La start-up d'IA Altara lève 7 millions de dollars pour unifier les données scientifiques

La start-up Altara a levé 7 millions de dollars pour développer une plateforme d'IA qui s'attaque à l'un des problèmes les plus douloureux de la recherche scientifique : la fragmentation des données. Dans les laboratoires et les services de R&D d'entreprises du monde entier, l'information reste éparpillée entre des feuilles de calcul, de très vieux systèmes d'entreprise et des bases de données incompatibles. Altara a conçu un outil qui unifie ces sources isolées et permet aux scientifiques et aux ingénieurs de se concentrer sur ce qu'ils font de mieux : la science, pas la gestion des données.

Le goulot d'étranglement de la R&D et de l'ingénierie

En sciences physiques et en ingénierie, chaque projet génère d'énormes volumes de données : résultats d'expériences, paramètres d'équipements, enregistrements historiques, logs de production, valeurs d'étalonnage. Mais le problème, c'est que ces informations sont dispersées entre différents entrepôts et formats. Les notes de laboratoire peuvent se trouver dans des fichiers Excel locaux des années 2010. Les données des instruments sont stockées dans des systèmes propriétaires que personne ne peut remplacer sans paralyser le travail. Les archives historiques se trouvent dans le cloud, sur des serveurs d'entreprise, voire sur de vieux disques de sauvegarde.

Le résultat est prévisible : les nouveaux employés perdent des semaines à chercher l'information. Les anciennes expériences sont impossibles à reproduire, car les données se sont perdues dans un labyrinthe de systèmes. Les scientifiques doivent copier manuellement l'information d'un outil à l'autre, et perdent des heures en tâches routinières. D'après les estimations d'Altara elle-même, les ingénieurs consacrent jusqu'à 30 % de leur temps de travail non pas à l'analyse et à la résolution de problèmes, mais au déplacement et à l'organisation des données.

Comment Altara unifie l'éparpillé

La plateforme fonctionne comme un traducteur et un coordinateur intelligent. Elle se connecte aux systèmes existants de l'entreprise sans les remplacer ni les refondre, et crée une interface unique et lisible pour toutes les sources de données.

Principales fonctionnalités de la plateforme :

• Découverte automatique des données dans différentes sources et liaison dans un graphe unique
• Diagnostic des pannes d'équipements à partir de schémas historiques et d'anomalies
• Détection de valeurs aberrantes et d'anomalies dans les résultats expérimentaux en quelques secondes
• Prévision des défaillances probables et recommandations d'optimisation automatiques

Le système s'appuie sur des LLM et l'apprentissage automatique pour « comprendre » le contexte et les spécificités de chaque laboratoire. Avec le temps, l'IA devient plus utile en s'adaptant au jargon, aux abréviations et aux processus de travail propres à l'entreprise.

Le capital-risque voit un marché immense

Les 7 millions de dollars reflètent l'intérêt croissant du capital-risque pour les sciences physiques et l'ingénierie, vues comme une nouvelle frontière de l'automatisation par l'IA. Fabricants de semi-conducteurs, laboratoires pharmaceutiques, développeurs de batteries, producteurs de matériaux : tous sont confrontés au même problème, comment raccourcir le cycle de développement et réduire les coûts de R&D. La numérisation de l'industrie du hardware étant très en retard sur celle du logiciel, une énorme niche s'est ouverte pour les outils qui mettent de l'ordre dans les données et accélèrent les flux de travail.

Ce que cela signifie pour la science

L'investissement dans Altara confirme une tendance importante : les sciences physiques et l'ingénierie deviennent une nouvelle frontière pour l'automatisation par l'IA. Les entreprises réalisent enfin que le temps perdu à gérer les données coûte plus cher que l'outil lui-même. Pour les laboratoires scientifiques, cela signifie la possibilité de mettre les innovations sur le marché plus vite et de réduire les dépenses de R&D. Pour le capital-risque, c'est l'occasion d'investir dans des entreprises qui résolvent de vrais problèmes d'ingénieurs et de scientifiques, et non des scénarios hypothétiques issus de la fantaisie technologique.