N’importe qui peut poser des questions, et tout le monde obtient des réponses : comment Foam aide les équipes à savoir ce qui se passe dans leurs logiciels, leurs agents et leur activité sur AWS

Après des années à enchaîner les nuits blanches pour livrer des produits et des fonctionnalités dans les délais, les fondateurs de Foam ont entrepris de créer une plateforme qui permet à tout le monde de demander ce que font ses logiciels, ses agents et son activité et d'obtenir une réponse étayée par des preuves. Conçue sur AWS et s'appuyant sur Amazon Bedrock, Foam s'installe automatiquement, collecte et enrichit la télémétrie des applications, des agents et de l'infrastructure, et mobilise des agents d'IA pour des tâches allant de l'identification de la cause racine d'un problème à la fourniture d'informations sur le produit et l'activité​​. Aucune configuration ni phase d'apprentissage n'est nécessaire : il suffit aux équipes de poser leurs questions.

Les débuts de Foam

Pour Perla Gámez, poser une question n’était pas une option. Pour savoir ce que faisait le logiciel, il fallait passer d’une douzaine d’outils à l’autre, fouiller manuellement les journaux et les traces, puis assembler des fragments pour formuler une réponse, souvent à 2 h du matin. Dans une entreprise de type Buy Now, Pay Later (BNPL), Perla Gámez a développé des produits générateurs de revenus et des fonctionnalités destinées aux utilisateurs en tant qu’IC, participant notamment au choix des fonctionnalités à développer. Elle disposait ainsi d’une visibilité sur l’ensemble du produit tout en étant également chargée d’en assurer le bon fonctionnement. Une grande partie de ce travail consistait à passer sans cesse d’un outil à l’autre.

Aujourd’hui, les outils d’observabilité restent fragmentés et présentent donc des lacunes. La plupart des équipes utilisent au moins 4 outils d’observabilité différents, et les grandes entreprises en utilisent des dizaines. Il en résulte des données fragmentées et un manque de contexte pour les humains comme pour les agents.

« C’est insuffisant et inefficace », explique Perla Gámez, cofondatrice et ingénieure chez Foam. « Comment se fait-il que ce problème ne soit pas déjà résolu, et comment puis-je espérer créer des produits plus rapidement et plus innovants avec une telle configuration ? »

Une observabilité qui s’installe automatiquement

Fondée en 2025 après une levée de fonds menée par Khosla Ventures, Foam permet à chaque membre de l’équipe, des ingénieurs au service client en passant par les fondateurs non techniques, de savoir ce qui se passe dans ses logiciels, ses agents et son activité.

Pour certains, le raccourci évident consiste à connecter une IA aux outils de surveillance déjà utilisés par l’équipe. Mais cela ne fait qu’automatiser l’intégration : cela ne résout pas le véritable facteur limitant, à savoir la fragmentation de l’observabilité et ses lacunes.

Plutôt que de présenter des données que des humains doivent analyser, Foam permet aux agents d’IA d’effectuer directement le travail. Foam lit le code base du client, crée un package Open Telemetry (OTEL) personnalisé et adapté à la pile de chaque service, puis ouvre les pull requests qui l’installent ; l’équipe n’a plus qu’à les examiner et à les fusionner. L’installation est entièrement automatisée et prend de deux à cinq heures. Foam génère ensuite du trafic de test et continue à surveiller l’apparition de nouvelles lacunes. Comme Foam veille à ce que l’instrumentation soit correctement installée, rien ne manque : chaque journal, chaque trace et chaque métrique est relié aux autres grâce à des identifiants communs, de sorte que les réponses sont complètes et vérifiables.

Les questions ne viennent pas toujours des ingénieurs. Le personnel non technique peut aussi s’interroger sur l’état des choses. Aujourd’hui, il ne dispose pas des connaissances spécialisées nécessaires pour trouver les réponses dont il a besoin. Avec Foam, le support peut demander pourquoi un client a rencontré une erreur, l’équipe Finance combien coûte l’exécution d’une fonctionnalité et l’équipe Produit si les agents de l’entreprise satisfont les utilisateurs. Tout le monde pose ses questions en langage courant et obtient des réponses fondées sur les mêmes données et étayées par les mêmes preuves.

Perla Gámez, PDG, ajoute que le message adressé aux non-ingénieurs est simple : ils n’ont pas besoin de connaissances particulières. « Ils disposent de caméras et de capteurs partout dans les produits. Et toutes les données sont traduites dans un langage adapté au support client, de façon à être pertinentes et faciles à lire pour quelqu’un qui n’a pas de compétences en programmation. »

La tarification avantageuse pour les clients constitue un autre élément différenciateur de Foam. Plus une équipe envoie de télémétrie, plus les outils en place sont utiles, mais plus ils deviennent aussi coûteux, ce qui incite les équipes à réduire le volume de données qu’elles envoient. Foam a supprimé ce compromis : les clients paient les crédits d’IA et le stockage ; tout le reste est inclus.

« Le système d’incitations est complètement faussé », explique Perla Gámez. « Plus vous envoyez de données, plus vous pouvez en tirer de valeur… mais on vous pénalise lorsque vous en envoyez. Nous n’avons pas ce modèle tarifaire. »

Une base pour la croissance

En tant que start-up native cloud, Foam s’est appuyée sur AWS dès le premier jour. L’équipe utilise Amazon Elastic Container Service (ECS) et Amazon Elastic Compute Cloud (EC2) pour exécuter ses charges de travail, Amazon Simple Storage Service (S3) pour le stockage, Amazon Virtual Private Cloud (VPC) pour isoler les environnements clients et Amazon Route 53 pour la mise en réseau. AWS a fourni à la start-up une plateforme mature que les ingénieurs connaissaient déjà, ce qui a permis à une petite équipe de développer rapidement sans expertise approfondie en infrastructure.

