Dataiku Platform for AI Success se positionne comme couche d’orchestration indépendante entre les infrastructures de données, les modèles et les agents. Avec trois produits inédits, Agent Management, Cobuild et Reasoning Systems, la société française répond au problème structurel qui bloque la majorité des déploiements d’IA en entreprise : la fragmentation des systèmes, l’absence de gouvernance unifiée et l’incapacité à mesurer l’impact métier réel des agents.
Les organisations ont multiplié les agents, les copilotes et les outils d’IA dans des environnements multifournisseurs, sans disposer d’une couche de contrôle unifiée. Cette fragmentation produit des effets bien connus : doublons de déploiements, performances incohérentes d’un système à l’autre, angles morts de gouvernance et hausse du risque opérationnel. Florian Douetteau, cofondateur et CEO de Dataiku, résume le dilemme auquel font face les entreprises : « Sans impliquer l’ensemble des acteurs dans le processus de création, les initiatives d’IA ne seront ni pertinentes ni adoptées. Sans l’orchestration des technologies complexes et modernes, l’IA reste trop limitée pour produire un impact significatif. Et sans gouvernance à chaque étape, elle ne dépassera jamais le stade de preuve de concept. »
Ce positionnement place Dataiku en concurrence directe avec Workday Sana, Databricks et les couches d’orchestration que construisent les grands éditeurs ERP et CRM. La différence revendiquée est l’indépendance : la Platform for AI Success se présente comme une couche neutre, connectée à l’ensemble de l’écosystème sans dépendre d’aucun acteur en particulier. C’est une réponse explicite au risque d’enfermement propriétaire que les DSI identifient comme leur première préoccupation dans les déploiements d’IA agentique.
Agent Management : mesurer la valeur métier des agents
Le premier produit, Dataiku Agent Management, adresse un angle mort que les outils de surveillance actuels ne couvrent pas. La plupart des plateformes de monitoring vérifient si un agent fonctionne techniquement — temps de réponse, taux d’erreur, disponibilité. Elles ne déterminent pas s’il produit une valeur métier réelle. Un agent peut être techniquement opérationnel tout en échouant sur les indicateurs qui comptent pour l’organisation : réduction des délais de traitement, amélioration du taux de conversion, diminution des erreurs de saisie.
Dataiku Agent Management fournit une visibilité multiplateforme sur les agents en production, quelle que soit la plateforme sur laquelle ils ont été créés. Il évalue chaque agent au regard des indicateurs de performance métier définis, alerte sur les dérives de performance ou les surcoûts, et déclenche des processus de gouvernance avant que les problèmes n’affectent les opérations. Les organisations peuvent répondre à des questions que les outils actuels ne permettent pas de poser : cet agent mérite-t-il d’être maintenu en production ? Quelles décisions prend-il réellement ? Le programme d’accès anticipé est disponible dès aujourd’hui.
Reasoning Systems : des environnements décisionnels gouvernés
Le deuxième produit, Dataiku Reasoning Systems, dépasse la logique d’automatisation de tâches isolées. Il s’agit d’environnements décisionnels coordonnés qui unifient les données, les modèles, les agents, les règles métier et la logique décisionnelle humaine dans un seul environnement opérationnel. Clément Stenac, cofondateur et CTO de Dataiku, formule la rupture avec les approches actuelles : « Aucun niveau de prompt engineering ne remplace une orchestration structurée. Les décisions d’entreprise exigent que les données alimentent les modèles, que les modèles orientent les agents, et que les agents soient contrôlés par une combinaison nécessaire de règles métier explicites et de supervision humaine. »
Le Dataiku Reasoning System for Manufacturing Operations est disponible dès maintenant. Les versions Supply Chain et Risk financier sont annoncées pour 2026. Cette déclinaison sectorielle répond à la même logique que celle observée chez Accenture-Databricks ou Salesforce Agentforce : l’orchestration agentique ne se déploie pas de manière générique, elle s’adapte aux processus et aux contraintes propres à chaque secteur.
Cobuild : générer un projet d’IA à partir d’un objectif métier
Le troisième produit, Cobuild, dont le lancement est prévu en juin 2026, permet à un utilisateur de décrire un objectif métier en langage naturel et de générer automatiquement un projet d’IA complet dans l’interface visuelle de Dataiku. La différence revendiquée avec les assistants de codage IA classiques est architecturale, car Cobuild produit un flux visuel structuré que l’utilisateur peut examiner étape par étape, valider les hypothèses et approuver avant déploiement, là où les outils de génération de code produisent des scripts opaques difficiles à auditer.
Cette transparence par conception répond directement aux exigences de traçabilité et d’explicabilité que NIS2, le RGPD et l’AI Act imposent aux systèmes d’IA utilisés dans des contextes à impact significatif. Pour les DSI qui doivent justifier les décisions prises par leurs systèmes automatisés, la capacité à restituer le raisonnement étape par étape est une exigence de conformité autant qu’une exigence de gouvernance interne.
Avec cette plateforme, Dataiku renforce un positionnement qu’il occupe depuis plusieurs années, celui de l’orchestrateur neutre entre les infrastructures de données et les couches applicatives. La Platform for AI Success étend cette approche à l’ère agentique, en y ajoutant la mesure de l’impact métier comme critère central. Pour les organisations qui ont multiplié les déploiements d’IA sans disposer des instruments pour en évaluer la valeur réelle, c’est une réponse directe, à condition que l’indépendance revendiquée résiste à l’examen des architectures d’intégration concrètes, que le communiqué ne détaille pas.
