Applied Computing lève 20 M$ pour Orbital, un modèle IA « à l'échelle de l'usine » pour l'O&G

Applied Computing, jeune pousse basée à Londres et fondée en 2023, vient de boucler une série A de 20 millions de dollars menée par l'ingénieriste KBR, avec la participation de Databricks Ventures. La société revendique une croissance de la sortie de furtivité à « plusieurs dizaines de millions de dollars » de revenus récurrents annuels en moins de dix-huit mois, ouvre un bureau à Houston et prépare une expansion au Moyen-Orient — trois marqueurs d'une traction réelle sur les grands opérateurs pétroliers et gaziers.

Le cœur technologique est Orbital, un modèle de fondation qui ne se contente pas de traiter du texte : il fusionne l'analyse de séries temporelles, la modélisation physique et le traitement du langage pour prédire l'état d'une installation dans son ensemble. Là où un capteur isolé alimente une alerte locale, Orbital raisonne sous contraintes physiques et limites d'équipement, et simule la propagation d'un changement d'un point du procédé vers tous les autres. Le CEO Callum Adamson chiffre le gisement inexploité : les sites utiliseraient « moins de 8 % » des données disponibles, et Orbital comprimerait en quelques secondes des enquêtes qui mobilisent aujourd'hui des ingénieurs pendant des jours ou des semaines.

L'enjeu métier est double : réduire la consommation énergétique à production constante et sécuriser des décisions d'exploitation aujourd'hui prises à l'aveugle sur des installations vieillissantes. Le tour de table mené par KBR — et non par un fonds généraliste — dit quelque chose de la thèse : l'IA industrielle de procédé se valide d'abord auprès de ceux qui conçoivent et opèrent les usines, avant de convaincre les investisseurs financiers. Les clients cités restent anonymes (« grands groupes cotés » de l'amont et de l'aval, « un opérateur upstream américain majeur »), signe d'un secteur encore prudent sur sa communication IA.

Analyse Cardan-AI : Orbital illustre le passage d'une IA O&G morcelée — maintenance prédictive par équipement, optimisation par unité — à un modèle unique « à l'échelle de l'usine » qui rapproche le jumeau numérique opérationnel du temps réel. Pour un exploitant énergétique, la question n'est plus « faut-il de l'IA capteurs ? » mais « quelle donnée, quelle gouvernance et quelle intégration au SI industriel pour dépasser les 8 % exploités ? ». C'est précisément le diagnostic que Cardan-AI mène auprès des directions industrielles : cartographier la donnée dormante, prioriser les cas d'usage à ROI rapide et bâtir la trajectoire vers un pilotage augmenté par l'IA, sans dépendance aveugle à un fournisseur unique.