Aller au contenu
Heure mondialeEU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

portail sur l'IA et la technologieactualités · analyses · entretiens · fond technique

Rechercher
EN DIRECT
›

Maya HTT lance M-Bot, un assistant d'ingénierie RAG installé sur site

Maya HTT a lancé M-Bot le 2 novembre 2026, un assistant d'ingénierie à génération augmentée par récupération installé sur site. Il interroge les documents internes tout en laissant les données sensibles sous le contrôle du client.

IA & modèlesActualitéSophie LeclercPublié le: 4 novembre 20265 min de lectureSources 15
Maya HTT lance M-Bot, un assistant d'ingénierie RAG installé sur site

M-Bot fonctionne dans l'infrastructure du client, indique Maya HTT. L'entreprise de Montréal affirme que l'assistant se connecte aux connaissances internes des équipes d'ingénierie, de fabrication et d'exploitation industrielle, et renvoie des réponses en quelques secondes.

Le produit s'appuie sur la génération augmentée par récupération, ou RAG, pour traiter des questions techniques portant sur du texte, des images, des tableaux, des graphiques et d'autres artefacts d'ingénierie que les LLM classiques ne savent pas lire, selon Maya HTT. Il se connecte à Teamcenter et à d'autres environnements PLM, ainsi qu'à SharePoint et Confluence, et rattache chaque réponse à son document d'origine.

Maya HTT annonce une récupération jusqu'à 60 fois plus rapide qu'une recherche manuelle : une recherche qui prend cinq minutes passerait à environ cinq secondes. Ces chiffres viennent du fournisseur. L'entreprise assure aussi que M-Bot n'entraîne aucun coût de facturation de tokens LLM, si bien que le client connaît sa facture avant le déploiement.

Remi Duquette, vice-président de l'IA industrielle chez Maya HTT, estime que les organisations d'ingénierie détiennent une grande quantité de connaissances techniques, mais ont du mal à faire parvenir la bonne information à la bonne personne assez tôt pour peser sur les décisions.

Maya HTT vise l'aérospatiale, la défense et la fabrication, des secteurs qui manipulent de la propriété intellectuelle sensible et où, selon l'entreprise, les exigences de souveraineté des données favorisent les systèmes installés sur site ou contrôlés par le client. M-Bot est disponible pour des démonstrations et des déploiements en entreprise.

Prévisions de marché

Un rapport de ResearchAndMarkets publié le 30 octobre chiffre le marché mondial des plateformes RAG à 4 000 000 000 $ en 2025 et à 5 520 000 000 $ en 2026. Il projette 43 750 000 000 $ d'ici 2036, soit un taux de croissance annuel composé de 23,0 % sur la période 2026-2036.

Le périmètre du rapport couvre les bases de données vectorielles et les moteurs de recherche, les modèles d'embedding et de reranking, les frameworks d'orchestration, les outils d'ingestion et d'analyse syntaxique, les connecteurs, les plateformes d'évaluation et de garde-fous, les services RAG gérés dans le cloud, les assistants de connaissance en entreprise, ainsi que le conseil, l'intégration et les services gérés. Il exclut les frais d'usage des modèles de fondation et les bases de données généralistes dépourvues de fonction de récupération.

L'adoption est la plus forte dans le droit, la finance, la santé et les autres secteurs réglementés qui ont besoin de résultats traçables et appuyés sur des citations, selon le rapport. Celui-ci ajoute que les agents d'IA accélèrent la demande, car les flux de travail en plusieurs étapes dépendent d'un accès continu aux données, aux applications et aux outils.

Le rapport cite Elastic comme preuve de cette dynamique. Elastic a déclaré plus de 2 200 clients Elastic Cloud exécutant des charges de travail d'IA générative au premier trimestre de l'exercice 2026, et une hausse de 18 % de son chiffre d'affaires du troisième trimestre, à 450 000 000 $.

