Kavak's Playbook for Rebuilding a Company Around AI

Ali Masa, responsable de l'IA chez Kavak, explique comment l'entreprise s'est transformée en une entité native de l'IA. Avant Kavak, Ali avait cofondé Oppy Analytics, une entreprise pionnière dans l'apprentissage automatique, qui, bien qu'en avance sur son temps (2013, avant les transformeurs et ChatGPT), a servi des entreprises du Fortune 500. L'avènement des transformeurs et de ChatGPT a clairement montré qu'une nouvelle architecture d'entreprise était possible, ce qui les a conduits à rejoindre Kavak. Kavak, à l'origine une place de marché de voitures d'occasion, a dû construire verticalement toute l'infrastructure (fintech, logistique, Carfax) car elle n'existait pas en Amérique latine. L'entreprise a ensuite fait le pari audacieux de se transformer en une organisation entièrement gérée par des agents. Leur vision était de repenser Kavak en 2035, avec une intelligence de niveau GPT 10, ce qui impliquait une architecture radicalement différente. Quand un client arrive, un agent est créé spécifiquement pour lui, avec sa propre machine virtuelle. Cet agent mémorise toutes les interactions passées du client avec Kavak, établit une stratégie et un objectif à long terme pour maximiser la valeur vie du client, et fait tout le nécessaire pour le satisfaire et le convertir aux différents produits. Cette architecture est considérée comme révolutionnaire car, contrairement aux systèmes multi-agents plus courants, Kavak mise sur des agents à long terme avec des objectifs clairs et non de simples flux de travail. La transition vers cette architecture n'a pas été sans défis. Trois décisions majeures ont été prises. Premièrement, il était crucial de repenser toute l'entreprise autour des agents et de leurs futures capacités, ce qui a nécessité la refonte de la plupart des API et des systèmes. La simple adoption de l'IA sans modifier la structure existante n'apporte aucune efficacité. Deuxièmement, Kavak a décidé de construire des agents surhumains, capables de surpasser les meilleurs humains en termes de conversion, de valeur vie et d'expérience client, en les confrontant aux problèmes les plus complexes. Troisièmement, l'entreprise a modifié ses indicateurs de succès, passant d'une logique transactionnelle (nombre de voitures achetées/vendues) à une logique relationnelle, où l'objectif est de maximiser la valeur vie de millions de clients grâce à des agents dédiés. Pour une entreprise comme Kavak, vendant des articles à forte valeur ajoutée comme des voitures ou des prêts personnels, activer seulement 1% de sa base de clients représente des centaines de millions de dollars. La confiance étant primordiale dans l'achat d'une voiture d'occasion, une relation à long terme est essentielle. À l'échelle, 96% de toutes les interactions et 95% de toutes les transactions sont gérées par des agents. Seule la remise physique des clés implique un humain. Chaque jour, entre 100 000 et 200 000 agents sont instanciés, travaillant de quelques minutes à plusieurs jours, avant de se "reposer" jusqu'à leur prochaine tâche. Pour que ce système fonctionne à une telle échelle, la qualité des évaluations (évals) est primordiale. Ali insiste sur le fait qu'il faut consacrer autant de temps, de ressources d'ingénierie et de tokens à la construction des évals qu'à celle des agents. Les métriques clés sont les résultats commerciaux : la conversion des clients, l'approbation des prêts, la vente de voitures à Kavak, la satisfaction client et leur volonté de s'engager à nouveau. Mesurer des KPI superficiels comme le nombre d'appels est inefficace. Les agents de Kavak ne sont pas de simples agents de support client, mais des agents de vente. Vendre une voiture en Amérique latine est un processus complexe impliquant le choix parmi 20 000 SKU, le financement, l'assurance, la reprise de l'ancien véhicule, etc. Auparavant, cela nécessitait 15 experts différents. Kavak a mis au point un "méga-expert" sous forme d'agent, capable de surpasser chaque expert individuel et de gérer l'ensemble du processus. Cette approche a triplé le NPS et la satisfaction client, et les agents convertissent 2,1 fois plus que les équipes humaines. Les agents sont meilleurs vendeurs car ils sont experts, infiniment patients, connaissent l'historique complet du client, peuvent planifier à long terme et ne se fatiguent jamais. S'ils commettent une erreur, ils apprennent instantanément, et cet apprentissage est partagé avec les 200 000 autres agents. Kavak prouve que l'IA peut gérer des interactions clients complexes et coûteuses, y compris les services financiers réglementés de bout en bout. Ils souscrivent des prêts automobiles en moins de trois minutes, là où il fallait auparavant deux mois. Cette rapidité est rendue possible par l'accès aux données clients et automobiles. L'intégration verticale permet également des solutions innovantes, comme la possibilité pour un client de retourner une voiture et d'en obtenir une moins chère si ses capacités de paiement diminuent. La personnalisation profonde des taux d'intérêt, des risques et des montants maximaux des prêts, adaptée au profil de risque du client et aux offres concurrentes, est également gérée par les agents. Ali donne l'exemple d'un agent IA nommé "CEO" dans une ville pilote au Mexique, Quavaca. En six semaines, cet agent a augmenté les bénéfices de 50%, dépassant les attentes. Il gère la ville en analysant chaque chiffre, chaque client, en faisant des prévisions parfaites et en micro-gérant