Duvo lève 32 M$ en série A, mais le vrai défi est le travail invisible

Duvo a levé 32 millions de dollars lors d’un tour de série A pour automatiser les opérations d’entreprise, mais son principal défi ne consiste pas simplement à connecter des agents IA à d’anciens logiciels. La série A de Duvo finance une tentative de capturer les décisions non documentées que les employés prennent entre les écrans ERP, les feuilles de calcul, les portails fournisseurs et les e-mails.

Balderton Capital a mené le tour, auquel ont participé les investisseurs existants Index Ventures, Northzone et Credo Ventures. Ce financement porte le total des fonds levés par Duvo à 48 millions de dollars et soutient une expansion aux États-Unis, initialement centrée sur les entreprises de distribution et de produits de grande consommation.

La tension est facile à manquer. Les fournisseurs d’automatisation d’entreprise promettent depuis des années de relier des systèmes fragmentés. Duvo estime que l’obstacle le plus important se situe hors de ces systèmes, car des règles cruciales, des exceptions et des solutions de contournement restent dans la tête des employés.

Cette thèse place Duvo face à un modèle de mise en œuvre bien connu. Les entreprises documentent généralement leurs processus par l’intermédiaire d’équipes internes, de consultants ou d’ingénieurs déployés chez les clients avant qu’un logiciel puisse les automatiser. Duvo souhaite que son produit réalise lui-même une grande partie de cette découverte, puis exécute le processus obtenu avec des validations humaines.

La plateforme d’automatisation de Duvo réunit donc deux tâches difficiles. Elle doit comprendre comment le travail se déroule réellement, y compris les exceptions, et l’exécuter de façon fiable à travers des logiciels qu’elle ne contrôle pas.

La série A de Duvo finance une ambition qui dépasse les pilotes d’IA

Ce nouveau capital donne à Duvo les moyens de vérifier si une même couche d’automatisation peut prendre en charge de nombreux processus opérationnels sans devenir une simple collection de projets isolés.

Duvo a annoncé ce financement le 14 octobre 2026. Son annonce de financement indique que l’entreprise utilisera ce tour pour se développer aux États-Unis, en commençant par les distributeurs et les entreprises de produits de consommation.

Ce choix de marché reflète les origines de Duvo. Le cofondateur et PDG Tomáš Čupr a également fondé Rohlik Group, une entreprise européenne d’épicerie en ligne. Les opérations de distribution l’ont exposé à des flux de travail répartis entre systèmes de stocks, communications fournisseurs, outils financiers et feuilles de calcul gérées localement.

Ces flux de travail ressemblent rarement à des schémas logiciels bien ordonnés. Un acheteur peut comparer un e-mail à un enregistrement ERP, examiner une clause contractuelle, contacter un fournisseur et faire remonter une exception. Un autre employé portant le même intitulé de poste peut suivre des règles différentes parce que les fournisseurs de cette personne fonctionnent autrement.

Duvo décrit son produit comme un Enterprise Execution OS. Ce terme désigne une couche partagée dans laquelle les personnes et les agents IA peuvent découvrir, exécuter, approuver et surveiller des processus à travers les applications d’entreprise existantes.

L’entreprise ne propose pas à ses clients de remplacer immédiatement leurs systèmes ERP ou de gestion d’entrepôt. Duvo entend plutôt se placer au-dessus de ces systèmes. Ses agents utilisent des API lorsqu’elles sont disponibles et interagissent avec les interfaces utilisateur existantes lorsqu’un système ne dispose pas d’une connexion adaptée.

Cette distinction est importante car la plupart des grandes entreprises ne peuvent pas considérer le remplacement de leurs logiciels centraux comme une expérience anodine. Leurs systèmes contiennent des registres financiers, des données fournisseurs, des positions de stocks et des contrôles d’approbation. Même une application obsolète peut rester essentielle parce que de nombreux autres processus en dépendent.

Duvo affirme que sa plateforme peut établir un même ensemble de connexions, de règles d’approbation et de registres opérationnels pour plusieurs processus. Si cette affirmation se vérifie, une deuxième automatisation devrait réutiliser davantage d’infrastructure que la première.

C’est un objectif plus conséquent que la réussite d’une démonstration. Un pilote peut fonctionner grâce à un soutien technique intensif et à des cas soigneusement sélectionnés. Une plateforme doit continuer à fonctionner malgré l’évolution des interfaces, du personnel, des politiques et des conditions économiques.

