Fin 2025, 55 % des PME françaises déclarent utiliser l'intelligence artificielle générative. Seules 17 % en font un usage régulier. Entre les deux, un fossé où se loge la plupart des projets Dust, Copilot ou ChatGPT lancés en entreprise. Cet article présente Dust, plateforme française d'agents IA pour l'entreprise : ce que l'outil fait, comment une équipe peut créer un assistant, ses fonctionnalités par métier et ses tarifs. Un exemple par fonction métier montre comment la base de connaissance interne devient le support de chaque produit IA déployé, du service client à la donnée. L'article pointe enfin ce que les avis publiés oublient presque toujours de mesurer.
Qu'est-ce que Dust et comment créer un agent IA sur cette plateforme ?
Qui a fondé Dust et depuis quand existe-t-elle ?
Dust est une entreprise française fondée en 2022 par Stanislas Polu et Gabriel Hubert, deux anciens ingénieurs de Stripe. La société a bouclé un tour de table en mai 2026 auprès de Sequoia et Abstract, avec la participation de Snowflake et de Datadog. Elle construit un outil pensé pour équiper une équipe entière plutôt qu'un seul utilisateur. Ses deux fondateurs défendent publiquement cette vision d'usage collectif.
Comment fonctionne la plateforme Dust ?
La plateforme est conçue autour de trois briques : un modèle de langage, des outils connectés et une base de connaissance propre à l'entreprise. Un agent Dust combine ces trois éléments derrière une interface de conversation.
L'objectif affiché est de rapprocher un agent IA du contexte métier réel plutôt que d'un modèle générique isolé. Cette approche agentique dépasse le simple chatbot isolé capable de répondre à une action précise. Aucun développeur n'est nécessaire pour publier un premier agent intelligent. La plateforme reste accessible depuis un navigateur web standard, sans installation.
Quelles données et quels outils Dust peut-il connecter ?
Dust se connecte aux outils où le travail se fait déjà :
- Slack et Notion pour la connaissance interne et les échanges d'équipe
- Google Drive et Google Sheets pour les documents et les tableaux
- Gmail, HubSpot et GitHub pour les flux commerciaux et techniques
Chaque connecteur donne accès à un périmètre de données que l'agent peut interroger. Dust relie également Zendesk pour le support. Slack, Notion et Google Drive concentrent à eux trois l'essentiel des documents d'une entreprise.
Quelles sont les étapes pour configurer un agent sans coder ?
La création d'un agent suit un parcours guidé, sans écrire de ligne de code :
- Choisir un modèle d'IA (GPT, Claude, Gemini ou Mistral)
- Sélectionner les sources de données à connecter
- Rédiger l'instruction qui cadre le rôle de l'agent
- Tester l'agent sur des cas réels puis le publier à son équipe
Quels modèles d'IA Dust propose-t-il ?
Dust ne développe pas son propre modèle. La plateforme donne accès à plusieurs modèles d'IA générative dans une même interface : Claude d'Anthropic, Gemini de Google, les modèles d'OpenAI et Mistral. Cette approche agnostique permet de changer de modèle sans reconstruire un agent. Un client peut ainsi arbitrer entre plusieurs fournisseurs selon le cas d'usage. Cette possibilité reste un argument fort face à une alternative mono-fournisseur. Une interface unique regroupe plusieurs modèles pour traiter un besoin spécifique sans multiplier les abonnements.
Comment sécuriser les données de l'entreprise dans un agent Dust ?
Avant de connecter une nouvelle source, un point mérite d'être cadré avec l'équipe technique.
La sécurité des données ne se limite pas à la connexion initiale : gérer les droits par équipe limite les dérives dans la durée.
Fonctionnalités et cas d'usage de Dust en entreprise
Assistants personnalisés par métier
Dust permet de configurer des assistants personnalisés propres à chaque équipe. Un assistant support ne partage ni les mêmes sources ni les mêmes instructions qu'un assistant juridique. Cette segmentation évite l'écueil d'un assistant générique que personne n'ajuste. L'expertise métier cadre les instructions. C'est là que se joue la différence entre une réponse utile et une réponse passe-partout.
Intégrations natives aux outils de l'entreprise
Les intégrations natives s'insèrent dans le flux de travail existant plutôt que d'exiger un nouvel outil. Un agent connecté via API à un CRM peut répondre directement depuis Slack. Cette logique réduit le nombre d'allers-retours entre applications pour une tâche donnée.
Partage et collaboration entre équipes
Dust revendique une approche collective, qu'elle nomme multiplayer. Un agent créé par une équipe peut être partagé à une autre organisation interne sans être reconstruit. Cette collaboration limite la duplication d'un même agent développé en parallèle par plusieurs personnes.
