Plurai lève 13 M$ pour fiabiliser les agents IA par simulation

Des agents qui exigent encore une supervision

Les évaluations montrent que les agents ne sont pas assez fiables pour travailler sans surveillance. Sur LiveBench 2.0, Claude Fable 5.2 et ChatGPT-6 Astra réussissent respectivement 82,9 et 75,6 tâches sur 100. Un test de la société d'infrastructure IA EON, dans un environnement d'entreprise simulé, a donné au meilleur modèle, Claude Opus 4.8, une précision de 76,8 %.

Selon Ilan Kadar, les agents sont des systèmes probabilistes évoluant dans des environnements imprévisibles, comme les modèles de conduite. Un agent de réservation de voyages peut ignorer les règles de dépenses sous la pression d'un client, croiser plusieurs jeux de données le fait trébucher, et de longues conversations de service client le noient sous le contexte.

Plurai crée un jumeau numérique des systèmes informatiques de l'entreprise, avec la base de connaissances et les outils auxquels l'agent accède en production. La plateforme cartographie tous les parcours possibles de l'agent et s'appuie sur ce graphe pour préparer le modèle avec des évaluations et des correctifs. Elle fonctionne avec Claude Code, Codex, Copilot et Cursor.

Des modèles plus petits et moins chers

Pour Ilan Kadar, la vraie promesse est d'utiliser ces données pour affiner de petits modèles à poids ouverts adaptés à chaque client. Lors de tests menés avec Nvidia et Nebius, les modèles de Plurai ont surpassé des modèles de pointe de milieu de gamme à moindre coût. Il évoque une qualité équivalente ou supérieure, pour un coût réduit d'un à deux ordres de grandeur.

Reah Miyara, chercheur chez Google DeepMind et investisseur providentiel de Plurai, estime que les DSI jugent les modèles de pointe mal adaptés à leurs données et trop coûteux à long terme. Ilan Kadar ajoute que, malgré les progrès d'OpenAI et d'Anthropic, ces modèles « ne connaîtront pas votre activité ni vos règles ».