Salesforce AI Research lance AI Foundry, une initiative qui réunit des équipes de recherche, des clients et des partenaires académiques pour développer et valider des innovations IA à destination des systèmes d'entreprise. À mesure que les grands modèles de langage arrivent à maturité, les véritables obstacles à l'adoption de l'IA en entreprise se situent au niveau des systèmes d'information, un nœud où précision, cohérence et fiabilité doivent opérer à grande échelle.
AI Foundry est présenté comme une infrastructure de recherche et de développement, réunissant des équipes de recherche en IA, des clients et des partenaires académiques, avec pour objectif d'accélérer le transfert vers la feuille de route produit de Salesforce. L'initiative repose sur une lecture précise du marché : à mesure que les grands modèles de langage arrivent à maturité technique, c'est la couche d'orchestration et d'observabilité des agents qui devient l'enjeu central de l'adoption en entreprise. Une couche dont la sophistication croissante préfigure ce que seront les systèmes d'exploitation de l'entreprise à l'ère de l'IA.
« Les problèmes les plus importants pour les entreprises ne se situent plus au niveau des modèles : ils se jouent désormais au niveau des systèmes d'information, où les composants fonctionnent ensemble pour assurer précision, cohérence et fiabilité à grande échelle », explique Silvio Savarese, chief scientist chez Salesforce. Cette lecture rejoint un constat que partagent désormais de nombreuses directions des systèmes d'information confrontées à des déploiements d'IA générative dont les performances en conditions opérationnelles déçoivent par rapport aux résultats obtenus sur les bancs d'essai standardisés.
La couche qui préfigure l’OS de l'entreprise IA
L'analogie avec le système d'exploitation n'est pas rhétorique, elle est fonctionnelle. Un OS remplit trois fonctions fondamentales : il alloue les ressources, arbitre les priorités entre processus concurrents et expose des interfaces standardisées aux applications qui s'exécutent au-dessus de lui. C'est précisément ce que la couche d'orchestration des agents est en train de devenir dans les architectures d'entreprise. Quand plusieurs agents autonomes coexistent, un agent de facturation, un agent de relation client, un agent de conformité, il faut une infrastructure capable de décider lequel s'exécute, dans quel ordre, avec quelles données et sous quelles contraintes de sécurité et de gouvernance.
Les agent cards que développe AI Foundry s'inscrivent dans cette logique : elles sont l'équivalent fonctionnel des descripteurs de processus d'un OS, portant l'identité, les capacités et les droits de chaque agent pour permettre à la couche d'orchestration de les reconnaître et de les coordonner. L'observabilité joue quant à elle le rôle du noyau, car elle expose l'état interne du système, journalise les décisions, détecte les anomalies comportementales et permet l'intervention humaine quand l'escalade est nécessaire. Sans cette couche, les agents opèrent en boîte noire, acceptable pour une démonstration, mais inacceptable dans un environnement de production réglementé.
Pour un DSI, cette lecture déplace la question de l'investissement de façon décisive. Ce n'est plus « quel modèle choisir » mais « quelle couche d'orchestration et d'observabilité déployer, et sur quelle architecture ». Les entreprises qui traitent cette question comme secondaire par rapport au choix des modèles reproduisent l'erreur de celles qui, dans les années 1980, achetaient du matériel sans se préoccuper du système d'exploitation qui allait l'unifier. AI Foundry, à cet égard, n'est pas seulement un laboratoire de recherche : c'est le chantier où Salesforce construit sa réponse à cette question pour l'ensemble de son écosystème client.
eVerse : tester les agents avant tout déploiement
Le premier axe d'AI Foundry porte sur la simulation. Salesforce AI Research a développé eVerse, un environnement de simulation destiné à exposer les agents à des milliers de cas extrêmes, de transitions d'état et de prises de décision avant tout passage en production. Le principe repose sur une logique d'apprentissage par l'expérience simulée. Les agents sont confrontés à des situations métier réalistes, ce qui permet d'évaluer à la fois leur performance et leur cohérence comportementale dans des conditions que les évaluations classiques ne reproduisent pas.
L'application la plus documentée à ce jour concerne Agentforce Voice, l'interface vocale de Salesforce, testée sous contrainte à travers des milliers de conversations simulées. Un second cas d'usage a été conduit dans un contexte hospitalier : eVerse a été utilisé pour piloter les agents de facturation du centre de contact de l'hôpital universitaire de San Francisco (UCSF), un domaine où les exigences de précision et de conformité laissent une marge d'erreur quasi nulle. Ces deux déploiements illustrent la vocation de l'outil, celle de réduire le risque de régression comportementale lors du passage à l'échelle des agents autonomes.
Agent cards, la CNI des agents IA
Le deuxième domaine adressé porte sur ce que Salesforce nomme l'intelligence ambiante. L'enjeu est d'intégrer l'IA directement dans les flux de travail de l'entreprise, de façon contextuelle et proactive, sans générer de surcharge informationnelle pour les utilisateurs. Cette orientation place la question de l'interaction entre humains et systèmes IA au centre de la conception, et non en périphérie. L'objectif est de produire une IA « toujours active mais jamais envahissante », formulation qui résume bien la tension entre disponibilité permanente et discrétion opérationnelle que les DSI cherchent à résorber.
Le troisième chantier concerne la coopération entre agents. AI Foundry travaille sur des protocoles d'interopérabilité, dont les agent cards, cartes d'identité normalisées permettant à des agents distincts de se reconnaître mutuellement et d'interagir de façon contrôlée. La démarche inclut la construction d'une couche sémantique multiagents, intégrant des protocoles standardisés, des garde-fous, des journaux de décision et des mécanismes d'escalade. Fait notable, les équipes juridiques de Salesforce et son bureau de l'usage éthique des technologies sont associés au travail de recherche pour définir les cadres applicables à la négociation autonome entre agents. Cette inclusion de la dimension juridique dès la phase de conception est inhabituelle dans les annonces de recherche IA et mérite d'être relevée par les directions juridiques et conformité des entreprises.
Un pont entre recherche et industrialisation
AI Foundry élargit également le programme de subventions académiques de Salesforce et son écosystème de partenaires, en connectant des chercheurs externes et des talents intersectoriels aux problèmes opérationnels des clients stratégiques. C'est cette articulation entre recherche de pointe et contraintes métier réelles, opérée dans des cycles d'itération courts, qui distingue AI Foundry d'un laboratoire de recherche classique. « De nombreuses règles établies ne s'appliquent plus. AI Foundry relie la recherche fondamentale aux problématiques concrètes des entreprises, en collaborant étroitement avec nos clients stratégiques dans le cadre de cycles d'itération rapides », précise Silvio Savarese.
La structure d'AI Foundry, clients embarqués dès la phase de recherche, cycles d'itération courts, transfert accéléré vers la feuille de route produit, décrit moins un laboratoire de R&D qu'un dispositif de co-développement mutualisé. Les clients stratégiques apportent leurs données, leurs contraintes opérationnelles et leurs cas d'usage réels, Salesforce accélère la validation de ses choix d'architecture et réduit le risque produit avant tout investissement de développement industriel. L'UCSF n'est pas un client bénévole dans cette histoire, c'est un véritable terrain d'expérimentation dont les résultats alimentent directement la roadmap d'Agentforce. Sa mécanique sous-jacente est celle d'un pipeline de qualification des cas d'usage financé en partie par les clients eux-mêmes.
