“`html
Lorsque Sammy Sidhu et Jay Chia, les fondateurs d’Eventual, travaillaient en tant qu’ingénieurs logiciels pour le programme de véhicules autonomes de Lyft, ils ont été témoins d’un problème grandissant d’infrastructure de données. Un problème qui ne faisait que s’amplifier avec l’essor de l’IA. Les voitures autonomes produisent une quantité considérable de données non structurées, allant des scans 3D et des photos à des textes et des audio. Il n’existait pas d’outil pour les ingénieurs de Lyft capable de comprendre et de traiter tous ces types de données simultanément et en un seul endroit.
Cette lacune laissait les ingénieurs se débrouiller avec des outils open source, dans un processus long et marqué par des problèmes de fiabilité. « Nous avions tous ces brillants PhDs, des experts dans l’industrie, travaillant sur des véhicules autonomes, mais ils passaient 80 % de leur temps à travailler sur l’infrastructure plutôt qu’à construire leur application principale », a déclaré Sidhu, CEO d’Eventual, lors d’une récente interview avec TechCrunch. « La plupart des problèmes qu’ils rencontraient concernaient l’infrastructure des données. »
“Eventual se positionne en tant que premier acteur sur un marché en pleine expansion, visant à résoudre un problème croissant.”
Pour remédier à cette situation, Sidhu et Chia ont contribué à la création d’un outil interne de traitement de données multimodales pour Lyft. Lorsqu’il a cherché à postuler à d’autres emplois, Sidhu a constaté que les recruteurs lui demandaient régulièrement comment il pourrait créer une solution de données similaire pour leurs entreprises, ce qui a donné naissance à l’idée d’Eventual. L’entreprise a développé un moteur de traitement de données open source, connu sous le nom de Daft, conçu pour fonctionner rapidement avec différentes modalités, du texte à l’audio et à la vidéo, entre autres.
Le but de Daft est de révolutionner l’infrastructure de données non structurées de la même manière que SQL l’a fait pour les ensembles de données tabulaires par le passé. Fondée au début de 2022, quelques mois avant le lancement de ChatGPT, Eventual a publié sa première version open source de Daft la même année et se prépare maintenant à lancer un produit commercial au troisième trimestre. Sidhu a remarqué que l’explosion de ChatGPT a entraîné un intérêt accru pour les applications d’IA intégrant différents types de modalités : « Tout le monde a commencé à utiliser des éléments comme des images, des documents et des vidéos dans leurs applications. C’est à ce moment-là que nous avons vu une augmentation dramatique de l’utilisation. »
Aujourd’hui, Eventual compte des clients prestigieux tels qu’Amazon, CloudKitchens et Together AI. La société a récemment levé deux tours de financement en moins de huit mois : un tour de seed de 7,5 millions de dollars mené par CRV et un tour de série A de 20 millions de dollars dirigé par Felicis, avec la participation de M12 de Microsoft et de Citi. Selon Astasia Myers, associée générale chez Felicis, Eventual se distingue comme un précurseur dans le domaine en raison de l’expérience directe des fondateurs avec les problèmes de traitement de données qu’ils cherchent à résoudre.
Le secteur de l’IA multimodale devrait croître à un taux de croissance annuel de 35% entre 2023 et 2028, selon le cabinet de conseil en gestion MarketsandMarkets. « La génération annuelle de données a augmenté de 1000 fois au cours des 20 dernières années, et 90 % des données mondiales ont été créées au cours des deux dernières années. La grande majorité des données est non structurée », a expliqué Myers. « Daft s’inscrit dans cette tendance macroéconomique d’IA générative tournée vers le texte, l’image, la vidéo et la voix. Vous avez besoin d’un moteur de traitement de données natif multimodal. »
“`
