Les agents d'IA sont appelés à devenir des produits banalisés d'ici quelques mois, et dans la chaîne d'approvisionnement, l'avantage concurrentiel durable réside dans la fondation de données sur laquelle ils reposent, selon Valentina Jordan, PDG et cofondatrice de Nauta. Dans un entretien avec FreightWaves, Jordan a expliqué pourquoi l'IA appliquée au commerce mondial ne fonctionne que lorsque la circulation des marchandises, des données et de l'argent est connectée. Elle a décrit le « cerveau opérationnel » de Nauta, la façon dont il apprend des systèmes ERP, TMS, WMS, des e-mails et des feuilles de calcul, et pourquoi les données désordonnées demeurent le principal obstacle à un retour sur investissement réel de l'IA. La conversation a également porté sur le tour de financement stratégique de Nauta, son expansion mondiale et la manière dont l'IA peut aider les opérateurs à réduire les ruptures de stock, les frais de surestaries et de stockage en transformant des flux de travail fragmentés en actions concrètes.

Nauta, un système d'exploitation natif de l'IA dédié au commerce mondial, a bouclé un tour de financement stratégique soutenu par BMW i Ventures, Bosch Ventures, Hitachi Ventures et Yamaha Motor Ventures, a annoncé Jordan. L'entreprise consacre ce capital à son expansion mondiale ; elle opère déjà dans plus de huit pays, avec 8 000 fournisseurs et une portée de 60 pays à travers ses clients.

Jordan a été directe quant à sa thèse concurrentielle sur un marché très encombré de l'IA pour la chaîne d'approvisionnement : les agents eux-mêmes ne constituent pas le facteur différenciant. « Nous pensons que les agents vont être banalisés — je ne dirai pas en quelques semaines, mais probablement en quelques mois », a-t-elle déclaré. « Le véritable défi, ce sont les données sous-jacentes à ces agents, et en particulier dans la chaîne d'approvisionnement et le commerce mondial, ces données doivent refléter le contexte, les connaissances et l'expérience que les opérateurs ont accumulés pendant des décennies. »

« Nous ne commençons pas par l'agent. Nous commençons par les données, puis par le résultat, et l'agent arrive ensuite. »

Cet argument s'inscrit dans une évolution plus large des logiciels d'entreprise : alors que les grands modèles de langage et les cadres d'agents deviennent largement disponibles auprès des principaux fournisseurs de cloud et d'IA, la différenciation s'est déplacée des modèles eux-mêmes vers les données propriétaires, les flux de travail et le contexte métier. La chaîne d'approvisionnement s'est révélée un cas particulièrement difficile pour cette thèse, car les connaissances opérationnelles sont souvent enfermées dans les e-mails, les feuilles de calcul et l'esprit des planificateurs chevronnés plutôt que dans des systèmes structurés.

La plateforme de Nauta — que Jordan appelle un « cerveau opérationnel » — se connecte aux systèmes ERP, TMS, WMS et OMS existants d'une entreprise, ainsi qu'aux sources non structurées telles que les e-mails, Microsoft Teams et les feuilles de calcul, où, selon Jordan, les opérateurs effectuent 80 à 90 % de leur travail. Le cerveau ingère en continu les contrats, les avis d'arrivée, les conditions de paiement et des signaux externes allant des événements météorologiques aux perturbations portuaires, construisant un modèle en couches du fonctionnement propre à chaque entreprise. Jordan a cité un récent tremblement de terre en Colombie ayant affecté les ports locaux comme exemple des signaux macroéconomiques que le système surveille.

Au-dessus de cette infrastructure de données, Nauta déploie des agents dédiés à des tâches spécifiques. Un cas d'usage à forte valeur est le rapprochement de factures à trois et quatre voies pour les comptes fournisseurs ; Jordan a indiqué que le système identifie de manière proactive entre 300 000 et 500 000 dollars de montants facturés à tort par client. Parmi les autres cas d'usage actifs figurent la constitution de réclamations pour excédents, manquants et avaries, l'audit du fret et la gestion des stocks axée sur la réduction des ruptures de stock et des surstocks afin d'améliorer les cycles de trésorerie. Ce sont des points de douleur de longue date dans les opérations de fret, où les processus d'audit et de réclamation ont historiquement dépendu d'un rapprochement manuel entre documents d'expédition, factures et bons de commande.

Le panel d'investisseurs — tous de grands conglomérats industriels et automobiles présents à l'international — traduit ce que Jordan décrit comme une reconnaissance partagée que la fragmentation des données freine l'adoption de l'IA à grande échelle. Les clients couvrent la distribution alimentaire et de détail, l'industrie manufacturière et les marques grand public, dont New Balance, L'Oréal et Moët Chandon, et Jordan a affirmé que le problème des données est constant dans toutes ces verticales.

« Il y a plus de similitudes entre un distributeur alimentaire et une entreprise de meubles ou de chimie qu'entre deux distributeurs alimentaires, parce que chaque entreprise fonctionne différemment », a-t-elle déclaré.

Jordan attribue la crédibilité opérationnelle de Nauta à son cofondateur, Rafa, immigré espagnol de troisième génération à Porto Rico, dont la famille exploitait une entreprise de distribution alimentaire vieille de 123 ans. Cette expérience directe des difficultés logistiques a forgé la conviction de l'entreprise que les plateformes de visibilité seules ne peuvent résoudre le problème des données sous-jacent. Jordan elle-même vient du secteur technologique, avec une carrière de 13 ans, notamment chez Amazon et Rappi, une entreprise de livraison du dernier kilomètre.

Elle a présenté ce tour de financement à la fois comme une validation de la thèse « données d'abord » de Nauta et comme un tremplin pour la croissance internationale, estimant que sans une fondation de données propre et contextualisée, les grandes entreprises mondiales continueront de peiner à tirer une valeur mesurable de leurs investissements en IA. La vitesse à laquelle la banalisation des agents se concrétisera réellement — et la capacité des startups de la couche données à défendre leur position alors que les éditeurs ERP établis développent leurs propres capacités d'IA — façonnera probablement la prochaine phase de la concurrence dans l'IA appliquée à la chaîne d'approvisionnement.

Source : FreightWaves