Les enseignements de Netomi pour l'échelle des systèmes agenics dans l'entreprise

Avec 34 millions d’euros, Dust accélère sur les systèmes multi-agents pour les entreprises

La startup française Dust a annoncé une levée de fonds de 34 millions d'euros pour accélérer le développement de ses systèmes multi-agents destinés aux entreprises. Cette opération, l'une des plus significatives du secteur de l'IA appliquée en France cette année, doit permettre à la société de renforcer son infrastructure technique et d'élargir sa base de clients parmi les grandes organisations. Dust propose une plateforme permettant de déployer des agents IA capables de collaborer entre eux pour automatiser des processus métiers complexes, allant bien au-delà du simple assistant conversationnel. L'enjeu est de taille : si l'IA générative s'est diffusée à une vitesse inédite dans les entreprises, son impact réel sur l'organisation du travail reste limité. Les copilotes et chatbots actuels restent des outils individuels, cloisonnés, sans mémoire collective ni coordination. Dust parie que la prochaine étape est la mise en place d'agents spécialisés qui se transmettent des tâches, partagent du contexte et agissent de façon coordonnée, transformant ainsi des workflows entiers plutôt qu'une seule interaction à la fois. Cette levée intervient dans un contexte de compétition intense autour des agents IA, où des acteurs comme Salesforce, Microsoft ou encore des startups américaines telles que Glean et Moveworks se positionnent également sur l'automatisation des processus d'entreprise. La particularité de Dust tient à son ancrage européen et à son approche modulaire, permettant aux équipes IT d'assembler des chaînes d'agents sur mesure. Avec ces nouveaux fonds, la startup entend consolider sa position sur le marché européen avant d'envisager une expansion internationale.

💬 34M€ pour Dust, c'est le genre de levée qui montre que le marché a enfin compris que les chatbots en silo ne suffisent plus. La vraie valeur, elle est dans la coordination entre agents, pas dans l'assistant individuel bien poli. Reste à voir si leur approche modulaire tient face à Salesforce qui a les moyens de racheter le problème.

Visa prépare ses systèmes de paiement pour les transactions initiées par des agents IA

Visa lance son programme "Agentic Ready" en Europe, en partenariat avec Commerzbank et DZ Bank, pour adapter les infrastructures de paiement aux transactions initiées par des agents IA. L'objectif est de permettre à des logiciels autonomes d'effectuer des achats au nom des utilisateurs selon des règles prédéfinies — surveiller les stocks, comparer les prix, puis finaliser une transaction sans intervention humaine. Cette évolution soulève des défis majeurs en matière d'authentification, de conformité et de gestion des fraudes, que Visa compare en ampleur au passage aux paiements en ligne.

Coinbase se lance dans les paiements pour agents IA

Coinbase s'empresse de construire l'infrastructure permettant aux agents IA d'effectuer des paiements autonomes, ciblant un marché encore embryonnaire qui pourrait devenir un champ de bataille pour les acteurs du paiement. Coinbase et Zerohash, une startup spécialisée en infrastructure crypto, sont en compétition pour émettre un nouveau stablecoin destiné à Cloudflare, dont le lancement est prévu cette année. L'enjeu est stratégique : le gagnant verrait son stablecoin au cœur du trafic des agents IA, grâce au rôle central de Cloudflare dans la gestion du trafic web et la cybersécurité.

Comment l'économie de l'IA multi-agents influence l'automatisation des entreprises

NVIDIA a lancé Nemotron 3 Super, une architecture open source de 120 milliards de paramètres (12 milliards actifs) conçue pour les systèmes d'IA multi-agents en entreprise, offrant jusqu'à 5× plus de débit et 2× plus de précision que son prédécesseur. Le modèle combine des couches Mamba, des transformers classiques et une technique d'experts spécialisés pour réduire les deux principaux freins à l'automatisation : la « taxe de raisonnement » (coût élevé des agents autonomes) et l'explosion du contexte (jusqu'à +1 500 % de tokens par rapport aux formats standards). Avec une fenêtre de contexte d'un million de tokens, les agents peuvent charger un codebase entier ou des milliers de pages de rapports financiers en mémoire, éliminant la dérive d'objectif et accélérant l'inférence jusqu'à 4× par rapport aux configurations FP8 sur Hopper.