« C’était un mariage parfait », explique Perla Gámez. « Nous apprécions vraiment qu’AWS soit un produit renforcé, doté de cet incroyable écosystème auquel nous pouvons nous connecter toujours davantage à mesure que nous grandissons. Et c’est un langage que les autres ingénieurs comprennent, ce qui facilite l’intégration de nouvelles personnes. »

Cette même base permet à Foam d’avancer rapidement à mesure que son produit évolue. Comme tout fonctionne sur AWS, remodeler l’architecture prend des jours plutôt que des mois. « AWS vous fournit les composants nécessaires pour créer des architectures complexes », explique Perla Gámez. « Vous augmentez la taille de l’instance ou ajoutez un composant AWS prêt à l’emploi, et vous obtenez quelque chose de nouveau et de très puissant. »

Mise à l’échelle de l’IA avec Amazon Bedrock

Foam s’appuie sur Amazon Bedrock pour offrir à sa plateforme d’IA la flexibilité, la disponibilité et la capacité de mise à l’échelle dont elle a besoin pour prendre en charge les clients en production. « Bedrock est un formidable produit pour nous », explique Perla Gámez. « Nous aimons changer de modèle dès qu’un nouveau modèle sort. Nous en changeons régulièrement afin d’optimiser toutes nos solutions. »

Au lieu de s’intégrer directement aux fournisseurs de modèles, Foam utilise Bedrock pour sa disponibilité et sa cohérence opérationnelle. À mesure que la demande a augmenté, Foam a eu besoin d’un débit de jetons plus élevé. « À plusieurs reprises, nous avons eu besoin de davantage de jetons par minute et personne n’a pu nous aider à part AWS », ajoute Perla Gámez. À mesure que la clientèle de Foam augmente, Bedrock est devenu essentiel pour assurer une mise à l’échelle fiable tout en continuant à faire évoluer ses capacités d’IA.

Les crédits AWS Activate financent également la recherche à l’origine du produit. Foam publie ses résultats, notamment un benchmark de précision de l’analyse des causes racines et une étude sur le regroupement et la réduction du bruit dans onze environnements de production. « Nous menons beaucoup d’expériences », explique Perla Gámez. « Nous ne pourrions absolument pas nous le permettre sans les 100 000 USD de crédits AWS que nous avons reçus. »

Renforcement de la confiance grâce à l’isolation et aux environnements de test (sandbox) à grande échelle

Pour les clients d’entreprise, l’intelligence seule ne suffit pas et les agents d’IA doivent également fonctionner de manière sécurisée. Les agents de Foam doivent donc rester isolés des systèmes sensibles et des informations d’identification, tout en conservant une visibilité sur les code bases et la télémétrie des clients.

Le produit à installation automatique a accru les exigences liées à ce travail. Comme Foam écrit elle-même l’instrumentation, elle a besoin d’un environnement de test (sandbox) qui reproduit l’environnement de production de chaque client afin que l’installation et la vérification puissent être testées en toute sécurité avant qu’une pull request ne soit intégrée. Foam crée ces environnements de test (sandbox) propres à chaque client sur AWS, en utilisant Amazon ECS et des instantanés pour les déployer et en garantir la cohérence. Cette fonctionnalité est déjà en service et continue de s’étendre à mesure que le produit évolue.

« Des clients nous ont proposé un accès direct à des comptes AWS et nous ont demandé d’y créer toute notre infrastructure afin de l’isoler de nos systèmes comme des leurs », ajoute Perla Gámez. « AWS est donc le langage de référence en matière de sécurité pour ces entreprises. Elles savent que si nous sommes sur AWS, nous disposons du chiffrement approprié. »

Progression au rythme d’une start-up

En tant que start-up en phase initiale dans l’un des domaines de l’IA qui évoluent le plus rapidement, Foam s’appuie sur AWS pour suivre le rythme de sa croissance rapide. Perla Gámez explique que l’accès direct à l’équipe AWS Startups permet à l’entreprise d’obtenir rapidement des réponses à ses questions techniques et de s’adapter à l’évolution des exigences.

« Nous avançons très vite », explique Perla Gámez. Grâce à un canal Slack dédié et à des échanges réguliers avec les architectes de solutions AWS, l’équipe Foam peut valider ses décisions d’infrastructure et obtenir de précieux conseils à mesure que la start-up poursuit sa mise à l’échelle. « C’est vraiment appréciable d’avoir une ligne directe avec l’équipe AWS », explique Perla Gámez. « Ils sont même venus examiner notre infrastructure et nous donner des conseils. »

Pour Perla Gámez, le fait qu’AWS soit rarement un sujet de préoccupation est précisément le signe recherché. « Ne pas avoir à penser à AWS signifie qu’AWS a rempli sa mission. Je n’ai jamais besoin d’y penser, je l’utilise simplement. Et si j’ai besoin d’augmenter les limites de requêtes, l’équipe du canal est réactive. C’est formidable : AWS est le seul fournisseur avec lequel nous disposons d’un canal. »

Cap sur un avenir axé sur les agents

Pour ses fondateurs, Foam bâtit un avenir dans lequel les agents d’IA participent activement au fonctionnement des logiciels comme aux opérations de l’entreprise. Cette vision continue d’orienter la feuille de route du produit Foam. « Nous ne nous contentons pas d’un produit qui fonctionne ou d’un produit utile », explique Perla Gámez. « Nous voulons créer un produit qui soit un plaisir à utiliser. » Perla Gámez considère AWS comme un élément clé de ce parcours. « On ne pourrait pas rêver d’un meilleur partenaire qu’AWS. »