Dust

Une plateforme d'agents née d'un constat sur le déploiement des modèles

Dust est une plateforme d'agents IA pour l'entreprise, éditée par la société du même nom, immatriculée à Paris en février 2023 et dont les opérations se développent aussi depuis San Francisco. Ses deux fondateurs travaillent ensemble depuis leur rencontre à Stanford en 2007. Ils ont cofondé Totems, une société d'analyse de données rachetée par Stripe en 2014, puis passé cinq ans chez Stripe. Gabriel Hubert, directeur général, est ensuite devenu Chief Product Officer de l'assureur Alan. Stanislas Polu, directeur technique, 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 modèles.

Selon le récit de l'entreprise, Polu quitte OpenAI en septembre 2022 avec une conviction : les modèles sont déjà « economically transformative », mais restent sous-déployés faute de couche produit. Dust se construit comme cette couche horizontale, au-dessus des modèles de frontière et de la connaissance de l'entreprise, sans dépendre d'un fournisseur de modèles.

Des agents sans code, branchés sur les outils de l'entreprise

Un agent Dust se configure sans code : des instructions, des sources de connaissance, des outils, un modèle. Les connecteurs couvrent Slack, Notion, Google Drive, GitHub, Salesforce, Zendesk ou HubSpot, et tout service exposé par un serveur MCP. Le communiqué du 18 mai 2026 annonce plus de 100 sources de données et outils intégrés ; la page produit parle de plus de 70 connecteurs MCP prêts à l'emploi. Les deux chiffres ne mesurent pas la même chose et viennent tous deux de l'éditeur.

Le modèle se choisit agent par agent, parmi plus de vingt modèles d'OpenAI (GPT), d'Anthropic (Claude), de Google (Gemini), de Mistral et de DeepSeek. Les agents cherchent dans les documents de l'entreprise par recherche sémantique (RAG), produisent des documents, tableurs, présentations ou visualisations, et agissent dans les outils connectés. Les Spaces cloisonnent les données et les agents par périmètre ; les Pods et les Frames, plus récents, organisent le travail commun de plusieurs personnes et agents autour d'un projet. La gouvernance comprend des permissions fines, le suivi des coûts et de l'usage, une piste d'audit et une analytique par agent.

Multiplayer AI et AI Operators : le vocabulaire de l'éditeur

Dust oppose deux usages. Dans l'IA « single-player », chaque salarié dispose de son assistant, de son contexte et de ses résultats, qui restent dans une conversation privée. Dans la « multiplayer AI », humains et agents travaillent dans des espaces partagés, avec le même contexte, les mêmes notifications et les mêmes objectifs. « Most AI at work is still single-player. The gains stay trapped with each individual », écrivait Gabriel Hubert sur X le 18 mai 2026. Son billet de Série B ajoute que le goulet d'étranglement passe de la génération à la coordination. Dès juillet 2025, il décrivait à Euronews des outils d'IA dispersés entre départements, incapables de communiquer entre eux. Stanislas Polu complète, auprès de French Tech Journal : quand les agents prennent des tâches qui durent des jours ou des semaines, on ne collabore plus seul avec un agent.

Le second terme, « AI Operators », désigne les personnes proches du terrain (opérations, support, marketing, ventes) qui construisent et maintiennent les agents de leur équipe. Le terme vient de Dust et de ses investisseurs ; il recouvre en partie ce que d'autres appellent citizen developers et n'a pas, au 27 octobre 2026, de définition partagée hors de cet écosystème.

Skills et self-improving skills

Le 26 janvier 2026, Pauline Pham annonce les Skills : un ensemble d'instructions, de connaissances et d'outils empaqueté une fois et réutilisé par tous les agents qui en ont besoin, dans le respect des permissions des Spaces. Une correction apportée à une skill se propage aux agents qui l'utilisent.

Le 7 juillet 2026, Fabien Celier présente les self-improving skills. Dust analyse les conversations où une skill a servi, produit un retour sur chaque échange, agrège ces retours sur la version courante de la skill, puis propose une modification sous forme de diff minimal que le responsable de la skill accepte ou rejette. Le billet borne le mécanisme : « Nothing happens to the model's weights, and the skill doesn't rewrite itself. » Les améliorations restent dans l'espace de travail où l'usage a eu lieu. L'apprentissage porte sur la couche explicite des instructions, ce que l'éditeur appelle « system prompt learning », et relève du Context Engineering plutôt que de l'entraînement.

