Traversal lève 120 millions de dollars pour ses agents IA anti-pannes

Entreprise	Secteur	Montant	Tour	Investisseurs principaux	Date
Traversal	Agents IA pour la fiabilité des systèmes (SRE)	120 M$ (environ 104 M€)	Série B, valorisation 1 Md$	Kleiner Perkins, Redpoint Ventures, Khosla Ventures, Sequoia, Battery Ventures	3 novembre 2026

La startup américaine Traversal a levé 120 millions de dollars en série B, pour une valorisation d'un milliard de dollars. Ses agents d'IA enquêtent sur les pannes des systèmes informatiques et proposent des correctifs. Une levée qui illustre l'effet secondaire de l'IA générative : plus de code produit, c'est aussi plus d'incidents à résoudre.

L'annonce a été faite le 3 novembre 2026. Le tour est co-mené par Kleiner Perkins, Redpoint Ventures et Khosla Ventures, avec une participation significative de Sequoia et Battery Ventures, selon le billet de l'entreprise. Amex Ventures, le fonds de capital-risque d'American Express, figure aussi parmi les investisseurs, d'après SiliconANGLE.

Traversal s'attaque à un métier peu connu du grand public mais essentiel : l'ingénierie de la fiabilité des sites, ou SRE. Ces ingénieurs veillent à ce que les applications restent disponibles et rapides, et interviennent quand tout s'arrête. Avec la généralisation des agents de code, leur charge de travail explose. C'est sur ce constat que la jeune pousse vient de devenir une licorne, moins d'un an et demi après sa sortie de l'ombre.

Les détails de la levée de fonds de Traversal

Traversal était sortie de la confidentialité en juin 2025 avec 48 millions de dollars levés auprès de Sequoia Capital et Kleiner Perkins, avant de recevoir un investissement stratégique d'Amex Ventures, rappelle Pulse 2.0. Avec cette série B, le total des fonds levés atteint 173 millions de dollars. Kleiner Perkins et Sequoia remettent au pot, un signe de confiance des premiers investisseurs.

L'entreprise a été fondée par Anish Agarwal, son directeur général, Raaz Dwivedi, Raj Agrawal et Ahmed Lone. Trois d'entre eux viennent de la recherche universitaire en apprentissage automatique causal et en apprentissage par renforcement, passés par le MIT, Berkeley, Columbia et Cornell, selon le billet des fondateurs.

À quoi servira l'argent

Les fonds serviront à recruter dans la recherche, l'ingénierie et les équipes commerciales. L'objectif affiché est ambitieux : une « production autonome », où les systèmes logiciels détectent eux-mêmes les problèmes, en comprennent la cause, appliquent un correctif, vérifient qu'il fonctionne et préviennent les incidents suivants. Anish Agarwal parle d'un ingénieur SRE « superintelligent ».

Pourquoi les pannes se multiplient avec l'IA

Le paradoxe est au cœur du discours de Traversal. Les agents de code ont accéléré l'écriture des logiciels, mais pas leur maintenance. L'entreprise cite une enquête selon laquelle 42 % des développeurs utilisent désormais l'IA pour écrire la majorité de leur code, contre 12 % un an plus tôt, tandis que 52 % passent plus de temps à déboguer ce code une fois en production.

Les conséquences sont coûteuses. Selon un rapport de Splunk et Oxford Economics cité par SiliconANGLE, le coût des interruptions de service a augmenté de plus de 50 % en deux ans et atteint jusqu'à 600 milliards de dollars par an pour les entreprises mondiales. Sur la même période, la production de code des développeurs aurait progressé d'environ 180 %.

Les modèles généralistes ne suffisent pas

Pourquoi ne pas confier ce travail à ChatGPT ou Claude ? Anish Agarwal met en avant le banc d'essai ORCA-bench, développé par Traversal avec des chercheurs de Cornell Tech et de l'université Columbia. D'après SiliconANGLE, les modèles les plus avancés n'y atteignent qu'environ 25 % de précision sur des tâches de difficulté moyenne, avec des taux d'hallucination dépassant souvent 40 %. Ces chiffres proviennent d'un test conçu par l'entreprise elle-même et sont donc à lire avec prudence.

Le problème est de fond : un grand modèle de langage repère ce qui arrive en même temps, pas ce qui cause quoi. Lors d'une panne, des dizaines de signaux s'allument à la fois, et le modèle risque de retenir l'explication la plus plausible plutôt que la bonne.

Comment fonctionnent les agents de Traversal

La technologie repose sur deux briques présentées en mars 2026. Un « modèle du monde de production » transforme les journaux d'événements, les métriques, le code et l'historique des déploiements en une représentation lisible par l'IA, mise à jour en continu. Un moteur de recherche causale permet ensuite aux agents de tester des milliers d'hypothèses en parallèle pour remonter à la cause d'un incident. L'ingénieur humain n'a plus qu'à valider la recommandation.

Traversal a récemment ajouté des agents proactifs, baptisés Traversal Workers, qui démarrent une enquête dès qu'une alerte se déclenche, sans attendre qu'un ingénieur les sollicite. Un connecteur MCP permet aussi aux agents de code d'interroger la connaissance de la production accumulée par Traversal, pour écrire du code moins fragile.

