Les agents d’IA font fureur, une tendance portée par le boom de l’IA générative et des grands modèles linguistiques (LLM) ces dernières années. Amener les gens à s'entendre sur ce que sont exactement les agents d'IA est un défi, mais la plupart soutiennent qu'il s'agit de logiciels auxquels on peut attribuer des tâches et prendre des décisions, avec différents degrés d'autonomie.
En bref, les agents IA vont au-delà de ce qu’un simple chatbot peut faire : ils aident les gens à faire avancer les choses.
Il est encore tôt, mais Salesforce et Google investissent déjà massivement dans les agents IA. Le PDG d'Amazon, Andy Jassy, a récemment fait allusion à une Alexa plus « agentique » dans le futur, une Alexa qui repose autant sur l'action que sur les mots.
Parallèlement, les startups collectent également des liquidités grâce au battage médiatique. La dernière en date est la société allemande Juna.ai, qui souhaite aider les usines à être plus efficaces en automatisant des processus industriels complexes pour « maximiser le débit de production, augmenter l’efficacité énergétique et réduire les émissions globales ».
Et pour y parvenir, la startup basée à Berlin a annoncé aujourd'hui avoir levé 7,5 millions de dollars lors d'un tour de table auprès de la société de capital-risque de la Silicon Valley Kleiner Perkins, de Norrsken VC basée en Suède et du président de Kleiner Perkins, John Doerr.
L'auto-apprentissage est la voie
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 vendue à la société suisse de capteurs intelligents Sensirion en 2021, tandis que Hardernberg était l'ancien directeur de la technologie du géant européen de la livraison de nourriture Delivery Hero.
À la base, Juna.ai souhaite aider les installations de fabrication à se transformer en systèmes d'auto-apprentissage plus intelligents, capables de générer de meilleures marges et, à terme, 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, dont les processus de production à grande échelle 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 der Mauer à TechCrunch. « Par exemple, les réacteurs chimiques qui utilisent beaucoup de chaleur pour produire quelque chose. »
Le logiciel de Juna.ai s'intègre aux outils de production des fabricants, comme les logiciels industriels d'Aveva ou SAP, et examine toutes ses données historiques recueillies à partir des capteurs des machines. Cela peut impliquer la température, la pression, la vitesse et toutes les mesures du résultat donné, telles que la qualité, l'épaisseur et la couleur.
Grâce à ces informations, Juna.ai aide les entreprises à former leurs agents internes pour déterminer les paramètres optimaux pour les machines, en fournissant aux opérateurs des données et des conseils en temps réel pour garantir que tout fonctionne avec une efficacité maximale avec un minimum de gaspillage.
Par exemple, une usine chimique qui produit un type particulier de carbone pourrait utiliser un réacteur pour mélanger différentes huiles et les soumettre à un processus de combustion à forte intensité énergétique. Pour maximiser le rendement et minimiser les déchets résiduels, les conditions doivent être optimales, notamment les niveaux de gaz et d'huiles utilisés, ainsi que la température appliquée au processus. En utilisant des 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 changements qu'il doit apporter pour obtenir le meilleur résultat.
Si Juna.ai peut aider les entreprises à affiner leurs équipements de production, elles pourront améliorer leur rendement tout en réduisant leur consommation d'énergie. C'est gagnant-gagnant, tant pour les résultats financiers du client que pour son empreinte carbone.
Juna.ai affirme avoir créé ses propres modèles d'IA personnalisés, à l'aide d'outils open source tels que TensorFlow et PyTorch. Et pour former ses modèles, Juna.ai utilise l'apprentissage par renforcement, un sous-ensemble de l'apprentissage automatique (ML) qui implique un modèle d'apprentissage à travers ses interactions avec son environnement : il essaie différentes actions, observe ce qui se passe et s'améliore.
« Ce qui est intéressant à propos de 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 génèrent peut-être quelque chose. Mais ils ne peuvent pas contrôler.
Une grande partie de ce que Juna.ai fait actuellement s'apparente davantage à un « copilote » : il propose 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 concrètes. Un système de refroidissement, par exemple, peut nécessiter un réglage constant pour garantir qu'une machine maintient la bonne température.
Les usines sont déjà habituées à automatiser les contrôles du système à l’aide de contrôleurs PID et MPC, c’est donc quelque chose que Juna.ai pourrait également faire. Pourtant, pour une jeune startup d’IA, il est plus facile de vendre un copilote – ce n’est qu’un petit pas pour l’instant.
« Il est techniquement possible pour nous de le laisser fonctionner de manière autonome dès maintenant ; il nous suffirait d'implémenter la connexion. Mais en fin de compte, il s'agit avant tout d'instaurer la confiance avec le client », a déclaré 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 en supprimant une seule personne, par rapport à un processus qui coûte 20 millions de dollars en énergie », a-t-il déclaré. « Le véritable gain est donc le suivant : pouvons-nous passer de 20 millions de dollars en énergie à 18 ou 17 millions de dollars ?
Agents pré-formés
Pour l'instant, la grande promesse de Juna.ai est un agent IA adapté à chaque client utilisant ses données historiques. Mais à l'avenir, l'entreprise prévoit de proposer des agents « pré-formés » prêts à l'emploi qui n'auront 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 disposer de 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 pourrait être possible de déplacer et de déplacer des agents d’IA entre clients. Un modèle pour une machine, voilà l’essentiel.
Cependant, il ne faut pas ignorer le fait que les entreprises ont hésité à se lancer tête première dans la révolution naissante de l’IA en raison de problèmes de confidentialité des données. Ces préoccupations sont perdues sur Juna.ai, mais Hardenberg a déclaré que cela n'a pas été un problème majeur jusqu'à présent, en partie à cause de ses contrôles de résidence des données, et en partie à cause de la promesse qu'il donne aux clients en termes de libération de la valeur latente des vastes banques. de données.
« Je voyais cela comme un problème potentiel, mais jusqu'à présent, cela n'a pas été un problème si grave car nous laissons toutes les données en Allemagne pour nos clients allemands », a déclaré Hardenberg. « Ils disposent de leur propre serveur et nous bénéficions de garanties de sécurité de premier ordre. De leur côté, ils disposent de toutes ces données, 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 des analyses manuelles. Mais nous pensons que nous pouvons faire bien plus avec ces données : construire une usine intelligente et devenir le cerveau de cette usine sur la base des données dont nous disposons.
Un peu plus d'un an après sa création, Juna.ai compte déjà une poignée de clients, même si der Mauer a déclaré qu'il n'était pas encore libre de révéler des noms précis. Cependant, ils sont tous basés en Allemagne et ont tous des filiales ailleurs ou sont des filiales d'entreprises basées ailleurs.
« Nous prévoyons de grandir avec eux – c'est un très bon moyen de grandir avec vos clients », a ajouté Hardenberg.
Avec les 7,5 millions de dollars frais en banque, Juna.ai est désormais bien financé pour dépasser son effectif actuel de six personnes, avec l'intention de doubler son expertise technique.
« En fin de compte, c'est une société de logiciels, et cela signifie essentiellement des personnes », a déclaré Hardenberg.
