Runner H, l’agent de la start-up française H qui veut automatiser le web

Runner H marque la première concrétisation publique de H, jeune pousse française de l’intelligence artificielle. Lancé en version bêta le 20 novembre 2024, cet agent logiciel hébergé dans le cloud veut faire passer le web du statut de simple source d’information à celui d’environnement de travail sur lequel une IA peut agir : ouvrir un site, suivre une procédure, compléter des étapes et enchaîner des actions métier.

L’ambition est considérable. Là où l’automatisation classique repose souvent sur des intégrations spécifiques et des règles écrites à l’avance, H propose un agent capable de se repérer sur des interfaces graphiques. La promesse est donc de réaliser des tâches variées, y compris lorsqu’aucune API, c’est-à-dire aucune interface technique prévue pour relier deux logiciels, n’est disponible.

Runner H, un agent qui agit sur le web

Un agent IA ne se limite pas à produire un texte ou une réponse dans une fenêtre de discussion. Son rôle est de recevoir un objectif, de le découper en étapes, puis d’exécuter ces étapes dans un environnement numérique. Pour Runner H, cet environnement est avant tout le navigateur web et, plus largement, les interfaces graphiques utilisées au quotidien dans les entreprises.

Charles Kantor, dirigeant de H, résume la philosophie du produit ainsi : « automatiser les processus, rationaliser les tâches et rendre le web vecteur d’action ». Cette dernière expression est importante. Elle signifie que le web n’est plus seulement un espace que l’on consulte, mais un espace dans lequel un logiciel peut accomplir une suite d’opérations pour le compte d’un utilisateur ou d’une organisation.

La première mouture, baptisée Runner H 0.1, est disponible en bêta pour les développeurs inscrits. H met à leur disposition une API pour utiliser des agents préconfigurés, ainsi que des agents gérés dans le cloud. Le choix d’un fonctionnement hébergé permet, en principe, de confier l’exécution des tâches à une infrastructure distante plutôt que de faire tourner l’agent sur chaque poste de travail.

Pourquoi se passer d’API peut changer l’automatisation

Dans de nombreuses entreprises, les processus ne se déroulent pas dans un seul logiciel parfaitement connecté au reste du système d’information. Une même procédure peut imposer d’ouvrir un outil de gestion, de consulter un portail fournisseur, de vérifier une information dans un tableur, puis de renseigner un formulaire sur un autre site. Lorsque ces services n’exposent pas d’API utilisable, automatiser le parcours devient plus complexe.

C’est précisément sur cette difficulté que H positionne Runner H. L’agent est présenté comme capable de travailler à travers les interfaces existantes, sans nécessiter d’intégration sur mesure à chaque service. Cela ne veut pas dire que les API deviennent inutiles : elles restent généralement plus stables, plus rapides et plus faciles à contrôler lorsqu’elles existent. Mais l’usage d’interfaces graphiques ouvre potentiellement l’automatisation à davantage de logiciels et de sites.

L’idée s’inscrit dans la continuité de la RPA, pour robotic process automation, ou automatisation robotisée des processus. Les outils traditionnels de RPA reproduisent déjà des manipulations répétitives sur un écran. La différence affichée par les nouveaux agents IA tient à leur capacité à interpréter une consigne en langage naturel, à analyser le contenu affiché et à adapter leur parcours lorsque l’interface ou la situation varie.

Cette souplesse reste toutefois un défi technique. Une interface web peut changer, un bouton peut être déplacé, une page peut charger lentement ou demander une vérification supplémentaire. Pour devenir utile en entreprise, un agent doit donc non seulement accomplir une démonstration convaincante, mais aussi rester fiable dans des situations imparfaites et répétées.

Deux modèles compacts pour lire, comprendre et agir

Runner H repose sur deux modèles d’IA présentés comme compacts par la start-up. Le premier est un LLM de 2 milliards de paramètres. LLM signifie large language model, ou grand modèle de langage : il sert à comprendre les instructions formulées par l’utilisateur, à raisonner sur les étapes à réaliser et à générer des actions.

Le second est un VLM de 3 milliards de paramètres, pour vision language model. Ce type de modèle associe compréhension visuelle et compréhension du langage. Dans le contexte d’un agent web, il peut aider à interpréter ce qui apparaît à l’écran, par exemple une page, une boîte de dialogue, un champ de saisie ou un élément visuel à sélectionner.

Le nombre de paramètres donne une indication de la taille d’un modèle, mais ne suffit pas à établir sa qualité. Les données utilisées pour l’entraînement, l’architecture, la rapidité d’exécution et la façon dont plusieurs modèles sont orchestrés comptent tout autant. En misant sur deux modèles de taille relativement contenue, H semble rechercher un compromis entre capacités d’action et efficacité opérationnelle.

La start-up indique également que son agent peut composer une équipe virtuelle d’agents. Concrètement, cela renvoie à une organisation possible du travail où plusieurs agents spécialisés se répartissent les étapes d’une mission : l’un analyse la demande, un autre effectue des actions sur une interface, un troisième vérifie le résultat. Cette approche vise à adapter le comportement du système à la situation, plutôt qu’à appliquer une procédure unique à tous les cas.

