La levée de fonds de 27 millions de dollars de CopilotKit est un signal modeste mais significatif sur le marché du développement assisté par l'IA. La start-up de Seattle parie que la prochaine génération de logiciels d'IA ne se limitera pas à une fenêtre de discussion distincte, en dehors des applications. Elle sera intégrée au cœur même du produit, aidant ainsi les utilisateurs à accomplir leurs tâches là où le travail s'effectue déjà.
Cette évolution est importante car le débat sur le codage assisté par IA a jusqu’à présent été dominé par les copilotes, les éditeurs et les générateurs basés sur navigateur. Ces outils sont puissants, mais ils partent toujours du principe que l’utilisateur doit se rendre dans un environnement distinct pour demander de l’aide. Les agents natifs des applications changent l’architecture. Ils intègrent l’assistant dans le flux de travail, où il peut analyser l’état, faire des suggestions, déclencher des actions et rester en lien avec la logique du produit.
Pourquoi les agents intégrés aux applications sont-ils différents ?
Pour les équipes logicielles, l’intérêt réside moins dans des démonstrations spectaculaires que dans la réduction des changements de contexte. Un tableau de bord d’assistance produit peut proposer l’automatisation appropriée. Un CRM peut rédiger un suivi ou mettre à jour un enregistrement. Un outil interne peut transformer une demande en langage naturel en une action sans obliger l’utilisateur à quitter l’interface.
Cela modifie la source de la valeur ajoutée. Au lieu d’un copilote générique présent à côté de chaque application, les entreprises peuvent créer des assistants qui comprennent un produit spécifique, un modèle de données spécifique et un ensemble spécifique d’autorisations. Il en résulte davantage de possibilités de personnalisation, mais aussi davantage de risques d’échec si l’intégration est bâclée.
C'est pourquoi cette étape est cruciale pour les développeurs. Le marché ne se contente plus de demander si un modèle peut générer du code. Il demande si les développeurs peuvent fournir une couche d'agents fiable qui s'adapte à l'état du produit, à l'authentification, aux contrôles de sécurité, à l'analyse et aux contraintes de déploiement.
De la génération de code au comportement du produit
Cette distinction devient centrale pour la prochaine phase du développement assisté par l'IA. La génération de code est désormais attendue. Le problème le plus difficile concerne le comportement du produit : ce que l'assistant est autorisé à faire, ce qu'il doit suggérer, quand il doit demander une confirmation et comment il doit se remettre d'une mauvaise action.
En pratique, cela signifie que la pile gagnante ressemble moins à une simple boîte de dialogue qu’à un ensemble de modules de base : composants d’interface utilisateur, logique d’orchestration, appel d’outils, gestion d’état et garde-fous. Si CopilotKit parvient à s’approprier cette couche, il devient plus qu’une simple fonctionnalité. Il devient une infrastructure.
Les investisseurs ont tendance à remarquer quand un produit commence à se comporter comme une infrastructure. La raison est simple : l’infrastructure est réutilisée. Une fois que les équipes s’appuient dessus, les coûts de transition augmentent, les flux de travail se solidifient et le produit cesse d’être une nouveauté. Une levée de fonds comme celle-ci suggère que l’entreprise estime que c’est exactement la direction que prend le marché.
Ce que les équipes doivent surveiller
Il y a trois éléments à surveiller au cours des prochains trimestres.
- Fiabilité : si un agent natif de l'application commet des erreurs, le produit doit rendre ces erreurs visibles et récupérables.
- Gouvernance : les équipes voudront des autorisations, des pistes d'audit et des limites claires concernant ce à quoi l'agent peut accéder ou ce qu'il peut modifier.
- Distribution : les meilleurs outils de développement ne sont pas seulement puissants ; ils sont faciles à intégrer dans les applications et les flux de travail existants.
Si CopilotKit et les startups similaires continuent de se développer, la leçon générale pour le développement assisté par l'IA est claire : le marché s'éloigne de l'approche « demander au modèle de faire la chose » pour se diriger vers « rendre le produit lui-même capable de faire la chose ». C'est une opportunité bien plus grande, et un problème d'ingénierie bien plus difficile.
C'est aussi pourquoi ce tour de table est intéressant au-delà d'une seule start-up. Il suggère que la prochaine génération de logiciels d'IA ne se contentera pas d'aider les gens à écrire du code plus rapidement. Elle aidera les produits logiciels à devenir des participants actifs dans le travail qu'ils ont été conçus pour soutenir.