Le Dust Index d'octobre 2026

Le 7 octobre 2026, Dust publie le Dust Index, première étude de l'éditeur sur les modèles et les usages, signée Pauline Pham. Elle combine des évaluations sur des tâches réelles exécutées dans Dust, des données d'usage agrégées et anonymisées et des entretiens avec des AI Operators (1Password, Styleheads, Argon & Co). Quatre modèles y sont comparés, Claude Opus 5.5, GPT-6 Astra, GLM 5.3 et Grok 4.7, sur la synthèse multi-sources, l'analyse financière et la génération de présentations et de tableaux de bord. Opus 5.5 arrive en tête en synthèse et en finance ; GLM 5.3 et GPT-6 Astra sont presque à égalité en synthèse ; aucun classement net ne ressort pour les présentations.

Côté usage, 65 % des messages adressés 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 ; 68 % des créateurs des agents les plus utilisés ont essayé au moins deux fournisseurs de modèles. Tré Bembry, de 1Password, y décrit une règle de gouvernance : tout le monde peut construire un agent, mais la publication est réservée à quelques personnes. Ces résultats sont mesurés par l'éditeur sur ses propres clients ; ils ne constituent pas un benchmark indépendant et servent aussi l'argument multi-modèles de Dust. La fiche Evals LLM donne la grille de lecture.

Sécurité, hébergement et code

Dust se déclare certifié SOC 2 Type II et conforme au RGPD, propose un hébergement des données dans l'Union européenne ou aux États-Unis, et indique ne pas entraîner de modèles sur les données clients, « as contractually guaranteed by major model providers » : la garantie repose sur les contrats passés avec les fournisseurs de modèles. Le SSO et le choix de la région d'hébergement sont inclus dès le plan Business ; l'offre Enterprise ajoute le provisionnement SCIM, les journaux d'audit, un déploiement single-tenant opéré par Dust, des connecteurs et des serveurs MCP sans limite et un customer success manager dédié. La résidence des données concerne la plateforme ; les appels d'inférence passent par des fournisseurs de modèles majoritairement américains, ce qui relève de l'analyse Cloud Act propre à chaque organisation. Aucune qualification SecNumCloud n'est annoncée.

Dust a longtemps présenté son code comme public. Une capture Wayback du 27 mai 2026 montre le dépôt GitHub dust-tt/dust sous licence MIT, avec 1 364 étoiles. Au 27 octobre 2026, ce dépôt ne répond plus publiquement, et l'organisation dust-tt n'expose que 18 dépôts annexes (SDK, CLI, extensions). 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 se tournent vers des projets auto-hébergeables comme Onyx (ex-Danswer), Dify, Flowise ou AnythingLLM, avec la charge d'exploitation que cela implique.

Tarifs au 27 octobre 2026

Dust est passé à une tarification par crédits le 23 juin 2026. La page tarifaire décrit un plan Business « For teams up to 100 people », qui combine trois types de sièges, et une offre Enterprise. Les prix s'entendent hors taxes, dans la devise de la région de l'acheteur.

Le crédit mesure la consommation de modèles et d'actions. La page se contredit sur les connecteurs du plan Business : son tableau comparatif les limite à 3, avec 5 Spaces et 5 serveurs MCP distants, alors que la liste des fonctionnalités du même plan mentionne « Slack, Notion, GitHub, Drive + 20 more ».

• Free : 0 €, 500 crédits à vie.
• Pro : 30 € par mois, ou 24 € par mois en engagement annuel, 8 000 crédits par siège et par mois.
• Max : 150 € par mois, ou 120 € par mois en engagement annuel, 40 000 crédits par siège et par mois.
• Enterprise : sur devis, avec crédits mutualisés à l'échelle de l'espace de travail, tarifs de volume, SCIM, journaux d'audit, connecteurs illimités et déploiement single-tenant.
• Avant un pilote : estimer la consommation de crédits par profil d'utilisateur avant de répartir les sièges entre Pro et Max, vérifier la limite de connecteurs du plan visé quand plusieurs sources se croisent, et traiter les métriques d'adoption publiées comme des chiffres d'éditeur.

