Airis Labs lève 31 millions de dollars en série B pour transformer les données visuelles fragmentées en renseignements opérationnels prêts à l’emploi

La société de technologie de défense basée sur l’IA, Airis Labs, a levé 31 millions de dollars dans le cadre d’une série B, alors que les gouvernements et les organisations de renseignement sont de plus en plus aux prises avec la gestion de l’énorme flux de données visuelles générées dans les opérations modernes. Le tour de financement a été mené par PSG Equity, avec la participation d’investisseurs existants, notamment TLV Partners, Stepstone Group, Redseed Ventures et plusieurs investisseurs providentiels stratégiques. La société affirme avoir désormais levé 60 millions de dollars au total depuis sa création en 2023.

La société basée à Washington D.C. se concentre sur un défi croissant au sein des environnements de défense et de renseignement : des quantités massives de vidéos et d’images sont désormais capturées à partir de smartphones, de drones, de systèmes de surveillance CCTV, de caméras corporelles, de plateformes de médias sociaux et d’outils de forensique numérique, mais la plupart de ces informations restent difficiles à rechercher, à analyser ou à exploiter en temps réel.

Airis Labs tente de résoudre ce problème grâce à une plateforme d’IA vidéo conçue pour transformer les flux visuels fragmentés en renseignements structurés que les analystes, les enquêteurs et les systèmes d’IA peuvent rechercher, raisonner et agir.

Le problème croissant des données visuelles non structurées

Les opérations de renseignement et de sécurité modernes reposent de plus en plus sur les informations visuelles collectées à travers des systèmes décentralisés. Cependant, alors que la quantité de vidéos disponibles a augmenté de manière exponentielle, la capacité de les traiter n’a pas suivi.

De nombreuses agences dépendent encore fortement d’analystes humains pour examiner manuellement de grandes quantités de vidéos, d’images et de prises de vue sur le terrain. Dans des environnements à haute pression, cela peut créer des goulets d’étranglement opérationnels où des signaux importants sont enfouis dans d’énormes volumes de données non structurées.

Airis Labs affirme que sa plateforme est conçue pour convertir ces informations visuelles en renseignements lisibles par machine. Plutôt que de simplement stocker les flux vidéo, le système tente d’identifier des informations contextuelles telles que ce qui s’est passé, où les événements se sont produits, ce qui a changé et ce qui peut nécessiter un examen humain plus approfondi.

La société se réfère à cette catégorie émergente sous le nom de « Renseignement de terrain généré par l’utilisateur », la positionnant comme distincte des plateformes traditionnelles d’analyse de vidéos ou de renseignement open source. L’idée est d’unifier les sources visuelles fragmentées en une couche opérationnelle recherchable qui peut prendre en charge à la fois les analystes et les flux de travail basés sur l’IA.

Selon la société, la plateforme peut ingérer des données à partir de sources telles que des smartphones, des médias sociaux, des caméras corporelles, des drones, des systèmes de forensique numérique, des flux de vidéos à mouvement complet, des infrastructures de surveillance CCTV et des référentiels client.

Les systèmes d’IA conçus pour les environnements opérationnels

Contrairement à de nombreuses sociétés d’IA qui développent des produits principalement dans des environnements de test contrôlés, Airis Labs affirme que sa technologie a été façonnée grâce à des déploiements de terrain précoces dans des conditions opérationnelles réelles.

La société déclare que dans les mois suivant sa création, sa plateforme était déjà utilisée dans des environnements impliquant des flux de vidéos fragmentés, des volumes de données massifs et des processus de prise de décision sensibles au temps.

Cette approche de déploiement en premier lieu semble être au cœur de la position de la société. Dans les environnements de renseignement opérationnel, la fiabilité et la compréhension contextuelle sont souvent plus importantes que les performances de référence ou les capacités d’object recognition étroites.

Plutôt que de se concentrer exclusivement sur des tâches d’analyse de vidéos traditionnelles telles que la détection de mouvement ou la classification d’objets, des plateformes comme Airis Labs tentent de construire des systèmes capables de compréhension sémantique à travers les environnements visuels. Cela inclut l’identification de relations, d’anomalies, de changements au fil du temps et de contexte opérationnellement pertinent dans de grands flux d’images et de vidéos.

Ce changement plus large reflète la manière dont l’IA est de plus en plus déployée dans les infrastructures de défense et de sécurité. Alors que les volumes de données visuelles continuent de s’accroître, les organisations recherchent des systèmes capables d’aider les analystes à prioriser les informations pertinentes plus rapidement plutôt que de simplement collecter plus de données brutes.

Les investissements dans l’IA de défense continuent d’accélérer

Le tour de financement d’Airis Labs intervient alors que les investisseurs s’intéressent de plus en plus aux infrastructures d’IA et aux technologies de renseignement axées sur la défense.

Les gouvernements du monde entier déploient rapidement l’IA à travers l’analyse de la surveillance, la conscience de la situation, les opérations cybernétiques, les systèmes autonomes et les flux de travail de renseignement. Dans de nombreux cas, le défi n’est plus l’accès à l’information, mais la capacité de la traiter et de l’interpréter suffisamment rapidement pour soutenir la prise de décision opérationnelle.

Airis Labs a également été récemment sélectionné pour rejoindre l’initiative Oracle Defense Ecosystem (ORCL ), qui soutient les sociétés qui développent des technologies d’IA et de cloud pour les déploiements gouvernementaux et de défense.

L’équipe de direction de la société comprend des personnes ayant des antécédents dans les opérations de sécurité nationale, les travaux de renseignement, les déploiements de technologie d’entreprise et les opérations de terrain axées sur le gouvernement. Airis Labs affirme que ces expériences opérationnelles ont aidé à façonner la plateforme autour des réalités des environnements de terrain fragmentés, chaotiques et en mouvement rapide, plutôt que des conditions de laboratoire idéalisées.

Aujourd’hui, la société emploie environ 45 personnes dans ses opérations à Washington D.C. et Tel Aviv.

Dépasser l’analyse de vidéos traditionnelle

L’émergence de systèmes d’IA multimodaux redéfinit la manière dont les organisations pensent l’intelligence visuelle. Les générations précédentes de plateformes d’analyse de vidéos se concentraient souvent sur des tâches de détection étroites, telles que l’identification d’objets ou la déclenchement d’alertes basées sur des règles prédéfinies.

Les nouveaux systèmes tentent de plus en plus de comprendre le contexte et les relations à travers les grands environnements visuels. Cette évolution devient particulièrement importante dans les contextes de renseignement et de défense où les analystes peuvent avoir besoin d’examiner des milliers de flux de données simultanés à travers plusieurs théâtres d’opérations.

Airis Labs soutient que la prochaine génération de systèmes d’IA gouvernementaux doit être capable de comprendre le monde physique de manière qui va au-delà de la simple reconnaissance d’images. La société affirme que son infrastructure d’IA est conçue pour aider les analystes et les opérateurs à faire surface plus rapidement à des informations significatives tout en permettant aux équipes humaines de se concentrer sur des jugements et des prises de décision de niveau supérieur.

Le capital fraîchement levé sera utilisé pour étendre les opérations américaines, accroître la main-d’œuvre de la société et accélérer le développement de sa plateforme d’intelligence à mesure que la demande de systèmes opérationnels basés sur l’IA continue de croître dans les secteurs gouvernementaux et de défense.