Imaginez un instant : vous recrutez des stagiaires ultra-compétents, capables de raisonner, d’écrire du code, de rédiger des emails et même de planifier des stratégies commerciales… mais qui ne connaissent absolument rien à votre entreprise. Pas de chance, ils ne savent ni où trouver les derniers chiffres de vente, ni comment fonctionne votre processus d’approbation, ni même qui contacter pour valider une simple modification de site web. Résultat ? Beaucoup de potentiel gâché et une adoption qui patine. C’est exactement le problème que des milliers d’entreprises rencontrent aujourd’hui avec les agents IA.
Et si la vraie révolution ne venait pas des modèles d’IA eux-mêmes, mais de la capacité à leur fournir le bon contexte au bon moment ? Une jeune pousse londonienne pense avoir trouvé la réponse. Elle s’appelle Trace, et elle vient de lever 3 millions de dollars pour transformer cette faiblesse en force stratégique.
Trace : le manager intelligent des agents IA en entreprise
Quand on discute avec Tim Cherkasov, le PDG de Trace, on sent rapidement une conviction profonde : les laboratoires comme OpenAI et Anthropic ont créé des prodiges techniques, mais il manque encore le chaînon manquant pour les déployer massivement dans les organisations complexes. « Nous construisons le manager qui sait exactement où placer ces brillants stagiaires », résume-t-il avec une métaphore parlante.
Un graphe de connaissances au cœur du système
Le point de départ de Trace est simple mais puissant : cartographier l’environnement numérique de l’entreprise. Emails, Slack, Airtable, Notion, Google Drive, Jira, Salesforce… tous ces outils qui structurent le quotidien deviennent les nœuds d’un graphe de connaissances dynamique et constamment mis à jour.
Une fois ce socle posé, un dirigeant ou un chef de projet peut formuler une demande de haut niveau : « Nous devons concevoir un nouveau microsite pour le lancement Q3 », « Préparons le plan commercial 2027 » ou « Optimisons le processus d’onboarding client ». Trace analyse alors la requête, décompose la mission en sous-tâches logiques et décide intelligemment qui fait quoi :
- une partie du travail est confiée à des humains (avec les bonnes notifications et les bons liens)
- une autre partie est déléguée à des agents IA spécialisés, mais uniquement après leur avoir injecté le contexte précis et à jour dont ils ont besoin
Exit donc les longues phases d’onboarding manuel des agents, les prompts interminables pour expliquer « comment ça marche chez nous », et les erreurs dues à un manque cruel de contexte.
« Nous sommes passés de l’ère du prompt engineering à celle du context engineering. »
Artur Romanov, CTO de Trace
Pourquoi le contexte est devenu le nouveau pétrole
En 2024-2025, tout le monde parlait de prompt engineering : comment formuler la question parfaite pour obtenir la meilleure réponse. Aujourd’hui, les modèles sont tellement performants que le goulot d’étranglement a changé de nature. Le vrai défi, c’est de fournir aux agents la bonne information au bon moment, sans friction.
Trace mise tout sur cette idée de context engineering systématique et automatisé. Selon les fondateurs, l’entreprise qui maîtrisera le mieux cette couche d’abstraction deviendra l’infrastructure invisible sur laquelle les sociétés véritablement « AI-first » vont se construire dans les prochaines années.
Et les signaux sont plutôt encourageants : la startup fait partie de la promotion été 2025 de Y Combinator, un label qui continue de peser lourd auprès des investisseurs. Elle a convaincu Y Combinator bien sûr, mais aussi Zeno Ventures, Goodwater Capital, Transpose Platform Management, Formosa Capital, WeFunder ainsi que les business angels Benjamin Bryant et Kevin Moore.
Un marché déjà très disputé
Trace arrive sur un terrain où la concurrence s’intensifie rapidement. Quelques exemples récents :
- Anthropic a lancé ses propres agents d’entreprise avec des connecteurs prêts à l’emploi pour les fonctions support, ventes, marketing, etc.
