Le financement de série B d’Ema rehausse les enjeux pour les logiciels d’entreprise et les services IT

Ema a levé 77 millions de dollars lors d’un financement de série B afin d’intégrer plus profondément ses agents IA aux opérations de RH, d’IT et de finance des entreprises. Ce tour de table donne à la startup davantage de moyens pour s’attaquer directement aux éditeurs de logiciels d’entreprise et aux sociétés de services IT.

Le financement de série B d’Ema a été mené par Creaegis. Les investisseurs existants Accel, Section 32 et Prosus ont renforcé leurs participations, portant le financement total d’Ema à 140 millions de dollars. L’entreprise affirme que sa valorisation a plus que quadruplé depuis son précédent tour en 2024, sans toutefois divulguer le nouveau montant.

L’essentiel ne réside pas uniquement dans la taille du tour. Ema veut que ses agents réalisent des tâches dans les applications existantes, réduisant le besoin pour les employés de naviguer manuellement dans chaque système. Si ce modèle tient ses promesses, les applications logicielles risquent de devenir de simples bases de données sous une couche de flux de travail contrôlée par l’IA.

Cela met sous pression deux modèles économiques établis. Les éditeurs de logiciels vendent l’accès à des applications via des licences et des postes utilisateurs. Les sociétés de services IT tirent leurs revenus de l’implémentation, de l’intégration et de l’exploitation de ces applications. Ema cherche à intégrer une partie de ces deux activités dans un système tarifé selon les tâches accomplies et les résultats métier.

Le financement de série B d’Ema transforme un pari produit en offensive commerciale

Les nouveaux capitaux font passer Ema de la démonstration de son produit à la commercialisation d’un modèle opérationnel alternatif pour le travail en entreprise.

Le financement annoncé le 23 septembre se compose entièrement de capitaux propres primaires, selon le récit de l’entreprise concernant le tour de financement d’Ema. Cela signifie que les fonds vont à l’entreprise, plutôt que de rémunérer les premiers actionnaires ou de refinancer une dette.

Ema prévoit de consacrer une grande partie de cet argent aux ventes, au marketing et à l’expansion internationale. L’entreprise de Mountain View s’est principalement concentrée sur des clients aux États-Unis et en Europe. Elle prévoit désormais de cibler des organisations dans la région Asie-Pacifique, en Amérique du Sud et dans certaines zones du Moyen-Orient.

Cette évolution compte, car Ema a consacré ses premières années au développement de la plateforme et à l’établissement de déploiements. Elle emploie aujourd’hui près de 200 personnes, avec des bureaux à Bengaluru, Londres et Vancouver, en plus de son siège californien. Une organisation commerciale plus étendue donne à l’entreprise davantage de capacités pour concourir sur de grands contrats d’entreprise, souvent lents à se conclure.

Ema a été fondée en 2023 par son CEO Surojit Chatterjee et le responsable de l’ingénierie Souvik Sen. Chatterjee a auparavant occupé des postes de direction chez Google et Coinbase, tandis que Sen a travaillé chez Google et Okta. L’entreprise est sortie du mode furtif en 2024 avec l’ambition de créer un employé IA universel.

Son produit initial associait un moteur de flux de travail à EmaFusion, un système conçu pour sélectionner parmi différents modèles de langage. Cette stratégie était visible lors du lancement d’Ema en 2024, lorsque l’entreprise présentait le choix du modèle comme une composante d’une plateforme plus large d’automatisation pour l’entreprise.

Le dernier tour fait progresser cette thèse. Ema affirme que sa plateforme peut désormais exploiter plus de 150 modèles de pointe et open source. Elle les associe à des intégrations, des connaissances métier, des contrôles d’autorisation et une coordination entre agents.