La série A de Duvo finance également une poussée commerciale plus directe. Michael Green, auparavant dirigeant chez Databricks et Salesforce, a rejoint l’entreprise pour diriger l’expansion commerciale. Spencer Insolia, ancien président de Kmart et directeur général chez Accenture, dirige les activités aux États-Unis.

Ces nominations suggèrent que la distribution auprès des entreprises est désormais aussi importante que le développement produit. Duvo doit pénétrer des organisations complexes, identifier des processus à forte valeur, satisfaire aux examens de sécurité et démontrer des retours mesurables sans laisser le travail de déploiement absorber son modèle économique.

Le financement ne constitue donc pas seulement un vote de confiance dans les capacités des agents. C’est un pari selon lequel la découverte des processus, la mise en œuvre, la gouvernance et la mesure peuvent devenir des composantes reproductibles d’un même produit.

Pourquoi les connaissances non documentées bloquent l’automatisation d’entreprise

L’argument le plus important de Duvo est que les processus d’entreprise restent incomplets tant que les personnes qui les exécutent n’ont pas expliqué les exceptions.

Čupr serait arrivé à cette conclusion en tentant d’introduire des agents chez Rohlik. Les employés pouvaient identifier les tâches répétitives, mais documenter l’ensemble du processus s’est révélé plus difficile. De nombreuses décisions reposaient sur une expérience qui n’avait jamais été intégrée à un manuel, une base de données ou un outil de flux de travail.

Dans un entretien consacré au problème de l’API humaine, Čupr a déclaré que les personnes fonctionnent souvent comme des interfaces entre des systèmes déconnectés. Elles lisent un écran, se souviennent d’une règle non écrite, interprètent un message et saisissent le résultat ailleurs.

Ce schéma contribue à expliquer pourquoi l’automatisation conventionnelle traite souvent le cœur prévisible d’un processus tout en laissant ses aspects les plus désordonnés aux employés. Un script peut copier un champ connu. Il rencontre des difficultés lorsqu’un fournisseur confirme partiellement une commande tout en contestant son prix dans le même e-mail.

Duvo Clarity, le composant de découverte de l’entreprise, est conçu pour capturer ce contexte manquant. Selon Duvo, il combine des entretiens avec les employés menés par l’IA, des enregistrements d’écran et des documents existants afin de cartographier la manière dont le travail se déroule en pratique.

La cartographie du processus doit inclure davantage qu’une séquence de clics. Elle doit identifier les responsables des décisions, les exigences d’approbation, les exceptions fréquentes et les éléments de preuve que les employés utilisent lorsqu’ils choisissent une action.

La découverte des processus devient ainsi un problème de connaissance. Une entreprise doit d’abord déterminer ce que savent ses employés, distinguer la politique de l’habitude et établir quels jugements peuvent être transformés sans risque en règles.

Le même défi se pose dans les systèmes de connaissance personnels et d’équipe. Les documents ne fournissent qu’une partie de la réponse lorsque des éléments de contexte importants restent dispersés dans les conversations et la mémoire individuelle. Une base de connaissances consultable devient utile lorsqu’elle préserve le contexte plutôt que de simplement rassembler des fichiers.

Duvo applique un principe similaire à l’exécution opérationnelle. L’entreprise cherche à transformer les connaissances tacites en un processus contrôlé qu’un agent peut suivre, tout en maintenant les personnes aux points de décision définis.

Le mécanisme comporte trois grandes étapes. D’abord, le système observe et documente le flux de travail actuel. Ensuite, il identifie les étapes adaptées à l’automatisation et celles qui nécessitent une approbation. Enfin, les agents réalisent les actions approuvées dans les systèmes connectés tout en enregistrant ce qui s’est passé.

Cette dernière étape distingue la documentation des processus de leur exécution. Les missions de conseil et les outils de process mining peuvent révéler des inefficacités, mais un autre projet peut encore être nécessaire pour mettre en œuvre les changements.

Duvo souhaite que la découverte et l’exécution partagent un même système. Cette connexion pourrait réduire la distance entre l’identification d’un problème et la modification de l’opération.

Elle introduit également des risques. Les explications des employés peuvent être incomplètes, incohérentes ou façonnées par des solutions de contournement locales. Les enregistrements d’écran peuvent montrer ce qu’une personne a fait sans révéler pourquoi ce choix était correct.

