Les rouages d’Argonos (ChapsVision), futur remplaçant de Palantir à la DGSI

Faire de l’ombre à Palantir en Europe

Le projet de la DGSI, doté d’environ 40 millions d’euros, vise à remplacer, à terme, ses systèmes basés sur la plateforme Gotham de Palantir. La DGSI a adopté Palantir en 2016, après les attentats de novembre 2015.

L’éditeur français a par ailleurs convaincu Bfv, l’agence de renseignement intérieur allemande. Selon Bloomberg, il serait également en discussion avec « tous les clients sensibles » en Pologne.

Toujours selon les propos recueillis par Bloomberg, ChapsVision a entamé ses échanges avec la DGSI en 2021. Mais, selon Éric Bourry, la plateforme n’a pas été conçue spécifiquement pour OTDH. Le projet de la direction du renseignement intérieur est, en quelque sorte, l’arbre qui cache la forêt. « Le remplacement de Palantir est un cas d’usage parmi d’autres. L’État, tous ministères confondus, s’équipe d’une plateforme de gestion de données permettant de répondre à un ensemble de cas d’usage », déclare-t-il. Et d’évoquer des déploiements prévus au sein des ministères de la Santé et de l’Économie et des Finances.

Le projet OTDH « ne sera pas le premier qui sera déployé en production », insiste-t-il. « Remplacer Palantir, ça prend un petit peu de temps, ça ne se fait pas comme ça ».

Après l’annonce du choix de ChapsVision pour le lot 2 par le 1^er ministre Sébastien Lecornu le 16 juin dernier, Palantir a précisé avoir renouvelé son contrat avec la DGSI en décembre 2025 pour trois années supplémentaires.

Qu’est-ce qu’Argonos ?

Argonos affiche des capacités de collecte, de préparation, de modélisation et de visualisation de données structurées et non structurées. De manière générale, ChapsVision s’appuie sur un « certain nombre de composants open source » au-dessus desquels s’ajoutent des briques propriétaires. Comme son concurrent américain.

À ceci près que la plateforme est développée par un acteur français, hébergée sur site, en cloud public, en cloud privé, sur des clouds « souverains », dont Scaleway et OVHcloud, ou dans des environnements totalement isolés d’Internet (« air-gapped »). « J’ai même un déploiement complet d’Argonos sur mon ordinateur portable », assure le vice-président innovation.

Dans la communauté du renseignement, il est entendu que personne n’assemble ces briques comme le fait Palantir. ChapsVision devra donc s’assurer d’égaler l’acteur américain dès 2028.

À l’image de son concurrent préféré (« Palantir et le seul que j’ai envie de citer », affirme Éric Bourry), l’éditeur français mise sur un socle technique générique, « indépendant du métier, très modulaire, extensible et configurable ». Une plateforme qui peut convenir aux besoins des gouvernements et des grands comptes.

Éric Bourry souligne les efforts de ChapsVision pour porter sur Argonos des applications de suivi de la chaîne d’approvisionnement dans le manufacturing et dans l’industrie pharmaceutique, ainsi que des outils d’investigation auprès des services d’enquêtes des banques, des assurances et des équipes cyber (fuites de données).

Pour ce faire, Argonos collecte les données depuis plus de 300 sources différentes, qu’elles soient structurées, non structurées, extraites de SI internes ou du Web. « Nous disposons de capacités de collecte sur des sites Web, des bases de brevet, Wikipédia, les réseaux sociaux, etc. », illustre l’interlocuteur du MagIT.

Une utilisation massive des IA pour traiter les données

Ensuite, la plateforme rassemble plusieurs capacités de préparation de données structurées et non structurées (documents, images, vidéos, audio). « Par ailleurs, nous intégrons des choses de l’ordre de l’indispensable : la parallélisation, la priorisation, la supervision et l’extensibilité des traitements », indique Éric Bourry.

En sus des traitements analytiques traditionnels, ChapsVision utilise différents modèles d’IA, des modèles de speech to text (MediaSpeech), de traduction (SYSTRAN), d’extraction d’entités nommées, de reconnaissances vidéo (ACIC), d’analyse géospatiale (Articque), ou, aux besoins, des LLM. Chacun des types de traitement est décliné en module.

 « Il n’y a pas aujourd’hui de solution couteau suisse », explique l’interlocuteur du MagIT. « Les LLM multimodaux apportent beaucoup de choses, mais ils sont souvent lents et chers si l’on recherche un haut niveau de précision ».

En revanche, ces mêmes LLM peuvent servir à obtenir de premiers résultats qui permettent d’affiner les performances d’un algorithme spécialisé après entraînement.

Data lineage et graphe de connaissances

Tous les traitements sont auditables à l’aide d’une capacité de data lineage. « Nous offrons la garantie de tracer tout l’historique des traitements qui ont abouti à un résultat, que ce soit une valeur ou un nom », affirme le responsable.

Les usagers peuvent ensuite modéliser les données sous forme de graphes. « Nous avons des graphes de connaissances, que nous appelons des univers de données, définis par des ontologies », indique Éric Bourry. « Il n’y a pas de modèle de données préétablies dans Argonos. La plateforme ne sait pas sans configuration ce qu’est une personne, une entreprise, etc. Les ontologies servent à expliquer les objets que l’on souhaite manipuler ».

Les graphes ne sont pas uniquement des représentations. Les objets et leurs relations sont stockés au sein d’une base de données orientée graphes.

La déclinaison des ontologies et des graphes dépend des informations à afficher aux usagers finaux. Argonos dispose d’expériences de visualisation low-code/no-code (cartes, frises chronologiques, diagrammes, etc.) et un assistant IA pour explorer les données. ChapsVision peut y greffer un GraphRAG à l’aide des capacités de Sinequa.

Plus tard, des agents IA pourront être intégrés par-dessus cette plateforme.

« Nous sommes en train d’ajouter des composants – y compris la prise en charge de MCP- pour exécuter des traitements agentiques, développer des agents IA et de superviser leur déploiement au sein des entreprises », décrit Éric Bourry.

Une gestion fine des accès et des rôles

Selon l’intéressé, une brique sera la clé dans ces déploiements.

« L’un de nos grands différenciants, c’est notre modèle de sécurité qui s’appuie sur un principe d’ABAC (Attributes Based Access Control) », ajoute Éric Bourry. « Nous l’avons intégré finement pour définir des droits à n’importe quel niveau en nous appuyant sur toutes les propriétés à notre disposition : les rôles, l’IP de la machine, l’heure, etc. En clair, en fonction de qui l’on est, où l’on se trouve et à quelle heure, les accès aux données peuvent changer ». Il serait même possible de faire varier les droits d’une personne binationale en fonction du contexte.

« Le fait que notre couche de sécurité soit vraiment au plus bas nous permet aujourd’hui de la rendre compatible avec l’IA agentique », avance-t-il.

ChapsVision n’est pas le seul à vouloir concurrencer Palantir Gotham et Foundry. L’Irlandais Siren.io, le Polonais DataWalk ainsi que les Américains, Leidos, ou encore Neo4j (depuis le rachat de GraphAware) sont de la partie.