Evos lève 9 millions de dollars en préamorçage pour transformer l’expertise industrielle en opérateurs d’IA autonomes

Dans de nombreuses entreprises industrielles, le manuel opérationnel le plus précieux est une personne. Un employé expérimenté sait quelle facture doit être réexaminée, quelle exception concernant un transporteur peut attendre et quand une décision courante doit être soumise à un responsable. Evos mise sur la capture de ces jugements pour faire de l’IA autre chose qu’un outil supplémentaire à gérer pour les employés : un logiciel qui exécute les tâches opérationnelles.

La jeune pousse new-yorkaise, officiellement constituée sous le nom d’Evolutionary Operating System, Inc., sort du mode furtif après avoir levé 9 millions de dollars en préamorçage. Le tour de table a été codirigé par Uncork Capital et Field Ventures, avec la participation de Crosslink Capital, Utopia Capital Management, Sandwith Ventures et d’investisseurs providentiels.

Fondée en 2026 par son PDG Urav Shah, Evos cible les petites et moyennes entreprises des secteurs industriels. Elle affirme avoir dépassé le million de dollars de revenus récurrents annualisés quatre semaines après son lancement. Les fonds levés serviront à étoffer les équipes et à proposer ses opérateurs à un plus grand nombre d’entreprises de l’économie physique. Le lancement officiel de sa plateforme Workhorse est prévu dans les prochaines semaines.

De l’enregistrement du travail à son exécution

Les opérateurs d’Evos sont des agents logiciels, et non des robots industriels. Ils peuvent notamment répondre aux appels de courtiers, constituer des chargements de fret, relancer pour obtenir les documents manquants et rapprocher des factures dans les systèmes déjà utilisés par une entreprise.

Ces tâches peuvent sembler simples jusqu’à ce qu’une exception se présente. Une facture peut ne pas correspondre aux données d’un système de gestion du transport, un document obligatoire peut manquer, ou la situation d’un client peut justifier une réponse différente. Le personnel expérimenté résout souvent ces cas en s’appuyant sur des connaissances qui ne sont jamais formalisées dans une procédure.

Evos affirme que ses opérateurs apprennent de ces décisions et des schémas qui les sous-tendent. L’objectif est de confier à un opérateur la responsabilité d’une fonction continue, plutôt que d’obliger une personne à lancer chaque tâche en saisissant une nouvelle instruction.

Cette approche s’inscrit dans la tendance plus générale à coordonner des agents d’IA dans les flux de travail industriels. Mener à bien un processus métier ne consiste pas seulement à produire une réponse plausible : le système doit travailler avec des informations à jour, exécuter les actions autorisées et reconnaître quand une décision revient à un humain.

L’autonomie se mérite

Le modèle de déploiement de l’entreprise commence par une étape de validation. Les personnes approuvent, rejettent ou modifient les décisions proposées, et leurs retours servent de données d’entraînement. Un opérateur gagne en autonomie pour certaines tâches et situations à mesure qu’il démontre sa capacité à prendre des décisions conformes à celles de l’équipe. Les situations inhabituelles sont renvoyées à une personne.

L’autonomie dépend ainsi d’un périmètre de travail défini. Réussir les vérifications courantes de factures ne prouve pas automatiquement que l’opérateur est capable de négocier des frais contestés ou de prendre un nouvel engagement commercial. La frontière entre le travail habituel et une nouvelle exception est donc au cœur du produit.

Evos décrit une première séance avec des experts, un opérateur fonctionnel dès le lendemain et des résultats mesurables en un mois. Sa documentation de déploiement détaille les étapes de découverte, de conception, de stratégie, de développement, de déploiement et d’optimisation. Les équipes cartographient leurs processus et choisissent des cas d’usage, puis conviennent des tâches qui restent du ressort des humains avant la mise en production des opérateurs.

Le déploiement en 24 heures annoncé par l’entreprise correspond à sa promesse de rendre un opérateur opérationnel. Il ne faut pas y voir la garantie qu’une fonction entière de l’entreprise deviendra autonome en toute sécurité en une journée. La publication précise que le fonctionnement autonome dépend de performances démontrées et du niveau de supervision choisi par le client.

