- Les fonds de capital-risque parient sur le « context graph » comme prochaine vague de l’IA, se concentrant sur le stockage du raisonnement décisionnel plutôt que sur les seules données de résultat.
- Depuis 40 ans, les logiciels d’entreprise n’enregistrent que « ce qui s’est passé » sans sauvegarder le « pourquoi c’est arrivé », ce qui entraîne une perte de connaissances critiques lors du départ du personnel.
- Le context graph connecte les « traces de décision » telles que : qui a approuvé, quelles exceptions ont été appliquées, quels étaient les précédents, créant un système où la logique décisionnelle est interrogeable.
- L’opportunité de marché n’est pas seulement le marché SaaS de 200 milliards de dollars, mais jusqu’à 4 600 milliards de dollars dépensés en salaires et services – là où les décisions humaines n’ont pas encore été numérisées.
- Les agents IA stimulent cette tendance car ils génèrent et doivent conserver des chaînes de décision lorsqu’ils opèrent sur plusieurs systèmes.
- Les startups ont un avantage car elles se situent directement dans le flux d’exécution, où elles peuvent enregistrer les décisions au moment où elles surviennent, au lieu de simplement lire les données après coup.
- Par exemple, le projet open-source gstack a atteint près de 20 000 étoiles sur GitHub et plus de 2 200 forks en seulement quelques semaines, montrant une forte demande pour l’infrastructure d’agents.
- Cependant, il n’y a pas encore de leader et des défis majeurs subsistent concernant la sécurité, les droits d’accès et le raisonnement sur des données sensibles.
- Des géants comme Salesforce, Workday et ServiceNow participent mais sont limités par des architectures anciennes qui ne stockent que l’état actuel.
Conclusion : Le context graph est considéré comme la nouvelle couche d’infrastructure de l’IA d’entreprise, capable de transformer des décisions fragmentées en une « intelligence organisationnelle » accumulée au fil du temps. Avec une échelle potentielle de 4 600 milliards de dollars, bien plus importante que les 200 milliards du SaaS, cela pourrait être la prochaine grande étape de l’IA. Toutefois, le marché n’a pas encore de leader dominant et doit résoudre les problèmes de sécurité, d’architecture et de confiance avant son explosion.
