Catch sort du mode furtif avec un financement seed de $5M pour créer un assistant exécutif IA autonome

Catch a émergé du mode furtif avec $5 million de financement seed pour développer un assistant IA agentique conçu pour prendre en charge le travail administratif qui occupe une part importante de la journée d’un cadre.

Le tour a été co-dirigé par Entrée Capital et Pitango, avec la participation de Seedcamp et Factorial Capital. Au lieu de créer un autre outil d’IA qui résume les e‑mails ou recommande la prochaine action de l’utilisateur, Catch tente quelque chose de plus difficile: permettre aux cadres de déléguer des tâches administratives entières à un logiciel et de les voir exécutées.

Fondée par Nir Sabato et Yoav Ramon, Catch se concentre spécifiquement sur l’administration exécutive, incluant la planification, la gestion des e‑mails, les déplacements, les relances, les conflits d’agenda, les rappels et les appels téléphoniques sortants. L’entreprise affirme que son système a déjà planifié plus de 12,000 réunions, traité plus de 200,000 e‑mails et accompli plus de 20,000 tâches déléguées.

Faire passer l’IA de l’assistance à la délégation

La différence entre aider à accomplir une tâche et la réaliser réellement est devenue l’un des défis majeurs auxquels l’IA agentique est confrontée.

Les grands modèles de langage peuvent déjà résumer une boîte de réception, rédiger un e‑mail, proposer des vols ou déterminer la disponibilité de deux personnes. Mais transformer ces capacités individuelles en un système capable de coordonner de façon fiable avec une autre personne, de mettre à jour un agenda, de faire une réservation et de relancer lorsque les circonstances évoluent nécessite une couche d’exécution bien plus profonde.

Catch est construit autour de cette lacune.

Plutôt que de demander aux utilisateurs de configurer des flux de travail ou de créer leurs propres agents, le système se connecte aux outils déjà utilisés par les cadres. Le site de Catch indique une prise en charge de services tels que Gmail, Outlook, Google Calendar, Slack, WhatsApp, iMessage et le téléphone, permettant aux utilisateurs de communiquer avec l’assistant de la même manière qu’avec un assistant exécutif humain.

Une fois connecté, le système développe une compréhension des préférences telles que les habitudes de réunion, les priorités d’agenda et les exigences de voyage. Catch affirme pouvoir alors agir de façon proactive. Une réunion annulée, par exemple, peut déclencher une reprogrammation, tandis qu’un déplacement à venir peut amener l’assistant à identifier les réservations d’hôtel manquantes plutôt que d’attendre une sollicitation explicite.

Cela représente un changement important dans la conception des produits d’IA. Au lieu de créer une nouvelle interface que les cadres doivent gérer, Catch cherche à se fondre dans les canaux de communication et les logiciels qu’ils utilisent déjà.

L’autonomie ne signifie pas agir sans limites

Le problème le plus difficile avec les agents administratifs n’est pas de savoir si un modèle d’IA peut comprendre une requête. Il s’agit de déterminer quand le logiciel doit agir de façon autonome et quand un humain doit rester impliqué.

Catch semble adopter une approche à plusieurs niveaux.

Pour les tâches administratives routinières, l’objectif est de réduire les approbations inutiles. Mais les actions ayant des conséquences financières ou autres importantes peuvent nécessiter une confirmation. Dans le flux de travail de voyage de l’entreprise, par exemple, Catch peut interpréter un brief de voyage, comparer les vols et les hôtels selon des contraintes, et établir un itinéraire, mais l’utilisateur doit donner son accord explicite avant que la réservation ne soit finalisée.

De même, le produit de boîte de réception de Catch peut trier les messages et rédiger des réponses en fonction du style d’écriture précédent de l’utilisateur, tandis que le flux de travail actuel maintient l’utilisateur impliqué avant l’envoi de certains messages.

Cette frontière pourrait s’avérer cruciale pour l’adoption de l’IA agentique. Une autonomie totale paraît séduisante, mais en pratique les entreprises adopteront probablement les agents progressivement, élargissant leurs prérogatives à mesure que les systèmes prouvent qu’ils peuvent prendre des décisions fiables dans des domaines clairement définis.

Le travail administratif pourrait constituer un terrain d’essai particulièrement utile, car il combine des tâches répétitives avec suffisamment de prise de décision contextuelle pour tester si les systèmes d’IA peuvent aller au‑delà de la simple automatisation.

