Seltz lève 12,5 millions de dollars dans le cadre d’une série de financement initial pour construire une nouvelle couche d’infrastructure de recherche pour les agents IA

À mesure que les agents IA deviennent de plus en plus capables de réaliser des recherches, d’exécuter des flux de travail et de prendre des décisions de manière autonome, un défi croissant est apparu : le web lui-même n’a jamais été conçu pour les machines. Alors que les grands modèles de langage d’aujourd’hui peuvent raisonner, résumer et générer du contenu, ils s’appuient encore fortement sur des systèmes de récupération conçus à l’origine pour les humains qui cliquent sur des liens. Seltz, une startup qui se concentre sur la reconstruction de l’infrastructure de recherche web spécifiquement pour les systèmes IA, a annoncé un tour de financement initial de 12,5 millions de dollars pour combler cette lacune. Le financement a été mené par Speedinvest et B Capital, avec la participation de plusieurs sociétés de capital-risque et d’un groupe de conseillers et d’investisseurs providentiels issus de sociétés telles qu’Amazon (AMZN ), Google (GOOGL ), Cohere, Databricks, Ramp et Synthesia.

Pourquoi les agents IA ont besoin d’un type différent de moteur de recherche

Pendant des décennies, la recherche web a été optimisée autour du comportement humain. Les moteurs de recherche renvoient des listes classées de liens, de extraits et de publicités conçus pour aider les gens à naviguer sur les sites web. Les agents IA, cependant, ont des exigences fondamentalement différentes.

Plutôt que de parcourir plusieurs pages, les agents ont besoin d’informations structurées livrées rapidement, avec une attribution claire de la source et suffisamment de contexte pour soutenir la raisonnement. Le défi devient encore plus important lorsque les agents effectuent plusieurs recherches au cours d’une seule tâche, où la latence se cumule et la qualité de récupération a un impact direct sur les performances.

Seltz soutient que les solutions de recherche IA existantes fonctionnent souvent comme des enveloppes autour des moteurs de recherche traditionnels tels que Google, Bing ou Brave. Alors que ces systèmes fonctionnent bien pour les utilisateurs humains, ils n’ont pas été conçus pour servir d’infrastructure de connaissances pour les logiciels autonomes. L’approche de l’entreprise consiste à construire un système de récupération conçu dès le départ pour la consommation des machines plutôt que pour la navigation humaine.

Construire l’ensemble de la pile de récupération

Fondée par Antonio Mallia, dont le parcours comprend des rôles de recherche chez Amazon, Pinecone et Bloomberg, Seltz a pris la voie la plus difficile en construisant et en exploitant sa propre pile d’infrastructure.

Au lieu de s’appuyer sur des fournisseurs de recherche tiers, l’entreprise possède l’ensemble du pipeline de récupération, y compris le crawling web, l’extraction de connaissances, l’indexation, la récupération et le classement. Ce niveau de contrôle permet à Seltz d’optimiser chaque étape du processus spécifiquement pour les charges de travail IA. Selon l’entreprise, posséder la pile permet également un contrôle plus étroit sur la qualité, les performances, la vérification de la source et le développement futur des produits.

L’API de connaissances web de Seltz offre aux développeurs un accès en temps réel à des informations web qui ont été traitées et structurées pour une utilisation par les grands modèles de langage, les systèmes de génération augmentée de récupération (RAG) et les agents autonomes. Plutôt que de renvoyer simplement des résultats de recherche, la plateforme se concentre sur la livraison d’informations riches en contexte avec des références de source qui peuvent être consommées directement par les systèmes IA.

Un marché en croissance pour l’infrastructure native IA

Le financement intervient au moment où l’intérêt pour l’infrastructure de base IA ne cesse de croître. Une grande partie du récent boom de l’IA s’est concentrée sur les fournisseurs de modèles, les puces et les cadres d’agents, mais l’infrastructure de récupération émerge comme une autre couche critique de la pile.

Une des raisons est que les systèmes IA sont de plus en plus souvent appelés à travailler avec des informations fraîches. Les données de formation deviennent rapidement obsolètes, en particulier dans des domaines tels que les actualités, les réglementations, les prix, la documentation technique et les données d’entreprise. Par conséquent, la récupération en temps réel devient essentielle pour de nombreuses applications IA de production.