L’entreprise appelle les systèmes ainsi obtenus des « employés IA ». En pratique, les agents IA d’Ema sont des processus logiciels qui planifient et exécutent des tâches en plusieurs étapes dans diverses applications métier. Ils peuvent récupérer des enregistrements, mettre à jour des systèmes, vérifier les résultats, demander des validations et transmettre les cas inhabituels à des personnes.

Cela diffère d’un chatbot qui répond à une question à la fois. Un employé s’informant sur un congé parental peut avoir besoin de données issues d’un référentiel de politiques internes, de données d’éligibilité provenant d’un système RH et d’un flux d’approbation. Ema affirme qu’une seule expérience agentique peut coordonner ces étapes sans obliger l’employé à visiter chaque application.

L’entreprise a également lancé des produits conçus spécifiquement pour les RH, l’IT et la finance. Ce conditionnement réduit la distance entre une plateforme d’agents généraliste et une application métier déployable. Il offre aux acheteurs des flux de travail prédéfinis tout en conservant une couche d’orchestration commune entre les départements.

Ema affirme qu’elle continuera à investir dans cette plateforme parallèlement à son expansion commerciale. L’équilibre est important. Recruter des commerciaux peut accroître le volume des contrats, mais les clients d’entreprise jugeront le système sur sa fiabilité, sa sécurité, sa gouvernance et ses résultats opérationnels mesurables.

Le financement de série B d’Ema marque donc une transition plutôt qu’une victoire. Les investisseurs soutiennent l’entreprise afin qu’elle reproduise ses premiers déploiements dans davantage d’organisations et de régions. La prochaine étape exige de transformer la traction déclarée en utilisation durable en production.

Pourquoi les agents IA commencent à mettre sous pression les licences par poste

Le pari central d’Ema est que les entreprises paieront pour le travail accompli plutôt que principalement pour l’accès à des applications distinctes.

Les logiciels d’entreprise traditionnels organisent le travail autour de systèmes de référence. Une entreprise achète une application pour les ressources humaines, une autre pour la gestion des services, une autre pour la finance, ainsi que des produits supplémentaires pour la collaboration, l’analytique et les approbations.

Les employés doivent apprendre chaque interface et comprendre comment l’information circule entre elles. Les entreprises paient ensuite des consultants, des intégrateurs de systèmes et des équipes internes pour relier les applications. Cet agencement crée des revenus récurrents pour les éditeurs de logiciels et un travail d’implémentation continu pour les sociétés de services.

Le logiciel d’entreprise d’Ema ne supprime pas immédiatement ces systèmes sous-jacents. Il se place d’abord au-dessus d’eux, utilisant des intégrations pour lire les informations et effectuer des actions autorisées. L’agent devient l’interface, tandis que les applications établies continuent de stocker les enregistrements officiels.

Chatterjee estime que cet agencement peut à terme réduire la dépendance envers les grandes suites logicielles. Il a déclaré à TechCrunch que certains clients se dirigent vers le remplacement de certaines applications SaaS parce que ces produits deviennent « comme une base de données ».

Cette affirmation décrit un possible renversement pour le secteur. Les applications d’entreprise contrôlaient autrefois à la fois les données et l’expérience utilisateur. Les agents IA peuvent séparer ces couches, permettant aux employés de demander un résultat tandis que l’agent décide quels systèmes utiliser.

Les conséquences vont au-delà de la conception des interfaces. La tarification par poste suppose que les utilisateurs tirent de la valeur en se connectant à une application. Lorsqu’un agent effectue le travail pour de nombreux employés, le lien entre les postes, l’usage et la valeur devient plus faible.

Ema affirme ne pas facturer selon les postes logiciels ni selon les tokens IA consommés. Sa tarification est liée à l’exécution des tâches et aux résultats métier. Ce modèle cherche à aligner les dépenses sur le travail effectué, bien que les clients aient toujours besoin de définitions claires des résultats réussis, des exceptions et des résultats contestés.

