Union AI lève 19,1 millions de dollars de série A pour simplifier l’IA et les flux de données avec Flyte

Union AI lève 19,1 millions de dollars de série A pour simplifier l’IA et les flux de données avec Flyte

Union AI, une startup open source basée à Bellevue, Washington, qui aide les entreprises à construire et à orchestrer leurs flux de travail d’IA et de données à l’aide d’une plateforme d’automatisation native dans le cloud, a annoncé aujourd’hui qu’elle avait levé un tour de série A de 19,1 millions de dollars auprès de NEA et Nava Ventures. La société a également annoncé la disponibilité générale de son service Union Cloud entièrement géré.

Au cœur d’Union se trouve Flyte, un outil open source permettant de construire des plateformes d’automatisation des flux de travail de niveau production, en mettant l’accent sur les données, l’apprentissage automatique et les piles analytiques. L’idée derrière la plateforme était de construire une plateforme unique que les équipes peuvent ensuite utiliser pour créer leurs pipelines ETL et leurs workflows analytiques, ainsi que leurs pipelines d’apprentissage automatique. Bien qu’il existe d’autres projets sur le marché qui offrent des capacités d’orchestration similaires, l’idée ici est de construire un outil spécifiquement conçu pour les besoins des équipes d’apprentissage automatique.

Flyte a été développé à l’origine au sein de Lyft, où le PDG et cofondateur d’Union AI, Ketan Umare, a développé certains des premiers modèles d’ETA et de trafic basés sur l’apprentissage automatique de l’entreprise en 2016. À l’époque, Lyft a dû coller ensemble divers systèmes open source pour mettre ces modèles en production.

« Nous avons fait fonctionner quelque chose, mais en coulisses, c’était un homme derrière le rideau. Cela se passait, mais c’était beaucoup de travail », a déclaré M. Umare. « Ce que nous avons appris, c’est que d’autres équipes de l’entreprise étaient également en difficulté – et il s’agissait d’équipes massives. Et ce qui se passe lorsque des équipes sont en difficulté, c’est qu’elles ne peuvent pas garder les talents. C’est un gros problème, mais quelle en était la cause ? Ils n’étaient pas en mesure de livrer leurs produits et n’étaient pas en mesure d’expliquer pourquoi ils n’étaient pas en mesure de le faire. Il s’agit en fait d’un problème d’infrastructure ».

Crédits d’image : Union.ai

Avec une petite équipe, il s’est donc attelé à la mise en place d’outils d’infrastructure pour permettre à ces équipes de construire plus facilement leurs modèles et de les mettre en production. Mais il y a toujours eu des frictions entre les ingénieurs logiciels et les spécialistes de l’apprentissage automatique. « La raison en est que – du moins de la manière dont je l’ai distillée – je pense que les logiciels et les systèmes d’apprentissage automatique ou les produits d’intelligence artificielle sont des bêtes intrinsèquement différentes », a expliqué M. Umare. Selon lui, les logiciels mûrissent généralement avec le temps, tandis que les modèles d’IA ont tendance à se détériorer. Ces modèles, a-t-il noté, changent aussi souvent en fonction de facteurs externes sur lesquels les utilisateurs ont peu de contrôle. « Vous ne pouvez donc pas utiliser la même infrastructure que celle que vous utilisez pour (les déploiements de logiciels) », a-t-il déclaré.

A lire aussi  Materials Nexus lève 2 millions de livres sterling pour découvrir des matériaux propres pour le climat

À ce stade, l’équipe a décidé de mettre son travail en open source sous la forme de Flyte et de collaborer avec d’autres pour créer une plateforme davantage axée sur l’apprentissage automatique.

Comme c’est souvent le cas, Umare et quatre autres membres de l’équipe originale de Flyte ont ensuite décidé de créer une startup autour de ces idées fondamentales et du projet open source Flyte, avec le lancement d’Union AI fin 2020.

Actuellement, Flyte est utilisé par des entreprises telles que blackshark.ai, HBO, Intel, LinkedIn, Spotify, Stripe, Wolt et ZipRecruiter.

« Ce qui est amusant dans le fait de travailler avec ces grandes entreprises – ce que nous faisons dans l’open source – c’est que nous travaillons sur certains des plus grands modèles sur notre plateforme. Nous savons donc que cela fonctionne et nous n’avons pas eu à construire quoi que ce soit de spécifique parce que nous le faisons depuis des années. Il nous a suffi d’étendre certaines choses », a déclaré M. Umare.

« Sur la base d’une seule équipe, nous voyons 10 fois plus de tâches d’entraînement hors ligne envoyées par Flyte, ce qui se traduit par des mises à jour de modèles 5 fois plus fréquentes avec des gains commerciaux considérables », a déclaré Mick Jermsurawong, ingénieur en infrastructure d’apprentissage automatique chez Stripe. « Je pense que l’on se rend compte que la productivité de l’apprentissage machine n’est pas un avantage, mais une exigence commerciale.

Mais la plateforme Union AI ne se contente pas de construire Flyte-as-a-service. L’équipe a également construit Pandera (un cadre pour les tests de données) et Union ML (un cadre qui s’appuie sur Flyte et aide les équipes à construire et à déployer leurs modèles en utilisant leur ensemble d’outils existants). Union Cloud combine tous ces éléments et y ajoute un ensemble d’outils d’entreprise, tels que l’authentification unique.

A lire aussi  L'avatar d'IA Moemate analyse l'ensemble de votre écran, avec des résultats mitigés mais intrigants.

« L’apprentissage automatique, et en particulier les grands modèles de langage, soulève des questions importantes en matière de protection de la vie privée et de sécurité des informations. Les entreprises sont de plus en plus réticentes à utiliser des services où elles perdent le contrôle de ce qui se passe précisément avec leurs données », a déclaré Greg Papadopoulos, venture partner, NEA. « C’est l’une des raisons pour lesquelles nous nous réjouissons des progrès réalisés par l’équipe d’Union.AI, d’abord avec Flyte et maintenant avec Union Cloud. C’est exactement ce que les gens demandent et c’est un véritable facteur de différenciation : Laissez-moi exploiter la puissance des grands modèles de langage tout en conservant le contrôle et la propriété de mes données ».

IA