L’ancien CTO d’une startup de Google partage comment il utilise l’IA pour bâtir son entreprise de A à Z

Valliappa Lakshmanan est le cofondateur et CTO d’Obin, une entreprise « AI-native » qui construit des agents autonomes pour les flux de travail financiers. Auparavant, il était Directeur des Solutions Analytics et IA chez Google Cloud. Il possède une grande expérience en intégration de l’intelligence artificielle.

Nous nous sommes entretenus avec Lak pour comprendre comment il construit une entreprise « AI-native ». Voici ce qu'il a partagé.

Une expertise approfondie en intégration de l’IA

Je suis Lak, cofondateur et CTO chez Obin. Nous concevons des agents autonomes d’intelligence artificielle capables d’exécuter de bout en bout des flux financiers.

J’ai commencé ma carrière comme chercheur en apprentissage automatique, avec un focus sur la prévision des phénomènes météorologiques extrêmes. Nous faisions partie des premiers secteurs à élaborer des modèles d’apprentissage automatique en temps réel et à les déployer en production. Ensuite, la vague de technologies « deep learning » de 2014 m’a conduit vers le secteur privé.

J’ai dirigé l’équipe des solutions Analytics et IA chez Google Cloud, travaillant avec de nombreux clients pour déployer l'IA en production. Je suis ensuite passé chez Silver Lake, un fonds de capital-investissement, où j’ai contribué à créer et à mettre en œuvre la stratégie IA pour les entreprises de leur portefeuille.

J’apporte donc une profonde expertise à la fois dans l’implémentation de l’IA en production et dans la réinvention de la façon dont les entreprises s’adaptent et tirent parti des possibilités offertes par la nouvelle technologie.

Des exigences très élevées

Obin a moins d’un an, mais notre équipe croît rapidement. Le vrai défi d’ingénierie dans la construction d’agents autonomes d’IA pour la finance consiste à inverser le modèle habituel des chatbots et copilotes — où l’humain contrôle chaque étape de la boucle — au profit d’un fonctionnement où l’IA exécute le workflow de bout en bout, et les humains surveillent et valident.

Cela correspond également à notre façon de concevoir le logiciel — nos agents IA écrivent la majorité du code sous la supervision attentive de nos ingénieurs.

Nous collaborons avec certaines des plus grandes entreprises de la finance sur leurs fonctions les plus critiques, ainsi, le niveau d’exigence en matière de résultat et de précision est très élevé.

Par conséquent, nous utilisons Robin — notre plateforme d’agents qui simplifie la création d’agents pour les secteurs régulés et s’assure qu'ils satisfont à toutes les obligations de conformité et de traçabilité.

Pourquoi les entreprises « AI-native » ont l’avantage

Valliappa partage

Tant que nous pouvons vérifier le fonctionnement du code, et que celui-ci reste de taille réduite, il est très fiable.

Comme notre entreprise est relativement récente, nous avons eu la chance de construire en mode agentique. Nous sommes entièrement « AI-native » dans toutes nos fonctions.

Plus particulièrement, nous utilisons l’IA à grande échelle dans le développement logiciel. Claude Code génère presque tout notre code initial. Tant que nous pouvons vérifier le fonctionnement du code, et qu’il est de taille réduite, il s’avère très fiable. Nous avons aussi un bot Claude de revue dans notre CI/CD pour vérifier chaque commit et chaque PR. Les « quick wins » et les problèmes identifiés par notre bot ont allégé la charge des relecteurs humains, ce qui nous permet d’accélérer le rythme.

Un autre avantage : nous n’avons plus besoin de user stories ou de PRD pour développer des logiciels. Aujourd’hui, nous prototypons et itérons directement.

L’IA génère aussi la documentation technique à partir du code, et nous l’utilisons pour reformater la documentation selon les publics (sécurité, architectes données, ingénieurs IA, etc.). Nous pouvons extraire, mettre en avant et adapter la documentation bien plus rapidement qu’un humain ne le ferait manuellement.

Enfin, nous créons également les présentations investisseurs et commerciales à l’aide de l’IA.

