L’écosystème de l’intelligence artificielle entreprise franchit une nouvelle étape avec l’arrivée de Koa. Il s’agit du premier modèle de raisonnement CRM de Salesforce, développé en partenariat avec Nvidia et annoncé lors de Dreamforce 2026.
Cet événement, qui se tient du 15 au 17 septembre 2026 au Moscone Center de San Francisco, devrait attirer entre 43 000 et 50 000 participants. La collaboration entre les deux géants technologiques vise à intégrer une IA spécialisée directement au cœur des processus métiers.
Qu’est-ce que Koa ? Origines et positionnement dans Agentforce
Koa est conçu spécifiquement pour le domaine de la gestion de la relation client (CRM). Contrairement aux modèles d’IA générale qui tentent de tout couvrir, Koa se concentre sur la logique métier, le raisonnement opérationnel et l’exécution de tâches précises. Le modèle est destiné à équiper les agents IA d’Agentforce.
Son objectif est de réaliser des tâches de vente, marketing et support client multi-étapes. L’intégration native dans Agentforce permet à Koa de comprendre le contexte commercial et d’agir en conséquence, plutôt que de simplement générer du texte. Cette approche se différencie des IA CRM concurrentes, comme celles intégrées dans Microsoft Dynamics ou HubSpot, qui s’appuient souvent sur des modèles génériques sans spécialisation aussi poussée pour les workflows.
À moyen terme, l’arrivée de Koa modifie la nature du travail pour les équipes commerciales et le support client. Les employés verront les tâches routinières et les processus administratifs complexes automatisés par les agents. Leur rôle évoluera progressivement vers la supervision des IA, la gestion des cas exceptionnels et la stratégie relationnelle humaine.
Comment Koa a été entraîné : Nemotron 3 Super et données synthétiques
La fondation technique de Koa repose sur l’architecture ouverte de Nvidia. Koa est basé sur NVIDIA Nemotron 3 Super, un modèle ouvert (open-weight) de Nvidia. Cette base permet une grande flexibilité pour le post-entraînement.
Le modèle a été post-entraîné à l’aide de données synthétiques propriétaires reproduisant près de trois décennies de connaissances issues des déploiements CRM de Salesforce. Une règle stricte a guidé ce processus : aucune donnée client réelle n’a été utilisée pour entraîner le modèle de raisonnement de Koa. Cette méthode garantit la confidentialité absolue dès la phase de conception.
Les scénarios d’entraînement couvrent des processus, workflows et politiques opérationnelles dans plus de 14 secteurs, dont la finance, la santé et l’industrie. Parmi les cas d’usage sectoriels précis, on retrouve par exemple le routage intelligent de dossiers de conformité dans la finance, la planification de suivis de patients dans la santé, ou l’automatisation de la gestion des fournisseurs dans l’industrie.
Pour développer Koa, Salesforce s’est appuyé sur l’apprentissage supervisé et l’apprentissage par renforcement, avec des technologies Nvidia telles que NeMo RL, NeMo Gym et NeMo AutoModel. Ces outils ont permis d’affiner la capacité du modèle à prendre les bonnes décisions dans des environnements simulés.
Performances et benchmarks : Koa face à GPT-4.1, GPT-5.5 et Claude Opus 4.8
Les évaluations internes de Salesforce démontrent des gains notables en précision et en fiabilité par rapport aux modèles génériques. Comparé aux modèles d’intelligence générale par défaut, Koa serait 11% plus précis pour choisir la bonne action à exécuter. Le modèle afficherait également une fiabilité 2,1 fois supérieure, avec une pertinence des réponses plus élevée et plus rapide.
La gestion de la mémoire conversationnelle est également améliorée. Koa serait 15% meilleur pour mémoriser le contexte lors de conversations longues, un atout majeur pour le support client où les historiques d’interaction sont complexes. Salesforce indique que Koa égale ou dépasse les performances des modèles leaders sur son CRM Benchmark tout en produisant trois fois moins d’erreurs.
