INXM sort de l'ombre avec 5,7 millions d'euros pour résoudre le problème de fiabilité de l'IA en entreprise

L'équipe fondatrice n'a pas été choisie au hasard. Son ADN technique provient directement de l'aérospatiale, un secteur où l'erreur logicielle est tout simplement impensable :

• Alexander (Alex) Oelling, CEO — Ancien directeur digital (CDO) d'Isar Aerospace et de Volocopter.
• Matthias Kainer — A conçu les systèmes d'orchestration de lancement chez Isar Aerospace.
• Jesper Bylund — Expert en interfaces de contrôle de vol, passé par la plateforme d'automatisation n8n.
• Kamil Klüber — Vétéran du cabinet de conseil en logiciels Thoughtworks.

Ce pedigree n'est pas anecdotique : un logiciel de lancement de fusée doit exécuter des séquences déterministes sous validation stricte. Il n'a pas le droit à l'improvisation. INXM applique aujourd'hui la même rigueur aux workflows d'entreprise, apportant une véritable Kulturlösung (solution culturelle) issue du monde du « safety-critical software » dans l'univers de l'IA générative.

Pourquoi les agents IA échouent en production industrielle

La plupart des outils d'automatisation basés sur des LLM, souvent appelés « agents », invoquent le modèle de langage à chaque étape d'un processus. Pour une PME industrielle ou une usine connectée, cette architecture pose trois problèmes majeurs :

• Non-déterminisme. Une même requête peut produire des actions ou des résultats différents à chaque exécution. Pour une piste d'audit ou une certification ISO, c'est un véritable cauchemar.
• Risque d'hallucination. Un modèle qui inventerait une étape de validation, ou qui omettrait un contrôle de sécurité, exposerait l'entreprise à une responsabilité juridique et industrielle inacceptable.
• Souveraineté des données. L'envoi de données de production vers des API cloud tierces (comme OpenAI ou Anthropic) entre directement en conflit avec le RGPD, le futur règlement européen sur l'IA (AI Act) et les politiques de sécurité internes.

Résultat : beaucoup d'industriels testent des démos d'agents IA, mais très peu les déploient en conditions réelles sur une chaîne de production. La promesse technologique est séduisante, mais elle ne satisfait pas aux standards de fiabilité exigés par l'IT et le « shop floor » depuis des décennies.

L'IA Compilée : une rupture architecturale

Au lieu d'une boucle de dialogue permanente avec un LLM, INXM adopte le paradigme du compilateur logiciel. Le processus se déroule en deux phases distinctes :

1. Phase de compilation : Un utilisateur métier décrit un processus (par exemple, une procédure de contrôle qualité) en langage naturel. Un LLM est utilisé une seule fois pour générer un « Plan » structuré, un code déterministe et exécutable. Ce plan est ensuite validé avant d'être autorisé à s'exécuter, selon un principe de « mandatory multi-stage validation before deployment ».
2. Phase d'exécution : Le plan validé est pris en charge par l'Orchestrator, qui l'exécute de manière totalement déterministe, sans jamais faire appel à nouveau au modèle de langage. Le moteur dialogue directement avec les systèmes existants de l'entreprise (ERP, PLM, MES, messagerie, outils de validation). À chaque fois, il produira le même résultat.

La différence fondamentale est la suivante : un agent standard appelle le LLM pour chaque micro-tâche, multipliant la latence, le coût des tokens, les risques d'hallucination et l'opacité de l'audit. INXM, à l'inverse, « compile » l'intention une seule fois, puis exécute un programme fixe. Le résultat est reproductible, testable et parfaitement conforme. D'où le nom d'« IA Compilée » : la flexibilité du langage naturel, la fiabilité du code compilé.

Prenons un exemple concret. Imaginons le workflow d'inspection qualité dans une usine automobile. Un ingénieur décrit en langage courant les étapes de validation : « Vérifier la conformité du lot, contrôler la pression, envoyer un rapport au responsable qualité ». L'Orchestrator compile cela en une séquence figée et auditable. Un responsable approuve le processus une fois pour toutes, et le workflow s'exécutera à l'identique à chaque nouvel événement de production, sans jamais envoyer une donnée hors du réseau local ni risquer une improvisation du modèle.

Souveraineté des données et conformité

L'Orchestrator est conçu pour tourner sur les infrastructures propres de l'entreprise, que ce soit sur site (on-premise) ou dans un cloud privé. Les données de production ne franchissent jamais les murs de l'usine. Cette architecture privacy-by-design est décisive face au RGPD et à l'AI Act européen. Elle permet également à INXM d'interagir avec des logiciels industriels hérités qu'un outil cloud-only ne pourrait jamais atteindre.

Une cible industrielle au cœur de la stratégie

INXM ne cherche pas à jouer sur le terrain général de l'automatisation « no code » pour tous. Sa cible est précise : les grands industriels et le Mittelstand allemand, ces champions cachés de l'exportation qui opèrent des machines complexes avec des systèmes legacy, des exigences réglementaires fortes et un besoin absolu de répétabilité. Ce sont ces entreprises qui ont déjà refusé les agents IA généralistes car ils ne sont pas assez dignes de confiance pour entrer en production.

Avec 5,7 millions d'euros en poche, une équipe qui a déjà livré du logiciel critique pour l'aérospatial, et une approche technique redéfinissant l'IA d'entreprise comme un problème de compilation plutôt que de conversation, INXM parie que le véritable goulot d'étranglement de l'IA industrielle n'est pas la capacité technologique, mais la fiabilité.