Autoheal a levé 7,9 millions de dollars en financement seed pour développer une plateforme qui gère le travail induit par la programmation assistée par l’IA : investigation d’incidents, correction de vulnérabilités, maîtrise des coûts de modèles cloud et maintien de l’alignement des agents logiciels avec les systèmes et politiques d’entreprise. Innovation Endeavors mène le tour, avec la participation d’Emergent Ventures, U&I Ventures, Darkmode Ventures, Batch Ventures et Param Hansa Values ; Harpinder Singh (Innovation Endeavors) rejoint le conseil d’administration d’Autoheal.
Plus de code ne signifie pas forcément une livraison logicielle plus rapide ou plus sûre. Autoheal part du constat que les assistants de code accélèrent la production de lignes mais laissent subsister des tâches d’ingénierie laborieuses en aval : enquêtes d’incidents, corrections de sécurité, analyses de causes, et suivi des dépenses liées aux modèles cloud. L’entreprise se concentre sur cette couche moins visible de la vague d’IA dans le développement logiciel.
Comment Autoheal organise une boucle continue d’amélioration
La plateforme place au cœur de son approche deux agents de supervision. Un Evaluator note les productions des agents exécutants à partir de signaux tels que commentaires de revue de code, échecs d’intégration continue et incidents liés à une modification. Un Healer propose ensuite des modifications pour améliorer les agents mal performants en ajustant leurs prompts, compétences, outils ou choix de modèles.
Selon Autoheal, ces propositions sont testées contre des benchmarks historiques avant toute revue. Le comportement des agents est versionné dans Git et les ingénieurs conservent l’autorité d’approbation. L’architecture relie outils de codage, dépôts, systèmes CI/CD, plates‑formes d’observabilité, environnements cloud et gestionnaires de tickets, tout en maintenant les agents à l’intérieur des contrôles de sécurité et du cloud du client — un point important pour les organisations réglementées ou techniquement complexes.
Déploiements initiaux et résultats déclarés
Autoheal affirme être déjà déployé dans des environnements d’entreprise, notamment Nomura Bank et AvidXchange. D’après les chiffres fournis par la société, Nomura a réduit le temps moyen de résolution (MTTR) d’un incident de deux heures à 15 minutes lors d’un déploiement. AvidXchange indique que le système a ramené l’analyse des causes en quelques minutes et libéré de la capacité d’ingénierie pour du travail produit. Empiric Earth utilise également la plateforme pour le dépannage et l’optimisation des coûts logiciels. Ces résultats sont des déclarations de l’entreprise et de ses clients, et non des benchmarks indépendants.
Les premiers cas d’usage ciblés mettent l’accent sur la réponse aux incidents, où la consolidation d’informations issues de logs, systèmes de monitoring, tickets, modifications de code et services cloud peut accélérer un diagnostic utile par un agent ayant accès à ce contexte.
La société a été fondée par Utkarsh Ohm, Sid Choudhury et Puneet Saraswat, s’appuyant sur des expériences passées chez Harness, Microsoft Azure, ThoughtSpot et AppDynamics. Le capital levé financera le développement de systèmes d’apprentissage par renforcement et de modèles privés, spécifiques aux entreprises, entraînés sur des données d’ingénierie qui restent à l’intérieur des limites du client.
À plus long terme, Autoheal envisage d’étendre son modèle d’évaluation et de réparation aux opérations de données et de sécurité, une généralisation qui dépendra de la capacité de la plateforme à s’adapter à des workflows aux profils de risque et critères de succès différents. Le financement souligne un changement dans le marché de l’IA d’entreprise : la contrainte prochaine pourrait être moins la génération de code que la gouvernance et l’absorption du travail opérationnel créé par la multiplication des agents.