Cette évolution modifie également la manière dont les acheteurs comparent les fournisseurs. Un processus d’achat classique pourrait évaluer un logiciel RH face à d’autres suites RH. Une plateforme d’agents pose la question de savoir si une entreprise a besoin d’une autre application complète, ou si une couche d’orchestration peut exécuter le flux de travail requis en utilisant les données existantes.

C’est pourquoi le défi d’Ema dépasse une seule catégorie logicielle. La plateforme couvre l’assistance aux employés, la gestion des services IT, les opérations financières et d’autres processus internes. La réussite dans un département peut ouvrir la voie vers des flux de travail adjacents.

Ema affirme que plus de 90 % de ses clients ont étendu leur usage au-delà de leur cas d’utilisation initial. Certains utiliseraient la plateforme dans des dizaines de flux de travail. L’entreprise fait également état d’une rétention nette en dollars proche de 180 %, ce qui signifie que les clients existants ont considérablement augmenté leurs dépenses au fil du temps.

Ces chiffres restent déclarés par l’entreprise, et Ema n’a pas communiqué son rythme de revenus annualisés. Néanmoins, le schéma d’expansion importe davantage qu’une démonstration isolée. Les agents d’entreprise deviennent stratégiquement significatifs lorsqu’un acheteur réutilise la même plateforme dans plusieurs départements.

Le calendrier reflète également des améliorations en dehors d’Ema. Les modèles de pointe sont devenus meilleurs en raisonnement, en utilisation d’outils et en maintien du contexte dans des missions en plusieurs étapes. Les fournisseurs cloud et les éditeurs de logiciels ont étendu les connecteurs et les cadres d’autorisation autour de ces modèles.

Dans le même temps, les grands développeurs d’IA se rapprochent des flux de travail d’entreprise. Anthropic a introduit des agents et des intégrations pour des tâches telles que la recherche financière, la conformité et le reporting de fin de mois. Ses modèles d’agents financiers montrent comment les fournisseurs de modèles peuvent eux-mêmes conditionner du travail spécifique à un domaine.

OpenAI est allé plus loin dans les services de déploiement. Sa deployment company intègre des ingénieurs dans les organisations clientes et apporte une expertise de mise en œuvre en parallèle de ses modèles. Cette approche concurrence des dépenses qui allaient auparavant principalement aux cabinets de conseil et aux intégrateurs de systèmes.

Chatterjee présente ces entreprises de modèles comme des fournisseurs plutôt que comme des concurrents directs. Parce qu’Ema peut acheminer le travail entre de nombreux modèles, les améliorations réalisées dans les laboratoires d’IA peuvent accroître les capacités de sa plateforme. Toutefois, ces laboratoires peuvent aussi créer leurs propres produits d’agents, intégrations et services.

La frontière concurrentielle est donc mouvante. Ema bénéficie de l’amélioration des modèles, mais doit conserver suffisamment de valeur dans l’orchestration, la gouvernance, les connaissances métier et l’exécution des flux de travail. Sinon, les fournisseurs de modèles ou les éditeurs de logiciels établis peuvent absorber les mêmes fonctions.

Le principal affrontement oppose les agents à la pile logicielle lourde en services

Ema concurrence un modèle combinant logiciels et services, et non simplement une autre startup d’agents IA.

Les grandes entreprises achètent rarement un logiciel comme un produit autonome. Elles paient aussi pour la configuration, la migration des données, les intégrations sur mesure, le travail de conformité, la formation des employés et le support continu. Ces services peuvent se poursuivre longtemps après la signature du contrat de l’application initiale.

La proposition d’Ema compresse certaines parties de cette pile. Ses agents sont conçus pour fonctionner dans les systèmes existants, apprendre des déploiements et exécuter des processus récurrents avec moins d’intervention humaine. L’entreprise affirme que cela peut réduire à la fois la dépendance aux applications et le travail d’implémentation lourd en services.

