Les agents d’IA font fureur, une tendance stimulée par l’essor de l’IA générative et des grands modèles de langage (LLM) ces dernières années. Il est difficile de mettre les gens d’accord sur ce que sont exactement les agents d’IA, mais la plupart affirment qu’il s’agit de logiciels auxquels on peut attribuer des tâches et prendre des décisions, avec des degrés d’autonomie variables.

En bref, les agents d’IA vont au-delà de ce qu’un simple chatbot peut faire : ils aident les gens à faire avancer les choses.

Il n’en est qu’à ses débuts, mais Salesforce et google investissent déjà massivement dans les agents d’IA. Le PDG d’Amazon, Andy Jassy, a récemment fait allusion à une Alexa plus « agentique » à l’avenir, une question d’action plutôt que de parole.

En parallèle, les startups lèvent également des fonds grâce au battage médiatique. La dernière en date est une société allemande Juna.ai, qui veut aider les usines à être plus efficaces en automatisant des processus industriels complexes afin de « maximiser le rendement de la production, d’augmenter l’efficacité énergétique et de réduire les émissions globales ».

Et pour y parvenir, la start-up berlinoise a annoncé aujourd’hui avoir levé 7,5 millions de dollars lors d’un tour de table d’amorçage auprès d’une société de capital-risque de la Silicon Valley Kleiner Perkins, basée en Suède Norrsken VC, et président de Kleiner Perkins John Doerr.

L’auto-apprentissage est le moyen

Fondée en 2023, Juna.ai est l’œuvre de Matthias Auf der Mauer (photo ci-dessus, à gauche) et Christian Hardenberg (photo ci-dessus, à droite). Der Mauer a précédemment fondé une start-up de maintenance prédictive de machines appelée AiSight et l’a vendu à la société suisse de capteurs intelligents Sensirion en 2021, alors que Hardernberg était l’ancien directeur de la technologie du géant européen de la livraison de nourriture Delivery Hero.

À la base, Juna.ai veut aider les installations de fabrication à se transformer en systèmes plus intelligents et auto-apprenants qui peuvent générer de meilleures marges et, en fin de compte, une empreinte carbone plus faible. L’entreprise se concentre sur ce que l’on appelle les « industries lourdes », c’est-à-dire des industries telles que l’acier, le ciment, le papier, les produits chimiques, le bois et le textile avec des processus de production à grande échelle qui consomment beaucoup de matières premières.

« Nous travaillons avec des industries très axées sur les processus, et cela implique principalement des cas d’utilisation qui consomment beaucoup d’énergie », a déclaré M. der Mauer à TechCrunch. « Donc, par exemple, des réacteurs chimiques qui utilisent beaucoup de chaleur pour produire quelque chose. »

Les logiciels de Juna.ai s’intègrent aux outils de production des fabricants, comme les logiciels industriels Aveva ou SÈVE, et examine toutes ses données historiques recueillies à partir des capteurs des machines. Cela peut impliquer la tempérance, la pression, la vitesse et toutes les mesures de la sortie donnée, telles que la qualité, l’épaisseur et la couleur.

À l’aide de ces informations, Juna.ai aide les entreprises à former leurs agents internes à déterminer les paramètres optimaux pour les machines, en fournissant aux opérateurs des données et des conseils en temps réel pour s’assurer que tout fonctionne au maximum de son efficacité avec un minimum de déchets.

Par exemple, une usine chimique qui produit un type particulier de carbone peut utiliser un réacteur pour mélanger différentes huiles et les soumettre à un processus de combustion énergivore. Pour maximiser le rendement et minimiser les déchets résiduels, les conditions doivent être optimales, y compris les niveaux de gaz et d’huiles utilisés, et la température appliquée au processus. À l’aide de données historiques pour établir les paramètres idéaux et en tenant compte des conditions en temps réel, les agents de Juna.ai sont censés indiquer à l’opérateur les modifications qu’il doit apporter pour obtenir le meilleur rendement.

Si Juna.ai pouvons aider les entreprises à affiner leurs équipements de production, elles peuvent améliorer leur débit tout en réduisant leur consommation d’énergie. C’est une situation gagnant-gagnant, tant pour les résultats du client que pour son empreinte carbone.

Juna.ai affirme avoir construit ses propres modèles d’IA personnalisés, en utilisant des outils open source tels que TensorFlow et PyTorch. Et pour entraîner ses modèles, Juna.ai utilise l’apprentissage par renforcement, un sous-ensemble de l’apprentissage automatique (ML) qui implique qu’un modèle apprend par ses interactions avec son environnement – il essaie différentes actions, observe ce qui se passe et s’améliore.

