Du magasin MCP à 100 agents internes : le témoignage concret de la transformation IA de Cobo
TechFlow SélectionTechFlow Sélection
Du magasin MCP à 100 agents internes : le témoignage concret de la transformation IA de Cobo
« De nombreuses entreprises parlent d’IA + Web3. Or, si elles n’ont pas encore achevé leur propre transformation vers l’IA, ce qu’elles présentent à l’extérieur ne reste que des concepts. »
Dédié à des analyses Web3 approfondiesAuteur : alexzuo4, Vice-président Investment & Custody chez Cobo
Depuis la fin de l’année 2024, Cobo, en plus de ses activités centrales de garde d’actifs cryptographiques et de paiements en monnaies stables, explore activement les synergies entre l’intelligence artificielle (IA) et la blockchain.
Notre premier intérêt s’est porté sur le potentiel de normalisation des compétences offert par le protocole MCP. En théorie, si les compétences sont suffisamment standardisées, l’IA peut les invoquer comme des plugins, tandis que la blockchain devient naturellement l’infrastructure financière la plus adaptée à l’IA.
Nous avons ainsi lancé en interne une boutique d’applications MCP. Mais cette initiative a rapidement été invalidée.
À l’époque, le seuil technique pour utiliser efficacement l’IA restait très élevé : seuls des ingénieurs expérimentés étaient capables de le faire avec aisance. Par ailleurs, le protocole MCP manquait encore de standardisation, chaque intégration nécessitant un investissement considérable en temps et en ressources, ce qui rendait le coût élevé et la mise en œuvre lente — les résultats obtenus étant bien loin des attentes initiales.
Or, l’équipe IA avait déjà été constituée. Coûteuse, difficile à recruter, elle ne pouvait pas être dissoute du jour au lendemain.
Nous avons donc décidé de changer de cap : puisque nous ne pouvions pas encore transformer immédiatement le monde de nos clients, nous allions commencer par nous transformer nous-mêmes.
Premier défi : la sécurité
En tant que société spécialisée dans la garde d’actifs, Cobo traite des données extrêmement sensibles, aussi bien au niveau des informations elles-mêmes que des processus techniques internes. Une hiérarchie stricte des niveaux de données existe également en interne. Or, sans données ni entrées réelles issues des opérations métiers, il est impossible d’entraîner un agent IA propre à l’entreprise.
Notre première idée était de déployer localement des modèles IA. En pratique toutefois, le niveau d’intelligence des modèles locaux ne répondait pas aux exigences attendues : ils fonctionnaient certes, mais n’étaient pas suffisamment performants ; ils fournissaient des réponses, mais manquaient de finesse intellectuelle.
Nous avons finalement opté principalement pour Claude et Gemini (avec possibilité de souscrire à la clause ZDR — « Zero Data Retention » — garantissant un isolement maximal).
Toutefois, les grands modèles ne constituent qu’un « cerveau » fondamental pour les activités. Ce qui rend la tâche véritablement complexe, ce sont les données et les droits d’accès.
Nous avons ensuite développé une solution complète comprenant une base de connaissances interne et un cadre dédié aux agents IA.
Base de connaissances interne + architecture d’agents personnalisée Cobo
La base de connaissances gère la stratification des données internes. Selon les droits d’accès des employés, elle définit précisément leur périmètre de lecture autorisé.
Lorsqu’un agent IA accède à cette base, il hérite automatiquement des mêmes droits d’accès que l’employé concerné, sans bénéficier d’une vision omnisciente.
Les aspects concrets impliqués comprennent notamment :
- la segmentation des environnements réseau ;
- la limitation des transferts de données entre niveaux hiérarchiques ;
- le contrôle des journaux d’audit afin d’en assurer la traçabilité ;
- la prévention des fuites d’informations sensibles.
Ces éléments ne sont pas spectaculaires, mais ils déterminent la viabilité à long terme de la solution. L’IA ne doit pas devenir une brèche de sécurité.
Une fois l’architecture en place : personne ne l’utilise
Même aujourd’hui, l’entreprise fait face à un constat réaliste : de nombreux services frontaux affichent une certaine indifférence, voire un mépris, vis-à-vis de l’IA.
Un simple encouragement à son usage ne permettra jamais de transformer réellement les flux de travail.
Nous avons vite compris qu’il fallait agir au niveau de la gouvernance de l’entreprise.