L’exemple le plus clair est le support IT. Un centre de services classique peut recevoir un ticket, le classifier, rechercher dans la documentation, vérifier les autorisations de l’utilisateur, mettre à jour un système et escalader le dossier. Un agent qui gère ces étapes peut réduire le nombre de tickets de routine arrivant aux personnes.

Ema affirme qu’un grand intégrateur mondial de systèmes utilise son assistant pour employés auprès de plus de 240 000 collaborateurs dans 65 pays. Selon les chiffres de déploiement de l’entreprise, le système automatise plus de 100 flux de travail et traite environ 2,9 millions de requêtes par an.

L’entreprise affirme que ce déploiement a raccourci les temps de réponse, amélioré la satisfaction des employés, évité environ 60 % des tickets et permis à l’équipe des opérations RH de fonctionner avec moins de personnel. Il s’agit des mesures d’Ema, et non de résultats de performance vérifiés de manière indépendante.

Un autre déploiement signalé traite plus d’un million de tickets annuels de gestion des services IT pour un grand prestataire d’externalisation des processus métier. Ema affirme que le système vocal associé traite plus d’un million d’appels dans plus de 15 langues, moins de 10 % étant escaladés vers des personnes.

Un troisième client, décrit comme un conglomérat mondial, serait passé du concept à la production en quatre semaines. Ema indique que le déploiement s’est connecté à plus de 20 systèmes de référence et sert plus de 40 000 employés.

Ces exemples montrent pourquoi les prestataires de services font face à un choix complexe. Ils peuvent considérer les agents comme des concurrents qui automatisent du travail facturable. Ils peuvent aussi utiliser des plateformes d’agents pour servir leurs clients plus efficacement, protéger leurs comptes et créer de nouvelles offres d’implémentation.

Selon Chatterjee, de nombreuses sociétés de services travaillent déjà avec Ema tout en faisant évoluer leurs propres modèles économiques. Cette coopération est logique, car les entreprises ont toujours besoin de conception des processus, de gouvernance, d’intégration et de conduite du changement. L’IA n’élimine pas ces besoins.

La pression pèse surtout sur les tâches répétables facturées via de grandes équipes. Si un agent peut résoudre des demandes courantes, rapprocher des dossiers habituels ou effectuer des vérifications standard, les clients remettront en question les contrats fondés principalement sur le volume de main-d’œuvre.

La relation avec les prestataires peut toutefois perdurer sous une autre forme. Les agents nécessitent des contrôles d’accès, des systèmes d’évaluation, des règles d’escalade et une surveillance. Les organisations réglementées ont également besoin d’éléments prouvant quelles données un agent a consultées et pourquoi il a effectué une action donnée.

Certaines entreprises de modèles reconnaissent explicitement cette réalité. Anthropic, par exemple, s’est associé à un grand fournisseur de services informatiques afin d’intégrer Claude dans des systèmes utilisés par des secteurs réglementés. L’alliance DXC prévoit notamment de former des ingénieurs déployés sur le terrain plutôt que d’éliminer entièrement le travail de services.

Ema doit donc démontrer que son approche centrée sur le produit réduit la dépendance aux services sur mesure sans simplement déplacer ces services ailleurs. Une plateforme exigeant une configuration manuelle importante pour chaque client affaiblirait son argument économique.

La marge brute annoncée fournit un premier indicateur. Ema affirme que sa marge approche 80 %, malgré l’exécution de travaux habituellement associés à des services intensifs en main-d’œuvre. Chatterjee attribue en partie ce niveau à la diminution du soutien humain à mesure que le système apprend de ses déploiements.

Les investisseurs semblent croire que la plateforme peut conserver une économie de type logiciel tout en traitant des charges de travail de type services. Creaegis a dirigé le tour de table, tandis que tous les principaux investisseurs existants y ont participé avec un engagement accru.

Cela ne règle pas pour autant la compétition. Les contrats d’entreprise peuvent masquer des coûts de déploiement significatifs, de l’ingénierie spécifique à chaque client et des dépenses d’inférence dans le cloud. Une marge brute élevée déclarée doit rester stable à mesure que l’entreprise s’étend à davantage de régions, de secteurs et de flux de travail complexes.