« Ce qui est intéressant avec l’apprentissage par renforcement, c’est que c’est quelque chose qui peut prendre des mesures », a déclaré Hardenberg à TechCrunch. « Les modèles typiques ne font que des prédictions, ou peut-être génèrent quelque chose. Mais ils ne peuvent pas contrôler.

Une grande partie de ce que Juna.ai fait à l’heure actuelle s’apparente davantage à un « copilote » – il sert vers le haut un écran qui indique à l’opérateur les modifications qu’il doit apporter aux commandes. Cependant, de nombreux processus industriels sont incroyablement répétitifs, c’est pourquoi il est utile de permettre à un système de prendre des mesures réelles. Un système de refroidissement, par exemple, peut nécessiter un réglage précis constant pour s’assurer qu’une machine maintient la bonne température.

Les usines sont déjà bien habituées à automatiser les contrôles du système à l’aide de PID et MPC contrôleurs, c’est donc quelque chose que Juna.ai pourrions faire aussi. Pourtant, pour une jeune start-up d’IA, il est plus facile de vendre un copilote – ce sont des petits pas pour l’instant.

« Il est techniquement possible pour nous de le laisser fonctionner de manière autonome dès maintenant ; Il nous suffirait de mettre en œuvre la connexion. Mais en fin de compte, il s’agit vraiment d’établir une relation de confiance avec le client », a déclaré M. der Mauer.

Hardenberg a ajouté que l’avantage de la plateforme de la startup ne réside pas dans l’économie de main-d’œuvre, notant que les usines sont déjà « assez efficaces » en termes d’automatisation des processus manuels. Il s’agit d’optimiser ces processus pour réduire les déchets coûteux.

« Il n’y a pas grand-chose à gagner à expulser une seule personne, comparé à un processus qui vous coûte 20 millions de dollars en énergie », a-t-il déclaré. « Le vrai gain est donc de savoir si nous pouvons passer de 20 millions de dollars dans l’énergie à 18 ou 17 millions de dollars. »

Agents pré-formés

Pour l’instant, la grande promesse de Juna.ai est un agent d’IA adapté à chaque client à l’aide de ses données historiques. Mais à l’avenir, l’entreprise prévoit de proposer des agents « pré-formés » prêts à l’emploi qui n’ont pas besoin de beaucoup de formation sur les données d’un nouveau client.

« Si nous construisons des simulations encore et encore, nous arrivons à un point où nous pouvons potentiellement avoir des modèles de simulation qui peuvent être réutilisés », a déclaré der Mauer.

Ainsi, si deux entreprises utilisent le même type de réacteur chimique, par exemple, il peut être possible de lever et de déplacer des agents d’IA entre les clients. Un modèle pour une machine, c’est l’essentiel.

Cependant, il est indéniable que les entreprises ont hésité à plonger la tête la première dans la révolution naissante de l’IA en raison de problèmes de confidentialité des données. Ces inquiétudes sont perdues pour Juna.ai, mais Hardenberg a déclaré que cela n’a pas été un problème majeur jusqu’à présent, en partie en raison de ses contrôles de résidence des données, et en partie en raison de la promesse qu’il donne aux clients en termes de libération de la valeur latente de vastes banques de données.

« Je voyais cela comme un problème potentiel, mais jusqu’à présent, ce n’est pas un si gros problème parce que nous laissons toutes les données en Allemagne pour nos clients allemands », a déclaré Hardenberg. « Ils ont leur propre serveur configuré et nous avons des garanties de Sécurité de premier ordre. De leur côté, ils ont toutes ces données qui traînent, mais ils n’ont pas été aussi efficaces pour créer de la valeur à partir de celles-ci ; Il était principalement utilisé pour les alertes, ou peut-être pour certaines analyses manuelles. Mais notre point de vue est que nous pouvons faire beaucoup plus avec ces données – construire une usine intelligente et devenir le cerveau de cette usine sur la base des données dont ils disposent.

Un peu plus d’un an après sa fondation, Juna.ai compte déjà une poignée de clients, bien que M. der Mauer ait déclaré qu’il n’était pas encore libre de révéler des noms spécifiques. Ils sont tous basés en Allemagne, cependant, et ils ont tous des filiales ailleurs, ou sont des filiales de sociétés basées ailleurs.

« Nous prévoyons de grandir avec eux – c’est un très bon moyen de nous développer avec vos clients », a ajouté Hardenberg.

Avec les 7,5 millions de dollars en banque, Juna.ai est maintenant bien financée pour se développer au-delà de son effectif actuel de six personnes, avec l’intention de doubler son expertise technique.

« C’est une entreprise de logiciels en fin de compte, et cela signifie essentiellement des gens », a déclaré Hardenberg.