Prevalent AI veut transformer le chaos des données d’entreprise en contexte fiable pour l’IA

Prevalent AI part d’un constat simple : ni les collaborateurs ni les systèmes d’IA ne peuvent prendre des décisions fiables lorsque les données d’une organisation sont dispersées entre des outils qui se contredisent ou ne communiquent pas entre eux. L’entreprise londonienne connecte des centaines de ces sources au sein d’un graphe de connaissances interrogeable et mis à jour en continu.

La société vient de lever 22 millions de dollars auprès d’Integrity Growth Partners (IGP), un investisseur basé à Los Angeles. Il s’agit de son premier apport de capital primaire en neuf ans. L’objectif est de transformer une entreprise largement autofinancée en une organisation mondiale plus ambitieuse, tout en faisant évoluer sa technologie au-delà de son marché d’origine : la cybersécurité.

Qui a fondé Prevalent AI ?

Prevalent AI a été créée en 2017 par Paul Stokes, aujourd’hui directeur général, et Arun Raj, son directeur des opérations. L’équipe fondatrice s’appuyait également sur une expérience de premier plan dans le renseignement et la cybersécurité britanniques, notamment celle de Sir Iain Lobban, ancien directeur du GCHQ, et d’Andrew France, ancien responsable de la cyberdéfense au GCHQ et cofondateur de Darktrace.

Ce parcours éclaire le positionnement initial de l’entreprise. Dans le renseignement comme dans la cybersécurité, il faut reconstituer une situation fiable à partir d’informations incomplètes et réparties entre de nombreuses sources, puis repérer les liens, les angles morts et les risques.

Que fait la plateforme de Prevalent AI ?

Prevalent présente sa technologie comme une trame de données alimentée par l’IA — ou AI-powered data fabric — et comme un graphe de connaissances souverain. Concrètement, la plateforme se connecte aux systèmes d’une entreprise et construit autour de ces informations un modèle unifié de son fonctionnement.

Le graphe peut représenter les relations entre :

• les actifs et les systèmes ;
• les identités et les droits d’accès ;
• les contrôles de sécurité ;
• les données et les processus métier ;
• les lacunes opérationnelles ou les failles de contrôle.

Comme il est conçu pour rester à jour, le graphe permet aux équipes de sécurité de comprendre ce qui existe dans leur environnement informatique, comment les différents éléments sont liés et quels actifs ou contrôles sont potentiellement insuffisamment surveillés.

Le terme « souverain » renvoie au contrôle exercé par le client sur la base de données. Selon Prevalent, celui-ci détermine l’emplacement physique des données sous-jacentes, plutôt que de les confier à un environnement cloud partagé.

La plateforme ne s’adresse donc pas uniquement aux spécialistes de la sécurité. Prevalent veut également fournir ce contexte connecté aux équipes métier et aux agents d’IA, qui ont besoin d’informations fiables sur l’organisation avant de pouvoir agir de manière sûre et cohérente.

Pourquoi la cybersécurité a-t-elle été le premier terrain d’application ?

La cybersécurité constituait le cas d’usage le plus évident : des informations fragmentées peuvent y provoquer des dommages opérationnels immédiats. Les équipes doivent prendre des décisions importantes sur de vastes ensembles de systèmes, d’identités, de contrôles et de données, alors même que ces sources sont parfois incomplètes ou incohérentes.

Le directeur général Paul Stokes a décrit la sécurité comme le domaine « où les données fragmentées causent le plus de dégâts ».

Ce point de départ a permis à Prevalent de tester son approche dans un environnement particulièrement exigeant. L’entreprise estime désormais que le même problème se pose partout où des collaborateurs ou des systèmes automatisés doivent décider à partir de données réparties entre plusieurs départements et applications.

Quelle est la prochaine étape au-delà de la cybersécurité ?

Prevalent vise désormais le risque d’entreprise au sens large, et non plus seulement la sécurité informatique. Les domaines d’expansion cités comprennent notamment la conformité, la criminalité financière et le risque opérationnel.

Le principe reste identique : rassembler des informations disparates, conserver les relations entre les différents enregistrements et fournir un contexte organisationnel actualisé, consultable par des humains ou des systèmes d’IA. Seule la question métier change : exposition de sécurité, obligation réglementaire, risque de criminalité financière ou dépendance opérationnelle.

Les annonces disponibles présentent cette évolution comme une extension d’une technologie développée pour la cybersécurité et le risque d’entreprise, et non comme la preuve que tous les nouveaux cas d’usage sont déjà pleinement déployés.

À quoi serviront les 22 millions de dollars ?

L’investissement d’IGP doit soutenir plusieurs priorités :

1. Développer l’organisation commerciale mondiale : Prevalent prévoit de renforcer ses équipes de vente, de marketing, de réussite client et de partenariats.
2. Accélérer la croissance aux États-Unis : l’entreprise veut intensifier son expansion américaine tout en consolidant sa présence sur ses marchés existants.
3. Renforcer l’équipe dirigeante : le financement doit contribuer à étoffer la direction à mesure que l’entreprise change d’échelle.
4. Élargir le produit et les marchés ciblés : les fonds serviront à poursuivre le développement de la trame de données et du graphe de connaissances, ainsi qu’à étendre la plateforme aux risques d’entreprise et à de nouveaux usages de l’IA.

Cette levée se distingue aussi par son calendrier. Elle est présentée comme le premier financement primaire de l’histoire de Prevalent AI, neuf ans après sa création. Selon les informations communiquées par l’entreprise et plusieurs publications spécialisées, la société s’était jusque-là développée grâce à la demande de ses clients et à sa rentabilité, sans financement institutionnel externe.

Le pari du contexte d’entreprise

Prevalent AI ne veut pas faire de son graphe de connaissances un simple entrepôt de données supplémentaire pour la cybersécurité. Sa thèse est plus large : pour fonctionner de manière fiable, l’IA d’entreprise a besoin d’une couche de contexte organisationnel solide avant que ses agents puissent agir.

Les 22 millions de dollars donnent à la société les moyens de mettre cette idée à l’épreuve à une échelle beaucoup plus importante : d’abord en développant ses équipes commerciales et sa présence aux États-Unis, puis en appliquant à d’autres décisions liées au risque une base de données éprouvée dans la cybersécurité. La réussite de cette stratégie dépendra de sa capacité à garder les données complexes de ses clients connectées, à jour et réellement exploitables dans ces nouveaux domaines.