Ema fait également face à des entreprises d’agents bien financées. Sierra se concentre fortement sur les tâches en contact avec les clients et affirme que ses agents traitent des milliards d’interactions. Un tour de financement de Sierra aurait valorisé cette entreprise à plus de 15 milliards de dollars.

D’autres concurrents se spécialisent dans le support client, les systèmes vocaux, les flux de travail départementaux ou l’infrastructure pour agents. Des fournisseurs établis tels que Microsoft, Salesforce, ServiceNow, Workday et SAP peuvent intégrer des agents aux produits auxquels les clients font déjà confiance.

L’avantage d’Ema doit venir de sa capacité à fonctionner au-delà de ces frontières. Si l’agent de chaque acteur établi reste le plus performant dans sa propre suite, les acheteurs pourraient préférer une couche d’orchestration indépendante. Si les acteurs établis coopèrent efficacement entre les systèmes, la position d’Ema devient plus difficile à défendre.

Les agents IA d’Ema dépendent de l’orchestration, et non d’un seul modèle

La thèse technique d’Ema est qu’une automatisation d’entreprise fiable nécessite une coordination autour des modèles de langage, et non une fidélité à un seul fournisseur de modèles.

Un modèle de langage peut interpréter la demande d’un employé, mais l’exécution en entreprise exige des composants supplémentaires. Le système doit identifier l’utilisateur, récupérer des données autorisées, choisir des outils, préserver le contexte, vérifier les résultats et reconnaître le moment où un humain doit intervenir.

EmaFusion sert de couche de routage dans l’architecture d’Ema. L’entreprise indique pouvoir choisir parmi plus de 150 modèles de pointe et open source. Différents modèles peuvent être attribués selon les exigences de la tâche, les performances, les politiques de données ou les coûts d’exploitation.

Cette conception flexible vis-à-vis des modèles réduit la dépendance à un fournisseur unique. Elle permet également à Ema de bénéficier de la sortie d’un modèle plus performant par un fournisseur. Chatterjee a décrit les progrès des laboratoires de pointe comme bénéfiques pour l’entreprise à ce titre.

L’accès aux modèles offre toutefois une protection limitée. Les concurrents peuvent souvent obtenir une licence pour les mêmes modèles fondamentaux. La valeur défendable d’Ema doit résider dans ses intégrations, sa logique de flux de travail, ses contrôles d’entreprise, ses données d’évaluation et sa connaissance du comportement des processus en production.

Prenons une demande RH concernant une politique de congés. Le modèle de langage peut comprendre la question, mais une exécution précise dépend des documents de politique à jour, des règles propres au lieu, des dossiers d’emploi et de l’autorité d’approbation. Chaque source peut évoluer indépendamment.

Un agent fiable doit distinguer la réponse à une question de la modification d’un dossier officiel. Il doit savoir quand un consentement est requis, quand un responsable doit approuver une action et quand des informations contradictoires rendent l’automatisation risquée.

Le même principe s’applique à l’informatique. Réinitialiser un accès, provisionner un logiciel ou modifier un groupe de sécurité peut affecter des systèmes sensibles. L’agent a besoin d’autorisations limitées et d’une piste d’audit claire. Une réponse fluide ne peut pas remplacer une exécution correcte.

Les flux de travail financiers élèvent encore davantage les enjeux. Les rapprochements, les approbations d’achats et les modifications de comptes doivent respecter des contrôles formels. Un agent peut préparer ou exécuter certaines étapes, mais les entreprises ont besoin d’une séparation des fonctions et d’une supervision humaine pour les décisions critiques.

Ema affirme que ses systèmes peuvent contrôler leur propre travail et transmettre les approbations lorsque nécessaire. Ces contrôles sont essentiels à la crédibilité du produit. Ils sont aussi difficiles à évaluer à partir du nombre de clients ou du volume global de requêtes.

