Stack AI

Stack AI est une plateforme no-code d'agents IA d'entreprise créée par Toni Rosinol et Bernardo Aceituno, deux docteurs du MIT qui ont fondé l'entreprise en 2022 après avoir identifié le fossé entre les LLM bruts et la réalité complexe des données d'entreprise. L'entreprise a participé à la promotion Hiver 2023 de Y Combinator et s'est depuis développée pour servir des clients tels que Nubank, SmartAsset, MIT Sloan, LifeMD et l'une des 5 principales agences de défense américaines. Elle a levé 16 millions de dollars en série A en mai 2025, portant son financement total à plus de 19 millions de dollars, avec le soutien de Lobby Capital, Gradient Ventures, Guillermo Rauch (PDG de Vercel) et de son investisseur historique Y Combinator. Le problème fondamental que Stack AI résout : la plupart des entreprises ne peuvent pas connecter leurs connaissances institutionnelles, leurs systèmes et leurs workflows à l'IA sans écrire un code d'infrastructure conséquent. Stack AI gère toute cette tuyauterie via un canevas visuel.

La plateforme propose un constructeur de workflows par glisser-déposer qui connecte plus de 30 fournisseurs de LLM (OpenAI, Anthropic, Mistral, Google, etc.) à plus de 100 connecteurs de données d'entreprise couvrant Salesforce, SharePoint, HubSpot, BigQuery, Notion, Airtable et SAP. Les workflows sont publiés sous forme d'interfaces de chat internes, de chatbots intégrables sur des sites web, de points de terminaison d'API REST, de processeurs par lots ou d'applications Slack et Microsoft Teams. Les certifications de conformité intégrées (SOC 2 Type II, HIPAA, RGPD, ISO 27001) et les outils de gouvernance (RBAC, journaux d'audit, gestion multi-environnements, SSO) en font l'une des rares plateformes d'agents no-code que les services informatiques des entreprises peuvent approuver sans nécessiter d'examen de sécurité parallèle. Stack AI prend également en charge les pipelines RAG natifs avec le découpage de documents, l'intégration (embedding) et la gestion de bases de connaissances, ainsi que l'orchestration multi-agents et, depuis 2025, des capacités d'utilisation de l'ordinateur et de navigation web pour les agents.

Ce que fait réellement Stack AI en mai 2026

Le constructeur sur canevas de Stack AI est l'interface principale du produit. Les utilisateurs font glisser des nœuds de composants préconçus sur un canevas 2D et les relient entre eux : un chargeur de documents se connecte à une étape d'intégration (embedding), qui se connecte à un nœud de récupération, qui se connecte à un appel LLM, qui débouche sur une interface de chat. La plateforme décrit cela comme le « Agentic Development Life Cycle » (ADLC), leur cadre pour un développement de l'IA axé sur la gouvernance. Concrètement, cela signifie que chaque workflow bénéficie d'environnements versionnés (développement, préproduction, production), d'autorisations basées sur les rôles et de pistes d'audit dès le départ, et non après coup.

Les cas d'usage documentés à travers les déploiements clients incluent : la génération d'appels d'offres (les équipes juridiques téléchargent des modèles de propositions et des bases de connaissances, les agents rédigent des réponses personnalisées), la recherche de mémos d'investissement (les équipes financières interrogent de multiples sources de données pour obtenir des résumés structurés), le traitement des réclamations d'assurance (extraction de documents et routage vers un examen humain), les assistants de formation du personnel et l'audit des appels de vente. Le schéma est constant : des processus internes riches en données qui nécessitaient auparavant que des analystes ou du personnel junior synthétisent manuellement l'information.

Depuis 2025, Stack AI a ajouté trois capacités qui élargissent son champ d'action : l'utilisation de l'ordinateur (les agents peuvent interagir avec les interfaces web et les applications de bureau comme s'ils utilisaient un clavier et une souris), la navigation web (les agents peuvent naviguer et extraire des données web en direct), et la coordination de sous-agents (un agent peut créer et diriger d'autres agents dans le cadre d'un pipeline plus vaste). Ces fonctionnalités rapprochent la plateforme du territoire des agents autonomes plutôt que de la simple automatisation structurée de workflows.

« Notre plateforme permet aux utilisateurs de créer des workflows qui nécessitent de connecter différents outils pour qu'ils fonctionnent ensemble. Nous nous concentrons sur la connexion des sources de données et des LLM. » - Bernardo Aceituno, cofondateur, TechCrunch, 21 mai 2024

Le positionnement de Stack AI face à Dify et Langflow

L'espace des constructeurs d'IA no-code présente trois philosophies architecturales distinctes, et Stack AI occupe une position spécifique dans ce triangle.

