TrueFoundry lance TrueForge pour briser le verrouillage propriétaire et réduire de 50 % les coûts des agents IA en entreprise
.jpeg)
Built for Speed: ~10ms Latency, Even Under Load
Blazingly fast way to build, track and deploy your models!
- Handles 350+ RPS on just 1 vCPU — no tuning needed
- Production-ready with full enterprise support
Les agents IA ont officiellement passé un cap. Autrefois cantonnés aux ordinateurs portables des développeurs et aux environnements de test, ils s'intègrent désormais rapidement dans les produits destinés aux clients et dans les flux de travail critiques des entreprises. Mais à mesure que ces agents passent en production, les entreprises découvrent un nouveau problème : un verrouillage propriétaire paralysant et une explosion des coûts d'infrastructure.
Aujourd'hui, la startup spécialisée dans l'infrastructure IA pour entreprises TrueFoundry cherche à tirer parti de cette friction. L'entreprise a annoncé le lancement de TrueForge, un framework open source et neutre vis-à-vis des fournisseurs, conçu pour rivaliser avec les plateformes propriétaires comme Claude Managed Agents.
L'argument est simple mais ambitieux : offrir aux équipes en entreprise la possibilité de créer, déployer, déboguer et gouverner des agents IA en production sur n'importe quel modèle ou serveur Model Context Protocol (MCP), tout en réduisant les coûts opérationnels jusqu'à 50 %.
Ce lancement intervient à un moment charnière pour l'industrie de l'IA. Les modèles à poids ouverts, comme le très remarqué GLM-5.2l, comblent rapidement l'écart de performance avec les modèles propriétaires de pointe, et ce pour une fraction du prix. Pourtant, la couche d'orchestration reste un jardin fermé. La plupart des plateformes d'agents gérées forcent actuellement les entreprises à s'enfermer dans l'écosystème d'un seul fournisseur, les liant à des modèles, des infrastructures et des niveaux de tarification spécifiques.
TrueFoundry parie sur le fait que les entreprises préféreront posséder cette couche d'orchestration sous-jacente plutôt que de la louer aux fournisseurs de LLM eux-mêmes.
« La plus grande leçon que j'ai tirée de la création d'infrastructures IA chez Meta est que le contrôle et la commodité ne sont pas opposés ; avec la bonne plateforme, vous obtenez les deux », a déclaré Nikunj Bajaj, cofondateur et PDG de TrueFoundry, dans un communiqué. « En dehors des géants de la tech, les équipes sont encore forcées de choisir un camp dès qu'elles passent en production. TrueForge comble cette lacune : une expérience de création d'agents de classe mondiale, open source, compatible avec n'importe quel modèle, avec une gouvernance d'entreprise intégrée et pour une fraction du coût. »
L'exploitation d'agents autonomes à grande échelle nécessite bien plus qu'un simple prompt ingénieux. Les entreprises doivent gérer des sessions persistantes, sécuriser les identifiants des outils, lancer des environnements d'exécution isolés, maintenir des fenêtres de contexte, imposer des validations humaines et surveiller les dépenses.
Pour gérer cela, TrueForge ne se contente pas d'être un framework autonome ; il s'intègre directement à l'AI Gateway existante de TrueFoundry, qui, selon l'entreprise, traite déjà plus d'un billion de jetons par jour pour ses clients. En acheminant chaque appel de modèle et interaction MCP via cette passerelle, les équipes informatiques peuvent appliquer des budgets, définir des limites de débit et mettre en place des garde-fous de manière centralisée, plutôt que d'espérer que chaque développeur respecte les meilleures pratiques.
Sous le capot, la plateforme open source est agnostique vis-à-vis des modèles. Elle est livrée avec une prise en charge native d'OpenAI, d'Anthropic et de plus de 20 autres modèles. Elle inclut également plus de 40 outils intégrés, une recherche web propulsée par Tavily, des capacités d'interface générative et une exécution en bac à sable pour un code sécurisé. Les équipes peuvent acheminer des tâches spécifiques vers le modèle qui correspond le mieux aux exigences de coût, de latence ou de qualité du moment.
La plateforme est déjà adoptée par des acteurs majeurs. Des entreprises comme Automatiq et le géant de l'infrastructure de données NetApp utilisent TrueForge pour leurs charges de travail agentiques. TrueFoundry applique ses propres principes : l'interface conversationnelle de l'entreprise, Ask TFY, fonctionne entièrement sur le framework TrueForge.
« TrueFoundry est devenue la plateforme centrale au sein de notre service informatique, où les applications et agents sont acheminés », a déclaré Robert Rubin, directeur principal de l'ingénierie de plateforme chez NetApp. « Nous intégrons de nouveaux utilisateurs et équipes chaque jour, et cela a fondamentalement changé la rapidité avec laquelle nous pouvons transformer une idée en un agent opérationnel à grande échelle. »
Bien que TrueForge soit disponible dès aujourd'hui sur GitHub en tant que version open source gratuite pour les équipes apportant leurs propres clés API et leur infrastructure, TrueFoundry n'ignore pas le marché des services gérés. Parallèlement à cette version open source, l'entreprise déploie une version hébergée avec paiement à l'usage pour les équipes qui souhaitent bénéficier de la commodité du déploiement sans avoir à jouer les administrateurs système.
Alors que le discours sur l'IA en entreprise passe de « que peuvent faire ces modèles ? » à « comment les contrôler et les financer à grande échelle ? », la couche d'infrastructure devient le point de contrôle stratégique ultime. En banalisant la connexion aux modèles et en proposant le framework d'agents en open source, TrueFoundry s'impose clairement comme le centre de commande de la prochaine ère de l'IA en entreprise.
Essayez dès aujourd'hui sur https://github.com/truefoundry/trueforge.
Lisez l'article complet ici : https://aijourn.com/truefoundry-launches-trueforge-to-break-vendor-lock-in-and-slash-enterprise-ai-agent-costs-by-50/
TrueFoundry AI Gateway delivers ~3–4 ms latency, handles 350+ RPS on 1 vCPU, scales horizontally with ease, and is production-ready, while LiteLLM suffers from high latency, struggles beyond moderate RPS, lacks built-in scaling, and is best for light or prototype workloads.
The fastest way to build, govern and scale your AI












.jpeg)




.jpeg)
.webp)











