Salesforce lance le modèle de raisonnement Koa pour Agentforce, entraîné sur Nemotron

Salesforce et NVIDIA ont annoncé le 15 septembre 2026 Koa, un modèle de raisonnement CRM pour la plateforme Agentforce de Salesforce, construit en post‑entraînement à partir du modèle Nemotron 3 Super de NVIDIA sur un jeu de données synthétique propriétaire modélisé sur les connaissances d’entreprise issues de près de trois décennies de déploiements CRM.

Salesforce a décrit Koa comme son premier modèle de raisonnement CRM, conçu spécifiquement pour aider les agents à raisonner à travers des flux de travail complexes et multi‑étapes et à utiliser les bons outils pour accomplir leurs tâches. Dans lannonce conjointe des entreprises, le président et PDG de Salesforce, Marc Benioff, a déclaré : “La chose la plus précieuse que Salesforce a construite n’est pas notre plateforme — c’est le savoir accumulé sur le fonctionnement réel des entreprises. Avec Koa, ce savoir est intégré directement dans le modèle.” Jensen Huang, fondateur et PDG de NVIDIA, a affirmé que les modèles ouverts Nemotron offraient à Salesforce la base d’un modèle CRM capable de raisonner et d’agir en toute sécurité.

Salesforce a déclaré qu’elle contrôle les poids du modèle Koa et effectue le post‑entraînement ainsi que l’inférence entièrement au sein de son propre périmètre de confiance, de sorte qu’aucune donnée client ne franchisse ce périmètre pendant l’inférence. Koa offre aux clients une option spécialisée, hébergée par Salesforce, pour alimenter les cas d’utilisation d’Agentforce.

Données d’entraînement synthétiques et méthode de post‑entraînement

Aucune donnée client n’a été utilisée pour entraîner Koa, selon Salesforce. Le corpus d’entraînement a été construit entièrement à partir de scénarios synthétiques couvrant les compétences de raisonnement, d’utilisation d’outils et de prise de décision que les agents d’Agentforce appliquent aux flux de travail CRM tels que la génération de prospects, la qualification d’opportunités et la résolution de cas de service.

Les scénarios ont été conçus pour simuler des flux de travail d’entreprise réels dans plus de 14 secteurs, dont la fabrication, les services financiers, la santé et le voyage. Dans chaque scénario, une persona était associée à un ensemble de tâches, et la séquence d’actions et d’appels d’outils nécessaires à leur exécution était cartographiée à l’avance.

Pour le post‑entraînement, Salesforce a appliqué le Supervised Fine‑Tuning et l’apprentissage par renforcement avec le Group Relative Policy Optimization (GRPO), en utilisant les outils NeMo RL, NeMo Gym et NeMo AutoModel de NVIDIA. Salesforce a indiqué que l’entraînement sur un ensemble ciblé de tâches d’entreprise prioritaires a conféré au modèle une expertise plus approfondie, l’apprenant à atteindre un objectif via une séquence d’actions correctes plutôt qu’à s’arrêter à une réponse correcte.

Article de recherche et résultats rapportés

Dans un article de recherche soumis à arXiv le 14 septembre 2026, les développeurs du modèle décrivent Koa comme le résultat de l’application de l’apprentissage par renforcement GRPO au modèle de base à poids ouvert Nemotron‑3‑Super‑120B, en utilisant des données publiques et synthétiquement générées et aucune donnée client. Les auteurs identifient comme composant distinctif du modèle un pipeline de simulation vers récompense qui transforme les spécifications de flux de travail en tâches multi‑tours conditionnées par la persona, avec des récompenses liées à la résolution de chaque tâche grâce à une utilisation réussie d’outils pour des requêtes dépendant des données. Pour les domaines d’entreprise, ces spécifications sont rédigées en Agent Script, le langage déclaratif de Salesforce pour créer des agents d’Agentforce ; pour les domaines d’utilisation publique d’outils, la structure du flux de travail a été synthétisée directement, avec le même mécanisme de simulation et de récompense ancrée alimentant le GRPO dans les deux cas.

Les auteurs rapportent que, sur les benchmarks d’utilisation publique d’outils, de raisonnement agentique et de CRM d’entreprise, Koa améliore son modèle à poids ouvert, avec des gains les plus nets sur l’utilisation d’outils multi‑tours, dépasse une solide référence propriétaire, et reste en dessous des modèles de pointe les plus avancés. Ils concluent que l’apprentissage par renforcement guidé par les spécifications offre une voie pratique pour spécialiser les modèles de base à poids ouvert pour le travail agentique en entreprise.

Par ailleurs, Salesforce a indiqué que, dans son benchmark CRM, une suite de tâches réelles telles que la mise à jour d’une opportunité, l’acheminement d’un cas ou la planification d’un suivi, Koa égalise ou dépasse les performances des modèles leaders sur les actions CRM avec trois fois moins d’erreurs.

Pilotes, Missionforce et disponibilité

Koa est déjà utilisé au sein de Salesforce, notamment dans un agent Slack qui aide les employés à trouver des informations et à accomplir les tâches quotidiennes. Des pilotes clients sont en cours avec 1-800Accountant, Baxter Credit Union, Engine, Formula 1, UChicago Medicine et Xero.

Ryan Teeples, directeur de la stratégie chez 1-800Accountant, a déclaré que Koa permet aux agents de l’entreprise de raisonner étape par étape à travers les règles fiscales, les données financières et les documents clients. John Sahagian, vice‑président senior et directeur des données chez Baxter Credit Union, a indiqué que le modèle peut aider les agents numériques à évaluer les informations, les outils et les politiques à l’origine des objectifs des membres, tels que l’achat d’un logement. Elia Wallen, fondateur et PDG d’Engine, a affirmé que les déplacements professionnels impliquent d’innombrables éléments mobiles et que ses équipes ont besoin d’un modèle capable de raisonner avec précision à travers des problèmes multi‑étapes plutôt que d’un modèle qui se contente de paraître confiant. Andrew Chang, directeur marketing chez UChicago Medicine, a déclaré que Koa peut gérer des flux de travail de coordination plus longs et multi‑étapes, permettant aux équipes de disposer de plus de temps pour les soins aux patients.

Parallèlement à Koa, les deux sociétés intègrent des modèles basés sur Nemotron et du calcul accéléré dans Missionforce pour les gouvernements et les organisations réglementées. Selon l’annonce, nombre de ces organisations doivent contrôler le modèle et les données d’entraînement et les déployer dans des environnements spécialisés — clouds privés, réseaux classifiés et systèmes totalement isolés — qui n’interagissent jamais avec l’infrastructure publique.

Les modèles NVIDIA post‑entraînés alimenteront les agents de Missionforce Operations, un produit qui numérise et automatise les flux de travail gouvernementaux, notamment les achats, la gestion des fournisseurs et la logistique. Les modèles sont entraînés sur les données opérationnelles et la terminologie propres à chaque organisation afin que les agents puissent gérer les processus back‑office et agir au sein de l’environnement du client, y compris les réseaux isolés. Les sociétés ont également indiqué travailler à l’intégration des modèles NVIDIA post‑entraînés dans d’autres capacités de Missionforce, ce qui permettrait aux clients de créer et d’exécuter des modèles sur leur propre infrastructure pour des charges de travail spécialisées.

Koa est disponible dès maintenant pour certains clients pilotes dans Agentforce, avec une disponibilité générale prévue pour l’hiver 2026 dans les régions américaines. Missionforce Operations est déjà disponible dans les régions américaines, et les modèles NVIDIA post‑entraînés seront accessibles à des clients sélectionnés en octobre 2026.