Un processus automatisé peut donc formaliser une mauvaise habitude aussi facilement qu’une bonne. La direction doit déterminer si le flux de travail découvert représente la politique de l’entreprise, une exception nécessaire ou une dette technique qui devrait disparaître.

Duvo indique que des responsables humains approuvent les décisions exigeant du jugement. Des tableaux de bord opérationnels affichent les décisions en attente et les résultats obtenus, tandis que les modifications du système sont enregistrées à des fins d’audit.

Cette conception avec supervision humaine, selon laquelle des personnes approuvent certaines décisions des agents, est essentielle pour les opérations sensibles. Elle soulève également une question pratique de passage à l’échelle. Si trop de cas nécessitent un examen, l’agent ne fait que déplacer le goulot d’étranglement.

La version la plus convaincante de la thèse de Duvo n’est pas que les employés devraient disparaître du processus. Elle consiste à dire que le logiciel devrait capturer les connaissances reproductibles tout en orientant les décisions réellement ambiguës vers la bonne personne.

Le succès dépend du maintien de l’exactitude de cette frontière à mesure que l’entreprise évolue. Une règle de promotion, un accord fournisseur ou une politique de risque qui fonctionnait le trimestre dernier pourrait ne plus rester valable. Duvo doit actualiser la cartographie des processus plutôt que de traiter la découverte comme un événement ponctuel.

L’IA d’entreprise de Duvo remet en cause le modèle intensif en services

Duvo parie que le déploiement de l’IA d’entreprise peut devenir piloté par le produit avant que le travail de mise en œuvre n’érode la valeur du logiciel.

Les grandes organisations font souvent appel à des consultants et à des spécialistes de la mise en œuvre pour comprendre leurs opérations avant de les modifier. Ces équipes interrogent les employés, cartographient les systèmes, documentent les approbations et coordonnent les nouveaux logiciels avec les contrôles existants.

Les ingénieurs déployés chez les clients suivent un modèle connexe. Ils travaillent étroitement avec les clients pour adapter les logiciels, intégrer les données et construire des flux de travail fiables dans des environnements complexes.

Cette approche peut produire des résultats parce que les humains absorbent l’ambiguïté. Elle peut aussi rendre les déploiements lents, coûteux et difficiles à reproduire d’un client à l’autre.

Le principal défi que Duvo oppose à ce modèle est simple : le produit devrait réaliser une plus grande part de la découverte et de la configuration. Les entretiens menés par l’IA peuvent recueillir les connaissances relatives aux processus, les agents peuvent construire des cartes de flux de travail et des contrôles réutilisables peuvent réduire l’intégration sur mesure.

Čupr a déclaré à Pathfounders que Duvo vise à ramener la découverte des processus de plusieurs mois à quelques semaines. Il a également soutenu qu’une IA d’entreprise bien conçue devrait devenir de plus en plus auto-déployable.

Duvo ne présente pas tous les cabinets de conseil comme des adversaires. L’entreprise a conclu une alliance avec Deloitte Central Europe, qui associe son expertise de conseil aux logiciels de cartographie et d’exécution des processus de Duvo.

Ce partenariat révèle la réalité probable à court terme. Les cabinets de conseil peuvent devenir des partenaires de distribution et de mise en œuvre même lorsque les logiciels réduisent le travail nécessaire à certains engagements. Leur travail stratégique et organisationnel peut rester précieux tandis que les outils transforment la manière dont s’effectue la découverte des processus.

La pression pèse le plus directement sur le travail de mise en œuvre répétitif. Si Duvo peut capturer les flux de travail plus rapidement, les clients remettront en question les longs projets consacrés principalement aux entretiens, aux schémas et à la configuration manuelle.

L’entreprise doit encore démontrer que cette approche accélérée produit un résultat précis. La rapidité a une valeur limitée si une exception oubliée perturbe ensuite les stocks, les paiements fournisseurs ou le reporting financier.

La concurrence compliquera cette démonstration. Le marché de l’automatisation d’entreprise comprend déjà des fournisseurs d’automatisation robotisée des processus, des plateformes de process mining, des produits de flux de travail et de nouvelles entreprises spécialisées dans les agents.

Pathfounders a identifié Orby AI, Skan AI, Mimica, Sola et Scribe parmi les concurrents pertinents. Ces entreprises ne proposent pas toutes des produits identiques, mais plusieurs abordent l’observation des flux de travail, l’intelligence des processus ou l’exécution pilotée par des agents.

