Financement
Islo lève 15 millions de dollars pour construire des usines logicielles contrôlées par l’IA

Points clésIslo parie que la vérification et la livraison du code écrit par l'IA constituent le…
Voir plus
- Islo parie que la vérification et la livraison du code écrit par l'IA constituent le véritable goulot d'étranglement après la génération.
- Les environnements microVM isolés permettent aux agents d'exécuter des applications et de reprendre le travail à partir d'instantanés enregistrés.
- Une passerelle fournit des identifiants à portée limitée afin que les agents agissent sans détenir de clés API réutilisables.
Islo a obtenu un investissement de 15 millions de dollars mené par Insight Partners afin de développer sa plateforme de fabrique logicielle d’entreprise. L’entreprise mise sur le fait que le prochain goulot d’étranglement du développement assisté par l’IA réside dans tout ce qui se passe après qu’un agent commence à écrire du code.
Issue de la gamme de produits Incredibuild, Islo associe des environnements d’exécution d’agents, des contrôles d’accès et une vérification continue afin que les équipes d’ingénierie puissent automatiser les tâches répétitives tout en conservant le pouvoir d’approbation des modifications destinées à la production. Cet investissement soutiendra le développement du produit et l’adoption de la plateforme en tant que gamme de produits dédiée.
L’annonce présente également un partenariat avec Databricks visant à fournir l’inférence des modèles et à connecter les flux de travail des agents aux données d’entreprise. Ensemble, ces initiatives répondent à un problème concret des entreprises : produire davantage de code n’est utile que si les équipes peuvent le tester, le sécuriser, le réviser et le livrer de manière fiable.
Des tâches de programmation individuelles à des chaînes de production reproductibles
Islo présente son approche comme une usine logicielle. Au lieu de demander à un développeur de lancer chaque tâche dans une fenêtre de discussion, les équipes définissent des flux de travail qui réagissent à des événements ou s’exécutent selon un calendrier. Selon l’entreprise, ses premiers clients appliquent cette approche à la refactorisation, à la révision de code, à l’assurance qualité, à la correction de bogues, au tri des problèmes et aux demandes de fonctionnalités mineures.
Chaque flux de travail comporte des étapes de contrôle portant sur les tests, les fonctionnalités, la sécurité, les performances et les coûts. Les équipes d’ingénierie déterminent les étapes qui nécessitent une approbation humaine, laquelle reste obligatoire avant que les modifications générées par l’IA ne soient intégrées à la production.
« L’IA peut considérablement accroître la quantité de code produite par une équipe d’ingénierie, mais cela ne signifie pas automatiquement qu’elle livrera davantage de logiciels en toute sécurité », a déclaré Adam Gold, directeur des produits d’Islo, dans l’annonce.
Cette distinction change ce qu’une plateforme d’agents doit offrir. Générer un correctif n’est qu’une étape : exécuter l’application, vérifier le correctif au regard de ses dépendances et montrer à la personne chargée de la révision ce qui s’est passé sont autant de tâches d’ingénierie distinctes.
Pourquoi les environnements de développement persistants sont importants
La plateforme repose sur Islo Machines, des environnements de développement isolés capables d’exécuter les services d’une application aux côtés d’un agent. L’entreprise les décrit comme des microVM, c’est-à-dire des machines virtuelles légères dotées de leur propre noyau de système d’exploitation, plutôt que comme des conteneurs partageant le noyau de la machine hôte.
Une Machine peut inclure des dépendances, une configuration, un navigateur, des bases de données telles que Postgres et des services comme Redis. L’agent dispose ainsi d’une application fonctionnelle sur laquelle effectuer des tests, au lieu de devoir raisonner uniquement à partir des fichiers sources.
La persistance répond à une autre limite des environnements isolés éphémères. Les instantanés conservent les dépendances installées et l’état de la base de données, ce qui permet de reprendre les travaux ultérieurs dans un environnement déjà préparé. Les tâches peuvent se poursuivre après la déconnexion d’un développeur, un point important pour celles qui durent plusieurs heures ou s’étendent sur plusieurs itérations.