Automatisation de workflows récurrents
L'automatisation cible les tâches répétitives à faible valeur ajoutée : tri d'e-mails, rédaction de comptes-rendus, extraction de données d'un document. Automatiser une tâche répétitive devient accessible sans compétence technique. Une grande partie du gain se découvre sur ce premier cas d'usage, le meilleur point de départ avant d'étendre l'automatisation à toute une équipe.
Support client et réponse aux tickets : quel gain mesurable ?
Le tableau ci-dessous résume les principaux cas d'usage de Dust par fonction métier.
| Fonction métier | Cas d'usage type | Ce que l'agent automatise | Bénéfice attendu |
|---|---|---|---|
| Support client | Réponse aux tickets récurrents | Rédaction de brouillons de réponse à partir de l'historique | Moins de temps par ticket traité |
| Ressources humaines | Onboarding des nouveaux salariés | Réponses aux questions fréquentes sur les procédures internes | Moins de sollicitations directes des équipes RH |
| Juridique | Premier niveau de lecture contractuelle | Résumé et repérage de clauses dans un document | Gain de temps sur le tri initial |
| Data | Analyse de tableaux de bord | Génération de synthèses à partir de Google Sheets | Lecture plus rapide des indicateurs |
Sur le support client, un agent connecté à l'historique des tickets propose une réponse de premier niveau que le conseiller valide et ajuste. Le gain se mesure au temps de traitement par ticket plutôt qu'au nombre de tickets fermés.
Ressources humaines et onboarding
Un agent RH répond aux questions récurrentes sur les congés, les notes de frais ou les procédures internes. Il libère du temps aux équipes RH sur les demandes à faible valeur ajoutée. La compétence de l'agent reste limitée aux documents internes qui lui sont explicitement ouverts. La documentation interne reste la source principale de l'agent RH. Elle centralise l'information utile aux nouveaux salariés.
Juridique et conformité interne
Dans un service juridique, un agent aide à repérer une clause dans un contrat ou à résumer un document long avant lecture complète. Il ne remplace pas la validation d'un juriste. Il réduit le temps passé sur le tri initial d'un dossier volumineux. Une vérification légale reste nécessaire avant toute décision. La recherche dans un contrat long gagne surtout du temps sur ce premier tri.
Data et analyse de tableaux de bord
Côté data, un agent connecté à des feuilles Google peut générer une synthèse lisible d'un tableau chiffré. La restitution repose sur la capacité de l'agent à interroger une source structurée plutôt qu'à la reformuler seul. Le résultat reste une aide à la lecture et non un calcul certifié. La génération d'une synthèse reste supervisée avant diffusion.
Avis, comparaison et tarifs de Dust
Que disent les utilisateurs après plusieurs mois d'usage ?
Les avis publiés après plusieurs mois d'utilisation soulignent une prise en main rapide sur les cas simples. Un utilisateur signale souvent un gain réel dès les premières semaines sur des tâches ciblées, puis nuance l'ampleur du gain une fois l'usage étendu à toute une équipe. Ces retours restent des opinions individuelles, pas des mesures d'équipe.
Quelles sont les limites remontées par les avis ?
Quatre limites reviennent régulièrement dans les retours publics :
- Un agent mal cadré donne des réponses approximatives sur des sujets complexes
- La qualité dépend directement de la qualité des sources connectées
- La capacité à industrialiser un cas d'usage varie fortement selon la maturité des équipes
- Une fonctionnalité avancée mal comprise ralentit le passage en production
Le passage à un usage réellement opérationnel demande un accompagnement au-delà du simple test individuel.
Pour quel type d'entreprise Dust est-il le plus adapté ?
Dust cible d'abord des entreprises structurées en plusieurs équipes, avec des processus déjà formalisés. Une PME avec peu d'outils internes tire moins parti de la logique multi-connecteurs. Une organisation avec plusieurs services et beaucoup de documents internes trouve davantage de cas d'usage à traiter.
Dust face à Copilot, ChatGPT Enterprise et Claude
| Critère | Dust | Copilot / ChatGPT Enterprise |
|---|---|---|
| Modèles disponibles | Plusieurs fournisseurs dans une même interface | Généralement un seul fournisseur dominant |
| Angle principal | Création d'agents connectés aux données internes | Assistant intégré à la suite bureautique existante |
| Mode de facturation | Abonnement par siège et par palier | Abonnement par siège, souvent lié à la suite logicielle |
Dust ne cherche pas à concurrencer directement une solution bureautique déjà installée. Son positionnement vise l'assemblage d'agents transverses plutôt que l'assistant natif d'une suite. Face à Microsoft Copilot, Dust mise sur l'ouverture à plusieurs modèles plutôt que sur une transformation profonde des habitudes bureautiques déjà en place. Chercher une alternative à Dust suppose de comparer le mode de facturation par siège plutôt que le seul catalogue de fonctionnalités. Une alternative mono-fournisseur reste plus simple à déployer mais moins flexible dans la durée. Entre les deux, l'alternative la plus adaptée dépend surtout du nombre d'équipes concernées.
