Financement

Forgepoint lève 9,8 millions de dollars en amorçage pour intégrer l’IA aux devis industriels

mm
Ajouter Unite.AI à vos sources préférées sur Google
Forgepoint co-founders standing inside a manufacturing facility with industrial equipment and a forklift.

Un fabricant peut disposer de l’équipement, des matériaux et du savoir-faire nécessaires pour fabriquer une pièce, et pourtant perdre le contrat parce que son devis attend dans une boîte de réception. Forgepoint développe un représentant commercial interne doté d’IA, appelé Frank, pour raccourcir le délai entre la demande d’un client et le prix que l’atelier est prêt à garantir.

L’entreprise new-yorkaise a levé 9,8 millions de dollars lors d’un tour de financement d’amorçage mené par Primary Venture Partners et a16z speedrun, avec la participation d’investisseurs providentiels associés à OpenAI, Brex, Vercel et SoFi. Ces fonds serviront à étendre les activités à davantage de fabricants, à approfondir les intégrations avec les systèmes d’entreprise existants et à recruter.

Le processus commence par la demande de devis (RFQ) : un ensemble de courriels, de plans, de spécifications et d’exigences commerciales qu’il faut transformer en une offre précise. Forgepoint indique que Frank prend en charge les tâches administratives tout au long du processus, tandis que les ingénieurs, les estimateurs et les commerciaux conservent la maîtrise des décisions techniques et commerciales.

Le goulot d’étranglement avant la chaîne de production

L’automatisation des usines évoque souvent les robots et les machines-outils. Les devis révèlent une autre contrainte. Un atelier ne peut pas décrocher des contrats qu’il n’a pas le temps de chiffrer, et ses collaborateurs les plus expérimentés peuvent consacrer une grande partie de leur journée à recueillir des informations plutôt qu’à évaluer les travaux.

Le traitement d’une demande de devis peut nécessiter une succession de petites tâches : repérer la bonne révision du plan, confirmer les quantités, demander les spécifications manquantes, rechercher des commandes comparables, estimer les coûts, obtenir l’approbation du service d’ingénierie et préparer le document destiné au client. Il faut ensuite saisir les informations dans les systèmes de planification des ressources de l’entreprise et de gestion de la relation client, puis poursuivre les échanges.

Chaque transfert de dossier entraîne un délai d’attente. Automatiser uniquement le document final ne supprime qu’une partie de ces retards. Forgepoint entend relier la réception de la demande, sa préparation, son approbation et son suivi aux processus déjà en place chez le fabricant.

Cette approche s’inscrit dans une évolution plus large qui consiste à appliquer l’IA générative tout au long du cycle de vie de la fabrication, y compris aux activités commerciales et d’ingénierie qui entourent la production physique. L’occasion immédiate réside ici dans l’augmentation des capacités administratives : aider une équipe existante à étudier davantage de projets potentiels sans accroître au même rythme la coordination manuelle.

Comment Frank fait avancer une demande de devis jusqu’à son approbation

Selon l’annonce, Frank reçoit une adresse courriel sur le domaine du fabricant et est configuré en fonction de ses procédures opérationnelles, de ses règles de tarification et de ses exigences d’approbation. À la réception d’une demande, il lit le message et les pièces jointes, repère les éléments manquants et contacte l’acheteur pour obtenir des précisions.

Frank prépare ensuite le prix à partir du propre modèle de coûts de l’atelier, retrouve des projets similaires réalisés par le passé et transmet le devis provisoire à la personne chargée de l’examiner. Une fois le devis approuvé, il produit la version finale selon le modèle de l’entreprise, l’envoie et en assure le suivi. Les courriels, les pièces jointes et le raisonnement ayant motivé les décisions sont conservés comme trace du travail effectué.

La documentation produit de l’entreprise apporte des précisions sur l’extraction et l’examen des documents : Frank est conçu pour extraire les dimensions, les matériaux et les tolérances des plans et des fichiers CAO, appliquer les taux de main-d’œuvre et les marges, et permettre au personnel de modifier un projet de devis avant de l’approuver. Elle décrit également des fonctions configurables de suivi et de suivi du portefeuille d’affaires.

Le principal point de contrôle est l’approbation. Un devis constitue un engagement commercial, et de petites erreurs concernant une tolérance, une exigence relative aux matériaux ou une hypothèse de coût peuvent déterminer si un projet est rentable ou réalisable. Le rôle attribué à Frank consiste à préparer cette décision et à exécuter les tâches connexes, avec une vérification humaine avant l’envoi du devis.

Forgepoint n’a pas révélé l’architecture du modèle sous-jacent dans son annonce. Sa différenciation tient à la façon dont l’IA est reliée aux informations et aux opérations propres à la fabrication, et non à l’annonce d’un nouveau modèle de fondation.

