Dust ou l'IA d'entreprise qui se joue à plusieurs : ce que les DSI doivent en retenir

Le 18 mai 2026, Dust a annoncé une Série B de 40 millions de dollars, co-menée par Abstract et Sequoia, qui porte le total levé au-delà de 60 millions. La société, immatriculée à Paris en février 2023 par deux anciens de Stripe, revendique plus de 3 000 organisations clientes¹. Sa thèse : l'IA générative reste en entreprise un usage individuel, et la valeur se trouve dans des agents partagés entre équipes. Une DSI peut en tirer des leçons, qu'elle choisisse Dust ou non.

Deux fondateurs, une longue histoire commune

Gabriel Hubert et Stanislas Polu se sont rencontrés à Stanford en 2007. Ils ont cofondé Totems, une société d'analyse de données rachetée par Stripe en 2014, puis y ont passé cinq ans. Gabriel Hubert est ensuite devenu Chief Product Officer de l'assureur Alan. Stanislas Polu a rejoint OpenAI comme research engineer dans l'équipe de Greg Brockman, où il a cosigné avec Ilya Sutskever des travaux sur le raisonnement des modèles¹. Selon le récit de l'entreprise, il quitte OpenAI en septembre 2022 avec une conviction : les modèles sont déjà capables de transformer l'économie, mais restent sous-déployés faute de couche produit. Dust est immatriculée en février 2023 pour construire cette couche ; Gabriel Hubert en est le CEO, Stanislas Polu le CTO.

Ce que fait Dust, concrètement

Dust est une plateforme où les équipes métier construisent, déploient et pilotent des agents connectés aux connaissances et aux outils de l'entreprise. Le communiqué de Série B annonce plus de 100 sources de données et outils intégrés ; la page produit parle de plus de 70 connecteurs MCP prêts à l'emploi¹⁹. Les agents se configurent sans code. Ils cherchent dans la documentation interne, produisent des documents, tableurs, présentations ou visualisations, et agissent dans les systèmes connectés.

Le modèle se choisit agent par agent, parmi plus de vingt modèles d'OpenAI, d'Anthropic, de Google, de Mistral et de DeepSeek⁹. Dust se déclare certifié SOC 2 Type II et conforme au RGPD, avec un hébergement au choix dans l'Union européenne ou aux États-Unis, et s'engage à ne pas entraîner de modèles sur les données clients, une garantie qu'il adosse aux contrats des grands fournisseurs de modèles¹.

Le 23 juin 2026, Dust est passé à une tarification par crédits¹⁰. Au 27 octobre 2026, le plan Business, réservé aux équipes de 100 personnes au plus, combine des sièges Free (500 crédits à vie), Pro (30 par mois, 24 en engagement annuel, 8 000 crédits) et Max (150 par mois, 120 en annuel, 40 000 crédits), hors taxes, en euros ou en dollars selon la région. L'offre Enterprise, sur devis, ajoute le SCIM, les journaux d'audit, le déploiement single-tenant et lève les limites de connecteurs. La page tarifaire prête à confusion sur ce dernier point : son tableau limite le plan Business à 3 connecteurs, quand la liste des fonctionnalités annonce Slack, Notion, GitHub, Drive et une vingtaine d'autres⁹.

Du « single-player » au « multiplayer » : le pari des Skills

« Most AI at work is still single-player. The gains stay trapped with each individual », écrivait Gabriel Hubert sur X le jour de la levée⁴. Dust appelle IA « single-player » l'usage où chaque salarié a son assistant, son contexte et ses résultats, et où le travail se refait d'une équipe à l'autre. Son billet de Série B décrit l'alternative : un espace partagé où humains et agents travaillent sur les mêmes projets, et où le goulot d'étranglement passe de la génération à la coordination². À French Tech Journal, Stanislas Polu explique que, quand les agents prennent des tâches qui durent des jours ou des semaines, on ne collabore plus seul avec un agent⁵.

Les Skills, lancées le 26 janvier 2026, sont la brique technique de cette vision. Une skill regroupe une fois pour toutes des instructions, des connaissances et des outils, réutilisables par tous les agents d'un espace de travail ; une correction se propage à chaque agent qui l'utilise⁶. Le 7 juillet, Dust a ajouté les « self-improving skills » : la plateforme analyse les conversations où une skill a servi, repère les erreurs récurrentes et propose une modification minimale que le responsable de la skill accepte ou rejette. Le billet borne le mécanisme : les poids du modèle ne changent pas, et la skill ne se réécrit pas seule⁷. L'apprentissage reste dans la couche des instructions, lisible et auditable : du Context Engineering, pas de l'entraînement.

