Une déclaration de sinistre, une demande de remboursement de droits de douane qui sort du cas standard, un dossier client qui transite par trois logiciels différents. Voilà le terrain que vise Prentis, laboratoire lancé en avril, pendant que le reste de l’industrie continue de filmer des agents qui ouvrent un ticket et poussent une pull request.
La société, cofondée par l’entrepreneur Ritankar Das avec Reid Hoffman, cofondateur de LinkedIn, et Mark Pincus, fondateur de Zynga, négocie une levée de 100 millions de dollars sur une valorisation d’un milliard, selon des informations de presse. Son pari tient en une phrase : l’automatisation des tâches de bureau va dépasser la programmation comme premier usage de l’IA. Ritankar Das, 31 ans, n’en est pas à son premier lancement : sa holding Titan a déjà porté Tala Health et Forta Health, financées à coups de dizaines de millions de dollars.
Le segment que les grands laboratoires ont jugé trop terne
Prentis entraîne ses modèles sur la façon dont les employés de bureau naviguent dans leurs processus routiniers, à travers des documents et des systèmes qui ne se parlent pas. L’objectif : des agents qui pilotent un ordinateur comme le ferait un humain. C’est ce qu’on appelle le computer use : le modèle lit l’écran, déplace le curseur et remplit les champs, au lieu d’appeler une API (interface de programmation) propre et documentée.
Si les grands laboratoires ont commencé par le code, ce n’est pas un effet de mode. La programmation offre trois choses que l’automatisation de bureau n’a pas : des tests qui disent si la tâche est réussie, des dépôts publics à foison pour l’entraînement, et des acheteurs qui savent déjà évaluer un outil. Un remboursement de droits de douane, lui, n’a pas de suite de tests. Il a une règle métier non écrite, un formulaire qui change de version, et un salarié qui sait où cliquer sans savoir l’expliquer.
C’est précisément là que Prentis situe sa marge. Le travail ingrat n’attire personne, donc il reste disponible.
32 milliards de paramètres contre GPT-5.4 et Claude Opus 4.6
La société affirme que son modèle, Hive-32B, dépasse GPT-5.4 d’OpenAI et Claude Opus 4.6 d’Anthropic sur deux benchmarks (tests standardisés de comparaison) : WindowsAgentArena, qui mesure l’accomplissement de tâches complètes sur de vraies applications Windows, et ScreenSpot-v2, qui évalue la capacité à repérer le bon élément à l’écran. Elle revendique surtout un coût par tâche environ dix fois inférieur à celui des API généralistes de pointe.
Ces chiffres viennent de l’entreprise et n’ont pas été vérifiés de façon indépendante : à ce stade, ils valent comme argument commercial, pas comme résultat établi. La logique technique, en revanche, se défend. Naviguer dans une interface est une tâche étroite et très répétitive, et un modèle spécialisé de taille modeste peut y battre un généraliste beaucoup plus lourd.
Le coût, lui, compte plus qu’il n’y paraît. Un dossier d’assurance traité de bout en bout, ce sont des dizaines de captures d’écran analysées, des allers-retours, des reprises après erreur. Au tarif d’un grand modèle généraliste, la facture par dossier tue le cas d’usage avant même la démonstration de valeur. Diviser ce coût par dix ne rend pas l’agent plus habile : cela allonge la liste des tâches qu’on peut lui confier.
50 millions de contrats, facturés sur les économies constatées
Prentis aurait signé jusqu’à 50 millions de dollars de contrats avec plusieurs clients, dont un gestionnaire de services de santé et des industriels des biens de consommation et du vêtement. Les documents transmis aux investisseurs projettent un run rate annualisé (chiffre d’affaires extrapolé sur douze mois) d’environ 75 millions de dollars au troisième trimestre.
La ligne la plus instructive du dossier est en petits caractères. Ces montants correspondent à une valeur annualisée estimée, calculée sur une commission égale à 20 % des économies réalisées. Ce n’est pas du chiffre d’affaires comptabilisé, et l’entreprise précise que ces projections dépendent de la performance et de l’exécution finale des contrats.
Un client paie donc une part de ce que l’agent lui fait économiser. On peut y lire de la confiance : personne ne s’engage sur ce modèle avec des taux de réussite catastrophiques. On peut aussi y lire l’état réel du marché. En 2026, une direction financière ne signe pas un abonnement à l’avance pour un logiciel qui prétend cliquer à la place de ses équipes. Elle paie au résultat, parce que le résultat n’est pas garanti.
Cette clause en dit long sur ce qu’il faut exiger avant de lancer un pilote :
- faites chiffrer le coût actuel de la tâche avant de démarrer, sinon l’économie annoncée n’aura aucune référence à laquelle se comparer ;
- exigez une évaluation sur vos propres processus, vos formulaires, vos exceptions : un score sur WindowsAgentArena ne dit rien de votre back-office ;
- demandez ce qui se passe quand l’interface change de version, car c’est là que ces agents cassent en silence.
Anthropic a fermé Vercept et gardé ses ingénieurs
Le terrain n’est pas vide pour autant. Anthropic, OpenAI et le Thinking Machines Lab de Mira Murati travaillent aussi sur des agents capables d’utiliser un ordinateur. Anthropic a racheté en février Vercept, une start-up de Seattle spécialisée sur le sujet, en intégrant ses fondateurs et en fermant son produit. Google, de son côté, a intégré le computer use directement dans Gemini 3.5 Flash fin juin, en préversion publique. Piloter un écran n’a donc plus rien d’exclusif, et la bataille se déplace vers le coût de chaque tâche.
Le rachat de Vercept renseigne mieux que les classements. Ce qui manque sur ce marché, ce sont les ingénieurs capables de faire tenir un agent dans une interface réelle, avec ses fenêtres modales, ses sessions qui expirent et ses champs mal nommés. Quand un laboratoire de cette taille achète des fondateurs et éteint leur produit, il achète du temps d’avance.
Prentis dispose donc d’une fenêtre, pas d’une position. Son avantage revendiqué tient à un petit modèle, un coût par tâche bas et des contrats indexés sur la performance. Il durera tant que les généralistes jugeront ce marché trop peu spectaculaire pour y descendre sérieusement.
La commission de 20 % sur les économies, elle, se vérifiera sur des factures. Si ces économies se matérialisent, un modèle de 32 milliards de paramètres aura fait passer l’automatisation de bureau du pilote au budget récurrent des directions financières. Sinon, le milliard de valorisation aura surtout payé un très beau récit sur la paperasse.