Financement et traction déclarée

Le parcours financier compte trois tours. Un amorçage de 5 M€ (environ 5,5 M$) annoncé le 27 juin 2023, mené par Sequoia, avec XYZ, GG1, AI Grant, Connect Ventures, Motier VC, Remote First, Seedcamp et Tiny Supercomputer. Une Série A de 16 M$ annoncée le 27 juin 2024, à nouveau menée par Sequoia avec XYZ, GG1, Connect Ventures, Seedcamp et Motier VC, au moment où la société dépassait 1 M$ de revenu annuel récurrent. Une Série B de 40 M$ (34 M€ selon FrenchWeb) annoncée le 18 mai 2026, co-menée par Abstract et Sequoia, avec Snowflake Ventures et Datadog selon le communiqué ; Seedcamp, investisseur, cite en plus Wing, Aglaé et XYZ. Le total dépasse 60 M$. Aucune valorisation n'a été publiée par Dust ni par ses investisseurs.

Le communiqué de Série B revendique plus de 3 000 organisations clientes, plus de 300 000 agents déployés, zéro churn et un taux de rétention nette de 240 % en 2025, ainsi qu'une adoption mensuelle supérieure à 90 % et hebdomadaire supérieure à 70 % chez les clients. Ce sont des chiffres de l'éditeur, non audités ; The Next Web chiffre à 41 000 les utilisateurs actifs mensuels en avril 2026. Les clients cités publiquement sont Qonto, Doctolib, Mirakl, Spendesk, Persona, 1Password, Datadog, Vanta et Clay. Selon le communiqué, Doctolib a ouvert Dust à 3 000 salariés et retiré d'anciens outils d'intranet, et Persona compte plus de 300 agents dans 11 départements. Les études de cas de l'éditeur ajoutent que le CTO de Qonto, Aymeric Augustin, estime que les agents peuvent supprimer au moins 50 000 heures de travail par an, que 30 % des salariés de Mirakl ont construit des agents actifs, et que Spendesk a atteint 90 % d'adoption en six mois avec un programme interne d'« AI Champions », un ou deux par département.

Partenaires et écosystème

Le 3 juillet 2025, Euronews annonce en exclusivité un partenariat entre Anthropic et Dust, intégré à l'écosystème « Powered by Claude » : Dust aide les entreprises à construire des agents avec Claude et le protocole MCP. Le 24 juin 2026, Contentsquare annonce un connecteur MCP pour Dust.

Côté intégrateurs, Dust a annoncé Niji le 7 juillet 2026, AI Partners le 23 septembre 2026, puis Mantu le 15 octobre 2026. Mantu indique avoir mobilisé plus de 1 600 collaborateurs et créé plus de 3 000 agents en trois mois en interne, avant de proposer à ses clients un accompagnement structuré autour d'un « AI Operator Sprint ».

Positionnement face aux alternatives

Les suites des laboratoires, ChatGPT Enterprise, Claude for Enterprise et Claude Cowork, Gemini Enterprise, reposent sur un fournisseur de modèles principal ; Dust laisse choisir le modèle agent par agent. Les suites bureautiques et collaboratives, Microsoft 365 Copilot et Copilot Studio (Microsoft), Atlassian Rovo, Notion AI, sont ancrées dans l'écosystème de leur éditeur ; Dust se place au-dessus de plusieurs suites. Glean et Guru partent de la recherche d'entreprise ; Dust affirme que ces outils retrouvent l'information sans agir, alors que Glean propose aussi des agents. Langdock, Relevance AI et Lindy concurrencent Dust directement sur la création d'agents sans code. Onyx, Dify, Flowise et AnythingLLM s'exécutent sur l'infrastructure du client, au prix de l'exploitation.

Dans la grille SFEIR, Dust relève de l'AI4Business : des agents au service des processus métiers, construits par les équipes qui les utilisent. Sa thèse multiplayer recoupe celle du SI Conversationnel et de l'IA Mesh, où les agents partagent un contexte et des outils gouvernés. Elle répond aussi au Shadow AI en offrant un cadre commun aux usages individuels. La tarification par crédits rend la facture variable : la comparaison se fait au coût par résultat, un dossier traité ou une réponse client produite, plutôt qu'au prix du siège.