Dust est la plateforme d'agents IA que Tandem déploie pour la recherche documentaire interne depuis l'automne 2025. Mon avis tient en trois phrases. Elle fait très bien une chose difficile, brancher l'intelligence artificielle sur la documentation réelle d'une entreprise sans inventer de réponses. Elle coûte moins cher que ce que la plupart des gens imaginent. Et son offre en libre service porte une limite que personne ne cite, trois connecteurs maximum.
Cet article déroule ce qu'elle fait et ce qu'elle coûte en octobre 2026. Puis ce que j'en ai tiré en mission, et les trois points qui décident si elle convient à votre entreprise.
Dust, ce que la plateforme fait vraiment
Dust est une plateforme logicielle qui connecte la documentation, les outils et les équipes d'une entreprise, pour y faire tourner des agents IA. L'éditeur résume sa promesse en une ligne sur sa page d'accueil, la collaboration entre humains et agents dans un espace partagé. Chaque agent reçoit des instructions, un périmètre de données et des outils. Il répond en citant ses sources.
La société a été fondée en 2022 par Gabriel Hubert et Stanislas Polu, passés tous les deux par Stripe, le second ayant également travaillé trois ans chez OpenAI. Elle a levé 40 millions de dollars en mai 2026, soit environ 34 millions d'euros, dans un tour co-mené par Sequoia et Abstract, avec Snowflake et Datadog à bord. Sifted a détaillé l'opération, qui porte le total levé à plus de 60 millions de dollars. L'éditeur revendique plus de 3 000 organisations clientes et plus de 300 000 agents déployés.
Le vocabulaire maison mérite une note. Dust parle d'« AI Operators », les personnes les plus proches du terrain qui construisent et font tourner les agents de leur équipe. L'éditeur affirme explicitement que la transformation ne viendra ni des consultants externes ni des cellules d'innovation centralisées. Pour une agence comme Tandem, l'affirmation est frontale. Elle est aussi en grande partie juste, et j'y reviens plus bas.
Pourquoi Tandem déploie Dust pour la recherche interne
La recherche documentaire est le cas d'usage qui débloque le plus de valeur pour le moins d'effort. Un collaborateur passe une part considérable de sa semaine à chercher une information qui existe déjà quelque part. J'ai détaillé ce cas d'usage et son impact dans notre retour sur les cas d'usage IA en entreprise. La plateforme que nous déployons pour ça est Dust.
- Les espaces documentaires se branchent sur Google Drive, Notion, Confluence et SharePoint.
- Le CRM se connecte également, qu'il s'agisse de Salesforce, de HubSpot ou d'Attio.
- Les permissions se règlent par espace et par équipe, ce qui évite d'exposer les ressources humaines au reste de la société.
- Chaque réponse cite le document source et sa date de dernière mise à jour.
Le résultat observé sur nos déploiements tient en un chiffre, un temps de recherche divisé par dix en moyenne. Quelques minutes deviennent quelques dizaines de secondes. L'onboarding des nouveaux arrivants s'accélère, et les demandes redondantes entre équipes diminuent. Le calcul de rentabilité est simple. Un collaborateur qui économise une heure par mois a déjà remboursé sa licence.
Combien coûte Dust en octobre 2026
La grille est publiée en euros hors taxes sur la page des tarifs de l'éditeur, relevée en octobre 2026. L'offre Business couvre les équipes jusqu'à cent personnes. Au-delà, le contrat Enterprise prend le relais.
| Offre | Prix par siège et par mois | Crédits inclus | Pour qui |
|---|---|---|---|
| Free | 0 euro | 500 crédits à vie | Essayer seul, sans engagement |
| Pro | 24 euros en annuel, 30 euros en mensuel | 8 000 par mois | Une équipe qui démarre |
| Max | 120 euros en annuel, 150 euros en mensuel | 40 000 par mois | Un usage intensif et quotidien |
| Enterprise | Sur devis | Mutualisés sur l'espace de travail | Au-delà de cent personnes |
Un repère utile pour comparer. En octobre 2025, j'annonçais dans ma newsletter un coût d'environ 29 euros par mois et par utilisateur pour ce type de solution. Le tarif catalogue a baissé depuis, et la structure a changé. Revérifier un prix produit avant de le citer reste le réflexe de base, même quand le chiffre vient de vous.
