Salesforce lance Koa Decisions, le modèle de décision multimodal qui accélère le routage

Salesforce a dévoilé le 6 novembre 2026 Koa Decisions, un nouveau type de modèle de décision capable d’analyser du texte, des images et de l’audio en une seule passe. Conçu à partir du modèle ouvertModèle ouvertUn modèle dont certains éléments, comme les poids, sont disponibles. Vérifiez la licence : les droits et restrictions varient. Gemma de Google, il vient en successeur de HyperClassifier, déjà intégré à la plateforme Agentforce. L’objectif affiché est de séparer clairement les tâches de décision (routage, validation, scoring) des tâches de génération de texte, afin de réduire le temps de traitement et la consommation de ressources.

Un fonctionnement différent des LLM classiques

Un grand modèle de langue produit chaque tokenTokenUnité de contenu traitée par un modèle de langage, pouvant représenter un mot, une partie de mot ou un caractère. successivement, chaque nouveau token dépendant du précédent. Koa Decisions, en revanche, lit la requête complète puis renvoie une réponse condensée – souvent un seul token – en une seule étape. Cette réponse courte nécessite moins de calcul et peut être consommée immédiatement par d’autres modules logiciels. Dans un scénario d’assistance, le modèle peut identifier que la demande d’un client porte sur une connexion à un compte, choisir l’équipe « Accounts » parmi une liste incluant ingénierie et ventes, puis fournir un score de confiance. L’agent peut alors se concentrer sur la résolution tandis qu’un LLMLLMUn grand modèle de langage apprend des régularités dans des textes pour produire ou transformer du langage. Il ne constitue pas une base de faits garantie. reste disponible pour la rédaction de réponses détaillées.

Performances rapportées

Le pré‑print de recherche indique une précision de 85,5 % sur un benchmark de routage d’intentions, avec des temps de réponseLatenceDélai entre l'envoi d'une requête à un système et l'obtention d'une réponse ou du début de celle-ci. autour de 0,5 s. Le modèle serait ainsi jusqu’à 7,5 fois plus rapide que les modèles de pointe testés dans les mêmes conditions. Comparé à la solution propriétaire Jev/TypeSafe, Koa Decisions offrirait une précision comparable tout en gérant des entrées multimodales et des sorties multi‑labels, ce que les systèmes texte‑uniques ne peuvent pas faire.

HyperClassifier, son prédécesseur, affichait déjà des temps de 26 ms contre 1 446 ms pour un modèle de pointe, mais ces mesures concernent la version antérieure. Les performances de Koa Decisions restent à confirmer en production, même si la démonstration disponible sur Trailhead montre des réponses en quelques dizaines de millisecondes.

Accès à la démo et intégrations prévues

Toute personne disposant d’un compte gratuit Trailhead peut tester Koa Decisions. L’interface permet de modifier la requête et la liste des catégories, puis d’observer les scores de confiance associés. Salesforce précise qu’ajouter une catégorie ne nécessite pas de ré‑entraînementTrainingProcessus durant lequel un modèle ajuste ses paramètres à partir de données afin d'améliorer ses performances., ce qui contraste avec les projets de classification personnalisée qui peuvent prendre plusieurs mois. Parmi les exemples présentés, le modèle peut détecter une opportunité de vente à risque, assigner l’équipe d’intervention et déclencher une alerte Slack, pendant qu’un LLM résume les changements.

Les intégrations envisagées incluent les flux Salesforce, le code Apex, les modèles de prompts et une API développeur. Les modalités tarifaires, la disponibilité régionale et les conditions d’accès dépendront des accords clients, de sorte que la démonstration ne garantit pas une disponibilité généralisée.

En quoi cela change la donne pour les entreprises ?

Koa Decisions propose une séparation claire des rôles : les modèles de décision se chargent du routage, des vérifications et du scoring, tandis que les LLM prennent en charge l’explication et le raisonnement. Cette architecture peut réduire les coûts d’infrastructure, accélérer les réponses aux tickets et faciliter la mise en place de processus automatisés. Le support multimodal ouvre la porte à des cas d’usage où l’image ou l’audio enrichissent la décision – par exemple, analyser une capture d’écran d’erreur ou reconnaître un message vocal avant de le classer.

Le véritable test sera la capacité de Salesforce à intégrer ces modèles dans les produits existants et à les proposer au-delà de la phase de démonstration. Si les promesses de rapidité et de souplesse se concrétisent, les entreprises pourraient voir leurs flux de travail gagner en efficacité sans devoir investir dans des projets de fine‑tuning longs et coûteux.