chaque tâche quotidienne, communiquant même avec les employés physiques via des notes vocales. La satisfaction client, la rotation des stocks, la pénétration du financement – tous les KPI se sont améliorés. Les seuls domaines où Kavak continue de former et d'embaucher des humains sont ceux liés au monde physique, comme les mécaniciens. Pour eux, un agent "sidekick" appelé "El Mike" a été développé. Il les aide à inspecter et réparer les voitures, améliorant la qualité des inspections, la rapidité des réparations et réduisant les coûts. Les garanties ont diminué de 20 à 26%, et la satisfaction client a augmenté. L'idée est de repenser l'organisation en partant de zéro, avec une super-intelligence abondante et bon marché. Concernant le rôle des humains dans les organisations futures, Ali explique que tous les emplois vont changer. Kavak a lancé la "Jedi Academy", un programme interne de six semaines où tous les employés, du PDG aux ingénieurs IA et mécaniciens, sont formés pour lancer des agents IA de pointe en production. L'objectif est de permettre à chacun de collaborer avec cette nouvelle technologie. La culture d'entreprise a été renforcée, et les employés ont eu le choix de s'adapter ou de quitter l'entreprise. L'organisation actuelle de Kavak est très plate, composée d'équipes seniors et autonomes, qui construisent des agents, travaillent pour des agents, ou interagissent physiquement avec les clients. La structure est radicalement différente de celle d'il y a deux ans. Le concept de "travail pour les agents" est également expliqué. Alors que de nombreux systèmes d'agents en production renvoient les cas complexes à un support humain de niveau 2, perdant ainsi le feedback loop, Kavak a une approche différente. Chaque agent est obsédé par un client, a accès à toutes les API et outils. Si un agent rencontre un problème, il appelle une API pour demander de l'aide, et c'est un humain qui intervient. Cette collaboration entre agents et humains est intégrée à l'organigramme, où les équipes humaines travaillent avec des agents pour obtenir de meilleurs résultats. Pour les futurs fondateurs ou dirigeants d'entreprises existantes, Ali donne deux conseils clés. Premièrement, la transformation doit être menée par le haut. Une adoption ascendante ne fonctionne pas car il est difficile de générer une stratégie cohérente. Les dirigeants doivent avoir une vision claire de ce à quoi ressemblera l'entreprise dans trois à cinq ans et guider les équipes de manière verticale, comme une armée avec une stratégie claire. Deuxièmement, il faut mesurer ce qui compte vraiment, avec les bonnes évaluations. De nombreuses entreprises dépensent des millions en tokens sans savoir si cela apporte de la valeur. Ali propose une classification des tokens : les tokens de niveau 3 sont les plus précieux, car leur ROI est directement mesurable (ils sont utilisés par des agents qui effectuent le travail de l'organisation). Les tokens de niveau 2 ont un ROI mesurable indirectement, tandis que les tokens de niveau 1 (utilisation de ChatGPT ou Copilot) n'ont pas de ROI clair. Kavak a fait le pari risqué de construire un agent par client plutôt qu'un agent par tâche, et chaque agent a sa propre machine virtuelle. Initialement, ils avaient des milliers d'agents multi-tâches gérant des flux de travail complexes. Mais avec l'arrivée d'OpenAI 4.5, ils ont réalisé que ce paradigme limitait l'intelligence. Ils ont donc détruit ce qu'ils avaient construit pendant deux ans – un système qui fonctionnait, les avait rendus rentables et leur avait apporté une croissance incroyable – pour repartir de zéro avec une architecture plus robuste et évolutive, tirant parti de l'auto-amélioration récursive et des nouveaux modèles. Cette nouvelle architecture est une machine virtuelle avec un agent, un accès à la mémoire, aux évaluations, à une interface en ligne de commande pour accéder à tous les outils et API de l'entreprise, et un objectif à long terme comme maximiser la valeur vie du client. Des centaines de milliers de ces agents sont instanciés chaque jour. Cette approche mène à l'organisation auto-améliorante. L'innovation économique a toujours été délivrée par les organisations, pas par les individus. L'objectif est donc d'engager l'organisation dans une boucle d'auto-amélioration, en tirant parti des modèles d'IA toujours plus performants. Cela crée une croissance exponentielle non seulement de l'intelligence, mais aussi de la valeur générée par l'entreprise. Ali évoque le concept de destruction créatrice de Joseph Schumpeter. L'innovation ne vient pas de l'adoption par les entreprises existantes, mais de nouvelles entreprises natives de la technologie qui détruisent les anciennes. Il est difficile pour les PDG de grandes entreprises de détruire et de reconstruire leur modèle autour de l'IA. Cela crée une immense opportunité pour les entrepreneurs de créer de nouvelles entreprises natives de l'IA. L'exemple historique est l'électricité : les technologies existaient 40 ans avant Ford, mais l'adoption initiale fut superficielle (remplacer un moteur à charbon par un moteur électrique dans une usine existante). La véritable révolution a eu lieu lorsque les usines ont été entièrement repensées autour de l'électricité. De même avec l'ordinateur, et de même aujourd'hui avec l'IA. Les entreprises qui n'adoptent l'IA que superficiellement n'obtiendront qu'une amélioration de 6 à 10%, et non une amélioration par 10. En conclusion, Ali encourage les futurs fondateurs à saisir cette période la