L’automatisation robotisée des processus traditionnelle, couramment appelée RPA, offre un autre point de comparaison. Les outils de RPA reproduisent souvent des actions utilisateur structurées, comme la copie d’informations entre applications. Ils peuvent être efficaces lorsque les entrées et les interfaces restent prévisibles.

Duvo affirme que les agents d’IA peuvent gérer davantage d’ambiguïté que des scripts rigides. Ses agents interpréteraient les e-mails, navigueraient entre les écrans, compareraient les enregistrements et escaladeraient les décisions, au lieu de suivre un unique parcours de clics prédéfini.

L’entreprise a décrit un déploiement sur des systèmes hérités utilisant Claude d’Anthropic, l’interaction avec un navigateur, des connexions à des outils et des validations humaines. Duvo affirme que les capacités d’utilisation d’ordinateur permettent aux agents d’exploiter des systèmes dépourvus d’API modernes.

Cette flexibilité élargit le champ des tâches pouvant être prises en charge, mais elle ne résout pas le problème de fiabilité. Les interfaces graphiques changent. Les autorisations d’accès expirent. Les formats de données varient. Un écran qui semble évident pour une personne peut dérouter un système automatisé après une légère refonte.

Les intégrations fondées sur des API ont leurs propres coûts, mais elles fournissent généralement des contrats plus clairs que l’interaction visuelle. Duvo doit déterminer quand l’automatisation d’interface est acceptable et quand une intégration plus approfondie reste nécessaire.

La dépendance aux modèles pose un autre problème. Un agent peut se comporter différemment après une mise à jour du modèle sous-jacent, notamment face à des entrées ambiguës. Les entreprises attendront de Duvo qu’il teste ces changements avant qu’ils n’affectent les décisions de production.

Duvo indique que son architecture est indépendante des modèles. Les clients pourraient utiliser des points d’accès cloud approuvés, une infrastructure dédiée ou des modèles à poids ouverts lorsque les exigences de sécurité et de souveraineté imposent davantage de contrôle.

Ce positionnement crée aussi une complexité opérationnelle. Les différents modèles varient en qualité de raisonnement, latence, exigences de déploiement et comportement. Prendre en charge plusieurs options ne garantit pas des performances équivalentes pour chacune d’elles.

La proposition d’IA d’entreprise de Duvo sera donc en concurrence sur bien plus que l’intelligence. Les acheteurs compareront l’effort de mise en œuvre, l’auditabilité, la sécurité, la gestion des exceptions, la maintenance et les résultats commerciaux mesurables.

La comparaison décisive ne se résume pas à Duvo face aux consultants ou à Duvo face à la RPA. Elle oppose un déploiement industrialisé à une personnalisation intensive en main-d’œuvre. Duvo doit montrer que son produit peut absorber la complexité sans recréer discrètement une activité de services en coulisses.

Les résultats clients sont prometteurs, mais majoritairement rapportés par l’entreprise

Duvo a publié des améliorations opérationnelles concrètes, mais les acheteurs ont encore besoin de preuves indépendantes sur leur pérennité, leur coût total et les taux d’exception.

Duvo affirme avoir généré plus de 100 millions de dollars de valeur pour ses clients dans la finance, la chaîne d’approvisionnement, les opérations commerciales, le service client, le marketing et les ressources humaines. Parmi ses clients nommés figurent Morrisons, Holland & Barrett, Boden, Notino, Allegro et Rohlik.

L’entreprise indique que le rapprochement des bonus fournisseurs de Notino, portant sur environ 45 millions de dollars par an, est passé de 70 jours à 15 jours. Le travail spécialisé serait passé d’environ 120 heures par cycle à moins de 10.

Duvo a également publié des affirmations détaillées de Rohlik. L’entreprise indique qu’un déploiement a généré 2,8 millions d’euros d’économies annualisées en trois mois et est entré en production huit semaines après la première discussion.

Selon l’entreprise, la disponibilité des produits dans ce cas est passée de 78 % à 93 % en deux semaines. Les confirmations de livraisons entrantes seraient passées de 52 % à 90 %.

La même étude de cas indique que les négociations annuelles sont devenues automatisées à environ 80 %, plus de 60 employés à temps plein ayant été réorientés de la saisie de données vers la négociation stratégique. Duvo fait également état d’examens de marges plus rapides et d’une clôture de fin de mois plus courte.