Recrutement, e-commerce et facturation parmi les premiers usages

H ne présente pas Runner H comme un assistant limité à une seule fonction. Les cas d’usage évoqués couvrent plusieurs tâches administratives et opérationnelles, souvent répétitives, pour lesquelles les entreprises cherchent à gagner du temps tout en réduisant les erreurs de manipulation.

Le recrutement figure parmi les domaines cités. Un agent peut potentiellement accompagner les étapes répétitives d’un processus, lorsque celles-ci impliquent de naviguer entre plusieurs outils ou de renseigner des informations. Le produit vise également l’assurance qualité dans le secteur de l’e-commerce, un domaine où les équipes doivent vérifier de nombreux parcours web, des fiches produit ou des procédures en ligne.

L’externalisation des processus d’affaires, souvent désignée par l’acronyme BPO pour business process outsourcing, est un autre terrain visé. H mentionne notamment la gestion de factures et les remboursements. Ces opérations impliquent fréquemment des contrôles, des saisies et des décisions encadrées par des règles métier.

Pour qu’une entreprise puisse automatiser ces parcours de manière responsable, elle devra toutefois fixer un cadre clair. Il faut identifier les tâches que l’agent peut réaliser seul, celles qui exigent une validation humaine et les informations auxquelles il est autorisé à accéder. La capacité à agir dans une interface est utile, mais elle rend aussi essentiels les mécanismes de supervision, de traçabilité et de gestion des droits.

Un résultat de benchmark à interpréter avec prudence

Pour étayer ses performances, H affirme que Runner H surpasse de 29 % l’outil Computer Use d’Anthropic sur le benchmark public WebVoyager. Ce dernier évalue la capacité d’agents à accomplir des tâches sur des sites web. Ce type de test est utile pour comparer des systèmes dans un cadre commun : les agents reçoivent des objectifs, naviguent sur des pages et doivent parvenir au résultat attendu.

Ce chiffre constitue une indication, pas une garantie de performance universelle. Un benchmark mesure un ensemble de scénarios définis, avec des sites, des consignes et des critères de réussite précis. Dans une entreprise, les difficultés peuvent être différentes : droits d’accès, données manquantes, règles internes, interfaces modifiées, cas exceptionnels ou nécessité de justifier chaque action.

La comparaison met néanmoins en lumière le positionnement de H. La start-up ne se présente pas seulement comme un fournisseur de modèles de langage, mais comme un acteur des agents capables d’utiliser concrètement des logiciels. Ce segment suscite un intérêt grandissant, car il promet de rapprocher l’IA générative des processus réels des organisations.

Une jeune pousse très financée, mais fragilisée par des départs

Le lancement de Runner H intervient dans un contexte particulier pour H. La start-up a obtenu une levée de fonds de 220 millions d’euros auprès d’investisseurs parmi lesquels figurent Accel, Eric Schmidt et Amazon. Ce financement doit soutenir le développement et la mise sur le marché du premier produit de l’entreprise.

La société a toutefois connu des changements importants durant l’été 2024. Trois de ses cofondateurs ont quitté l’entreprise : Karl Tuyls, Julien Perolat et Daan Wierstra, tous trois anciens de DeepMind. Charles Kantor et Laurent Sifre restent alors à la tête du projet.

Le profil des deux dirigeants encore présents illustre les ambitions scientifiques de H. Charles Kantor est présenté comme ancien assistant à Harvard et Stanford. Laurent Sifre a, pour sa part, contribué à des projets tels qu’AlphaGo, le système de DeepMind connu pour avoir battu le champion de go Lee Sedol en 2016. Ces parcours apportent une crédibilité technique, mais le lancement de Runner H sera aussi un test de la capacité de la start-up à transformer ses recherches et son financement en produit durable.

Ce qu’il faut surveiller après le lancement

La vision de H est celle d’une automatisation universelle : des agents d’IA qui pourraient fonctionner au travers de n’importe quelle interface graphique. Runner H 0.1 constitue une première étape dans cette direction, avec une cible immédiate centrée sur les tests web, la RPA et certains processus d’externalisation.

Les prochains mois devront montrer si l’agent tient ses promesses au-delà des démonstrations et des benchmarks. Plusieurs critères seront particulièrement déterminants : sa fiabilité face à des interfaces qui évoluent, sa capacité à traiter les exceptions, le niveau de contrôle laissé aux entreprises et la simplicité de son intégration dans des processus déjà en place.

L’enjeu est aussi économique. Une automatisation réellement utile ne se mesure pas seulement au nombre de clics effectués par une IA, mais au temps gagné, aux erreurs évitées et à la possibilité pour les salariés de se concentrer sur des tâches à plus forte valeur. Avec Runner H, H entre donc sur un marché exigeant, où la qualité d’exécution comptera autant que l’ampleur de l’ambition.