Les crédits, le point qui inquiète les utilisateurs
Dust facture désormais deux choses, le siège et la consommation. Un crédit se débite à chaque message, selon le modèle employé et selon les outils que l'agent actionne. Une question simple posée à un modèle économe coûte peu. Une recherche approfondie qui enchaîne plusieurs étapes et plusieurs outils coûte beaucoup plus. Les crédits se remettent à zéro à chaque début de période et ne se reportent jamais.
Ce basculement est le reproche le plus fréquent dans les avis publiés. Sur G2, la plateforme obtient 4,6 sur 5 pour 87 avis, relevés en octobre 2026, et plusieurs utilisateurs disent craindre le passage à une facturation à l'usage. Les compliments récurrents portent, eux, sur la rapidité de construction d'un agent et sur l'accès à plusieurs modèles sans avoir à trancher. Les mêmes avis déclarent un mois d'implémentation et un retour sur investissement à quatre mois.
Un modèle différent par tâche, l'argument qui tient
L'offre donne accès à plus de vingt modèles de pointe dans la même interface, de GPT à Claude en passant par Gemini, Mistral et DeepSeek. L'agent qui rédige et celui qui analyse un contrat n'ont pas besoin du même moteur. Je défendais déjà cette logique dans ma publication LinkedIn sur la pyramide des outils IA, où chaque outil répond à un besoin précis plutôt qu'à tous.
L'intérêt pratique dépasse le confort. Changer de modèle sur un agent prend quelques secondes, sans refaire les instructions ni rebrancher les données. Quand un fournisseur augmente ses tarifs ou dégrade sa latence, le basculement se fait dans la journée. Cette réversibilité vaut cher, et elle est rarement mise en avant dans les comparatifs.
Les Frames, la fonction qui m'a le plus surpris
Un agent répond en général par un pavé de texte. Les Frames transforment cette réponse en interface interactive, partageable et modifiable par l'équipe. Sur un cas de comparaison de devis fournisseurs, la différence est spectaculaire. L'agent normalise les unités, aligne les postes et signale les écarts significatifs. Le résultat sort en tableau manipulable plutôt qu'en prose.
Le chiffre que je retiens de cette démonstration est deux minutes cinquante-deux, contre une demi-journée à la main. Je l'ai documenté dans ma newsletter en novembre 2025. C'est aussi la fonction que les utilisateurs citent le plus souvent comme leur préférée dans les avis publiés, ce qui reste rare pour une fonction d'affichage.
Dust est-il vraiment une plateforme souveraine
C'est l'argument que tout le monde avance, et il mérite d'être regardé de près. L'éditeur publie son registre de sous-traitants, ce qui est déjà une marque de transparence rare. Vingt sous-traitants y figurent, dont sept fournisseurs de modèles. Un seul d'entre eux, Mistral AI, traite les données uniquement dans l'Union européenne.
La bonne nouvelle est ailleurs. La résidence des données européenne est déjà incluse dans l'offre en libre service. Beaucoup de plateformes la réservent à leur contrat Enterprise. L'éditeur est certifié SOC 2 Type II, affirme ne jamais entraîner de modèle sur vos données et déclare une politique de non-rétention chez ses fournisseurs. Pour une organisation qui veut aller plus loin, la seule réponse complète reste l'exécution de modèles en local, avec le coût et les contraintes que cela suppose.
Combien de connecteurs, vraiment
Voici le point le plus concret de cet article, et le moins documenté ailleurs. Trois pages du même éditeur, consultées le même jour en octobre 2026, donnent trois comptes différents. La page d'accueil annonce plus de soixante-dix connecteurs. La page des tarifs parle de plus de vingt sources de données. La documentation technique, elle, liste neuf connexions natives.
Les neuf connexions natives couvrent Confluence, Google Drive, GitHub, Notion, Slack, Snowflake, Zendesk, Intercom et SharePoint. Le reste passe par un standard d'interconnexion appelé MCP, qui permet de brancher à peu près n'importe quel outil disposant d'un serveur compatible. L'offre Business en autorise cinq à distance, l'offre Enterprise les ouvre sans limite.
