# gupta-garg-context-graphs-trillion-dollar-opportunity-2025-12-22

## Veille

Context Graphs Foundation Capital - nouvelle génération systèmes de record pour agents IA

## Titre Article

AI's trillion-dollar opportunity: Context graphs

## Date

2025-12-22

## URL

https://x.com/JayaGup10/status/2003525933534179480

## Keywords

context graph, système de record, agents IA, decision traces, orchestration, entreprise, données, gouvernance, startups, workflows

## Authors

Jaya Gupta, Ashu Garg

## Ton

Profil : Article d'investisseurs VC (Foundation Capital), registre analytique stratégique, perspective thèse d'investissement.
Style : Ton assertif et structuré, argumentation par contraste (incumbents vs startups). Utilise des exemples concrets (Salesforce, Workday, SAP) pour ancrer l'abstraction. Vocabulaire technique enterprise software mêlé au jargon VC. Citations et références à d'autres analyses (Jamin Ball). Public cible : fondateurs, investisseurs, décideurs enterprise tech.

## Pense-betes

- Thèse centrale : les prochaines plateformes trillion-dollar ne viendront pas de l'ajout d'IA aux données existantes mais de la capture des "decision traces"
- Distinction clé : Rules (ce qui devrait arriver) vs Decision Traces (ce qui s'est passé dans ce cas précis)
- Context Graph = enregistrement structuré des traces de décision reliées entre entités et dans le temps
- Ce qui manque aux systèmes actuels : exception logic, précédents, synthèse cross-system, chaînes d'approbation informelles
- Avantage structurel des startups "systems of agents" : elles sont dans le chemin d'exécution, pas en lecture après coup
- Limites des incumbents : Salesforce/Workday stockent l'état actuel pas l'état au moment de la décision ; Snowflake/Databricks reçoivent les données après les décisions via ETL
- 3 chemins pour startups : remplacer les SoR existants, remplacer des modules, créer de nouveaux SoR
- Exemples cités : Regie (AI SDR), Maximor (finance), PlayerZero (production engineering), Arize (observabilité agents)
- Signaux pour founders : headcount élevé sur workflow, décisions avec exceptions, organisations "glue" entre systèmes

## RésuméDe400mots

Jaya Gupta et Ashu Garg de Foundation Capital développent une thèse sur l'émergence d'une nouvelle génération de systèmes de record centrés sur les traces de décision plutôt que sur les objets métier traditionnels.

La génération précédente de logiciels enterprise a créé un écosystème trillion-dollar en devenant des systèmes de record : Salesforce pour les clients, Workday pour les employés, SAP pour les opérations. La question actuelle est de savoir si ces systèmes survivront au passage aux agents IA.

Les auteurs s'accordent avec l'analyse de Jamin Ball selon laquelle les agents ne remplacent pas les systèmes de record mais en élèvent les exigences. Cependant, ils identifient une couche manquante critique : les traces de décision. Ces dernières capturent les exceptions, dérogations, précédents et contexte cross-système qui vivent actuellement dans Slack, les conversations de deal desk, les appels d'escalade et la mémoire des employés.

La distinction fondamentale oppose les règles (ce qui devrait se passer en général) aux traces de décision (ce qui s'est passé dans ce cas spécifique, sous quelle politique, avec quelle exception, sur quel précédent). Les agents ont besoin d'accéder non seulement aux règles mais à l'historique de leur application.

Les startups "systems of agents" disposent d'un avantage structurel : elles se situent dans le chemin d'exécution. Elles voient le contexte complet au moment de la décision et peuvent persister ces traces comme des artefacts durables. L'accumulation de ces traces forme un "context graph" : un enregistrement vivant des décisions reliées entre entités et dans le temps, où le précédent devient requêtable.

Les incumbents ne peuvent pas construire ce context graph. Les systèmes opérationnels comme Salesforce stockent l'état actuel, pas l'état au moment de la décision. Les data warehouses comme Snowflake reçoivent les données via ETL après que les décisions sont prises, perdant le contexte décisionnel.

Les auteurs identifient trois chemins pour les startups : remplacer des systèmes de record existants (comme Regie pour les plateformes de sales engagement), remplacer des modules spécifiques (comme Maximor pour la finance), ou créer de nouveaux systèmes de record pour des catégories de vérité jamais capturées (comme PlayerZero pour le production engineering).

Les signaux pour identifier ces opportunités incluent un headcount élevé sur des workflows manuels, des décisions riches en exceptions, et l'existence d'organisations "glue" (RevOps, DevOps, SecOps) qui existent précisément parce qu'aucun système ne capture le workflow cross-fonctionnel.

## GrapheDeConnaissance

- Jaya Gupta —publie→ thèse context graphs (CONCEPT, 0.95)
- Ashu Garg —publie→ thèse context graphs (CONCEPT, 0.95)
- Foundation Capital —emploie→ Jaya Gupta (PERSONNE, 0.9)
- Foundation Capital —emploie→ Ashu Garg (PERSONNE, 0.9)
- context graph —est_basé_sur→ traces de décision (CONCEPT, 0.95)
- context graph —remplace→ systèmes de record traditionnels (CONCEPT, 0.85)
- startups systems of agents —surpasse→ incumbents (Salesforce, Workday) (ORGANISATION, 0.88)
- Salesforce —utilise→ état actuel pas état décisionnel (CONCEPT, 0.9)
- Snowflake —utilise→ données reçues après les décisions via ETL (CONCEPT, 0.88)
- Regie —remplace→ plateformes sales engagement (TECHNOLOGIE, 0.82)
- exceptions, précédents, contexte cross-système —fait_partie_de→ traces de décision (CONCEPT, 0.9)
- agents IA —améliore→ exigences des systèmes de record (CONCEPT, 0.85)

---
Canonical: https://www.thekb.eu/en/fiches/gupta-garg-context-graphs-trillion-dollar-opportunity-2025-12-22/