La promesse plus large de la plateforme s’apparente à un plan de contrôle intelligent. Au lieu de remplacer immédiatement chaque système, elle coordonne l’environnement existant via une interface commune. Avec le temps, les applications peu utilisées pourraient perdre de leur importance stratégique si l’agent prend en charge l’interaction.

Ce mécanisme explique pourquoi le logiciel d’entreprise d’Ema menace les acteurs établis avant même que les clients ne résilient leurs applications. L’agent peut affaiblir la relation directe entre les utilisateurs et les produits individuels. Les fournisseurs deviennent des prestataires d’infrastructure sous l’interface d’une autre entreprise.

Le même mécanisme favorise l’expansion interservices. Une couche d’agents commune peut combiner des informations provenant de l’informatique, des RH et de la finance lorsqu’un processus traverse les frontières organisationnelles. L’intégration d’un employé, par exemple, peut impliquer la création d’une identité, des demandes d’équipement, des dossiers de paie, des accusés de réception des politiques et des approbations de responsables.

C’est aussi là que les connaissances personnelles et organisationnelles deviennent importantes. Un agent a besoin de davantage que de dossiers transactionnels. Il peut nécessiter des politiques, l’historique des projets, des documents et du contexte expliquant comment une équipe travaille réellement.

Pour les travailleurs du savoir individuels, une base de connaissances personnelle répond à un problème similaire à plus petite échelle. Elle facilite la recherche et l’application d’informations dispersées sans remplacer les systèmes d’où ces informations proviennent.

Le défi d’Ema consiste à appliquer une couche de contexte comparable à l’ensemble des opérations de l’entreprise tout en préservant les autorisations et la responsabilité. Plus un agent touche de systèmes, plus la coordination devient précieuse. L’impact potentiel d’une erreur augmente également.

Ce compromis maintient les humains dans le système. L’architecture d’Ema inclut une supervision humaine pour les décisions critiques, selon l’entreprise. Les déploiements les plus solides automatiseront probablement les parcours courants tout en orientant les cas ambigus, sensibles ou à fort impact vers des employés qualifiés.

Ce que les chiffres de croissance d’Ema ne prouvent toujours pas

Ema a communiqué des indicateurs d’expansion inhabituellement solides, mais l’entreprise n’a pas divulgué suffisamment de détails financiers pour vérifier la pérennité de sa croissance.

Ema affirme disposer de plus de 50 contrats d’entreprise actifs et de plus d’un million d’utilisateurs actifs en entreprise. La plateforme aurait traité plus de 5 millions d’actions et de requêtes pour des clients tels que Hitachi, ADP, PwC, Google, KPMG, Wipro, Microsoft et NTT DATA.

L’entreprise affirme également que son chiffre d’affaires a été multiplié par 50 au cours des deux dernières années. Les réservations de revenus ont dépassé 150 millions de dollars, selon Chatterjee, tandis que la rétention nette en dollars se situe autour de 180 %.

Chaque chiffre exige du contexte. Une croissance multipliée par cinquante peut partir d’une petite base. Ema n’a pas divulgué le chiffre d’affaires initial ni son rythme actuel de revenus annualisés, ce qui rend l’évaluation de l’échelle absolue difficile.

Les réservations ne sont pas équivalentes au chiffre d’affaires reconnu. Le chiffre d’Ema comprend la valeur totale des accords pluriannuels, y compris des contrats de deux ou trois ans. Une partie de cette valeur sera reconnue plus tard et peut dépendre des conditions contractuelles ou de la réussite de la prestation.

Une rétention nette en dollars proche de 180 % indiquerait une expansion majeure chez les clients existants. Toutefois, les lecteurs ne connaissent ni la taille de la cohorte mesurée, ni la période de calcul, ni l’effet de la tarification fondée sur les résultats.