« L'ingénierie de la fiabilité est l'un des problèmes les plus difficiles de l'IA appliquée, car l'environnement logiciel de chaque entreprise est différent », explique Anish Agarwal, cité par SiliconANGLE.

Les chiffres clés de Traversal

Indicateur	Valeur	Source
Montant de la série B	120 millions de dollars	Traversal
Valorisation	1 milliard de dollars	Traversal
Total levé	173 millions de dollars	Pulse 2.0
Enquêtes mensuelles en 2026	De 513 à près de 73 000	Traversal
Enquêtes au dernier trimestre	Plus de 150 000	Pulse 2.0
Croissance du chiffre d'affaires	Multiplié par plus de 9	SiliconANGLE, Pulse 2.0
Utilisateurs actifs mensuels	Multipliés par près de 20	SiliconANGLE, Pulse 2.0
Clients cités	PepsiCo, DigitalOcean, Nubank, Harvey	SiliconANGLE

Environ deux tiers de l'usage dépassent désormais la seule recherche de cause des pannes, selon Traversal : tri des alertes, évaluation du risque d'une mise en production, sécurité ou questions de support.

Ce que cette levée dit du marché

Cette levée confirme une tendance déjà visible ces derniers jours : les investisseurs financent massivement toute la chaîne qui entoure les agents de code. Meta vient de racheter Conductor, qui orchestre plusieurs agents de développement, tandis que les fournisseurs d'infrastructure comme Fal voient leur valorisation s'envoler.

Pour les entreprises françaises, le message est concret. Adopter des agents de code sans renforcer la surveillance de la production revient à déplacer le problème. Une PME qui fait développer ses outils avec l'aide de l'IA, en interne ou via un prestataire, a intérêt à vérifier trois points : la qualité de la supervision de ses applications, la capacité à revenir rapidement en arrière après une mise à jour, et la documentation des incidents passés, matière première de tout agent de diagnostic.

La question du coût mérite aussi d'être posée. Une panne d'une demi-journée sur un site marchand ou un logiciel de gestion peut représenter des ventes perdues, des équipes immobilisées et une image dégradée auprès des clients. Pour une entreprise de taille moyenne, l'enjeu n'est pas forcément de s'équiper d'un agent de diagnostic dès aujourd'hui, mais de réunir les conditions qui le rendront utile demain : des journaux d'événements centralisés, des alertes bien réglées et des procédures écrites. Ce sont exactement les données dont se nourrissent des outils comme Traversal.

Aditya Naganath, de Kleiner Perkins, résume la thèse des investisseurs : à mesure que l'IA accélère l'écriture et la livraison des logiciels, « la complexité de la gestion de la production ne fera que croître ».

Limites et questions ouvertes

Plusieurs points appellent la prudence. Les indicateurs de croissance proviennent de l'entreprise et ne sont pas audités. Les sources ne concordent pas tout à fait sur la période : SiliconANGLE évoque un chiffre d'affaires multiplié par plus de neuf sur un an, Pulse 2.0 depuis le début de l'année. Traversal ne publie pas de chiffre d'affaires en valeur absolue.

La notion de « production autonome » pose aussi des questions de responsabilité. Laisser un agent appliquer seul un correctif sur un système critique, dans une banque ou un hôpital, suppose des garde-fous solides et une traçabilité complète. Traversal insiste pour l'instant sur la validation humaine, mais son ambition va plus loin.

Enfin, la concurrence s'organise. Les grands éditeurs d'outils de supervision, comme Datadog ou Splunk, développent leurs propres assistants d'IA, et les hyperscalers intègrent des fonctions similaires à leurs offres cloud.

Ce qu'il faut surveiller

Trois indicateurs diront si Traversal tient ses promesses : la part des incidents résolus sans intervention humaine, l'arrivée de clients en Europe, où la startup n'a pas annoncé de présence, et la réaction des acteurs historiques de la supervision. La levée de 120 millions de dollars de Traversal donne à la startup les moyens de ses ambitions ; reste à prouver que des agents peuvent réparer, et pas seulement diagnostiquer, les systèmes qu'ils surveillent.

En bref

• Traversal lève 120 millions de dollars en série B et atteint une valorisation d'un milliard de dollars.
• Le tour est co-mené par Kleiner Perkins, Redpoint Ventures et Khosla Ventures, avec Sequoia et Battery Ventures.
• Ses agents d'IA diagnostiquent les pannes informatiques grâce à l'apprentissage automatique causal.
• Les enquêtes mensuelles sont passées de 513 à près de 73 000 en 2026, selon l'entreprise.
• La levée illustre le revers des agents de code : plus de logiciels, plus d'incidents à gérer.

Sources

• Traversal Raises $120M Series B to Close the Outer Loop, Traversal (blog), 3 novembre 2026
• Autonomous site reliability engineering startup Traversal bags $120M in funding at a $1B valuation, SiliconANGLE, 3 novembre 2026
• Traversal Raises $120 Million At $1 Billion Valuation To Expand AI Site Reliability Engineering Platform, Pulse 2.0, 4 novembre 2026

Photo d'illustration : guvo59 sur Pixabay.