QueryStory appelle à la prudence face aux contenus générés par l'IA

En 2009, Shapor Naghibzadeh a découvert le pouvoir d’une narration captivante alors qu’il travaillait comme ingénieur en exploitation de systèmes chez Google. Lors de l’opération Aurora, alors que des pirates informatiques soutenus par des États s’en prenaient au géant de la technologie, il a été convoqué dans une cellule de crise pour faire le point sur l’activité des serveurs. Il a ainsi appris par lui-même que des informations vérifiées sont indispensables pour remonter la piste des cyberattaques à travers des réseaux fragmentés — un processus qu’il a trouvé à la fois coûteux et lent. Il estime que les grands modèles linguistiques peuvent reproduire cette capacité de vérification sur diverses bases de données en un temps record.

Au cours des six années suivantes, Shapor Naghibzadeh s’est attaché à associer données et cybersécurité, en tirant parti de l’infrastructure de Google pour créer des outils permettant aux analystes en sécurité d’interroger des ensembles de données complexes. En 2016, il a cofondé Chronicle, une start-up issue des X Labs de Google, afin d’étendre ces capacités à des entreprises externes.

L’année dernière, conscient du rôle croissant des grands modèles linguistiques dans l’analyse des données, Naghibzadeh a identifié une opportunité d’adapter ses techniques de cybersécurité à des applications analytiques plus larges. Il a cofondé QueryStory, qui sort aujourd’hui de sa phase de développement en secret, aux côtés de Stanley Yang, directeur technique (CTO), ancien collègue chez Google et ingénieur en chef chez EvolutionIQ, et de David Glusic, directeur des produits (CPO), un vétéran d’Accenture.

« Les enquêtes suivent un schéma : on pose une série de questions aux données, puis on synthétise ces réponses en un récit cohérent », explique Naghibzadeh. « C’est ce concept qui a inspiré le nom de QueryStory. Il s’agit de construire des récits véridiques, fondés sur les données. »

QueryStory a levé 6 millions de dollars lors d’un tour de table d’amorçage fin 2025 auprès de Brightmind Ventures et New York Life Ventures, valorisant l’entreprise à 60 millions de dollars. Au cours de cette période, la start-up a perfectionné son produit grâce à des projets pilotes menés auprès de clients. Destinée aux grandes entreprises disposant de vastes bases de données propriétaires, QueryStory sert de plateforme unifiée pour l’analyse et l’examen des données, venant en aide à des équipes telles que celles des ventes et des opérations.

« Nous comblons le déficit de confiance envers l’IA en fournissant aux entreprises des réponses exploitables et fiables », a déclaré M. Naghibzadeh. « Plutôt que de nous fier au jugement humain ou de mobiliser des armées d’ingénieurs, nous avons transformé cette expertise en produit. »

Tim Del Bello, associé chez New York Life Ventures, a investi dans l’entreprise et utilise déjà la plateforme pour remplacer les processus de reporting manuels, dans le but de transformer les revues d’activité trimestrielles en tableaux de bord en temps réel.

« Ce produit est conçu pour les décideurs qui ont besoin d’informations fiables issues de sources de données complexes et disparates, mais qui ne disposent pas d’équipes dédiées à la science des données ou à la BI, en particulier dans les secteurs fortement réglementés », a-t-il déclaré à TechCrunch.

Résoudre le problème de la fragilité des systèmes d’IA

J’ai partagé une base de données suivant l’activité spatiale afin de mieux comprendre les opérations orbitales menées par des entreprises telles que SpaceX. QueryStory a généré une visualisation de ces données en quelques heures seulement — une tâche qui nécessitait auparavant l’intervention d’un développeur et plusieurs semaines de travail. La plateforme a produit des tableaux de bord sophistiqués et, notamment, a inclus un indicateur de confiance expliquant pourquoi les agents d’IA jugeaient les analyses précises.

Une visualisation des satellites en orbite autour de la Terre. Crédits image : QueryStory / QueryStory

Un ensemble de requêtes dérivées des données spatiales. Crédits image : QueryStory / QueryStory

Un QueryStory. Crédits image : QueryStory / QueryStory

L’indicateur de confiance de QueryStory. Crédits image : QueryStory / QueryStory

Si les laboratoires d’avant-garde proposent des outils de coworking, ceux-ci sont délibérément limités en termes d’expérience utilisateur. La stratégie de QueryStory part du principe que les utilisateurs en entreprise exigent davantage de transparence, de fiabilité et de contrôle lorsqu’ils intègrent l’IA dans leurs flux de travail.

Par exemple, un dirigeant du secteur technologique a récemment expliqué avoir utilisé Claude Cowork pour interroger la base de données de son entreprise, puis avoir vérifié manuellement les requêtes SQL générées avant de les envoyer à un analyste de données pour examen. Dans QueryStory, ces requêtes SQL s’affichent automatiquement, et les utilisateurs peuvent signaler des analyses pour qu’elles soient examinées par un humain, tous les commentaires étant enregistrés directement sur la plateforme.

« L’IA est plus fragile que ce que l’on imagine lorsqu’il s’agit de construire des systèmes durables dont dépendent les grandes entreprises », a déclaré Tayler Sipperly, associé chez Brightmind Partners, à TechCrunch.

M. Naghibzadeh note que le fait de connecter les données d’entreprise à l’interface de chat d’un LLM conduit souvent des centaines, voire des milliers d’employés à poser des questions, ce qui génère des versions contradictoires de la réalité et crée des feuilles de calcul ingérables, sans source d’information centralisée.

Des facteurs économiques entrent également en ligne de compte. Bien que QueryStory soit indépendant de tout modèle et utilise actuellement les derniers modèles issus de laboratoires de pointe, M. Naghibzadeh estime que les clients préfèrent des prestataires de services qui ne sont pas incités à maximiser la consommation de ressources d’intelligence artificielle.

« Nous disposons d’un avantage certain, car notre activité ne repose pas sur la consommation de ressources de calcul, de stockage ou de jetons », a déclaré M. Naghibzadeh. Il fait valoir que des outils spécialement conçus comme QueryStory peuvent offrir une efficacité et une précision supérieures à celles des agents polyvalents, grâce à la préservation du contexte.

« Ce que nous vendons, c’est la confiance dans les réponses », a-t-il déclaré. « Nous apportons de la valeur ajoutée aux entreprises en permettant aux directeurs financiers de comprendre exactement ce que ces solutions vont coûter. »