Dust nomme « AI Operators » les personnes qui construisent ces agents : des profils Ops, Support, Marketing ou Sales, proches du travail, qui assemblent et maintiennent les agents de leurs équipes¹.

Financement et traction : le vérifié et le déclaratif

Le parcours financier est documenté : un tour d'amorçage de 5 M€ mené par Sequoia en juin 2023¹¹, une Série A de 16 M$, toujours avec Sequoia, en juin 2024, quand la société passait 1 M$ de revenu annuel récurrent¹², puis la Série B de mai 2026, avec Snowflake Ventures et Datadog¹. Seedcamp, investisseur, cite en plus Wing, Aglaé et XYZ¹³. Ni la valorisation ni le chiffre d'affaires actuel n'ont été publiés.

Les indicateurs d'usage sont des revendications de l'entreprise : plus de 300 000 agents déployés, une adoption mensuelle supérieure à 90 % et hebdomadaire supérieure à 70 % chez les clients, zéro churn et une rétention nette de 240 % en 2025¹. The Next Web chiffre à 41 000 les utilisateurs actifs mensuels en avril 2026³.

Les études de cas sont plus parlantes. Chez Persona, 11 départements ont déployé plus de 300 agents, qui ramènent la réponse aux appels d'offres de plusieurs jours à quelques minutes. Doctolib a ouvert Dust à 3 000 salariés et retiré d'anciens outils d'intranet¹. Chez Qonto, le CTO Aymeric Augustin estime que les agents peuvent supprimer au moins 50 000 heures de travail par an¹⁴ ; chez Mirakl, 30 % des salariés ont construit des agents actifs¹⁵ ; Spendesk revendique 90 % d'adoption en six mois¹⁶.

Publié le 7 octobre, le premier Dust Index s'appuie sur les données de l'éditeur. Sur la plateforme, 65 % des messages envoyés aux agents vont à des agents personnalisés utilisés par plus d'une personne. Chez les clients Enterprise, 1,8 % des agents personnalisés comptent au moins 50 utilisateurs et concentrent 43,3 % des messages. Parmi les créateurs des agents les plus utilisés, 68 % ont testé au moins deux fournisseurs de modèles⁸.

Un marché encombré

Dust ne joue pas seul. Les éditeurs de modèles poussent leurs offres entreprise : ChatGPT Enterprise, Claude for Enterprise et Claude Cowork, Gemini Enterprise. Les suites intègrent leurs agents : Microsoft 365 Copilot et Copilot Studio, Atlassian Rovo, Notion AI. Glean part de la recherche d'entreprise ; Langdock, Relevance AI et Lindy visent la construction d'agents. The Next Web notait au moment de la levée que le discours « multiplayer » relève autant du positionnement que du produit³. La différence de Dust tient à une couche horizontale, indépendante du modèle. Le risque est symétrique : les fournisseurs de modèles remontent la chaîne de valeur, et les suites bureautiques possèdent déjà le contexte des salariés.

Code, SaaS et souveraineté

Dust a longtemps présenté son code comme public. Une capture du 27 mai 2026 montre le dépôt GitHub dust-tt/dust sous licence MIT, avec 1 364 étoiles¹⁷. Au 27 octobre 2026, ce dépôt ne répond plus publiquement, et l'organisation dust-tt n'expose que 18 dépôts annexes (SDK, CLI, extensions)¹⁸. Le produit est vendu et opéré en SaaS, et la documentation ne décrit aucun parcours d'auto-hébergement. Les organisations qui exigent une exécution sur leur propre infrastructure regardent plutôt Onyx (ex-Danswer), Dify, Flowise ou AnythingLLM, avec la charge d'exploitation que cela implique.

Sur la souveraineté, Stanislas Polu défend une lecture pragmatique : selon lui, la première étape est locale à l'entreprise, qui doit rester libre de changer de fournisseur d'intelligence⁵. L'argument tient pour la réversibilité des modèles. Il ne règle pas tout : la société développe ses opérations depuis San Francisco³, ses principaux investisseurs sont américains, et les appels d'inférence passent par des fournisseurs majoritairement américains, ce qui relève de l'analyse Cloud Act propre à chaque organisation. Aucune qualification SecNumCloud n'est annoncée.

