SAPIOM lève 35 millions pour contrôler les coûts des agents IA

SAPIOM cible le coût réel

Les agents IA peuvent enchaîner des dizaines d’appels de modèles, utiliser des outils externes, acheter des services et relancer une opération sans que l’entreprise sache précisément combien chaque mission lui a coûté. Le prix des tokens ne suffit donc plus : il faut aussi intégrer les outils, les reprises, les contrôles humains, le stockage, les bases vectorielles, les environnements d’exécution, les API tierces et les éventuels paiements pour accéder à des données ou contenus.

Une mission apparemment simple peut interpréter une demande, lancer une recherche documentaire, solliciter un second modèle, utiliser un outil spécialisé, puis revenir au premier modèle pour produire une réponse. En cas d’échec, l’agent peut modifier son plan et recommencer, ajoutant de nouvelles lignes à la facture. SAPIOM défend ainsi une autre mesure : le coût d’une tâche correctement accomplie. Un modèle dix fois moins cher ne génère pas forcément une économie s’il doit être interrogé quinze fois, tandis qu’un modèle frontière peut être justifié s’il réussit dès le premier essai.

SAPIOM trace chaque exécution

Fondée il y a onze mois par Ilan Zerbib, CEO de la startup, SAPIOM se présente comme une infrastructure de production pour agents IA. L’entreprise affirme avoir traité plus de 270 millions de transactions et exécuter désormais plus de 100 000 agents par jour. Elle précise toutefois qu’une « transaction » peut désigner un appel de modèle, une utilisation d’outil, une étape d’exécution ou une opération de paiement, et non une mission complète.

Chaque exécution reçoit un identifiant rattachant les étapes suivies, les modèles sollicités, les outils appelés, leur coût, leur durée, leur résultat et le nombre de tentatives. Cette traçabilité doit permettre de relier une dépense à un produit, un client, un processus ou un centre de coûts, puis de la rapprocher du chiffre d’affaires, des économies ou du temps humain épargné. Le nombre de tokens devient alors une donnée technique parmi d’autres, plutôt qu’un indicateur économique suffisant.

SAPIOM encadre l’action avant dépense

L’observabilité ne permet toutefois que de comprendre une dépense après son engagement. SAPIOM veut donc intervenir avant l’appel d’un modèle, l’utilisation d’un outil ou l’achat d’un service. L’entreprise peut définir les modèles autorisés, les fournisseurs auxquels des données peuvent être transmises, le montant maximal d’une mission, les outils accessibles et les opérations soumises à validation humaine. Une action peu coûteuse peut être libre, une dépense élevée exiger une approbation et une succession anormale d’échecs déclencher un arrêt automatique.

Après une levée de 35 millions de dollars, portant le total annoncé à 50 millions, SAPIOM doit encore démontrer que cette couche de contrôle peut rester indépendante face à OpenRouter et aux fonctions progressivement intégrées par AWS, Microsoft, Google, Alibaba et Tencent. Selon KPMG, seuls 7 % des dirigeants déclarent un ROI établi pour leur IA, tandis que 42 % ne disposent que d’une visibilité partielle sur leurs dépenses. La startup veut aussi orienter chaque appel vers le modèle offrant le meilleur compromis entre coût, qualité et fiabilité, plutôt que d’utiliser systématiquement le modèle le plus performant.