Striveworks lève des fonds en série B pour développer les opérations d’IA pour la défense et les gouvernements alliés

Striveworks a obtenu un investissement de série B mené par Washington Harbour Partners, marquant une étape importante dans les efforts de l’entreprise pour étendre ses opérations d’IA dans les environnements de défense et de sécurité nationale. Le financement sera utilisé pour accélérer le développement de produits, faire croître les équipes d’ingénierie et de R&D, et soutenir un déploiement plus large de sa technologie dans les agences gouvernementales américaines et les pays alliés.

Cette augmentation de capital intervient à un moment où les gouvernements donnent de plus en plus la priorité à l’intégration rapide de l’intelligence artificielle dans les systèmes critiques, en particulier à mesure que la concurrence géopolitique s’intensifie et que les délais opérationnels se compressent.

Le déplacement vers l’IA opérationnelle dans la sécurité nationale

Le déploiement de l’IA dans les environnements de défense ne consiste pas simplement à construire des modèles – cela nécessite des systèmes qui puissent fonctionner de manière fiable dans des environnements dynamiques et à haut risque. Les gouvernements sont confrontés à un double défi : maintenir une avance opérationnelle tout en veillant à ce que les systèmes restent auditable, fiables et conformes aux exigences de sécurité strictes.

Striveworks s’est positionné à ce carrefour, en se concentrant sur l’IA opérationnelle – la capacité à déployer, surveiller et adapter en continu les systèmes d’apprentissage automatique dans des conditions réelles plutôt que dans des environnements contrôlés.

Cette demande est renforcée au niveau des politiques, où l’intégration rapide de l’IA est de plus en plus considérée comme essentielle pour maintenir un avantage stratégique dans les opérations de défense et de renseignement.

Une plate-forme conçue pour le déploiement dans le monde réel

Au cœur de l’offre de Striveworks se trouve sa plate-forme Chariot, un système d’opérations d’IA (AIOps) conçu pour déplacer les modèles de développement à la production rapidement tout en maintenant la surveillance et les performances.

La plate-forme permet aux organisations de construire, de déployer et de maintenir des modèles d’IA en quelques heures plutôt qu’en quelques mois, en soutenant les flux de travail qui s’étendent sur les infrastructures cloud, les environnements de bord et les paramètres déconnectés ou à bande passante limitée. Cela est particulièrement pertinent dans les contextes de défense, où les systèmes d’IA doivent fonctionner sur des sources de données fragmentées telles que les flux de capteurs, les images satellitaires et les entrées de renseignement en temps réel.

Chariot met également l’accent sur la gouvernance et la traçabilité, permettant aux organisations de comprendre comment les modèles sont formés, comment les données circulent dans les systèmes et comment les sorties sont générées – des capacités qui sont critiques dans les environnements réglementés et critiques.

Éprouvé dans des environnements complexes et contestés

La technologie de Striveworks a déjà été déployée dans de nombreux programmes de défense, notamment des travaux liés à l’initiative de commandement et de contrôle de la prochaine génération de l’armée américaine, ainsi que des opérations impliquant la sécurité des frontières et les systèmes maritimes autonomes.

Ces déploiements reflètent un déplacement plus large dans l’utilisation de l’IA. Plutôt que de rester confinée à l’analyse ou à l’expérimentation, l’IA est de plus en plus intégrée directement dans les flux de travail opérationnels, où elle soutient la prise de décision en temps réel.

La concentration de l’entreprise sur le maintien des performances dans des environnements contestés – où les conditions de données changent rapidement et où les systèmes doivent s’adapter en continu – est devenue un aspect déterminant de son approche.

À l’intérieur de la technologie : le rapprochement des modèles d’IA et des opérations dans le monde réel

La plate-forme de Striveworks est construite autour d’un problème qui est devenu de plus en plus visible à mesure que l’IA passe de l’expérimentation à la production : les modèles ne défaillent pas pendant la formation – ils défaillent pendant le déploiement.

L’entreprise se concentre sur ce qui se passe après qu’un modèle est construit. Dans les environnements opérationnels, les données sont rarement propres ou stables. Les entrées changent, les conditions de bord dégradent la qualité du signal et les exigences de mission évoluent en temps réel. Cela crée un écart entre les performances du modèle dans les paramètres contrôlés et le comportement des systèmes sur le terrain.

Chariot répond à cela en traitant les systèmes d’IA comme des actifs gérés en continu plutôt que comme des déploiements statiques. La plate-forme permet une surveillance en cours de la performance du modèle, la détection de la dérive des données et des sorties, et permet une itération rapide sans nécessiter des cycles de réentraînement complets. Cela est particulièrement pertinent dans les environnements de défense où la latence, la fiabilité et l’adaptabilité ont un impact direct sur les résultats.

Un élément clé de cette architecture est sa capacité à fonctionner sur des environnements de données fragmentés et distribués. Plutôt que de s’appuyer sur une infrastructure centralisée, la plate-forme prend en charge les déploiements sur le cloud, sur site et sur les systèmes de bord. Cela permet aux modèles de fonctionner plus près de l’endroit où les données sont générées – qu’il s’agisse de capteurs, de flux satellitaires ou d’entrées opérationnelles en temps réel – en réduisant les retards et en améliorant la réactivité.

Chariot met également fortement l’accent sur la gouvernance et la traçabilité. Dans les environnements à haute prise, comprendre comment un modèle a pris une décision est aussi important que la décision elle-même. La plate-forme fournit une visibilité sur la lignée des données, le comportement du modèle et les sorties du système, permettant aux organisations de valider les performances et de maintenir la surveillance.

Cette combinaison d’évaluation continue, de déploiement distribué et de gouvernance intégrée reflète un déplacement plus large dans la conception des systèmes d’IA. Le défi n’est plus seulement de construire des modèles précis, mais de s’assurer qu’ils restent fiables, adaptables et responsables une fois déployés dans des conditions réelles.