Les utilisateurs actifs et les actions réalisées mesurent également des choses différentes. Une entreprise peut rendre un agent disponible pour un vaste effectif alors que seule une partie l’utilise régulièrement. Le volume de requêtes ne révèle ni la complexité des tâches, ni la précision, ni le nombre de demandes ayant nécessité une correction humaine.

Les clients nommés d’Ema apportent une validation significative, mais l’ampleur de chaque déploiement varie. Un flux de travail départemental limité dans une grande entreprise diffère d’un remplacement à l’échelle de l’entreprise de logiciels établis.

Le langage du remplacement mérite donc la prudence. Ema a des éléments montrant que les clients étendent leurs déploiements et automatisent des charges de travail significatives. L’entreprise n’a pas montré qu’un grand nombre d’organisations avaient supprimé leurs applications SaaS centrales.

Le résultat à court terme pourrait être un ajout plutôt qu’une substitution. Les entreprises pourraient continuer à payer leurs fournisseurs de logiciels existants tout en ajoutant une plateforme d’agents au-dessus de ceux-ci. Cela peut améliorer l’expérience des employés, mais accroître les dépenses technologiques totales.

La tarification fondée sur les résultats soulève également des questions de mesure. Le client et le fournisseur doivent convenir de ce qui constitue un travail achevé. Un ticket de support résolu n’a pas de valeur si la résolution est erronée, génère ultérieurement un incident ou frustre l’employé.

Les agents peuvent entraîner des coûts cachés liés à la surveillance, à la gestion des exceptions, à l’utilisation des modèles, aux examens de sécurité et à la maintenance des intégrations. Ces coûts peuvent rester gérables, mais les acheteurs ont besoin d’une comptabilité opérationnelle complète plutôt que d’un indicateur d’automatisation limité.

La sécurité présente une autre incertitude. Un agent capable d’agir dans les RH, l’informatique et la finance reçoit un accès étendu à des informations sensibles et à des systèmes d’entreprise. Des identifiants compromis, des instructions défaillantes ou des entrées manipulées peuvent se propager dans les flux de travail connectés.

La gouvernance devient plus difficile lorsque la plateforme utilise de nombreux modèles sous-jacents. Les entreprises doivent comprendre où circulent les données, quel modèle a traité une demande, quelles règles ont guidé le choix et comment le résultat a été évalué.

L’expansion internationale ajoute des exigences réglementaires et de localisation. Les règles d’emploi, les obligations de confidentialité, les performances linguistiques et la résidence des données varient selon les marchés ciblés par Ema. Un flux de travail fonctionnant bien dans une juridiction peut nécessiter des modifications importantes ailleurs.

La pression concurrentielle augmentera également. Les fournisseurs de modèles peuvent proposer des modèles d’agents et des équipes de déploiement. Les acteurs établis du logiciel peuvent intégrer des agents à leurs contrats existants. Les sociétés de services peuvent développer leurs propres produits d’orchestration ou devenir des partenaires d’implémentation pour plusieurs plateformes.

L’architecture neutre vis-à-vis des modèles d’Ema est un atout, mais la neutralité seule ne constitue pas un avantage durable. Les acheteurs attendront des intégrations plus profondes, des évaluations plus solides et des contrôles propres à chaque secteur. Ils compareront également les résultats d’Ema avec ceux des agents intégrés aux logiciels qu’ils possèdent déjà.

Le financement de série B d’Ema donne à l’entreprise du temps et des ressources pour répondre à ces questions. Il ne les fait pas disparaître. Les preuves les plus importantes viendront de déploiements répétés en production, de résultats audités, des comportements de renouvellement et d’une économie stable.

Trois signaux montreront si Ema peut transformer les dépenses des entreprises

Le prochain test consistera à voir si Ema peut convertir l’expansion chez ses clients en réductions mesurables de la dépendance aux logiciels et aux services.