Stack AI vs Dify : Dify est open-source (double licence MIT/propriétaire) et auto-hébergeable via Docker Compose, exécutant de multiples microservices (API worker, interface web, NGINX, Redis, PostgreSQL). Dify inclut un IDE de prompt dédié pour l'ingénierie de prompt avec contrôle de version et l'A/B testing sur plusieurs modèles, une couche de base de données vectorielle intégrée qui gère l'intégration (embedding) et l'indexation sans nécessiter de stockage vectoriel externe, et un modèle Backend-as-a-Service qui expose automatiquement chaque workflow sous forme d'API sécurisée. Il prend en charge les branchements if/else ainsi que les boucles d'itération séquentielles et parallèles avec un traçage par nœud. Point crucial, Dify peut être auto-hébergé, offrant aux entreprises un contrôle total sur la résidence des données. Stack AI est exclusivement SaaS : vous ne pouvez pas l'installer sur votre propre infrastructure à moins de négocier un contrat d'entreprise sur site. Le dépôt GitHub de Dify compte plus de 60 000 étoiles ; Stack AI n'a aucun composant open-source. Le compromis réside dans la charge opérationnelle : l'auto-hébergement de Dify nécessite des compétences DevOps que Stack AI élimine.

Stack AI vs Langflow : Langflow est un framework visuel open-source construit nativement sur LangChain et LlamaIndex, ce qui signifie que chaque nœud du canevas correspond à un composant LangChain ou à une primitive d'agent réel. Les développeurs qui souhaitent exposer l'écosystème d'intégration complet de LangChain via un glisser-déposer, avec une visibilité totale sur la construction des chaînes et les résultats, trouvent en Langflow une solution naturelle. Langflow a été acquis par Datastax en 2024, ajoutant ainsi un soutien d'entreprise. Cependant, Langflow est un outil de développement, pas une plateforme d'opérations : il n'y a pas d'environnements intégrés, pas de RBAC, pas de journaux d'audit, pas de SSO. La surveillance et la gestion des utilisateurs doivent être construites séparément. La couche de gouvernance intégrée de Stack AI est le différenciateur mécanique le plus clair : si votre service informatique exige des pistes d'audit SOC 2 et une séparation production/préproduction avant d'approuver le déploiement, Stack AI le fournit clé en main. Ce n'est pas le cas de Langflow.

Dify et Langflow sont de meilleurs choix si vous recherchez la liberté de l'open-source, un contrôle au niveau développeur ou une résidence des données auto-hébergée sans tarification d'entreprise. Stack AI est la bonne option si la gouvernance et la conformité sont des exigences de premier ordre et que votre équipe ne peut pas ou ne veut pas construire cette couche opérationnelle elle-même.

Pour les équipes qui souhaitent spécifiquement créer des chatbots orientés client, Botpress et AnythingLLM méritent d'être évalués aux côtés de Stack AI, car tous deux offrent des flux plus spécialisés pour les interfaces client conversationnelles.

À quoi ressemble la réalité de la création de workflows

L'expérience d'intégration est plus fluide que sur la plupart des plateformes d'entreprise. Stack AI propose des modèles de démarrage rapide pour les schémas courants (assistant Q&R de connaissances, outil de retour sur la rédaction, pipeline d'extraction de documents) qui peuvent être lancés directement ou rétro-ingénierés. L'interface utilisateur est véritablement moderne : plusieurs évaluateurs et un article de Marketer Milk l'ont décrite comme « incroyablement fluide » et ont noté qu'elle contraste fortement avec les interfaces datées typiques des logiciels middleware d'entreprise.

« La plupart des logiciels d'entreprise semblent avoir été conçus en 2003, mais l'interface de Stack AI est incroyablement fluide, moderne et vraiment agréable à utiliser. » - Évaluateur Marketer Milk, marketermilk.com, 2025

Là où des frictions apparaissent : la courbe d'apprentissage initiale sur les workflows multi-agents complexes, la configuration des intégrations qui peut être déroutante pour les connecteurs moins courants, et un modèle de facturation qui ajoute les coûts d'API des LLM en plus de l'abonnement à la plateforme si vous utilisez les clés API de Stack AI (les utilisateurs peuvent fournir leurs propres clés pour éviter cela). La plateforme nécessite également une planification plus structurée que les outils plus légers. Les implémentations en entreprise prennent couramment de 8 à 16 semaines entre le contrat et la production, ce qui n'est pas inhabituel compte tenu de la conformité et de l'attribution des accès impliquées, mais cela signifie que Stack AI n'est pas un outil « déployable en un après-midi » à grande échelle.