Pourquoi la gestion des agents IA présente aussi ses défis

Chacun de nos ingénieurs est, en pratique, le responsable d’une équipe d’agents IA. Grâce à cette approche, nous avons réduit le temps de réalisation des fonctionnalités, et la qualité du code a progressé grâce à une meilleure gestion des erreurs.

Néanmoins, la rapidité des déploiements a posé certains défis. Nous devons à présent gérer avec soin les environnements de développement pour permettre les tests de fonctionnalités.

Pourquoi les artefacts d'IA nécessitent de nouveaux processus de révision

Avec l’augmentation des artefacts générés par l’IA — code, fichiers de configuration, documents, pipelines, etc. — il est important pour les responsables techniques de développer leur capacité de révision. Vous pouvez et devez mettre en place des vérifications de conformité pour chaque artefact.

Voici un exemple : vous pouvez comparer les informations d'un avis de remise avec les avis précédents pour le même accord, emprunteur, etc.

Il vaut mieux anticiper les vérifications de conformité que de découvrir un problème avec un artefact généré par l’IA en production !

Et ensuite, bien sûr, utiliser des étapes de validation humaine.

Où la présence humaine reste nécessaire dans le développement logiciel basé sur l’IA

Concernant le code, il existe une répartition claire entre ce que gère l’IA et ce que gèrent les humains.

Actuellement, tous les commits et PR font l'objet d'une révision préliminaire par l’IA. Cependant, les validations finales des PR sont réalisées par des humains. Un ingénieur senior continue de vérifier tous les PR pour l’architecture.

La limite concerne tout ce qui requiert un contexte au-delà du code source. Cela signifie que les humains doivent s’occuper de tout ce qui touche aux parties prenantes et à la complexité réglementaire, par exemple.

Pourquoi l’expertise métier est cruciale dans l’intégration de l’IA

L’IA fonctionne au mieux dans des domaines où vous possédez une expertise approfondie. Il est important de savoir à quoi ressemble le « bon » résultat, afin de pouvoir itérer avec le modèle jusqu’à ce qu’il fonctionne correctement.

Dans les domaines où nous ne possédons pas l’expertise, les résultats de l’IA ont tendance à rester superficiels.

Voici un exemple. Par défaut, l’IA n’a pas bien fonctionné pour générer nos résumés de transactions. Elle n’arrivait pas à gérer les informations contradictoires dans les documents sources et se concentrait souvent sur les formulations les plus extrêmes plutôt que les plus importantes. Pour les informations non ancrées dans des faits, l’IA n’a pas vu suffisamment de données confidentielles du marché privé pour saisir les nuances. Et comme nous n’étions pas experts sur le sujet, nous avons eu du mal à la mettre à niveau.

Valliappa partage

Il est important de savoir à quoi ressemble le “bon” résultat, afin de pouvoir itérer avec le modèle (IA) jusqu’à ce qu’il fonctionne correctement.

Pourquoi les responsables techniques doivent être prudents dans l’automatisation des processus existants

En matière d’automatisation, n’automatisez pas vos processus actuels. Utilisez plutôt l’IA pour supprimer les étapes intermédiaires et aller directement au résultat final.

Par exemple, pensez aux étapes nécessaires pour créer une diapositive PowerPoint. Il est tentant d’inciter l’IA à suivre ces étapes, mais une diapositive est en fin de compte du XML + des images. L’IA peut la générer sans passer par vos étapes. Cette idée s’applique aussi aux processus métier — vous pouvez créer une facture sans utiliser le système actuel de création de factures. Il suffit d’appeler les API backend appropriées pour obtenir les bons prix et quantités.

Pourquoi l’IA peut provoquer une surcharge cognitive

Voici l’un des principaux inconvénients que j’ai constatés pour les leaders techniques : la rapidité d’exécution des outils d’IA génère une surcharge cognitive importante.

Pour atténuer cette surcharge, nous avons institué un créneau de "pensée profonde" de deux heures chaque après-midi. Quant à savoir si cela sera vraiment efficace, il est encore trop tôt pour le dire.

Suivez-nous

Vous pouvez suivre Valliappa Lakshmanan sur LinkedIn, ou découvrir Obin.

D'autres entretiens d'experts arrivent bientôt sur The CTO Club !