Capital One crée une IA agentique calquée sur son propre organigramme pour dynamiser les ventes automobiles

L’inspiration peut venir de différents endroits, même pour l’architecture et la conception de systèmes d’agents.

Lors de VB Transform , Capital One a expliqué comment elle a développé sa plateforme d'agents pour son activité automobile. Milind Naphade, vice-président senior de la technologie et responsable des fondements de l'IA chez Capital One, a déclaré lors de VB Transform que l'entreprise souhaitait que ses agents fonctionnent de manière similaire aux agents humains, c'est-à-dire qu'ils résolvent les problèmes aux côtés des clients.

Naphade a déclaré que Capital One avait commencé à concevoir ses offres d'agents il y a 15 mois, « avant que le terme « agents » ne devienne un terme à la mode ». Pour Capital One, il était crucial, lors de la conception de ses systèmes d'agents, de s'inspirer de la façon dont leurs agents humains interrogent les clients pour identifier leurs problèmes.

Capital One s'est également tourné vers une autre source de structure organisationnelle pour ses agents : elle-même.

« Nous nous sommes inspirés du fonctionnement même de Capital One », a déclaré Naphade. « Chez Capital One, comme dans d'autres services financiers, j'en suis sûr, il faut gérer les risques, et il y a aussi d'autres entités que l'on observe, évalue, interroge et audite. »

>> Voir toute notre couverture de Transform 2025 ici <<

Cette même structure s'applique aux agents que Capital One souhaite surveiller. Un agent a été créé pour évaluer les agents existants, formé aux politiques et réglementations de Capital One. Cet agent évaluateur peut relancer le processus s'il détecte un problème. Naphade a expliqué qu'il fallait le considérer comme « une équipe d'experts dont chacun possède une expertise différente et se mobilise pour résoudre un problème ».

Les organismes de services financiers reconnaissent le potentiel des agents pour fournir à leurs agents humains des informations permettant de résoudre les problèmes des clients, de gérer le service client et d'attirer davantage de clients vers leurs produits. D'autres banques, comme BNY, ont déployé des agents cette année .

Capital One a déployé des agents dans son activité automobile pour aider ses clients concessionnaires à trouver la voiture et le prêt automobile qui leur conviennent. Les consommateurs peuvent consulter les stocks de véhicules des concessionnaires prêts à effectuer des essais. Naphade a indiqué que ses clients concessionnaires ont constaté une amélioration de 55 % de leurs indicateurs, tels que l'engagement et les prospects sérieux.

« Grâce à cette conversation plus naturelle et plus directe, ils peuvent générer des prospects bien plus sérieux », a-t-il déclaré. « Ils peuvent compter sur des agents disponibles 24 h/24 et 7 j/7, et si la voiture tombe en panne à minuit, le chat est disponible. »

Naphade a déclaré que Capital One aimerait intégrer ce type d'agent à son activité voyages, notamment pour ses interactions avec la clientèle. Capital One, qui a ouvert un nouveau salon à l'aéroport JFK de New York, propose une carte de crédit très populaire permettant de cumuler des points de voyage. Naphade a toutefois souligné que la banque devait procéder à des tests internes approfondis.

Comme de nombreuses entreprises, Capital One dispose de nombreuses données pour ses systèmes d'IA, mais elle doit trouver le meilleur moyen de transmettre ce contexte à ses agents. Elle doit également expérimenter la meilleure architecture de modèle pour ses agents.

L'équipe de chercheurs appliqués, d'ingénieurs et de scientifiques des données de Naphade et de Capital One a utilisé des méthodes telles que la distillation de modèles pour des architectures plus efficaces.

« L'agent de compréhension représente l'essentiel de nos coûts, car c'est lui qui doit lever les ambiguïtés », a-t-il expliqué. « C'est un modèle plus vaste, nous essayons donc de le répartir et d'en tirer le meilleur parti. Il existe également la prédiction multi-jetons et le pré-remplissage agrégé, autant de pistes intéressantes pour optimiser cela. »

En termes de données, Naphade a déclaré que son équipe avait subi plusieurs « itérations d'expérimentation, de tests, d'évaluation, d'intervention humaine dans la boucle et de toutes les bonnes garde-fous » avant de publier ses applications d'IA.

« Mais l'un des plus gros défis auxquels nous avons été confrontés était l'absence de précédents. Nous ne pouvions pas nous contenter de dire : « Oh, quelqu'un d'autre a fait ça de cette façon », et nous ne pouvions donc pas lui demander comment cela s'est passé ? » a déclaré Naphade.

Note de l'éditeur : Pour remercier nos lecteurs, nous avons ouvert les inscriptions anticipées pour VB Transform 2026, pour seulement 200 $. C'est là que l'ambition de l'IA rencontre la réalité opérationnelle, et vous aurez envie d'y assister. Réservez votre place dès maintenant .