Précision et sécurité

La précision reste un obstacle pour les systèmes RAG. Une étude Stanford préenregistrée, citée dans le rapport, a constaté que les produits de recherche juridique fondés sur le RAG de LexisNexis et de Thomson Reuters hallucinaient sur 17 % à 33 % des requêtes, contre 43 % pour GPT-4 utilisé seul. L'étude a relevé des autorités inventées, des réponses incomplètes et des interprétations erronées de décisions de justice.

Les risques de sécurité s'aggravent eux aussi. En juin 2025, Microsoft a corrigé EchoLeak, CVE-2025-32711, une vulnérabilité sans clic notée 9,3 sur l'échelle CVSS. La faille montrait comment un contenu malveillant récupéré dans un courriel pouvait manipuler Microsoft 365 Copilot et exposer des informations sensibles, selon le rapport.

Le rapport de ResearchAndMarkets indique que les entreprises privilégient en conséquence la récupération tenant compte des permissions, la détection d'injection de prompt, la prévention des fuites de données, ainsi que les fonctions de provenance et d'audit.

IT Pro rapporte que copier des fichiers dans une base vectorielle distincte crée des données fantômes, consomme de la bande passante et supprime les permissions d'origine.

Maya HTT présente M-Bot comme un moyen d'éviter l'envoi de données d'ingénierie sensibles à un modèle externe. L'entreprise affirme que l'assistant tourne sur site ou dans une infrastructure contrôlée par le client, pour répondre aux exigences de souveraineté des données dans l'aérospatiale, la défense et la fabrication.

Commentaires 0

Sources

15
  1. 01Maya HTT Launches M-Bot, a Secure Enterprise Engineering Knowledge AssistantEN
  2. 02Retrieval-Augmented Generation (RAG) Platforms Market Size, Share, Trends, and Industry Analysis - Global Forecast to 2036EN
  3. 03From synthetic enterprise data evaluations to real Microsoft Copilot AI confidenceEN
  4. 04One platform, four enterprise AI data challenges solved: Inside Dell AI Data PlatformEN
  5. 05RAG vs LLM Fine-Tuning: Choosing the Right Approach for Enterprise AIEN
  6. 06STAT+: Amid Mass General Brigham layoffs, CEO pens vague letter, stirring staff anxietyEN
  7. 07Aluminum–Air Generators for Data Centres Face a Metal Logistics TestEN
  8. 08Enterprise AI Assistant: RAG + Intelligent Model RoutingEN
  9. 09Behind-the-meter generation could deliver five times more grid relief than data center load shiftingEN
  10. 10Google Warns LLMjacking Attacks Are Costing Some Enterprises Up to $1 Million in Cloud ChargesEN
  11. 11The Share of Solar Generation with Co-located Battery Storage Is IncreasingEN
  12. 12AC Milan, Inter strike ‘€650m’ Generali naming rights deal for new stadiumEN
  13. 13China touts AI milestone: models generate more tokens than used in trainingEN
  14. 14Why Enterprise Data is Becoming the New Competitive Advantage in AIEN
  15. 15Google Cloud and NVIDIA Announce General Availability of NVIDIA Vera Rubin InfrastructureEN

Tous les chiffres et citations de ce texte proviennent des sources citées ci-dessous.

Les contenus ont été préparés par l'équipe de rédaction, assistée par l'IA.

Sophie Leclerc

Sophie Leclerc

IA, modèles et technologies

Sophie Leclerc couvre les technologies, l'IA et les modèles ainsi que les médias et l'internet pour FLASH24, en travaillant à partir des dépôts de code, des articles scientifiques et des documents techniques plutôt que des annonces. Elle vérifie chaque chiffre en remontant aux jeux de données d'origine et en comparant les versions successives des modèles. Elle interroge régulièrement des ingénieurs et des chercheurs, et suit les calendriers de publication des principales conférences du secteur. Son intérêt personnel pour l'auto-hébergement et les réseaux domestiques nourrit directement sa couverture des infrastructures et des modèles ouverts. Elle ne publie pas de performance annoncée sans méthode de mesure vérifiable.

Rédaction →

Commentaires

0
  1. Aucun commentaire — soyez le premier.

Écrire un commentaire

Les commentaires sont publics. Nous ne publions ni insultes, ni spam, ni publicité.