Trace Lève 3M$ Pour Accélérer l’Adoption des Agents IA en Entreprise
Imaginez une entreprise où des agents IA brillants comme des stagiaires surdoués attendent simplement qu’on leur confie des missions. Le problème ? Ils manquent cruellement de contexte sur les processus internes, les outils spécifiques et la culture de l’organisation. Résultat : malgré tout leur potentiel, leur adoption reste lente et laborieuse. C’est précisément ce défi majeur que la startup Trace a décidé de résoudre avec une approche ingénieuse.
Trace : l’orchestrateur qui donne du sens aux agents IA
Basée à Londres et issue du prestigieux batch été 2025 de Y Combinator, Trace vient de franchir une étape importante en annonçant une levée de fonds de 3 millions de dollars en seed. Cette somme provient d’investisseurs reconnus comme Y Combinator, Zeno Ventures, Transpose Platform Management, Goodwater Capital, Formosa Capital et WeFunder, rejoints par des business angels tels que Benjamin Bryant et Kevin Moore.
Derrière cette jeune entreprise se trouvent Tim Cherkasov, CEO, et Artur Romanov, CTO. Leur vision est claire : transformer les agents IA en véritables forces productives en leur fournissant le contexte dont ils ont désespérément besoin pour opérer efficacement dans des environnements corporatifs complexes.
Le véritable obstacle à l’adoption des agents IA
Les laboratoires comme OpenAI et Anthropic développent des modèles de plus en plus performants, souvent comparés à des « brillants interns ». Pourtant, les déploiements à grande échelle en entreprise restent rares. La raison principale ? Un manque flagrant de compréhension fine de l’écosystème propre à chaque société : ses outils, ses flux de travail, ses hiérarchies et ses processus spécifiques.
Trace s’attaque exactement à ce problème en construisant un graphe de connaissances dynamique à partir des outils déjà utilisés quotidiennement : emails, Slack, Airtable, et bien d’autres systèmes internes. Ce graphe devient ensuite la base intelligente qui permet aux agents IA de naviguer avec pertinence dans le contexte réel de l’entreprise.
« OpenAI et Anthropic construisent ces brillants interns qui peuvent être mobilisés au sein de l’entreprise. Nous, nous construisons le manager qui sait exactement où les placer. »
– Tim Cherkasov, CEO de Trace
Cette métaphore illustre parfaitement la complémentarité que propose Trace. Au lieu de simplement ajouter des agents supplémentaires, la plateforme agit comme un chef d’orchestre qui organise, délègue et supervise.
Comment fonctionne concrètement la plateforme Trace ?
Le processus commence par une phase d’indexation intelligente des outils existants. Trace cartographie les connexions entre les différents logiciels, identifie les flux d’information et comprend les responsabilités de chaque acteur. Une fois ce socle établi, les utilisateurs peuvent soumettre des tâches de haut niveau.
Exemples concrets : « Nous devons concevoir un nouveau microsite » ou « Préparons notre plan de ventes pour 2027 ». Trace décompose alors ces objectifs ambitieux en étapes précises, assigne certaines tâches à des agents IA spécialisés et d’autres à des collaborateurs humains.
Quand un agent IA intervient, il reçoit non seulement l’instruction, mais surtout tout le contexte pertinent extrait du graphe de connaissances : données clients, historique de projets, contraintes réglementaires, etc. Cette approche élimine le travail fastidieux d’onboarding qui freine habituellement les déploiements.
- Construction automatique d’un graphe de connaissances à partir des outils existants
- Décomposition intelligente des tâches complexes en sous-étapes
- Assignation dynamique entre agents IA et humains selon les compétences requises
- Enrichissement contextuel en temps réel pour chaque intervention d’agent
De l’ingénierie des prompts à l’ingénierie du contexte
Artur Romanov, CTO de Trace, résume parfaitement l’évolution actuelle du secteur : nous passons d’une ère dominée par le prompt engineering à celle de la context engineering. Selon lui, celui qui saura fournir le meilleur contexte au bon moment deviendra l’infrastructure fondamentale des entreprises « AI-first ».
« 2024 et 2025 étaient encore consacrés à l’ingénierie des prompts. Désormais, nous évoluons vers l’ingénierie du contexte. Celui qui fournira le meilleur contexte au bon moment deviendra l’infrastructure sur laquelle les entreprises AI-first seront construites. »
– Artur Romanov, CTO de Trace
Cette transition marque un changement profond dans la manière de concevoir les systèmes d’IA. Au lieu de perfectionner sans cesse les instructions données aux modèles, il s’agit désormais de structurer l’environnement informationnel dans lequel ils évoluent.
Un marché concurrentiel mais différencié
Trace arrive sur un terrain déjà occupé. Anthropic a récemment lancé ses propres agents d’entreprise avec des plugins pré-construits pour des fonctions départementales spécifiques. De nombreuses solutions de productivité comme Jira chez Atlassian intègrent également des fonctionnalités agentiques.
Cependant, les fondateurs de Trace restent confiants. Leur différenciation repose sur cette profondeur de contexte que seul un graphe de connaissances natif peut offrir. Au lieu de plugins superficiels, ils construisent une couche d’orchestration intelligente qui s’adapte à la complexité réelle des grandes organisations.
