux pas faire ça », a-t-il dit. « Ce n’est pas amusant. Maintenir, ce n’est ni amusant ni facile. »

« Il y a cinq ans, on ne pouvait rien construire ; aujourd’hui, on peut construire des choses incroyables », a déclaré Naveh, décrivant l’écart entre un ingénieur débutant et un ingénieur expert comme ayant été fortement réduit par des outils tels que les assistants de codage en direct. « L’expertise désormais nécessaire, c’est exactement ce que vous avez dit, sur toutes ces choses après la construction, et faire en sorte que ce qui était incroyable le premier soir de la mise en production reste incroyable six mois plus tard. »

Pour les entreprises qui évaluent des fournisseurs d’IA, le cadre de Naveh suggère une question de due diligence différente de celle que la plupart posent. Au lieu de se demander quelle société a le meilleur modèle au stade du proof of concept, la question la plus durable est peut-être de savoir laquelle peut maintenir la précision de l’agent longtemps après le lancement, alors que le workflow sous-jacent continue d’évoluer.

L’article Reindeer parie que la prochaine bataille de l’Enterprise AI ne sera pas le modèle est apparu en premier sur FreightWaves .