Pourquoi Dust met en avant une approche collective et agnostique aux modèles ?
L'approche multi-modèles évite qu'une entreprise dépende d'un seul fournisseur d'IA. Ce choix constitue un avantage sur un marché où les modèles évoluent vite. Une organisation peut ainsi tester un nouveau modèle sans reconstruire ses agents existants.
Dust convient-il aux petites structures ou aux indépendants ?
Un entrepreneur ou une petite structure peut utiliser Dust pour un besoin ponctuel. La plateforme reste pensée pour un usage collectif entre plusieurs équipes. Une jeune structure de quelques personnes y trouvera un intérêt plus limité qu'une organisation déjà découpée en services. Mieux vaut maîtriser un premier flux de travail, en voir le résultat, puis élargir.
Quels sont les plans tarifaires disponibles ?
Dust propose plusieurs plans, dont un plan pro et un plan enterprise, facturés par siège et par mois. Le passage d'un palier à l'autre dépend du nombre d'utilisateurs et du niveau d'accès aux fonctionnalités avancées. Comme pour la plupart des éditeurs du secteur, la grille précise évolue régulièrement et se vérifie directement auprès de Dust. L'offre exacte évolue régulièrement : le contact commercial de Dust reste la source la plus fiable pour un chiffrage à jour.
Le vrai pilotage n'est pas le prix du siège mais son taux d'usage réel
Un chiffre à garder en tête avant de comparer une grille tarifaire de plus.
Cette décision se pilote mieux avec un usage mesuré qu'avec un tarif affiché.
Comment savoir si votre entreprise utilise vraiment Dust ?
Ce que les avis ne mesurent jamais : l'adoption réelle une fois Dust déployé à l'échelle
Un avis publié après six mois d'usage individuel ne dit rien de l'adoption réelle sur cinquante ou cent sièges.
Entre l'usage déclaré et l'usage régulier se loge la question que personne ne pose dans un avis en ligne : votre entreprise utilise-t-elle vraiment l'outil qu'elle paie ?
Quels signaux indiquent une licence Dust sous-utilisée ?
Plusieurs signaux trahissent un déploiement qui n'a pas pris :
- Des sièges achetés sans connexion depuis plusieurs semaines
- Des agents créés puis abandonnés après quelques tests
- Le même cas d'usage recréé séparément par deux équipes qui s'ignorent
- Une réponse automatique jamais relue ni corrigée après plusieurs semaines d'usage
Accéder à un document archivé devient plus rapide une fois la source connectée. Une tâche automatisée mal cadrée peut aussi propager une erreur plus vite qu'un humain ne l'aurait fait.
Ce qu'une entreprise met en place une fois la mesure faite
Mesurer ne suffit pas. Les gestes qui suivent se rangent du moins coûteux au plus engageant. Ce sont trois formes d'outillage, jamais des consignes de discipline adressées aux équipes.
Publier les agents que chacun refait dans son coin. Dust permet de partager un agent d'une équipe à l'autre sans le reconstruire. La mesure rend ce partage décidable : quand elle montre que trois équipes ont bâti le même assistant de support, en publier un seul relève le niveau de tout le monde sans budget supplémentaire.
Brancher l'agent là où le travail se fait déjà. Un assistant qui oblige à quitter Slack ou Notion pour ouvrir une interface de plus ne s'installe pas. Les connecteurs vers l'espace documentaire, la messagerie et l'outil de relation client transforment un usage volontaire en usage naturel.
Mutualiser sur les cas d'usage que la mesure a identifiés comme récurrents. C'est le levier le plus engageant. C'est aussi le seul qui se décide sur des données plutôt que sur une intuition : on n'industrialise que ce qui est déjà pratiqué.
Comment mesurer l'usage réel de Dust aux côtés de vos autres outils IA ?
L'audit de l'usage réel de l'IA mené par Idun Group regarde Dust aux côtés de vos autres outils, à partir des journaux et des exports que la plateforme produit déjà. La méthode repose sur une connexion directe aux IA les plus connues du marché, sans rien installer sur les postes et sans réinstrumentation. Le principe qui l'encadre ne bouge pas : nous analysons des usages, jamais des personnes. Les résultats sont agrégés par équipe et par outil, jamais par personne ; le statut exact du traitement se valide avec le délégué à la protection des données. Un tableau de bord mesure l'usage. L'audit dit ce qu'il faut en faire : industrialiser un cas d'usage prouvé, consolider des sièges dupliqués, couper ce qui ne sert pas.