Ces chiffres rendent la plateforme d’automatisation de Duvo plus facile à évaluer qu’une vague affirmation sur la productivité. Ils relient la technologie à la disponibilité des stocks, aux négociations avec les fournisseurs, au rapprochement comptable et au temps de travail.

Cependant, la plupart des indicateurs détaillés proviennent de Duvo ou de déclarations de clients sélectionnées par Duvo. Ils n’ont pas été présentés comme les résultats d’une évaluation contrôlée indépendante.

Cela ne signifie pas qu’ils sont faux. Cela signifie que les lecteurs devraient les considérer comme des résultats rapportés dans des études de cas, plutôt que comme des références universelles de performance.

Plusieurs questions restent sans réponse. Les documents publiés ne distinguent pas pleinement la valeur créée par Duvo de celle issue de la refonte des processus, de l’attention du management ou d’autres changements opérationnels menés pendant le déploiement.

Les économies annualisées diffèrent également des économies de trésorerie réellement réalisées. Un nouveau processus peut identifier une opportunité sans garantir que chaque montant identifié atteigne le compte de résultat.

Les acheteurs devraient demander comment Duvo établit une référence, attribue les gains et prend en compte les employés impliqués dans la mise en œuvre et la révision. Ils devraient aussi examiner comment les résultats évoluent après l’extension initiale du processus à plusieurs pays, équipes et configurations logicielles.

La fiabilité exige des mesures tout aussi précises. Les seuls taux d’exécution sont insuffisants si les agents choisissent des actions incorrectes ou transmettent trop de cas aux réviseurs humains.

Des indicateurs opérationnels utiles incluraient la fréquence des exceptions, les taux d’approbation, la gravité des erreurs, la fréquence des annulations et le temps que les employés consacrent à superviser chaque processus. Ces chiffres montreraient si le produit supprime du travail ou en modifie simplement la forme.

La sécurité et la gouvernance méritent une attention égale. Duvo indique enregistrer les approbations et les modifications écrites dans les systèmes clients. L’entreprise affirme également détenir les certifications SOC 2 Type II, ISO 27001 et ISO 42001.

Les certifications prouvent que des contrôles définis existent, mais elles ne garantissent pas que chaque décision automatisée soit correcte. Les clients ont toujours besoin d’autorisations spécifiques aux processus, de surveillance, de tests et de règles d’escalade.

Le marché plus large des agents donne aux acheteurs une raison d’être prudents. Gartner a prédit que plus de 40 % des projets d’IA agentique seront annulés d’ici la fin de 2027. Ses prévisions concernant les projets d’agents citent l’augmentation des coûts, une valeur commerciale incertaine et des contrôles des risques inadéquats.

Duvo se positionne explicitement contre ces modes d’échec. L’entreprise met l’accent sur des résultats mesurables, des approbations gouvernées, des connexions réutilisables et le déploiement sur les systèmes que les clients exploitent déjà.

L’entreprise doit néanmoins faire face aux mêmes pressions économiques. Les appels de modèles, les sessions de navigateur, l’assistance, la surveillance et la révision humaine contribuent tous au coût réel d’un processus automatisé.

Un flux de travail qui crée une valeur significative peut justifier ces coûts. Un processus à faible valeur avec des exceptions fréquentes peut ne jamais devenir rentable, quelle que soit la capacité apparente de l’agent dans une démonstration.

La fidélisation des clients constituera un test plus solide que les premières études de cas. Les extensions à d’autres départements suggéreraient que la plateforme partagée produit une valeur cumulative. Des renouvellements limités impliqueraient que la performance dépend de processus exceptionnellement favorables.

La série A de Duvo donne à l’entreprise le temps de réunir ces preuves. Elle ne tranche pas la question de savoir si les résultats restent stables selon les clients, les secteurs et l’évolution des conditions d’exploitation.

Trois signaux montreront si Duvo peut passer à l’échelle

Le prochain test de Duvo consiste à déterminer si son avantage en matière de découverte des processus produit des déploiements reproductibles, une adoption client plus large et une économie opérationnelle durable.

Le premier signal sera l’expansion chez les clients existants. Duvo affirme qu’une seule plateforme peut prendre en charge des processus dans la finance, la chaîne d’approvisionnement, le service client, le marketing et les ressources humaines.

