InsightFinder lève 15 millions de dollars pour remédier aux défaillances des agents IA

Le rôle des outils d'observabilité a encore évolué. Alors que le marché des solutions visant à garantir la fiabilité des systèmes technologiques s'est développé au fil du temps, l'accent s'est progressivement déplacé de la « surveillance de tout » vers la « gestion de la complexité et le contrôle des coûts ». Parallèlement, l'arrivée et l'adoption rapides d'agents IA au sein des entreprises ont fait apparaître une toute nouvelle catégorie de charges de travail nécessitant une surveillance.

InsightFinder AI, une start-up issue de 15 années de recherche universitaire, connaît parfaitement ce défi.

Depuis 2016, l’entreprise utilise l’apprentissage automatique pour surveiller, identifier et résoudre de manière proactive les problèmes d’infrastructure informatique. Elle répond désormais aux préoccupations actuelles concernant la fiabilité des modèles d’IA grâce à une solution d’agents IA capable de tout gérer, de la détection et du diagnostic à la correction et à la prévention.

Fondée par la PDG Helen Gu, professeure d'informatique à l'université d'État de Caroline du Nord et ancienne employée d'IBM et de Google, l'entreprise a récemment levé 15 millions de dollars lors d'un tour de table de série B mené par Yu Galaxy, comme l'a appris TechCrunch en exclusivité.

Selon Mme Gu, le défi le plus important auquel le secteur est confronté aujourd’hui va au-delà de la surveillance et du diagnostic des défaillances des modèles d’IA. Il s’agit de diagnostiquer le fonctionnement de l’ensemble de la pile technologique, maintenant que l’IA en est une composante intégrante.

« Pour diagnostiquer efficacement les problèmes liés aux modèles d'IA, il faut surveiller et analyser collectivement les données, le modèle et l'infrastructure sous-jacente », a expliqué Mme Gu à TechCrunch. « Le problème ne se limite pas toujours au modèle ou aux données ; il s'agit souvent d'une combinaison des deux. Parfois, la cause profonde réside simplement dans votre infrastructure. »

Mme Gu a illustré cela par un exemple concret : l’un des clients d’InsightFinder, une grande société américaine de cartes de crédit, a constaté une dérive dans son modèle de détection des fraudes. Comme InsightFinder surveillait l’ensemble de l’infrastructure de l’entreprise, elle a identifié que la dérive du modèle était causée par des données de cache obsolètes sur des nœuds de serveur spécifiques.

« Une idée fausse courante est que l’observabilité de l’IA se limite à l’évaluation des LLM pendant le développement et les tests. En réalité, une plateforme d’observabilité de l’IA robuste devrait offrir une prise en charge de la boucle de rétroaction de bout en bout couvrant les phases de développement, d’évaluation et de production », a-t-elle déclaré.

Le dernier produit d’InsightFinder, baptisé Autonomous Reliability Insights, y parvient en combinant l’apprentissage automatique non supervisé, des modèles linguistiques propriétaires de grande et petite taille, l’IA prédictive et l’inférence causale. Selon Mme Gu, cette couche fondamentale est indépendante des données, ce qui permet au système d’ingérer et d’analyser des flux de données complets, de recueillir des signaux, puis de les corréler et de les valider de manière croisée afin d’identifier les causes profondes.

Le paysage de l'observabilité est désormais saturé de concurrents qui se disputent une part du nouveau marché créé par la prolifération des outils d'IA. Après près d'une décennie d'activité, InsightFinder est en concurrence avec des entreprises telles que Grafana Labs, Fiddler, Datadog, Dynatrace, New Relic et BigPanda, qui développent toutes des capacités pour relever les nouveaux défis posés par l'IA.

Cependant, Mme Gu reste confiante. Elle affirme que l'expertise, l'expérience et la personnalisation d'InsightFinder constituent un solide avantage concurrentiel. « Nous perdons rarement des clients au profit de nos concurrents... Tout repose en fin de compte sur les informations. Le problème est que de nombreux data scientists comprennent l'IA mais pas le système, tandis que de nombreux développeurs en ingénierie de fiabilité des sites (SRE) comprennent le système mais pas l'IA... Ils passent souvent à côté des relations intrinsèques qui existent entre les deux. »

Aujourd’hui, le portefeuille de clients d’InsightFinder comprend UBS, NBCUniversal, Lenovo, Dell, Google Cloud et Comcast. Mme Gu attribue ce succès à une décennie d’efforts consacrés à la compréhension des besoins des grandes entreprises clientes.

« Cela a impliqué une collaboration étroite avec nos clients du classement Fortune 50 afin d’affiner notre approche et de comprendre les exigences de l’environnement d’entreprise pour le déploiement de ces modèles », a-t-elle déclaré. « Nous travaillons avec Dell pour déployer nos systèmes d’IA à l’échelle mondiale chez certains de nos plus gros clients. Ce n’est pas quelque chose que l’on peut réaliser en appliquant simplement un modèle d’IA de base aux données machine. »

Mme Gu a indiqué que le chiffre d’affaires de l’entreprise était « solide », ayant « plus que triplé » au cours de l’année écoulée. En réalité, l’entreprise ne recherchait pas activement ce financement de série B ; ce sont les investisseurs qui l’ont contactée après qu’InsightFinder eut conclu un contrat de plusieurs millions de dollars avec une entreprise du classement Fortune 50 en l’espace de trois mois.

InsightFinder utilisera ces nouveaux capitaux pour recruter ses premiers collaborateurs dans les domaines de la vente et du marketing afin d’étoffer son équipe, qui compte actuellement moins de 30 personnes, et pour investir dans sa stratégie de commercialisation. À ce jour, l’entreprise a levé un total de 35 millions de dollars.