Seltz se positionne en tant que fournisseur de cette couche de récupération. Plutôt que de concurrencer directement les moteurs de recherche grand public, l’entreprise cible les développeurs, les startups natives IA, les laboratoires d’IA de pointe et les entreprises qui construisent des systèmes nécessitant un accès fiable à des informations actuelles. Cela reflète un changement plus large vers des infrastructures spécialisées conçues spécifiquement pour les interactions machine-à-machine plutôt que pour les interfaces humaines.

Les performances et les benchmarks deviennent des avantages concurrentiels

La qualité de la recherche est notoirement difficile à mesurer, en particulier lors de l’évaluation de systèmes destinés aux agents IA plutôt qu’aux utilisateurs humains. Pour répondre à ce défi, Seltz a récemment lancé le benchmark de recherche de nouvelles dynamiques (DNSB), un benchmark public conçu pour évaluer la qualité de récupération et la latence entre différents fournisseurs de recherche IA.

L’entreprise rapporte des résultats solides en termes de vitesse et d’efficacité de récupération. Les mises à jour de produits précédentes mettaient en évidence la latence de récupération mesurée en centaines de millisecondes, un facteur important pour les agents qui peuvent effectuer plusieurs recherches au cours de tâches de raisonnement complexes. Une récupération plus rapide améliore non seulement l’expérience utilisateur, mais peut également réduire les coûts de calcul en raccourcissant le temps que les modèles passent à attendre des informations externes.

L’accent mis sur les benchmarks reflète une tendance plus large à travers l’infrastructure IA, où les métriques de performance mesurables deviennent de plus en plus importantes à mesure que les entreprises évaluent les plateformes concurrentes.

Élargir au-delà des résultats de recherche

Alors que la recherche web demeure l’objectif principal de l’entreprise, Seltz a déjà commencé à élargir les capacités de sa plateforme. Les versions de produits récentes incluent des filtres de date de publication, des contrôles de filtres de domaine, des intégrations et des outils conçus pour aider les développeurs à gérer la qualité et la fraîcheur des informations récupérées. L’entreprise a également publié des fonctionnalités visant à rendre les connaissances web en temps réel plus accessibles au sein des flux de travail et des cadres d’agents IA.

Ces ajouts suggèrent que Seltz considère la récupération non comme une fonctionnalité autonome, mais comme une couche d’infrastructure de connaissances plus large qui peut être intégrée à travers les systèmes d’entreprise, les applications et les flux de travail autonomes.

Les implications plus larges de l’infrastructure de récupération native IA

Des technologies comme Seltz pointent vers une évolution plus large de la façon dont les systèmes IA interagissent avec Internet. Les moteurs de recherche traditionnels ont été conçus autour des flux de travail humains, où les utilisateurs évaluent les liens, comparent les sources et déterminent la pertinence eux-mêmes. Les agents IA, en revanche, nécessitent des systèmes de récupération qui peuvent rapidement mettre en surface des informations fiables dans des formats optimisés pour la raisonnement et l’automatisation des machines.

Le développement d’une infrastructure de récupération dédiée pourrait également influencer la prochaine génération d’applications IA. Un accès plus rapide à des informations fraîches pourrait améliorer les performances des systèmes agents opérant dans des domaines tels que l’intelligence d’entreprise, l’analyse financière, la recherche scientifique, la cybersécurité et le soutien décisionnel en temps réel. Dans le même temps, une plus grande emphase sur l’attribution et la vérification de la source pourrait aider à répondre aux préoccupations persistantes concernant les hallucinations, les informations obsolètes et la transparence de l’IA.

À mesure que les organisations déployeront des systèmes de plus en plus autonomes, la couche de récupération pourrait devenir un composant essentiel de la pile IA, aux côtés des modèles, des bases de données vectorielles et des cadres d’orchestration. Les entreprises qui construisent ces technologies fondamentales aident à établir l’infrastructure qui pourrait soutenir des systèmes IA plus fiables, responsables et conscients de l’information dans les années à venir.