DataBahn lève 40 millions de dollars pour construire une couche de contrôle agentic pour les données d’entreprise

DataBahn a levé 40 millions de dollars dans le cadre d’un financement de série B alors qu’elle cherche à élargir les infrastructures que les entreprises utilisent pour préparer, gérer et livrer des données aux systèmes d’intelligence artificielle.

Insight Partners a mené le tour, avec la participation des investisseurs existants Forgepoint Capital, GTM Capital et S3 Ventures. L’investissement porte le financement total de l’entreprise basée à Dallas à 59 millions de dollars, après un financement de série A de 17 millions de dollars annoncé en juin 2025.

DataBahn prévoit d’affecter le nouveau capital à la recherche et développement, à des capacités de produit supplémentaires et à l’expansion continue de son modèle de vente basé sur les partenaires. L’entreprise positionne sa plate-forme comme un « plan de contrôle de données agentic », une couche d’infrastructure conçue pour gérer la façon dont les données d’entreprise se déplacent entre les systèmes opérationnels, les plateformes de sécurité, les environnements de stockage et les modèles d’IA.

Le tour arrive alors que les entreprises génèrent plus de télémétrie que leurs systèmes de sécurité et d’analyse existants ne peuvent traiter économiquement. Dans le même temps, les agents et les copilotes IA nécessitent un accès à un contexte d’entreprise fiable s’ils doivent prendre des décisions utiles ou effectuer des actions au nom des employés.

Dépasser les pipelines de données conventionnels

Les pipelines de données d’entreprise traditionnels collectent généralement des informations à partir d’une source et les livrent à une destination, telle qu’une plate-forme de gestion des informations et des événements de sécurité, un entrepôt de données ou un système de stockage dans le cloud.

Ce modèle devient moins efficace à mesure que le nombre de sources de données, de destinations et de consommateurs augmente. Une entreprise peut avoir besoin de collecter des journaux à partir d’infrastructures cloud, de systèmes d’identité, de points de terminaison, d’applications, d’équipements industriels et de plateformes de logiciels en tant que service, tout en envoyant simultanément différentes parties de ces informations à des outils de sécurité, des systèmes d’analyse, des lacs de données et des applications d’IA.

Le déplacement de chaque événement disponible dans chaque système en aval peut créer des coûts de stockage, de traitement et de transfert de données cloud importants. Cela peut également rendre plus difficile pour les analystes et les modèles d’IA la localisation des informations qui sont vraiment pertinentes.

DataBahn insère une couche de gestion entre ces sources et destinations. Sa plate-forme peut collecter, filtrer, normaliser, enrichir et acheminer les informations pendant leur déplacement, plutôt que d’exiger que chaque application en aval traite les données brutes de manière indépendante.

L’entreprise affirme que sa technologie prend actuellement en charge plus de 600 sources de données et est conçue pour rester indépendante de toute plate-forme de stockage, de fournisseur de sécurité ou de modèle d’IA particulier. Cela permet aux clients de modifier les destinations ou d’utiliser plusieurs systèmes sans reconstruire la couche de collecte autour de l’architecture de chaque fournisseur.

DataBahn s’est initialement concentré fortement sur la télémétrie de cybersécurité, mais a depuis élargi sa plate-forme pour couvrir les données d’application, d’observabilité et d’Internet des objets et de technologie opérationnelle.

Préparer les données d’entreprise pour les agents IA

La composante IA de la stratégie de DataBahn n’est pas limitée à l’ajout d’une interface conversationnelle à une plate-forme de données existante.

Son système Cruz AI fonctionne comme un ingénieur de données agentic qui aide à effectuer des tâches traditionnellement traitées par des intégrations et des règles de parsing configurées manuellement. Le logiciel surveille les schémas de données entrants, identifie les modifications et peut générer des analyseurs et des mappages mis à jour lorsque le format d’une source change.

Cela est important car les sources de données d’entreprise ne restent rarement statiques. Les fournisseurs de logiciels introduisent de nouveaux champs, modifient les formats d’événement et mettent à jour les interfaces de programmation d’applications. Lorsque ces changements cassent un pipeline, les équipes de sécurité et d’ingénierie des données peuvent perdre la visibilité jusqu’à ce que l’intégration soit réparée.

DataBahn décrit Cruz comme un moyen de transformer ce processus en un flux de travail basé sur l’approbation. Au lieu que les ingénieurs construisent chaque connecteur ou analyseur à partir du début, le système peut analyser la source modifiée et préparer une configuration mise à jour pour examen.

La plate-forme normalise également les informations dans des schémas cohérents, notamment le Open Cybersecurity Schema Framework. La normalisation peut faciliter l’interprétation des données par les outils de sécurité et les systèmes d’IA, car le même type d’événement est représenté de manière cohérente, quel que soit le produit qui l’a généré.

Pour les agents IA, l’objectif plus large est de fournir suffisamment de contexte pour soutenir une décision sans copier l’ensemble de l’actif de données de l’organisation dans une autre plate-forme. DataBahn peut traiter les informations en continu tout en récupérant un contexte supplémentaire lorsque cela est nécessaire pour une application ou un agent.

Cette approche pourrait devenir plus importante à mesure que les entreprises passent des systèmes d’IA génératifs qui répondent principalement à des questions à des agents qui initient des flux de travail, modifient des configurations ou répondent à des événements opérationnels. La fiabilité de ces agents dépendra en partie de la qualité des données sous-jacentes, de leur structure correcte et de leur gouvernance.