Retenez surtout la ligne du tableau comparatif de l'éditeur. En libre service, le nombre de connecteurs actifs plafonne à trois. Une entreprise qui veut brancher son drive, son espace de documentation, son CRM et sa messagerie dépasse donc la limite dès le premier jour. Ce seul point suffit à faire basculer beaucoup de projets vers un devis Enterprise, et aucun comparatif français lu en octobre 2026 ne le mentionne.
Ce que le cofondateur de Dust m'a dit en 2024
J'ai reçu Gabriel Hubert, cofondateur et dirigeant de Dust, dans un entretien filmé en septembre 2024. Deux ans plus tard, ce qu'il annonçait alors ressemble beaucoup à la doctrine des AI Operators affichée aujourd'hui.
- Les gains se mesurent tâche par tâche. Il citait un ordre de grandeur de 5 à 10 % sur l'ensemble d'une semaine de travail, avec des écarts énormes selon les tâches.
- Le coût d'expérimentation s'est effondré. Un grand chantier informatique exigeait des années et un intégrateur. Tester un assistant demande deux heures et une formation courte.
- Les experts métier construisent eux-mêmes. Les personnes qui comprennent le mieux un process sont les mieux placées pour décider de la forme de l'outil, et elles ont désormais les moyens de le fabriquer.
Sur ce dernier point, mon expérience terrain nuance le discours. Les équipes métier construisent effectivement, et vite. Mais elles le font bien quand quelqu'un a d'abord posé le cadre, choisi les cas d'usage qui valent le coup et formé les premiers champions internes. Sans cette étape, les agents se multiplient sans jamais atteindre la production. C'est exactement le mécanisme que je décris dans mon analyse des entreprises qui ne voient aucun retour sur leur investissement en IA.
La gouvernance qui va avec ce cadre est détaillée dans notre article sur la gouvernance de l'IA en entreprise, et le diagnostic complet du manque de retour sur investissement dans notre retour sur 80 % des entreprises sans ROI.
Acheter Dust ou construire vos propres agents
C'est la question que tout dirigeant pose en premier. J'y ai consacré une publication LinkedIn sur l'arbitrage entre construire et acheter. Le constat reste valable. Dans la majorité des cas, les solutions sur étagère gagnent. Les éditeurs spécialisés itèrent beaucoup plus vite qu'une équipe interne, et la dette technique d'un développement maison coûte cher.
La frontière utile se trace ainsi. Dust répond très bien quand le besoin est conversationnel, documentaire et transverse à plusieurs équipes. Un orchestrateur comme n8n répond mieux quand le besoin est un flux déclenché par un événement, qui écrit dans plusieurs systèmes sans personne devant l'écran. Les deux cohabitent très bien, et la distinction entre assistant et automatisation est détaillée dans notre comparaison des workflows, assistants et agents.
Faut-il choisir Dust pour les agents IA de votre entreprise
Oui, dans trois situations. Si votre premier besoin est de retrouver l'information dispersée dans vos outils, Dust est le chemin le plus court vers un résultat visible. Si vous voulez éviter de vous lier à un seul fournisseur de modèle, la plateforme vous laisse en changer en quelques secondes. Et si vous tenez à ce que la donnée reste en Europe, la résidence européenne est disponible dès l'offre en libre service.
Non, dans deux autres. Si votre besoin est un flux automatisé qui tourne sans humain devant l'écran, un orchestrateur fera mieux et coûtera moins. Et si vous attendez d'un abonnement à 24 euros qu'il règle le sujet IA de votre entreprise, vous serez déçu. La licence représente la plus petite ligne du budget. Le travail de cadrage, de mise en ordre documentaire et de formation représente tout le reste.
Tandem accompagne plus de 50 entreprises sur ce type de déploiement, du choix de la plateforme à la formation des équipes. Si vous voulez cadrer le vôtre, notre offre Copilote commence par les cas d'usage avant de parler d'outil. Et pour comprendre pourquoi la recherche documentaire marche si bien, notre article sur le contexte et la recherche augmentée explique la mécanique sous-jacente.