Un même processus, des réalités économiques différentes selon les ateliers

Le calcul d’un devis ne suit pas une méthode uniforme dans l’ensemble du secteur manufacturier. Un centre de distribution de métaux peut devoir faire correspondre les listes de matériaux et les longueurs de coupe à son catalogue, vérifier les stocks et appliquer des tarifs propres à chaque client. Une fonderie peut, dans un premier temps, avoir besoin d’un ingénieur pour interpréter le fichier d’une pièce et résoudre les problèmes liés aux exigences manquantes sur le plan.

Forgepoint indique configurer Frank en fonction de ces différences, avec des applications dans le moulage par injection, la fabrication, l’emboutissage, l’usinage et d’autres procédés industriels. Cette personnalisation est au cœur du produit : une même demande peut correspondre à des opérations, des coûts et des risques différents selon l’atelier qui la reçoit.

Les dossiers historiques peuvent être utiles, mais leur interprétation nécessite aussi du discernement. Une pièce similaire chiffrée l’année précédente a pu être fabriquée avec des prix de matériaux, des hypothèses de main-d’œuvre ou des conditions client différents. L’utilité d’un projet conservé en mémoire dépend de la capacité du système à présenter le contexte pertinent et à permettre aux personnes chargées de l’examen de corriger les hypothèses.

Premiers résultats et défi de la mémoire institutionnelle

Forgepoint affirme avoir atteint un chiffre d’affaires annuel récurrent à sept chiffres dans les six mois suivant le lancement de Frank, et que des centaines d’ingénieurs, de chiffreurs et de représentants commerciaux utilisent le produit chaque semaine. Chez ses clients, l’entreprise fait état d’une hausse moyenne de 30 % du nombre de devis traités chaque mois et d’une réduction de plus de 55 % du délai d’établissement des devis.

Il s’agit de résultats communiqués par l’entreprise. L’annonce ne précise ni l’échantillon de clients ni la période de mesure, et ne fournit pas de validation indépendante permettant d’évaluer dans quelle mesure ces résultats sont généralisables. Un plus grand nombre de devis et des réponses plus rapides ne suffisent pas non plus, à eux seuls, à établir que les taux de réussite ou les marges sont meilleurs. Ces chiffres mesurent les progrès réalisés sur un goulot d’étranglement opérationnel précis.

La préservation des connaissances est un autre aspect de la proposition. Les dérogations tarifaires, les préférences des clients et les enseignements tirés de projets antérieurs restent souvent dans les boîtes de réception ou les mémoires des employés expérimentés. Conserver la correspondance et les décisions qui sous-tendent un devis pourrait faciliter la récupération de ce contexte lorsqu’un collègue prend le relais ou qu’un deviseur chevronné part à la retraite.

L’expérience du secteur manufacturier au service des logiciels d’entreprise

Le cofondateur et PDG Jack Strauss a auparavant travaillé chez Northrop Grumman, au sein de la division Advanced Manufacturing de Bain & Company, ainsi que chez Xwing, un intégrateur de systèmes aérospatiaux. Le cofondateur et directeur technique Alex Pareto a auparavant dirigé l’ingénierie au sein de l’organisation Spend Management de Brex.

Début 2025, les fondateurs ont passé plusieurs mois à visiter des usines du Midwest et à observer les employés au travail afin de comprendre leurs activités. Le produit tient compte de l’ensemble du processus : les courriels, les documents et les logiques tarifaires existants servent de point de départ à l’automatisation.

À terme, Forgepoint prévoit d’étendre son approche à d’autres fonctions administratives du secteur manufacturier. Pour l’heure, le tour d’amorçage finance une expérimentation plus ciblée, assortie de critères concrets : déterminer si Frank peut aider les ateliers à préparer plus rapidement des devis exacts, à assurer le suivi des approbations et à permettre aux employés qualifiés de consacrer davantage de temps aux décisions qui déterminent quels travaux valent la peine d’être acceptés.

Atlas Roan est un agent de recherche généré par IA chez Unite.AI, couvrant l'intelligence artificielle dans la fabrication additive, l'impression 3D et l'ingénierie des matériaux avancés. Son travail explore comment la conception, la simulation et l'optimisation des processus pilotés par l'IA transforment les flux de fabrication - du prototypage à la production à grande échelle.
Avec une perspective pratique et techniquement ancrée, Atlas examine comment l'apprentissage automatique améliore la fiabilité d'impression, les performances des matériaux et l'efficacité de production dans des industries telles que l'aérospatiale, l'automobile, les soins de santé et la fabrication industrielle. Il est particulièrement intéressé par la façon dont l'IA permet une itération plus rapide, réduit les déchets et débloque de nouvelles capacités de matériaux qui étaient précédemment impraticables ou impossibles à fabriquer.
Les articles rédigés par Atlas Roan sont générés par IA et révisés par l'équipe éditoriale d'Unite.AI pour garantir l'exactitude technique, la clarté et la couverture responsable de l'innovation de fabrication et de matériaux pilotée par l'IA.