Les acheteurs devraient observer si les clients passent d’un flux de travail réussi à plusieurs départements. Cette expansion étayerait l’argument selon lequel les connexions, les contrôles et la connaissance des processus peuvent être réutilisés.

La qualité de ces extensions compte autant que leur nombre. Déployer plusieurs flux de travail fournisseurs similaires est plus simple que de s’étendre aux approbations financières, aux processus de gestion des effectifs ou aux décisions clients réglementées.

Des déploiements plus larges renforceraient l’affirmation de Duvo selon laquelle il s’agit d’une plateforme. Si la plupart des clients restent limités à un seul cas d’usage étroit, le produit pourrait davantage se comporter comme un projet d’automatisation spécialisé.

Le deuxième signal sera constitué par les preuves issues du déploiement aux États-Unis. Duvo a recruté des responsables commerciaux expérimentés et cible les entreprises de la distribution et des biens de consommation, où les systèmes fragmentés de fournisseurs et de stocks créent des opportunités d’automatisation évidentes.

Les clients américains peuvent avancer plus vite pendant l’évaluation, mais les contrats d’entreprise exigent toujours des examens de sécurité, juridiques, d’intégration et d’approvisionnement. Duvo doit montrer qu’une découverte plus rapide des processus raccourcit aussi l’ensemble du parcours jusqu’à la production.

Les études de cas devraient divulguer le temps de déploiement, les effectifs de mise en œuvre, les taux d’exception et les résultats réellement obtenus. Des témoignages de clients indépendants auraient plus de poids que de nouvelles affirmations de valeur agrégée.

Le troisième signal sera la manière dont le modèle de Duvo résiste face aux concurrents et aux partenaires de conseil. Les rivaux dans la découverte de flux de travail et l’automatisation par agents continueront de s’améliorer, tandis que les fournisseurs d’automatisation établis peuvent ajouter l’IA générative à leurs plateformes déjà déployées.

Les cabinets de conseil ont également plusieurs options. Ils peuvent distribuer Duvo, adopter des produits concurrents, créer des outils internes ou conserver davantage de découverte manuelle lorsque les clients valorisent l’analyse humaine.

La stratégie d’alliance de Duvo sera mise à l’épreuve lorsque les partenaires décideront si la plateforme développe leur activité ou réduit les tâches rentables. Un canal partenaire reproductible conforterait l’affirmation de Duvo selon laquelle les logiciels peuvent améliorer la prestation de conseil sans éliminer les services stratégiques.

Les preuves techniques compteront dans les trois signaux. Duvo devrait démontrer comment ses agents réagissent lorsqu’un écran change, qu’un employé donne des instructions contradictoires ou qu’un modèle sous-jacent se comporte différemment.

Les acheteurs devraient également surveiller le ratio entre les décisions automatisées et les approbations humaines. Une automatisation en hausse avec des taux d’erreur stables renforcerait la thèse. Des files d’attente de révision croissantes l’affaibliraient.

L’indicateur le plus révélateur pourrait être le délai jusqu’au deuxième processus. Duvo indique que le premier déploiement peut être mis en production en quelques semaines. Si les processus ultérieurs deviennent sensiblement plus rapides, la couche d’exécution partagée crée l’effet de levier promis.

Si chaque nouveau flux de travail exige un autre long cycle de découverte et d’ingénierie, l’économie se rapprochera davantage d’une mise en œuvre d’entreprise conventionnelle.

Duvo a choisi une cible difficile mais importante. Le travail entre les systèmes d’entreprise est coûteux précisément parce qu’il associe des données fragmentées, le jugement humain et l’historique organisationnel.

La série A de Duvo ne prouve pas que les agents peuvent absorber toute cette complexité. Elle finance une tentative sérieuse de transformer les connaissances opérationnelles cachées en logiciels gouvernés sans remplacer les systèmes sous-jacents.

Les acheteurs d’entreprise devraient maintenant poser une question pratique : Duvo réduit-il l’effort total nécessaire pour comprendre, automatiser et maintenir un processus après la fin de la démonstration ? Suivez les déploiements répétés, les données indépendantes sur les résultats et les taux de révision humaine au cours des prochains mois. Ces signaux montreront si l’IA d’entreprise de Duvo devient une infrastructure durable ou un autre projet pilote prometteur dépendant d’un soutien exceptionnel.