À l'ère de l'intelligence artificielle qui bouleverse tous les secteurs, le domaine de la fabrication industrielle connaît une révolution sans précédent en matière d'intelligence. Lorsque les entreprises de l'IA industrielle comme CVector se rencontrent avec des clients potentiels tels que les fabricants ou les fournisseurs de services publics, les fondateurs sont toujours confrontés à la même question : serez-vous encore là dans six mois ? Et un an plus tard ?
Cette question simple révèle profondément les préoccupations des clients industriels concernant la durabilité des startups d'IA. Dans un environnement où les géants technologiques attirent les meilleurs talents avec des salaires incroyables et ciblent soigneusement les startups émergentes par des opérations d'acquisition, ces inquiétudes sont tout à fait raisonnables.
Les co-fondateurs de CVector, Richard Zhang et Taylor Ruggles, donnent toujours la même réponse ferme : ils ne partiront pas. Cette promesse est cruciale pour leur clientèle, comprenant notamment des entreprises de distribution de gaz nationales et des fabricants chimiques en Californie, qui utilisent le logiciel de CVector pour gérer et améliorer leurs opérations industrielles.
Zhang a révélé les préoccupations courantes des clients lors d'une interview : « Lorsque nous parlons à ces grandes entreprises du secteur des infrastructures critiques, après 10 minutes de conversation, 99% du temps, on nous pose cette question. Ils ont besoin d'une vraie assurance. »
C'est justement face à cette préoccupation générale que CVector a choisi de collaborer avec Schematic Ventures, qui a récemment mené une levée de fonds de 1,5 million de dollars avant la série A. Zhang a expliqué qu'il souhaitait introduire des investisseurs ayant une bonne réputation dans des domaines tels que la chaîne d'approvisionnement, la fabrication et l'infrastructure logicielle, qui sont précisément les spécialités de Schematic en tant que fonds de phase initiale.
Julian Kuhnhann, partenaire de Schematic qui a mené cette levée de fonds, a expliqué à TechCrunch plusieurs façons dont les startups peuvent apaiser les inquiétudes des clients. En plus de solutions pratiques comme le stockage du code ou la licence gratuite permanente du logiciel en cas d'acquisition, « l'essentiel est que les fondateurs restent alignés sur la mission de l'entreprise et communiquent clairement ce engagement à long terme aux clients. »
Cette promesse semble aider CVector à obtenir un succès précoce. Zhang et Ruggles apportent chacun des compétences uniques parfaitement adaptées au travail que CVector fournit à ses clients. La première expérience professionnelle de Zhang était chez Shell, où il travaillait comme ingénieur logiciel, et il raconte souvent avoir construit des applications iPad pour des personnes qui n'avaient jamais utilisé un iPad.
Ruggles, titulaire d'un doctorat en physique des particules expérimentale, a travaillé au Grand Collisionneur de Hadrons, « traitant des données en nanosecondes, veillant à une disponibilité extrêmement élevée, prenant en charge les temps d'arrêt et réparant rapidement les pannes. » Ruggles a déclaré : « Ces endroits vous donnent un sentiment de confiance, et cette expérience est vraiment utile pour donner confiance aux gens. »
Cependant, la valeur de CVector va bien au-delà des parcours professionnels des fondateurs. Depuis sa création à la fin de 2024, cette entreprise a montré une intelligence et une créativité remarquables. Elle a construit son architecture logicielle d'IA industrielle – qu'elle appelle « le cerveau et le système nerveux des actifs industriels » – en intégrant diverses ressources allant des solutions financières numériques aux données de tarification énergétique en temps réel, en passant par le logiciel open source de l'équipe de Formule 1 McLaren.
Ils adoptent également une approche différente pour façonner en temps réel ce cerveau et ce système nerveux avec leurs clients. Zhang a donné un exemple sur les données météorologiques. Les variations des conditions climatiques peuvent affecter le fonctionnement des équipements de précision à un niveau macroscopique, mais il faut aussi considérer les effets en cascade. Si une tempête de neige se produit, les routes et parkings autour peuvent être salés. Si ces selles sont apportées dans l'usine par les bottes des employés, cela peut avoir un impact significatif sur les équipements de précision, que les opérateurs n'avaient pas anticipé ou su expliquer.
Ruggles a insisté : « Intégrer ces signaux dans les opérations et la planification est extrêmement précieux. Tout cela vise à aider ces installations à fonctionner plus efficacement et plus rentablement. »
CVector a déjà déployé ses agents d'IA industrielle dans les secteurs de la chimie, de l'automobile et de l'énergie, et vise maintenant ce que Zhang appelle « des infrastructures critiques à grande échelle ». En particulier, auprès des fournisseurs d'énergie, Zhang souligne que le problème courant est que leurs systèmes de gestion du réseau sont écrits dans des langages de programmation anciens comme Cobra et Fortran, rendant la gestion en temps réel difficile. CVector est capable de créer des algorithmes pouvant fonctionner sur ces systèmes anciens, offrant aux opérateurs une meilleure visibilité du système avec une latence faible.
Aujourd'hui, CVector est petit, avec une équipe de huit personnes réparties entre Providence (Rhode Island), New York et Francfort (Allemagne). Mais avec la levée de fonds accomplie, ils prévoient une expansion. Zhang insiste sur le fait qu'ils recrutent uniquement des personnes alignées sur la mission, celles qui « veulent vraiment construire une carrière dans les infrastructures physiques » – ce qui continuera à rendre les clients plus enclins à croire que cette startup ne disparaîtra pas.
Même si le lien entre le travail de Zhang chez Shell et l'activité actuelle de CVector est assez direct, pour Ruggles, c'est plutôt une transition. Mais il dit que c'est un défi qu'il apprécie beaucoup.
Ruggles a dit : « J'aime le fait que nous ne tentions pas d'écrire des articles, de les soumettre, de les faire passer par le processus d'évaluation par les pairs et d'espérer qu'ils soient lus, mais que nous travaillions avec les clients pour résoudre des problèmes réels, que nous pouvons les aider à maintenir leurs systèmes en marche. Vous pouvez faire un changement, construire des fonctionnalités et développer rapidement de nouveaux produits pour vos clients. »