La qualité du support reçoit des éloges constants sur les plateformes d'évaluation. Les utilisateurs signalent des réponses le jour même lors de la sortie de nouveaux modèles LLM, des appels programmés avec des ingénieurs solutions et une grande réactivité aux demandes de fonctionnalités via Discord.

Une fonctionnalité sous-estimée est le framework d'évaluation intégré. Stack AI fournit des points d'ancrage pour comparer les variantes de prompts et suivre la qualité des réponses au fil du temps, ce que Langflow nécessite de reproduire avec des outils externes (comme Langfuse ou une couche de journalisation personnalisée). Pour les équipes d'entreprise gérant des dizaines de workflows, pouvoir surveiller quelle version de prompt a le mieux performé sur le lot de la semaine dernière sans mettre en place une infrastructure d'observabilité distincte est un gain de temps concret. De même, la configuration multi-environnements (développement, préproduction, production avec des ensembles d'autorisations distincts) correspond à la façon dont les services informatiques des entreprises gèrent réellement les déploiements de logiciels, réduisant ainsi les frictions politiques liées à l'approbation des outils d'IA aux côtés des logiciels traditionnels.

À qui s'adresse Stack AI

Stack AI est adapté pour : les équipes d'entreprise et du mid-market dans la finance, l'assurance, la santé, le juridique ou la défense qui ont besoin d'une automatisation de l'IA avec des certifications de conformité déjà en place ; les équipes opérationnelles et commerciales non techniques qui souhaitent déployer des agents sans écrire de code ni attendre la disponibilité des développeurs ; les architectes informatiques qui ont besoin d'outils de gouvernance (journaux d'audit, RBAC, gestion multi-environnements) avant de pouvoir approuver des outils d'IA pour la production ; et les agences d'IA créant des outils internes sur mesure pour des clients d'entreprise sans vouloir maintenir une infrastructure open-source. La levée de fonds de série A de 16 millions de dollars en mai 2025 offre une marge de manœuvre pour investir dans la feuille de route, et les clients d'entreprise nommés dans les secteurs bancaire (Nubank), de la défense et de la santé suggèrent que la plateforme a passé avec succès l'examen minutieux des achats qu'exigent ces secteurs.

Les clients nommés renforcent ce constat : Nubank (fintech, workflows documentaires), LifeMD (télésanté, traitement de données cliniques), MIT Sloan (éducation, assistants de formation du personnel) et l'une des 5 principales agences de défense (classification et récupération de documents sous des exigences strictes de traitement des données). Le trio de conformité de Stack AI (SOC 2 Type II, HIPAA et RGPD) signifie qu'il peut être déployé dans des environnements où des outils comme Flowise nécessiteraient un examen de sécurité approfondi avant approbation.

Ce que Stack AI n'est pas

Stack AI n'est pas un constructeur de chatbots orientés client au sens de Botpress ou Voiceflow. Il lui manque les primitives de conception de conversation, les intégrations natives aux canaux et les flux de transfert qu'exige l'automatisation du service client. Les équipes créant des bots destinés à l'externe trouveront des outils spécialisés plus efficaces.

Ce n'est pas un outil pour développeurs au sens de Langflow ou LlamaIndex. Les développeurs qui souhaitent comprendre et contrôler la construction sous-jacente de la chaîne, inspecter les primitives LangChain ou créer des composants personnalisés en Python se heurteront à des murs. Stack AI fait abstraction de cette couche par conception.

Il n'est pas abordable pour les petites entreprises ou les startups en phase de démarrage avec une tarification transparente. Le forfait Free vous limite à 500 exécutions par mois et 2 projets, ce qui est bien pour l'évaluation mais pas pour la production. Le forfait Starter à 199 $/mois et le forfait Team à 899 $/mois sont calibrés pour les budgets des PME et des grandes entreprises. Il n'y a pas de niveau à 20-50 $/mois pour les créateurs solos ou les petites équipes.

Ce n'est pas non plus une plateforme d'automatisation de la communication en temps réel. Si votre cas d'usage concerne la planification, les workflows de réseaux sociaux ou l'automatisation du marketing, d'autres outils desservent mieux cet espace. Stack AI est optimisé pour les workflows analytiques et de traitement de documents à forte intensité de données, et non pour la gestion de campagnes. Pour des cas d'usage d'automatisation plus larges, associer les résultats de Stack AI à un outil comme Botpress pour la couche conversationnelle est un modèle que suivent certaines équipes d'entreprise.