Glean relie plus de 275 systèmes d'entreprise dans une plateforme d'IA qui respecte les permissions, avec recherche interne, assistant et agents. Conçu par Glean Technologies pour les grandes organisations ayant besoin de réponses fondées sur le savoir interne.
Vous avez utilisé cet outil ? Notez-le
Vous avez utilisé cet outil ? Notez-le
Glean est une plateforme de Work AI d'entreprise qui relie les connaissances, les systèmes et le contexte d'une société afin que l'IA accomplisse un travail réellement utile à l'intérieur de l'organisation, au lieu de répondre vaguement à partir du web ouvert. Le problème visé est propre aux grandes structures : l'information dont un salarié a besoin pour faire son métier est éparpillée entre des fils Slack, des documents Google Drive, des tickets Jira, des pages Confluence, des sites SharePoint, des dépôts GitHub et des enregistrements Salesforce, et aucun agent conversationnel généraliste n'y a accès. Glean indexe ce matériau, comprend qui a le droit de voir quoi, puis pose par-dessus un champ de recherche, un assistant et une flotte d'agents.
La société exploitante est Glean Technologies, Inc. et ses filiales. Une limite mérite d'être posée clairement : la déclaration de confidentialité publiée sur le site marketing ne couvre que le site web et les opérations commerciales, et indique explicitement qu'elle ne s'applique pas à votre usage des solutions elles-mêmes. Autrement dit, ce qui encadre le traitement des données d'entreprise relève du contrat et non de cette politique publique. Le fondateur et directeur général Arvind Jain a passé plus de dix ans chez Google comme ingénieur émérite à la tête d'équipes travaillant sur la recherche, les cartes et YouTube, et avait auparavant cofondé Rubrik ; le cofondateur et directeur technique Vishwanath T R a occupé des fonctions de direction technique chez Facebook pendant près de dix ans. Ce parcours compte, car la recherche d'entreprise est d'abord un problème d'indexation et de classement avant d'être un problème d'IA.
La chronologie publiée par l'entreprise retrace une progression délibérée : fondation en 2019 avec un développement de la recherche d'entreprise en mode furtif, lancement public en 2021 alors que plus de quarante sociétés l'utilisaient déjà, statut de licorne en 2022, assistant conversationnel en 2023, agents et valorisation de 7,2 milliards de dollars en 2025, puis collaborateurs IA en 2026. Cette séquence explique le produit : la couche de recherche et de permissions est venue en premier, et les fonctions génératives ont été bâties par-dessus. C'est l'inverse du chemin suivi par les outils de recherche IA grand public, qui partent d'un modèle et tentent ensuite d'y greffer un accès aux données internes.
Glean ne publie pas ses tarifs. Il n'existe ni page de prix, ni offre gratuite, ni inscription en libre-service ; la seule voie d'accès au produit est une demande de démonstration traitée par l'organisation commerciale. C'est une pratique courante pour un logiciel d'entreprise vendu à cette échelle, mais cela signifie qu'on ne peut évaluer le coût sans engager une relation commerciale, et que la comparaison directe avec les concurrents devient difficile sans mener plusieurs procédures d'achat en parallèle.
Ce que l'on sait de la structure vient du dirigeant et non du site. Arvind Jain a décrit deux structures à TechCrunch : un modèle à la consommation où le client paie à l'usage, et un modèle hybride combinant un abonnement mensuel fixe par utilisateur actif et des frais d'usage distincts pour la consommation des modèles. L'implication pratique est que les coûts croissent avec l'adoption, si bien que le modèle financier doit être bâti sur l'usage attendu en régime établi plutôt que sur les volumes du pilote. Tout montant par utilisateur trouvé dans des synthèses tierces doit être considéré comme non vérifié.
Les chiffres de revenus publiés méritent une lecture attentive. TechCrunch a souligné que ces 300 millions de dollars ne peuvent être entièrement décrits comme un revenu récurrent annuel classique, car un modèle à la consommation ne comporte par définition aucune composante strictement récurrente, ce qui rend une partie du total plus justement qualifiable de revenu annualisé. Le point importe pour apprécier la solidité du fournisseur, non parce que l'activité serait fragile, mais parce qu'un chiffre de croissance affiché et un revenu récurrent contractualisé ne sont pas la même chose.
La mise en place des connecteurs et le développement sur mesure comportent des frictions. Un analyste d'une société de services financiers, dans son avis sur PeerSpot, a formulé trois reproches concrets : l'activation des connecteurs a demandé de nombreux échanges au lieu d'être disponible par défaut, les actions personnalisées manquaient d'un journal développeur permettant de suivre les requêtes vers des points de terminaison personnalisés, et la latence des requêtes était sensiblement élevée. Le même évaluateur a décrit la situation comme un arbitrage entre rapidité et exactitude, en notant que les réponses étaient généralement très justes.