Le premier signal est le retrait d’applications. Ema affirme que certains clients s’orientent vers le remplacement de grands produits SaaS, mais l’entreprise n’a pas identifié un large ensemble de remplacements déjà finalisés. Des exemples précis d’applications abandonnées ou d’engagements de licences réduits renforceraient son argument central.

Les acheteurs doivent distinguer la baisse du nombre de connexions des employés d’une réduction des dépenses logicielles. Un agent peut masquer une application tout en laissant l’entreprise payer le système sous-jacent. Un véritable remplacement suppose une modification du contrat, un déploiement plus restreint ou le retrait du produit.

Le deuxième signal concerne la qualité de l’expansion. Ema indique que plus de 90 % de ses clients ont dépassé leur premier cas d’usage. La preuve la plus convaincante viendra de renouvellements maintenant une forte rétention nette, sans grandes équipes d’ingénierie sur mesure ni érosion des marges.

Il faudra observer si la marge brute reste proche du niveau communiqué par Ema à mesure que les déploiements gagnent en complexité. Des marges stables étayeraient l’idée que les logiciels peuvent absorber efficacement le travail habituellement assuré par les services. Des marges en baisse suggéreraient que l’automatisation en entreprise exige encore une importante intervention humaine.

Le troisième signal sera la réaction des acteurs établis et des partenaires. Les éditeurs de logiciels peuvent exposer davantage de fonctions aux agents externes, restreindre l’accès à leurs plateformes, améliorer leurs propres assistants ou intégrer l’automatisation aux accords existants. Les sociétés de services peuvent s’opposer au remplacement du travail humain ou utiliser les agents pour repenser leurs offres.

Les développeurs de modèles comptent également. OpenAI et Anthropic développent des produits pour les entreprises, des organisations de déploiement et des partenariats avec des consultants. Leurs actions peuvent améliorer la technologie utilisée par Ema tout en réduisant simultanément l’espace disponible pour les plateformes indépendantes d’orchestration.

Au cours des prochains mois, les communications des clients seront plus instructives qu’une nouvelle annonce de financement. Les déploiements nommés devraient expliquer quels flux de travail fonctionnent de manière autonome, ce dont les humains restent responsables, comment le succès est mesuré et si les contrats relatifs aux anciens logiciels ou services ont changé.

Les acheteurs en entreprise devraient examiner les mêmes éléments avant de considérer les employés IA comme des remplaçants. Ils ont besoin de mesures de précision au niveau des tâches, de taux d’escalade, de contrôles de sécurité, de coûts d’exploitation totaux et d’une responsabilité contractuelle. Une interface soignée ne suffit pas lorsqu’un logiciel peut modifier des dossiers financiers, du personnel ou des droits d’accès.

Les travailleurs du savoir devraient également y prêter attention, car l’interface avec les logiciels d’entreprise évolue. Les employés pourraient passer moins de temps à naviguer entre les applications et davantage à définir les résultats attendus, examiner les exceptions et superviser le travail automatisé.

Cette évolution peut réduire l’administration répétitive, mais elle déplace aussi l’influence vers la plateforme qui contrôle le contexte et l’exécution. Les organisations doivent décider qui gouverne cette couche, quelles données restent faisant autorité et comment les employés peuvent contester la décision d’un agent.

Le financement de série B d’Ema rend plus difficile de rejeter cette concurrence comme une simple expérimentation produit. L’entreprise dispose désormais de 77 millions de dollars de nouveaux capitaux pour commercialiser une alternative directe aux opérations d’entreprise fortement dépendantes des services.

La question est concrète pour les acheteurs : les agents IA d’Ema peuvent-ils éliminer des applications, le travail d’implémentation et des coûts d’exploitation sans affaiblir le contrôle ? Il faut suivre les retraits effectifs, l’économie des renouvellements et les résultats vérifiés en production. Ces signaux montreront si Ema transforme les dépenses des entreprises ou ajoute simplement une couche supplémentaire.