Islo propose également un déploiement dans le cloud privé virtuel d’un client. Pour les entreprises, cela fait de l’emplacement de l’environnement d’exécution un élément du choix de déploiement, au même titre que le modèle et les outils d’agents.
Une passerelle sépare l’accès des agents des identifiants
Même un ordinateur isolé doit pouvoir accéder de manière contrôlée aux dépôts de code, aux outils de suivi des problèmes et à d’autres systèmes. La passerelle d’Islo gère cette limite en vérifiant les requêtes sortantes et en fournissant des identifiants lorsqu’une requête approuvée quitte l’environnement.
Dans le flux de travail décrit par l’entreprise, un agent utilise une liaison fictive au lieu de recevoir le secret sous-jacent. Les règles de la passerelle peuvent restreindre les destinations, les chemins d’URL et les méthodes de requête. Un évaluateur facultatif fondé sur un modèle peut examiner l’intention de la requête en complément de ces règles statiques.
Cela distingue l’autorisation d’effectuer une tâche de la possession d’une clé API réutilisable. Par exemple, un agent qui révise une demande de fusion peut obtenir les accès adaptés à ce flux de travail sans recevoir les mêmes identifiants étendus qu’un développeur.
Les requêtes autorisées et refusées sont consignées, et les journaux peuvent être exportés vers des systèmes de surveillance de la sécurité. Ces données permettent aux équipes de reconstituer les services externes contactés par un agent et les opérations bloquées par ses règles. L’efficacité de cette limite dépend toutefois toujours des autorisations et des règles configurées par l’entreprise.
Databricks apporte l’inférence des modèles et l’accès aux données d’entreprise
La relation annoncée avec Databricks ajoute une autre couche : l’inférence, c’est-à-dire le processus qui consiste à exécuter un modèle pour générer une réponse, ainsi que l’accès aux données d’entreprise nécessaires aux tâches effectuées par des agents.
La page d’intégration de Databricks d’Islo explique comment connecter un espace de travail existant au moyen d’identifiants gérés par un intermédiaire. Les agents peuvent utiliser les modèles disponibles via Databricks Model Serving et demander un accès limité aux ressources de calcul et aux données du client.
Le traitement des données reste sur les clusters Databricks du client, tandis qu’Islo fournit l’environnement d’agent isolé et la connexion contrôlée. L’intégration consigne les requêtes et les tâches pour examen, à l’appui de flux de travail tels que l’ingénierie des données, l’analyse et le traitement par lots.
La présentation décrit l’inférence comme le point de départ d’une intégration produit plus large et de l’inclusion d’Islo dans le programme Built on de Databricks. Cette intégration relie la stratégie des usines logicielles à une plateforme de données d’entreprise existante, plutôt que d’obliger les équipes à dupliquer leurs données dans un outil d’agents distinct.
S’appuyer sur l’infrastructure de livraison d’Incredibuild
Incredibuild apporte à la plateforme des technologies d’exécution distribuée et de mise en cache. L’exécution distribuée répartit les tâches de compilation ou de test qui s’y prêtent entre différentes ressources de calcul ; la mise en cache réutilise les résultats précédents lorsque les données d’entrée pertinentes n’ont pas changé. Ces deux technologies peuvent raccourcir le cycle de rétroaction entre la proposition d’une modification par un agent et le moment où une équipe découvre si elle fonctionne.
Cette collaboration fait suite au rachat de Kypso par Incredibuild en 2025. Les agents d’ingénierie et l’automatisation des flux de travail de Kypso ont contribué à l’expansion de l’entreprise, qui a dépassé l’accélération des compilations pour devenir une plateforme de livraison logicielle plus complète.
Pour Islo, l’investissement de 15 millions de dollars finance l’infrastructure nécessaire à l’ingénierie autonome : des environnements qui restent disponibles, des autorisations qui peuvent être appliquées et des contrôles qui relient le code généré aux décisions de mise en production. L’entreprise entend rendre les tâches de développement répétitives suffisamment fiables pour pouvoir les déléguer, tout en laissant aux ingénieurs la responsabilité de ce qui est finalement livré.