Les contrôles des flux d'agents restent en cours de maturation. Un autre thème récurrent est que les agents de flux appliquent l'IA à chaque nœud sans possibilité de la désactiver nœud par nœud, ce qui, selon les évaluateurs, dégrade parfois le résultat, à quoi s'ajoutent des demandes de davantage de choix de modèles et d'un meilleur routage plutôt que d'une recherche exhaustive.
L'échantillon d'avis publics est réduit. Sur PeerSpot, la plateforme obtient 4,3 sur 5 pour douze avis, avec 100 pour cent d'évaluateurs prêts à la recommander : un échantillon dominé par de grandes entreprises mais assez restreint pour être lu comme une indication de tendance plutôt que comme une donnée statistiquement robuste. Un logiciel d'entreprise de ce niveau de prix génère bien moins d'avis publics qu'un outil grand public, si bien que les appels de référence comptent davantage que les étoiles.
La position concurrentielle a fondamentalement changé. Arvind Jain a reconnu que le paysage s'est transformé, déclarant que pendant les quatre ou cinq premières années d'existence de l'entreprise il n'y avait aucune concurrence, alors que Google, Microsoft, OpenAI, Anthropic, Salesforce et Atlassian construisent désormais tous des outils comparables. Plusieurs de ces concurrents peuvent intégrer cette capacité à des contrats que vous détenez déjà.
La qualité du déploiement dépend de vos systèmes sources. La pertinence de la recherche est bornée par l'état du contenu et des permissions sous-jacents. Les organisations aux disques largement surpartagés, à la documentation dupliquée et au contenu périmé verront précisément ces problèmes remonter plus vite.
La portée de la déclaration de confidentialité publiée appelle enfin une réserve. Le texte du site marketing exclut explicitement le produit lui-même, de sorte que les clauses régissant vos données d'entreprise sont contractuelles et non publiées. Faites traiter ces questions par vos équipes juridiques et sécurité lors de l'achat plutôt que de les déduire du site web.
Les assistants généralistes n'ont aucun accès à vos systèmes internes ni aucun modèle de qui a le droit de voir quoi. Glean indexe le contenu réel de votre entreprise sur les systèmes connectés et applique les permissions d'origine à chaque requête, si bien que les réponses s'ancrent dans les connaissances internes plutôt que dans des données d'entraînement publiques.
Oui. Les permissions sont héritées de chaque système source et strictement appliquées, et leurs modifications se répercutent immédiatement dans les résultats plutôt qu'à la prochaine réindexation. Tester ce comportement avec des utilisateurs de différents niveaux d'accès doit néanmoins faire partie de votre évaluation.
Glean ne publie pas ses tarifs. Les contrats se négocient par l'intermédiaire des équipes commerciales, le dirigeant évoquant à la fois une tarification à la consommation et une formule hybride associant un forfait par utilisateur actif à des frais d'usage des modèles. Attendez-vous à des coûts qui progressent avec l'adoption.
Plus de 275 connecteurs prêts à l'emploi sont disponibles, sous forme d'intégrations natives, de connecteurs fondés sur MCP ou via une Push API pour les systèmes devant pousser leur contenu.
Oui. La plateforme prend en charge un déploiement mono-locataire entièrement isolé, hébergé par Glean ou logé dans votre propre environnement AWS, Azure ou GCP, avec un placement régional sur AMER, EMEA et APAC.
Glean déclare disposer d'accords de non-rétention avec les fournisseurs de modèles, de sorte que les données clients ne sont jamais stockées ni utilisées pour l'entraînement, et indique que son architecture RAG limite d'emblée ce qui est exposé au modèle. Faites confirmer les clauses contractuelles précises lors de l'achat.
Une bonne recherche rend visible un surpartage jusque-là invisible. Glean propose des politiques de détection de contenus sensibles couvrant les identifiants, les données de paiement et les informations médicales, ainsi qu'un flux de tri et de correction des documents surpartagés, mais l'hygiène des permissions sous-jacentes demeure votre responsabilité.
Oui, et c'est précisément pourquoi les garde-fous importent. Les agents peuvent être bornés par des limites d'action explicites, exiger une validation humaine avant exécution et faire l'objet de modèles d'alignement qui préanalysent les actions d'écriture. Commencez par des configurations soumises à validation avant d'accorder une écriture autonome.
Non. Il n'y a ni offre gratuite ni entrée en libre-service, et le produit est conçu et tarifé pour de grandes organisations. Les équipes plus modestes seront mieux servies par des assistants généralistes ou des outils de gestion des connaissances plus légers.
Comment utiliser Glean