InsightFinder lève 15 millions de dollars pour diagnostiquer les pannes des systèmes à agents IA

InsightFinder a levé 15 millions de dollars pour s'attaquer à l'un des problèmes les plus importants et les moins résolus de l'IA en entreprise : l'impossibilité de diagnostiquer vite et avec précision l'endroit exact où a cédé un système dans lequel des agents IA ont pris en charge de vrais processus de travail.

Quand un agent IA se trompe ou s'arrête, trouver la cause est nettement plus difficile que lors d'une panne de logiciel classique. L'erreur peut venir du modèle de langage lui-même, des données qu'il a reçues, de l'outil qu'il a appelé, de l'orchestrateur qui pilote plusieurs agents, de l'API d'un service tiers ou de l'infrastructure sous-jacente sur laquelle tout repose. C'est précisément ce problème de diagnostic à plusieurs niveaux que s'est attaquée InsightFinder.

Selon la CEO de l'entreprise, Helen Gu, le principal défi du secteur n'est pas simplement de superviser des modèles d'IA pris séparément, mais de diagnostiquer le fonctionnement de toute la pile technique maintenant que l'IA en est devenue une partie intégrante. C'est un niveau de complexité fondamentalement différent : les systèmes de supervision traditionnels savent suivre les logs, les métriques et les traces, mais ne savent pas interpréter le comportement non déterministe d'un LLM au sein d'une chaîne d'agents complexe.

Avec la diffusion des systèmes d'agents, le point de défaillance n'est plus un modèle unique. C'est désormais toute une chaîne : appels de LLM, appels à des outils externes, intégrations d'API, bases de connaissances sous forme de stockages vectoriels, orchestrateurs pilotant plusieurs agents en parallèle, et services externes. Diagnostiquer un tel système avec les méthodes classiques revient à passer des heures à analyser à la main des logs dispersés au lieu de corriger rapidement le problème.

InsightFinder est spécialisée dans l'observabilité de l'IA, un domaine dont l'importance grimpe vite à mesure que les entreprises passent des expériences avec des chatbots au déploiement d'agents autonomes en production. La plateforme de l'entreprise peut non seulement suivre les appels aux modèles d'IA, mais aussi les corréler avec l'état de toute l'infrastructure, de la charge des serveurs au temps de réponse des services en aval. Cela donne une vue d'ensemble plutôt que des fragments isolés.

Cette levée de 15 millions de dollars permettra à InsightFinder d'élargir sa plateforme et d'étoffer son équipe d'ingénieurs. Le marché de l'observabilité de l'IA est encore en formation, mais la concurrence se fait déjà sentir : Arize AI, LangSmith de LangChain, Weights & Biases, Honeycomb et plusieurs autres acteurs y sont présents. InsightFinder mise sur une couverture plus large, qui ne se limite pas au traçage des appels de LLM mais les corrèle à l'état de toute l'infrastructure, ce qui distingue le produit des traceurs de LLM très spécialisés.

Pour les clients en entreprise, le problème est particulièrement aigu. Quand un agent IA cesse de fonctionner un vendredi soir, l'équipe d'ingénierie doit comprendre en quelques minutes s'il s'agit d'un problème du modèle lui-même, d'un jeton d'autorisation expiré, d'une API tierce en panne ou d'une dégradation de la base de données. Sans outils spécialisés, cette analyse tourne à l'enquête policière dans des logs bruts, coûteuse et lente.

L'investissement dans InsightFinder reflète une tendance plus large du secteur. À mesure que les agents IA prennent en charge de vrais processus métier, du support client aux opérations financières et à la gestion des chaînes d'approvisionnement, les exigences de fiabilité et de diagnostiquabilité se rapprochent des standards des infrastructures critiques. Les entreprises ne peuvent plus se permettre des agents qui se trompent simplement de temps en temps sans qu'on sache pourquoi, surtout quand il s'agit de prise de décision automatique.

InsightFinder se présente comme la couche d'infrastructure de l'ère de l'IA agentique : un outil sans lequel le déploiement industriel d'agents dans des processus critiques reste une entreprise risquée, aux points de défaillance imprévisibles.