- ▸ Un tour de table mené par KBR pour industrialiser Orbital
- ▸ Moins de 8 % des données exploitées, le point de départ
- ▸ Détecter une anomalie, puis simuler le correctif
- ▸ Ce que la compression du temps change pour un opérateur
La startup londonienne Applied Computing boucle une Série A de 20 millions de dollars, menée par le groupe d’ingénierie KBR, avec Databricks Ventures au tour de table. Cible : un modèle fondation baptisé Orbital, pensé pour piloter une installation industrielle entière.
L’essentiel – 20 M$ levés en Série A, menés par KBR, pour porter le modèle Orbital à l’international et recruter en recherche et ingénierie. – Selon le CEO Callum Adamson, les sites industriels décident aujourd’hui avec moins de 8 % des données disponibles. – Orbital combine série temporelle, physique et langage pour prédire l’état d’une usine, là où un modèle de langage prédit le mot suivant.
Un tour de table mené par KBR pour industrialiser Orbital
Applied Computing a annoncé ce mercredi 15 juillet 2026 la clôture d’une Série A de 20 millions de dollars, selon TechCrunch. L’opération est menée par KBR, groupe d’ingénierie coté, avec la participation de Databricks Ventures.
La jeune pousse, basée à Londres, construit un modèle fondation dédié au pétrole, au gaz et à la pétrochimie. Elle prévoit d’utiliser les fonds pour se développer à l’international, recruter des profils recherche et ingénierie, et lancer des déploiements chez des clients énergéticiens.
L’arrivée de KBR comme investisseur principal ancre le projet côté ingénierie industrielle. Databricks Ventures, adossé à la plateforme de données du même nom, apporte pour sa part la brique data.
Moins de 8 % des données exploitées, le point de départ
Le constat que met en avant Applied Computing tient dans un chiffre. Selon Callum Adamson, cofondateur et CEO, les sites industriels prennent leurs décisions d’exploitation avec « moins de 8 % » des données pourtant disponibles.
Autrement dit, plus de neuf dixièmes de la donnée générée par une raffinerie ou une usine pétrochimique ne pèsent pas dans les arbitrages quotidiens. Capteurs, historiques de production et rapports opérateurs coexistent sans dialoguer.
Là se situe l’obstacle, d’après Adamson : « It’s getting those three data sources to talk to each other in real time. That’s the real key » (« Faire parler ces trois sources de données en temps réel, c’est ça la vraie clé »). Il tranche sur la nature du problème : « It’s an AI problem. It’s not a data problem, and it’s not an energy problem. »
Contrairement aux grands modèles de langage, qui prédisent le mot suivant, Orbital vise à prédire l’état d’une installation. Le modèle assemble trois briques : une série temporelle, un modèle physique et un modèle de langage.
Détecter une anomalie, puis simuler le correctif
Concrètement, Orbital analyse les relevés de capteurs en gardant en mémoire la physique et la chimie du procédé, ainsi que les contraintes des équipements et l’activité des opérateurs.
L’argument commercial d’Applied Computing tient en un mot : la vitesse. La société affirme qu’Orbital peut signaler une anomalie, en rechercher la cause, puis modéliser si un correctif envisagé risque de créer des problèmes ailleurs sur le site — le tout en quelques minutes.
Ce triple mouvement — détecter, diagnostiquer, simuler — est ce qui distingue l’outil d’un simple système d’alerte. La modélisation du correctif avant application vise à éviter qu’une réponse locale ne déclenche un incident en aval de la chaîne.
Ce que la compression du temps change pour un opérateur
Adamson avance qu’Orbital comprime en secondes des investigations qui prenaient jusqu’ici des jours, voire des semaines. Le gain visé : réduire la consommation d’énergie et maintenir le niveau de production.
Reste la question du recrutement, qu’Adamson pose sans détour pour justifier le modèle : « If you’re a tier-one AI researcher, where are you going to work? … I don’t think Shell’s on that list. » Une startup spécialisée capterait ainsi des chercheurs qu’un opérateur historique peine à attirer.
Prochaines étapes
Applied Computing dit explorer des déploiements avec des clients énergéticiens, dont un « major U.S. upstream operator » et un groupe « large, publicly listed ». Les montants et le calendrier de ces déploiements ne sont pas communiqués à ce jour.
À surveiller : la traduction de ces pilotes en contrats fermes, seul juge de la promesse de vitesse d’Orbital. Voir aussi notre suivi sur les modèles fondation appliqués à l’industrie.