Cette approche par graphe de connaissances permet non seulement une meilleure performance immédiate mais aussi une scalabilité impressionnante au fur et à mesure que l’entreprise grandit et que ses processus évoluent.
Pourquoi le contexte reste-t-il le Saint Graal de l’IA agentique ?
Les modèles de langage actuels excellent dans le raisonnement général mais butent souvent sur les spécificités organisationnelles. Un agent IA peut rédiger un email parfait, mais sans connaître les procédures d’approbation internes, les interlocuteurs habituels ou les contraintes budgétaires, son action reste limitée.
Trace résout ce problème en créant une mémoire collective dynamique de l’entreprise. Chaque interaction enrichit ce graphe, le rendant plus précis et plus utile avec le temps. C’est une forme d’apprentissage organisationnel automatisé qui va bien au-delà des simples bases de connaissances statiques.
Les implications sont nombreuses : réduction des délais de projet, diminution des erreurs liées à une mauvaise compréhension du contexte, meilleure allocation des ressources humaines sur les tâches à haute valeur ajoutée, et accélération globale de l’innovation au sein des entreprises.
Les retombées attendues pour les entreprises
Pour les PME comme pour les grands groupes, les bénéfices pourraient être substantiels. Les équipes marketing pourront lancer des campagnes plus rapidement grâce à une orchestration fluide entre agents de recherche, créateurs de contenu et validateurs humains. Les départements ventes pourront construire des plans stratégiques avec une analyse approfondie du marché et des données internes parfaitement intégrées.
Les directions IT, souvent submergées par les demandes de mise en place d’outils IA, trouveront dans Trace un partenaire qui simplifie considérablement le déploiement et la gouvernance de ces nouveaux systèmes.
En réduisant drastiquement le temps d’intégration des agents, Trace pourrait bien contribuer à démocratiser l’accès à l’IA avancée pour un plus grand nombre d’organisations, au-delà des seules tech companies les plus avancées.
Le parcours des fondateurs et la vision long terme
Tim Cherkasov et Artur Romanov ne sont pas des novices dans l’écosystème technologique. Leur expérience combinée dans les domaines de l’IA, des systèmes distribués et des environnements enterprise leur permet d’appréhender à la fois les défis techniques pointus et les réalités opérationnelles des grandes organisations.
Leur ambition dépasse largement la simple automatisation de tâches. Ils visent à créer l’infrastructure fondamentale qui permettra aux entreprises de devenir véritablement « agentiques », où l’IA n’est plus un outil parmi d’autres mais le tissu connectif de l’organisation.
Avec ce premier tour de table réussi, Trace dispose maintenant des ressources nécessaires pour développer sa plateforme, affiner son graphe de connaissances et commencer à accompagner ses premiers clients pilotes vers une adoption plus large.
Perspectives d’avenir pour l’écosystème agentique
Le mouvement vers des agents IA plus autonomes et mieux intégrés ne fait que commencer. Les prochaines années verront probablement l’émergence de standards d’interopérabilité entre différents agents, de protocoles de gouvernance renforcés et de nouvelles formes de collaboration homme-machine.
Trace se positionne comme un acteur clé de cette transition en misant sur l’infrastructure plutôt que sur les modèles eux-mêmes. Cette stratégie « picks and shovels » dans la ruée vers l’or de l’IA pourrait s’avérer particulièrement payante à long terme.
Alors que les géants technologiques continuent d’investir massivement dans les capacités fondamentales des modèles, les startups comme Trace jouent un rôle tout aussi crucial en résolvant les problèmes d’intégration et d’adoption qui bloquent encore le passage à l’échelle.
Conseils pour les entreprises qui souhaitent se lancer
Pour les dirigeants qui observent ce mouvement avec intérêt, plusieurs recommandations émergent. Commencer par cartographier précisément ses outils et processus existants constitue une première étape essentielle. Identifier les tâches répétitives à fort volume mais nécessitant du contexte représente également un bon point d’entrée.
Il est important de considérer l’IA non pas comme une solution miracle mais comme un partenaire qui nécessite un environnement adapté pour exprimer tout son potentiel. La réussite dépendra largement de la qualité du contexte fourni.
Enfin, adopter une approche progressive, en commençant par des cas d’usage bien délimités avant d’étendre progressivement le périmètre, permet de maximiser les chances de succès tout en maîtrisant les risques.
La levée de fonds de Trace marque un moment intéressant dans l’écosystème des startups IA. Elle confirme que le marché commence à mûrir et que les solutions d’infrastructure dédiées à l’adoption enterprise gagnent en crédibilité auprès des investisseurs.
Avec un marché de l’IA en pleine expansion et des entreprises toujours plus nombreuses à chercher comment tirer réellement parti de ces nouvelles technologies, Trace semble particulièrement bien positionnée pour jouer un rôle majeur dans les prochaines années.
L’avenir dira si son approche par graphe de connaissances deviendra le standard de facto pour l’orchestration des agents IA. Mais une chose est certaine : le problème qu’elle adresse est réel, urgent, et ses solutions techniques paraissent particulièrement prometteuses.
Dans un monde où l’IA évolue à une vitesse vertigineuse, les vrais gagnants seront peut-être ceux qui sauront non pas seulement créer des modèles plus puissants, mais surtout les intégrer harmonieusement dans le tissu même des organisations humaines.