Le CRM Benchmark de Salesforce évalue des tâches comme la mise à jour d’opportunités, le routage de dossiers et la planification de suivis. Sur les comparatifs Tau²-Bench, BFCL et CRM Bench, Koa dépasse le modèle de base Nemotron ainsi que GPT-4.1 (sorti en avril 2025). Koa reste en revanche loin derrière GPT-5.5 et Claude Opus 4.8 sur plusieurs de ces évaluations. Les modèles frontières conservent une avance brute sur les tests généraux de raisonnement, mais Koa compense par sa spécialisation et sa précision métier.
Sur le plan technique, les coûts en tokens et la latence sont optimisés. Kari Ann Briski, VP Generative AI Software for Enterprise chez Nvidia, souligne que l’architecture Nemotron offre une efficacité token unique pour l’inférence. Cela permet à Koa d’offrir des temps de réponse compétitifs tout en limitant la charge informatique par rapport aux modèles frontières massifs.
Sécurité, gouvernance des données et infrastructure propriétaire
La sécurité des données est un pilier central du déploiement de Koa. Salesforce contrôle les poids du modèle et exploite Koa sur sa propre infrastructure afin que les données des clients restent dans son périmètre de confiance pendant l’inférence. Aucune donnée ne transite vers des infrastructures externes non maîtrisées.
Marc Benioff, Chair et CEO de Salesforce, a déclaré que Koa fait tourner une intelligence qui reste entièrement à l’intérieur du périmètre de confiance de l’entreprise cliente. Cette posture répond aux inquiétudes légitimes des organisations concernant la fuite de propriété intellectuelle ou de données sensibles vers des fournisseurs d’IA tiers.
En revanche, des détails techniques sur la consommation énergétique et l’empreinte carbone de l’entraînement et de l’inférence de Koa n’ont pas été communiqués pour le moment. De même, Salesforce n’a pas encore dévoilé de détails sur la tarification ou le modèle économique spécifique de Koa pour les clients Agentforce, laissant planer une incertitude sur la structure des coûts d’utilisation (par token, par agent, ou forfait global).
Extension à Missionforce : IA pour gouvernements et secteurs réglementés
La collaboration Salesforce-Nvidia s’étend au-delà du secteur commercial classique. Salesforce et Nvidia étendent également leur collaboration à Missionforce, destiné aux administrations publiques et aux secteurs réglementés manipulant des données sensibles.
Les clients de Missionforce pourront entraîner, affiner et déployer des modèles spécialisés sur leurs propres infrastructures, y compris dans des clouds privés ou des réseaux isolés d’Internet (air-gapped). Cette capacité de déploiement isolé est cruciale pour les agences gouvernementales, la défense ou la santé, où la connexion à des services cloud publics est prohibée.
Des modèles Nvidia post-entraînés alimenteront Missionforce Operations pour automatiser des processus comme les achats, la gestion des fournisseurs et la logistique. Jensen Huang, fondateur et CEO de Nvidia, a affirmé que les modèles ouverts Nemotron donnent à Salesforce les bases pour transformer des décennies d’expertise en une IA spécialisée. Cette approche permet d’apporter des solutions IA robustes là où la sécurité prime sur la flexibilité.
Disponibilité, calendrier de déploiement et impact pour les entreprises
Une disponibilité générale de Koa est attendue durant l’hiver 2026 dans les régions américaines. Le déploiement se fera de manière progressive, avec une priorisation sur le marché nord-américain avant une expansion potentielle vers d’autres régions. Étant donné que le modèle n’est pas encore en disponibilité générale, il n’existe actuellement aucun retour d’expérience client ni d’études de cas réelles sur son utilisation en production à grande échelle.
Pour les entreprises, l’impact principal se situera dans l’automatisation fiable des flux de travail. Les équipes pourront déléguer la mise à jour des systèmes, le tri des priorités et le suivi des opportunités à des agents IA fiables. La réduction des erreurs de saisie et le respect strict des politiques opérationnelles internes permettront d’accélérer les cycles de vente et d’améliorer la qualité du service client sans nécessiter de recrutements massifs.