Ce qu'en retient SFEIR

SFEIR est partenaire de Google Cloud et d'Anthropic, dont les modèles sont accessibles dans Dust. Voici ce que nous en tirons pour les DSI et les équipes métier.

Le facteur limitant est organisationnel. Les meilleurs résultats publiés par Dust viennent d'entreprises qui ont désigné des relais dans chaque équipe : Spendesk a placé un ou deux relais IA par département¹⁶. Les intégrateurs se multiplient (Niji, AI Partners, puis Mantu le 15 octobre), et Mantu dit avoir mobilisé plus de 1 600 collaborateurs et créé plus de 3 000 agents en trois mois en interne¹⁹.

La publication d'un agent est un acte de gouvernance. Chez 1Password, cité dans le Dust Index, tout le monde peut construire un agent, mais la publication est réservée à quelques personnes⁸. Un agent partagé par cinquante personnes devient un actif : il lui faut un propriétaire, une maintenance et des tests à chaque changement de modèle.

La réversibilité des modèles s'exige par contrat. Les instructions, les skills et les connecteurs construits par vos équipes doivent survivre au changement de modèle, quel que soit l'outil retenu.

Le coût se mesure à l'unité de travail. Avec des crédits, la facture varie. Avant de comparer des prix par siège, mesurez ce que coûte un dossier traité ou une réponse client produite (voir coût par résultat).

Nous recommandons de partir de deux ou trois processus transverses où le travail se refait d'une équipe à l'autre, de vérifier que les connecteurs nécessaires sont couverts par l'offre visée, et de mesurer à 30 puis 90 jours. Reste à savoir si une plateforme indépendante gardera son avance face aux éditeurs de modèles et aux suites, qui visent le même terrain.

Sources

1. Dust, communiqué « Dust raises $40M to make AI multiplayer inside the enterprise » (Série B, investisseurs, fondateurs, traction déclarée, sécurité, exemples clients) — globenewswire.com, 18 mai 2026 (lu via la capture Wayback du 13 octobre 2026).
2. Gabriel Hubert, « Dust raises $40M Series B to scale multiplayer AI for human-agent collaboration » — dust.tt, 18 mai 2026.
3. The Next Web, « Dust raises $40M to push enterprise AI past the single-player era » (41 000 utilisateurs actifs mensuels en avril, opérations à San Francisco) — thenextweb.com, 18 mai 2026.
4. Gabriel Hubert (@gabhubert), post sur X — x.com, 18 mai 2026.
5. French Tech Journal, « Your Next Coworker Won't Be Human. Dust Thinks That's Just the Beginning » (entretien avec Stanislas Polu) — frenchtechjournal.com, 1er juillet 2026.
6. Pauline Pham, « Skills: Your entire agent fleet smarter, together » — dust.tt, 26 janvier 2026.
7. Fabien Celier, « Introducing self-improving skills » — dust.tt, 7 juillet 2026.
8. Pauline Pham, « Your AI strategy should outlast your favorite model » (Dust Index) — dust.tt, 7 octobre 2026.
9. Dust, pages Tarifs et Produit — dust.tt/home/pricing et dust.tt/home/product, relevées le 27 octobre 2026.
10. Gabriel Hubert, « The economics of multiplayer AI » (passage aux crédits) — dust.tt, 23 juin 2026.
11. Dust, « Announcing our seed round » — dust.tt, 27 juin 2023.
12. Dust, annonce de la Série A — dust.tt, 27 juin 2024.
13. Seedcamp, billet sur la Série B de Dust (Wing, Aglaé, XYZ) — seedcamp.com, 21 mai 2026.
14. Dust, étude de cas Qonto — dust.tt.
15. Dust, étude de cas Mirakl — dust.tt.
16. Dust, étude de cas Spendesk (90 % d'adoption en six mois, programme AI Champions) — dust.tt.
17. Internet Archive, capture du dépôt GitHub dust-tt/dust (licence MIT, 1 364 étoiles) — web.archive.org, 27 mai 2026.
18. GitHub, organisation dust-tt (dépôts publics) — github.com, relevé le 27 octobre 2026.
19. Dust, « Dust and Mantu partner to bring agentic AI into everyday operations » — dust.tt, 15 octobre 2026 ; ChannelBiz, « Mantu s'allie à Dust pour déployer l'IA agentique chez ses clients » — channelbiz.fr, 22 octobre 2026.