La technologie qui anime un opérateur

La page d’architecture d’Evos décrit trois éléments interconnectés : une couche de données synchronisée avec les systèmes métier existants, un contrôleur qui coordonne plus de 300 sous-agents spécialisés et un modèle d’action adapté à chaque entreprise.

La couche de données relie les informations provenant des systèmes de transport, de planification des ressources de l’entreprise et de gestion des entrepôts, ainsi que des courriels et des portails clients. Le contrôleur répartit le travail entre des composants plus spécialisés de raisonnement et d’automatisation. Evos décrit le modèle d’action propre à chaque entreprise comme un petit modèle de langage qui s’améliore à l’usage et n’est pas partagé entre les clients.

La même documentation décrit un recueil structuré des connaissances expertes ainsi qu’une progression du mode d’observation aux modes supervisé et autonome, avec des garde-fous et une piste d’audit. Il s’agit des descriptions que l’entreprise donne de son système, et non d’une évaluation indépendante de son architecture.

Le défi opérationnel consiste à maintenir la cohérence de tous ces éléments. Une décision pertinente fondée sur des informations obsolètes peut tout de même être erronée. Une mise à jour du système techniquement réussie peut malgré tout dépasser le champ d’autorité de l’opérateur. La fiabilité dépend de la fraîcheur des données, de la qualité des décisions, des autorisations et de la manière dont les situations sont transmises à un niveau supérieur.

Ce que montrent les premiers résultats

L’exemple le plus concret de l’annonce est celui d’un courtier en transport de marchandises qui utilise un opérateur Evos pour vérifier les factures de transporteurs de lots partiels à l’aide de son système de gestion du transport. Evos indique que, pendant ses deux premiers mois, l’opérateur a pris près de 3 500 décisions d’audit avec un taux de précision de 97 %. Au cours des cinq dernières semaines, il a traité des factures d’une valeur totale supérieure à 600 000 $.

La valeur des factures correspond au volume de travail traité ; elle ne mesure ni les économies réalisées ni les revenus générés. Le taux de précision indiqué concerne également ce cas d’usage d’audit ; il ne constitue pas une garantie pour l’ensemble de la plateforme.

Dans le document d’information qui accompagne l’annonce, Evos fait état, de manière plus générale, d’un taux de précision des décisions d’environ 82 % et d’environ 70 % du travail effectué sans intervention humaine. Les documents ne précisent ni protocole de test commun ni éléments suffisants pour comparer directement ces chiffres au taux de 97 % obtenu lors de l’audit des factures. Il convient de les considérer comme des observations distinctes rapportées par l’entreprise.

Le président de MyFreightWorld, Mike Chalfant, évoque une amélioration de la précision de la facturation et de l’efficacité après le déploiement. Pour les clients potentiels, les questions suivantes sont de savoir comment les performances sont mesurées, comment les erreurs coûteuses sont détectées et quelle proportion des cas exceptionnels nécessite encore l’intervention de personnel expérimenté. Le taux de précision global ne suffit pas à répondre à ces questions.

Transformer les connaissances internes en opérations reproductibles

L’ambition va au-delà de la réduction du temps consacré à des tâches individuelles. Evos veut préserver le raisonnement qui permet à une entreprise de bien fonctionner, puis l’appliquer de manière cohérente à mesure que le travail se présente. Cela pourrait être utile lorsque les opérations reposent largement sur un petit nombre d’employés expérimentés.

Mais tirer parti des pratiques existantes suppose aussi de décider lesquelles doivent être préservées. Les décisions passées peuvent reposer sur des hypothèses dépassées ou tenir compte d’exceptions qui ne s’appliquent plus. Les corrections humaines et la supervision continue restent importantes, même lorsqu’un opérateur maîtrise les tâches habituelles.

Le financement de pré-amorçage soutient une première tentative visant à rendre réutilisable l’expertise opérationnelle, sans demander aux petites entreprises industrielles de remplacer leurs systèmes existants. La validation commerciale d’Evos consistera à déterminer si ses opérateurs peuvent effectuer un travail utile de manière fiable, laisser aux personnes la maîtrise des exceptions aux conséquences importantes et préserver ces avantages à mesure que les clients élargissent leur champ d’utilisation.