Catch développe une IA spécialisée sous l’assistant

Derrière l’interface conversationnelle, Catch développe également sa propre architecture d’IA au lieu de se reposer exclusivement sur un modèle de base à usage général.

L’entreprise décrit un système d’« agents éclats » à portée très restreinte, chaque agent n’ayant accès qu’aux informations nécessaires à une tâche précise. L’idée est de réduire la quantité de contexte sensible exposé pendant l’exécution tout en améliorant la latence et la fiabilité.

Catch affirme que les données d’interaction anonymisées peuvent être utilisées pour améliorer ses propres modèles grâce à l’apprentissage supervisé et à l’apprentissage par renforcement. Parallèlement, sa documentation de sécurité indique que les fournisseurs d’IA externes sont contractuellement interdits de conserver les données client ou de les utiliser pour entraîner leurs propres modèles.

Étant donné qu’un assistant exécutif peut accéder aux agendas, aux e‑mails, aux plans de voyage et à des informations d’entreprise potentiellement sensibles, la sécurité devient nettement plus cruciale lorsqu’un système d’IA peut agir plutôt que de simplement générer du texte. Catch indique être conforme SOC 2 Type II, ainsi qu’à CASA Tier-2 et à la vérification Google, et chiffre les données stockées et transmises tout en utilisant des autorisations granulaire pour les services connectés.

Fondateurs issus de l’IA et du capital-risque

L’entreprise a été fondée par deux cadres qui ont abordé le problème administratif sous des angles différents.

Le PDG Nir Sabato a auparavant passé plusieurs années à investir chez Entrée Capital, où il s’est concentré sur des domaines tels que l’intelligence artificielle et la technologie d’entreprise. Avant de se lancer dans le capital-risque, il a occupé des postes de stratégie chez Fiverr et BLEND. Catch affirme que l’expérience de Sabato auprès des fondateurs a mis en lumière la quantité de temps exécutif de grande valeur encore absorbée par des tâches de coordination relativement routinières.

Le CTO Yoav Ramon, quant à lui, a passé plus d’une décennie à travailler sur des systèmes d’apprentissage automatique. Son parcours comprend la technologie de la parole et du langage chez Hi Auto ainsi que le rôle de CTO de la société d’IA médicale Nym, où les équipes ont déployé de grands modèles de langage dans des environnements de santé réglementés.

Cette combinaison est pertinente car la création d’un agent administratif nécessite plus qu’un simple chatbot performant. Le système doit comprendre les préférences, maintenir le contexte à travers les interactions, interagir avec des logiciels externes et déterminer quand il dispose d’une confiance suffisante pour agir.

Le prochain champ de bataille de l’IA agentique pourrait être le travail ordinaire

Catch s’inscrit dans un marché d’IA agentique en pleine expansion, mais son importance majeure pourrait résider dans la façon dont il a défini le problème de manière très ciblée.

De nombreuses entreprises d’IA tentent de créer des agents de plus en plus généraux capables d’accomplir des dizaines, voire des centaines, de types de travail. Catch adopte l’approche opposée: se concentrer sur un domaine relativement limité et essayer de rendre le système suffisamment fiable pour que les utilisateurs cessent réellement d’accomplir ces tâches eux‑mêmes.

Cela pourrait devenir un schéma important pour la prochaine étape de l’IA d’entreprise.

Les agents les plus utiles commercialement ne seront peut‑être pas d’emblée des employés numériques autonomes capables d’accomplir n’importe quelle tâche. Ils pourraient plutôt émerger comme des systèmes hautement spécialisés qui comprennent une catégorie de travail suffisamment en profondeur pour être confiés à une autorité croissante.

L’administration exécutive constitue un test révélateur. La planification de réunions, la gestion des déplacements et la coordination des e‑mails peuvent sembler banales comparées au codage ou à la recherche scientifique, mais ces flux de travail exigent que l’IA interagisse avec de vraies personnes, comprenne des instructions incomplètes, se souvienne des préférences individuelles et prenne des décisions ayant des conséquences concrètes.

Si des systèmes comme Catch peuvent gérer ces flux de travail de façon fiable, l’importance dépasse le simple gain de quelques heures pour les cadres. Cela démontrerait que les agents d’IA commencent à franchir la frontière entre la génération d’informations utiles et la prise en charge de l’exécution du travail.

Le nouveau tour de financement seed de $5 million donne à Catch des capitaux supplémentaires pour tester si cette transition peut être mise à l’échelle.