Aller au contenu
VENKAI
Pilote

La couche de continuité sémantique pour les systèmes IA.

Venkai

Vos systèmes ne se parlent pas.

Agents, outils, données, workflows — chacun dans son coin.

Venkai relie, et structure. Une couche de contexte typé entre tout ce qui tourne déjà.

The Forge met le système au travail. Les agents exécutent ; Venkai retient ce qu'ils établissent.

Et la boucle rend le système meilleur. Cervelet évalue, Mutation change le workflow, ça recommence.

AgentsOutilsAPIDonnéesDocumentsWorkflowsModèlesServicesScriptsE-mailsFaitDécisionContraintePréférenceÉvénementRelation

Votre stack IA

Mémoire, RAG, orchestration, continuité : quatre questions

Venkai ne demande de remplacer ni votre mémoire, ni votre retrieval, ni votre orchestrateur, ni vos modèles.

CoucheQuestionExemplesRelation avec Venkai
MémoireQue doit retenir le système sur un utilisateur, une conversation, une entité ?Mem0, Zep, Letta, mémoire d'assistantComplémentaire. Venkai ne la remplace pas.
RAGQuelle information le système doit-il aller chercher dans des documents ?Bases vectorielles, index documentairesComplémentaire. Venkai n'indexe aucun document.
OrchestrationComment les agents et les étapes sont-ils coordonnés ?LangGraph, CrewAI, AutoGen, boucle maisonReste en place. Venkai ne décide pas qui s'exécute.
ContinuitéQuel contexte et quel état du travail doivent survivre pour que l'agent, la session, le modèle ou l'étape suivante puisse continuer ?VenkaiLa couche que Venkai couvre.

Les couches se recouvrent en partie : Venkai stocke aussi des faits et des préférences, mais rattachés à l'état d'un travail en cours, pas au profil d'un utilisateur.

Utiliser Venkai avec votre stack existante →

Ce qui distingue Forge

Il n'exécute pas seulement. Il change.

Un workflow qui tourne sans jamais changer est une automatisation. Ce qui suit est la forme de la boucle qui le fait changer — et à ce stade, seulement sa forme.

Démonstration

Workflow v1

61 %Réussite

14Interventions humaines

120 exécutions

Workflow v2

74 %Réussite

8Interventions humaines

120 exécutions

  1. Cervelet — qu'est-ce qui a raté ?

    38 % des échecs venaient de leads enrichis puis écartés

  2. Mutation — ce qui change

    La qualification passe avant l'enrichissement

Exécuter → Mesurer → Apprendre → Muter

Ces valeurs illustrent la mécanique. Aucune table d'exécutions n'existe encore, donc aucun de ces chiffres n'est mesuré. Le jour où elle existe, ce bloc affiche les mêmes champs remplis pour de vrai.

Forge face au marché

Ce que Forge fait, et ce qu'il ne fait pas.

Huit axes. La colonne Forge est remplie parce que nous en sommes la source ; la colonne d'en face ne l'est pas, parce que nous ne l'avons pas vérifiée.

CapacitéForge + VenkaiNanoCorp
Liberté de modèle?
Orchestration d'agents?
Contexte organisationnel persistantVenkai?
Auto-améliorationCervelet + Mutation?
Création de business autonome?
DéploiementCloudCloud
PrixPublic, /pricing/?
Open sourceNon?

NanoCorp fabrique des business autonomes. Forge rend autonomes des business qui existent.

Si ton point de départ est une idée et que tu veux qu'elle devienne un business seule, NanoCorp est fait pour ça et nous ne le sommes pas.

Aucune case concurrente n'est cochée sans source en base. Un tableau où l'on gagne partout est un tableau que personne ne croit.

The Forge 10

Dix founders. Dix business. Six mois, en public.

Chaque slot est un business réel, opéré par quelqu'un de réel, dont on montre les résultats — y compris quand ils sont mauvais. Deux tournent. Huit sont libres.

2/ 10slots pris
2 / 10
Founding operators

content/forge.ts

2
Systèmes vivants

content/marketplace.ts

0
Exécutions

db.executions — table absente

0
Créateurs

db.creators — table absente

Les deux derniers compteurs sont à zéro parce que les tables qui devraient les remplir n'existent pas encore. Ils resteront à zéro jusqu'à ce qu'elles existent.

Preuves

Ce qui est vérifié aujourd'hui.

Audit du 10 août 2026 : vérifié en lisant le code et en exécutant les tests, pas la documentation.

Preuve principale

Un agent reprend le travail d'un autre, y compris quand l'agent suivant est déclaré sur un autre modèle.

Le scénario A → B, puis A → C avec un agent déclaré sur un autre modèle, passe 19 checks sur 19. Rien de ce que Venkai conserve n'est propre à un modèle. Le scénario tourne via le SDK — il n'a pas encore été rejoué contre deux fournisseurs de modèles réellement distincts.

python demos/agent_handoff_demo.py   # 19/19 checks
  • VERIFIED

    80/80 tests core

    Suite pytest complète (`pytest -q`), aucune régression.

  • VERIFIED

    Persistance cross-session

    Le contexte survit à l'agent et au redémarrage.

  • VERIFIED

    Isolation, versioning, accès

    Filtrage par organisation, snapshot à chaque écriture, JWT et clés API.

  • LIMIT

    Ce qui n'est pas prouvé

    PostgreSQL et Docker non validés, embeddings par défaut basés sur du hachage, aucune mesure réelle de coût LLM. Détail sur /architecture/ et /research/.

Marketplace

Tu n'as pas besoin de construire chaque système depuis zéro.

Compare vingt plateformes d'agents, déploie un système déjà prouvé, ou publie le tien. Chaque comparaison porte sa date de vérification — ou dit qu'elle n'en a pas.

Deux fiches sont vérifiées : les nôtres. Les vingt autres sont hors index tant qu'on ne les a pas réellement examinées. (0 / 20)

Un système que tu construis avec Forge peut devenir un produit vendu : 80 % pour toi, 20 % pour Forge.

Pilote

Construire une couche de continuité pour vos agents.

Décrivez votre workflow multi-agents et l'endroit où le contexte se perd. Nous répondons avec un périmètre de pilote, ou avec la raison pour laquelle Venkai n'est pas la bonne pièce.

Aucune newsletter. Une réponse humaine. · ou écrivez directement à contact@venkai.fr