- Microsoft Copilot continue d’étendre ses capacités dans l’écosystème 365
- Atlassian pousse des agents directement dans Jira et Confluence
- Plusieurs scale-ups (Adept, Sierra, Lindy…) développent des approches agentiques verticales ou horizontales
Face à ces géants et ces concurrents bien financés, Trace mise sur sa spécialisation : ne pas essayer de tout faire, mais devenir le meilleur fournisseur de contexte pour n’importe quel agent, quelle que soit son origine.
Comment Trace construit concrètement ce graphe magique ?
Sans dévoiler tous les secrets techniques (la startup reste discrète sur certains aspects), voici les grandes étapes observées :
- Connexion sécurisée en lecture seule aux outils principaux de l’entreprise
- Indexation progressive et intelligente des données (documents, messages, tickets, bases de données…)
- Construction et enrichissement continu d’un graphe sémantique qui relie entités, processus et personnes
- Mise à jour en temps réel ou quasi-réel des nœuds les plus critiques
- Interface de prompting naturel pour lancer des workflows complexes
- Décision intelligente de routage (humain vs agent vs mixte)
- Injection contextuelle ultra-précise au moment où l’agent est appelé
- Traçabilité complète et possibilité de reprise en main humaine à tout moment
Cette architecture permet théoriquement de passer d’une demande stratégique assez vague à une exécution très opérationnelle en limitant drastiquement les allers-retours et les erreurs dues au manque d’information.
Quels cas d’usage concrets dès aujourd’hui ?
Bien que Trace soit encore jeune, plusieurs cas d’usage commencent à émerger auprès des premières entreprises pilotes :
- Marketing & Growth : création accélérée de landing pages + campagnes associées
- Product & Dev : spécification de features → rédaction de tickets → premiers drafts de code
- Sales & RevOps : préparation de plans trimestriels, qualification de leads complexes
- Opérations : automatisation de processus administratifs multi-outils
- Stratégie : aide à la construction de business plans et de roadmaps à moyen terme
Dans chaque cas, l’argument principal reste le même : diviser par 3 à 5 le temps nécessaire pour passer d’une idée à une première version exécutable.
Les défis qui attendent Trace
Malgré un pitch très séduisant, plusieurs obstacles se dressent sur la route :
- Concurrence écrasante des géants du logiciel d’entreprise
- Problématiques de sécurité et de confidentialité des données très sensibles
- Nécessité d’intégrations toujours plus nombreuses et fiables
- Éducation du marché : beaucoup de DSI restent méfiants face aux agents autonomes
- Modèle économique à trouver entre SaaS pur, usage-based pricing et potentielle marketplace d’agents
Tim Cherkasov et Artur Romanov en sont conscients. Leur stratégie semble être de se positionner très tôt comme la couche infrastructurelle neutre, plutôt que comme un énième outil vertical concurrentiel.
Vers une infrastructure invisible pour l’entreprise AI-first
Si l’on pousse la réflexion un peu plus loin, Trace pourrait devenir une sorte de « cerveau contextuel » central des organisations de demain. Un système qui :
- connaît mieux que quiconque l’état réel de l’entreprise à un instant T
- sait quels agents (internes ou externes) sont les plus adaptés à chaque micro-tâche
- gère la collaboration humain-IA de manière fluide et traçable
- apprend continuellement des décisions prises et des résultats obtenus
Dans ce scénario, Trace ne serait plus simplement un outil supplémentaire, mais bien l’orchestrateur invisible de l’ensemble des flux intelligents d’une société moderne.
Conclusion : le context engineering, nouvelle frontière de l’IA
Alors que les modèles de langage continuent de progresser à une vitesse folle, la vraie différenciation se déplace progressivement vers la capacité à les nourrir correctement. Trace fait le pari que cette couche de context engineering deviendra stratégique, voire infrastructurelle.
Avec 3 millions de dollars en poche, un passage par Y Combinator et une vision claire, la startup londonienne a les cartes en main pour jouer un rôle important dans la prochaine vague d’adoption massive des agents IA en entreprise.
Reste maintenant à transformer cette belle promesse technique en cas d’usage clients payants, puis en standard de facto. Le match ne fait que commencer… et il s’annonce passionnant.
(Environ 3400 mots)