L’intelligence se déplace à l’intérieur du flux de données

DataBahn a également développé ce qu’elle appelle Autonomous In-Stream Data Intelligence, une architecture qui applique l’analyse et la prise de décision pendant que les informations sont encore en mouvement dans le pipeline.

Le système est conçu pour faire plus que préparer les données à l’analyse une fois qu’elles atteignent une destination. Il peut évaluer la qualité des données, identifier les informations manquantes et déterminer la manière dont les événements individuels doivent être traités en temps réel.

Dans un environnement de sécurité, par exemple, un pipeline pourrait enrichir un événement entrant avec des renseignements sur les menaces, acheminer la télémétrie à haute valeur dans une plate-forme d’analyse et déplacer des informations à faible priorité dans un stockage moins coûteux. L’application de ces décisions avant que les données n’atteignent une plate-forme de sécurité pourrait réduire les coûts d’ingestion sans forcer une organisation à abandonner des informations qui pourraient être nécessaires plus tard pour une enquête.

L’entreprise a soutenu que l’intelligence devrait se situer à l’intérieur du pipeline et non être appliquée uniquement après que les données ont été collectées et stockées.

Cette architecture reflète également un changement plus important dans la gestion des données d’entreprise. Le pipeline devient une couche de politique et d’orchestration active plutôt que des tuyauteries passives reliant deux systèmes.

L’adoption des entreprises conduit à la série B

DataBahn rapporte que son chiffre d’affaires a augmenté de plus de 400 % d’une année sur l’autre, avec un taux de rétention de revenu net de 180 %. Elle affirme également avoir un taux de rotation des clients nul et un taux de réussite de 97 % lors des déploiements de preuve de concept.

L’entreprise sert des organisations dans les secteurs de la santé, des services financiers, de la fabrication et des transports, notamment plusieurs entreprises du Fortune 100. Ses clients déclarés comprennent MVB Bank et le Canada Pension Plan Investment Board.

Le directeur de la sécurité de MVB Bank, Parrish Gunnels, a déclaré que la plate-forme a aidé la banque à rassembler plusieurs formats de données, des exigences réglementaires et des contrôles d’audit dans un environnement commun soutenant ses agents IA.

Au Canada Pension Plan Investment Board, la technologie est utilisée pour normaliser l’intégration de la télémétrie de sécurité. L’organisation a déclaré que cela a réduit l’ingénierie personnalisée précédemment requise pour connecter de nouvelles sources de journaux et a facilité l’identification des systèmes qui n’envoyaient pas les données attendues.

DataBahn a largement poursuivi ces clients par le biais de partenaires de canal et de technologie plutôt que de compter exclusivement sur les ventes directes. Les initiatives récentes comprennent une intégration plus approfondie avec l’écosystème de sécurité de Microsoft (MSFT ) et un accord de distribution Asie-Pacifique avec le distributeur de sécurité M.Tech.

Le financement vise un goulet d’étranglement d’infrastructure en constante augmentation

La série B permettra à DataBahn d’élargir un produit à l’intersection de plusieurs problèmes d’entreprise de plus en plus coûteux.

Les équipes de sécurité collectent plus de télémétrie pour détecter les attaques et répondre aux exigences réglementaires. Les équipes de données et d’observabilité traitent des volumes plus importants d’informations d’application et d’infrastructure. Les équipes d’IA ont maintenant besoin d’accéder à la fois aux données opérationnelles et au contexte commercial.

Chacun de ces groupes peut acheter une capacité de stockage et de traitement supplémentaire, mais cela ne résout pas la duplication et la fragmentation sous-jacentes. Les données peuvent toujours être collectées plusieurs fois, transformées différemment par chaque plate-forme et verrouillées dans des systèmes qui les rendent coûteuses à réutiliser ailleurs.

DataBahn mise sur le fait que les entreprises placeront une couche de contrôle indépendante entre les systèmes produisant des données et ceux qui les consomment.

L’opportunité est plus grande que la réduction des factures de stockage. Un plan de contrôle efficace pourrait déterminer quelles informations un agent IA est autorisé à accéder, enrichir ces informations avec le contexte nécessaire et conserver un registre de la façon dont les données ont été transformées et acheminées.

Cela donnerait au pipeline un rôle central dans la gouvernance de l’IA, en particulier dans les industries réglementées où les organisations doivent expliquer les informations utilisées par les systèmes automatisés.

Construire la fondation de données pour l’IA agentic

Le défi pour DataBahn sera de démontrer que la catégorie émergente de « plan de contrôle de données agentic » est suffisamment distincte des plateformes de pipeline de données, de tissu de données de sécurité et d’observabilité existantes pour justifier une autre couche dans la pile technologique de l’entreprise.

Les grands fournisseurs de cloud et de sécurité élargissent également leurs capacités de routage de données, de stockage et d’IA. L’argument de DataBahn est qu’une plate-forme neutre peut donner aux clients un meilleur contrôle sur la façon dont les informations sont stockées et sur lesquelles les applications ou les modèles les consomment.

Sa capacité à préserver cette neutralité tout en s’intégrant à un nombre croissant de systèmes d’entreprise sera importante à mesure que l’entreprise évolue.

La série B donne à DataBahn des ressources supplémentaires pour développer cette architecture à mesure que les agents IA s’enracinent plus profondément dans les opérations d’entreprise. Le principe central est simple : les organisations n’ont pas nécessairement besoin de collecter et de copier plus de données. Ils ont besoin d’un meilleur moyen d’identifier, de gérer et d’activer les informations qui comptent au moment où elles sont requises.

DataBahn prévoit de présenter ses prochaines capacités de plan de contrôle de données agentic à Black Hat USA 2026.