Une IA qui apprend les processus métiers, les fait valider par l’humain, puis privilégie leur exécution déterministe.
PARIS — 9 novembre 2026. À l’issue d’une sélection d’experts et de la présentation de ses travaux lors de l’Assemblée générale du Prix de Thèse 2026, l’ANDESE annonce distinguer Subti.ai au titre de son Prix de la Startup en IA. Cette distinction met en lumière une démarche de recherche et développement appliquée à un enjeu central pour les entreprises et les administrations : déployer une IA utile dans les processus métiers, sous contrôle humain, avec des coûts prévisibles et une maîtrise des données.
Subti.ai développe une plateforme d’IA agentique fondée sur des employés IA spécifiques aux besoins de chaque organisation. Son approche associe apprentissage des méthodes et règles métiers, validation humaine et, lorsque les parcours sont stabilisés et éligibles, exécution déterministe. Elle vise ainsi à éviter le recours systématique aux modèles génératifs pour répéter des tâches déjà apprises et validées, afin de mieux maîtriser les coûts de calcul et la consommation de ressources.
Grâce notamment à la Computer Vision, les employés IA peuvent interagir avec les interfaces des logiciels métiers existants, avec ou sans API, sous réserve des droits d’accès et des conditions techniques propres à chaque environnement. Subti.ai privilégie une architecture adaptable aux exigences de sécurité, de souveraineté et de déploiement des organisations, avec supervision et validation humaines aux étapes appropriées.
| SIX DIMENSIONS |
Figure 1 — Graphique radar fourni par SUBTI.ai : positionnement interne sur six dimensions, non benchmark indépendant et non preuve de performance comparative.
« L’enjeu de l’IA agentique est de soulager les organisations des tâches cognitives répétitives, sans retirer à l’humain la responsabilité des décisions. L’apprentissage, la validation humaine et l’exécution contrôlée des processus constituent à cet égard une évolution majeure de l’organisation du travail. »
« En à peine cinquante ans, la révolution informatique a profondément transformé notre rapport au travail, au point que certains cadres passent aujourd’hui près de 40 heures par semaine derrière un écran. Nous entrons désormais dans une nouvelle révolution : celle d’une intelligence artificielle capable de prendre en charge les tâches numériques répétitives pour redonner du temps et de la valeur au travail humain.C’est précisément cette révolution que nous portons chez Subti, avec une IA spécifique, souveraine, durable et sécurisée. Grâce à nos 1 500 développeurs IA internes, nous plaçons le déterminisme au cœur de notre technologie, pour réduire considérablement l’impact environnemental et garantir la maîtrise des coûts, sans dépendance permanente aux modèles génératifs.Notre approche repose également sur la sécurité des données et le contrôle humain, afin que chaque organisation conserve la maîtrise de ses processus et de ses décisions. Enfin, grâce à notre technologie de Computer Vision, nos employés IA s’intègrent aux systèmes informatiques existants, y compris les systèmes historiques (Legacy Systems), avec ou sans API, sans imposer de transformation lourde des infrastructures. » — Corentin FAYARD, fondateur et CEO de Subti.ai.
Dates officielles du CES 2027 — CTA/CES®Subti.ai participera au CES 2027 à Las Vegas, du 6 au 9 janvier 2027, représentée notamment par Corentin FAYARD, fondateur et CEO, et Igor MANFREDI, directeur du développement et des relations publiques. Le prix « Startup en IA de l’année » décerné par l’ANDESE à Subti.ai sera remis à l’occasion du CES 2027.
|
À PROPOS DE SUBTI.ai SUBTI.ai se présente comme une infrastructure française d’IA agentique dédiée aux processus métiers, à l’exécution contrôlée et à l’intégration avec des environnements logiciels existants. www.subti.ai |
CONTACTS PRESSE Daniel BRETONES — Président de l’ANDESE |
ANNEXE SCIENTIFIQUE — LES SIX DIMENSIONS DU GRAPHIQUE RADAR
|
Dimension |
Éléments d’explication |
Référence |
|
|
1. Exécution déterministe après apprentissage |
Subti distingue la phase d’apprentissage des processus métiers de leur exécution. Une fois les règles, les étapes et les validations stabilisées, les tâches adaptées peuvent suivre un parcours déterministe plutôt que solliciter un modèle génératif à chaque opération. La reproductibilité suppose toutefois de maîtriser les versions, les entrées, les exceptions et les conditions d’exécution. |
||
|
2. Commutation algorithmique après apprentissage |
L’enjeu est de transformer un processus appris et validé en une succession d’actions et de règles exécutables. Cette logique peut limiter les appels récurrents aux modèles génératifs sur les parcours stabilisés, tout en conservant une intervention humaine ou un traitement spécifique pour les cas non prévus. Le périmètre d’automatisation dépend de chaque métier. |
||
|
3. Besoin d’accélération GPU |
La distinction entre apprentissage et exécution peut réduire les besoins de calcul intensif lors des opérations répétitives. Selon les processus et l’architecture retenue, certaines exécutions peuvent fonctionner sans sollicitation continue de GPU. Cela ne signifie pas que tout apprentissage, toute fonction de vision ou tout déploiement se passe de GPU. |
||
|
4. Vision informatique et interfaces héritées |
La Computer Vision permet aux employés IA de reconnaître et d’utiliser des éléments d’interfaces logicielles existantes, y compris lorsque celles-ci ne proposent pas d’API adaptée. Cette capacité vise à automatiser des actions dans les outils métiers sans refonte systématique du système d’information. Sa fiabilité dépend des interfaces, des droits d’accès, des contrôles et de la gestion des changements d’écran. |
||
|
5. Souveraineté et déploiement local |
L’approche de Subti privilégie la maîtrise des données et des processus par l’organisation, avec des possibilités d’exécution locale et d’intégration avec ou sans API. Un déploiement sur site peut limiter certains transferts vers des services externes. La souveraineté effective dépend aussi de l’hébergement, des composants utilisés, des accès, de la maintenance et des exigences de sécurité. |
||
|
6. Coût et sobriété énergétique |
En évitant de répéter une inférence générative pour chaque tâche stabilisée, l’exécution déterministe vise des coûts plus prévisibles et une moindre consommation de ressources sur les usages concernés. Le gain réel doit s’apprécier sur l’ensemble du cycle : apprentissage initial, maintenance, infrastructure et volume d’exécutions. La durabilité résulte de cette maîtrise opérationnelle, et non d’un pourcentage universel de réduction. |
Références complémentaires et méthode de communication
[7] Pineau et al., Improving Reproducibility in Machine Learning Research, JMLR, 2021
8] Kuntz et al., OS-Harm: A Benchmark for Measuring Safety of Computer Use Agents, NeurIPS, 2025
[9] International Energy Agency, Energy and AI, 2025
NOTE DE MÉTHODE — À LIRE AVEC LE GRAPHIQUE RADAR
Le graphique radar est un positionnement stratégique fourni par SUBTI.ai. Il ne constitue pas un benchmark indépendant des entreprises citées ni une preuve de résultats propres à SUBTI.ai. Toute communication chiffrée sur les coûts, GPU, énergie ou carbone doit renvoyer à un protocole reproductible : valeur de référence figée, workflow éligible, matériel et versions, volume traité, électricité mesurée ou allouée, PUE, exceptions et méthode de calcul.