Premier levier d’action : l’agent OKR
Le premier scénario que nous avons imposé avec force n’était ni le service client ni la programmation.
Il s’agissait des objectifs et résultats clés (OKR).
Nous utilisons l’IA pour décomposer la stratégie de l’entreprise, l’aider à définir les OKR, suivre leur progression et analyser les points bloquants.
Autrement dit, nous passons progressivement d’une gestion humaine à une « co-gouvernance silico-carbonée ». Ce changement est extrêmement inconfortable pour les employés.
Autrefois, on pouvait rédiger des objectifs élégants et justifier les étapes intermédiaires de façon convaincante. Aujourd’hui, les données hebdomadaires sont là, tangibles, et les excuses se font de plus en plus rares.
À partir de ce moment, les objectifs cessent d’être simplement discutés lors des réunions pour devenir des enregistrements continus dans le système.
Suivi hebdomadaire des progrès stratégiques via les OKR
Mais c’est précisément à travers la performance que chacun commence véritablement à se familiariser avec l’IA : votre participation n’est plus facultative, car elle affecte directement votre rémunération.
De la performance aux opérations métiers : généralisation progressive des agents
Une fois le système OKR pleinement opérationnel, nous avons lancé la généralisation des agents IA au sein des services internes. Nous avons instauré un dispositif combinant évaluation et primes afin d’imposer à chaque département la création d’un agent spécifique à ses activités.
Le service client a mis en place un agent dédié au service client, le département juridique un agent d’assistance contractuelle, et les ventes un agent CRM.
Recherche de l’agent client le plus « ambigu »
Au total, plus de 100 agents ont été déployés.
Nous ne sommes pas en mesure de quantifier précisément les effets de cette « co-gouvernance silico-carbonée ».
Mais une évolution est néanmoins claire :
Autrefois, face à un problème, la première réaction était « Faut-il embaucher une personne supplémentaire ? ». Aujourd’hui, la première question devient « Le système peut-il intervenir en premier lieu ? ».
C’est précisément cela, notre conception de la « co-gouvernance silico-carbonée » : non pas remplacer les humains par l’IA, mais habituer les humains à travailler conjointement avec les systèmes.
Quelques enseignements tirés de cette année de transformation
Premièrement : disposer d’une trésorerie saine.
Si la trésorerie de l’entreprise n’est pas saine, cette transformation ne pourra pas aller jusqu’à son terme. L’IA n’est pas un outil d’économie immédiate : elle exige des investissements initiaux substantiels en vue d’une modernisation structurelle à long terme. Nous remercions la solidité des activités principales de Cobo, qui assurent une trésorerie stable.
Deuxièmement : une impulsion depuis le sommet est indispensable.
Une organisation ne change pas spontanément. Sans une volonté forte et constante de la direction, ce type d’initiative s’essouffle naturellement.
Comme il est notoire, les fondateurs de Cobo sont tous des utilisateurs passionnés d’IA. Le Dr Jiang, notre CTO, a entamé dès les années 2000 des recherches en IA durant son postdoctorat au Carnegie Mellon University (CMU).
Troisièmement : l’usage doit être rendu obligatoire.
Un simple encouragement ne suffit pas : l’IA restera cantonnée à la rédaction d’e-mails. Pour modifier réellement les processus, une certaine dose de « contrainte » est inévitable.
Quatrièmement : résoudre d’abord ses propres problèmes métiers.
De nombreuses entreprises parlent d’« IA + Web3 », mais si elles n’ont même pas achevé leur propre transformation IA, leurs discours ne sont que des concepts vides.
Rétrospective
Nous ne pouvons pas non plus quantifier parfaitement cette transformation. L’entreprise passe progressivement d’une logique de « processus pilotés par les hommes » à celle de « systèmes pilotés par les objectifs ».
Si une « organisation intelligente » devait un jour émerger, elle ne serait pas le fruit d’une évolution naturelle, mais le résultat d’une série d’impulsions inconfortables.
Grâce à l’implication de l’ensemble des collaborateurs, l’entreprise parvient mieux à identifier les besoins réels dans l’ère de l’IA.
Tel est un bénéfice collatéral de notre transformation interne.
Récemment, nous avons lancé Cobo Waas Skill. Il s’agit d’une couche intégrée de capacités dédiée aux agents de programmation IA (AI Coding Agents), qui, grâce à une structuration des connaissances, à des exemples exécutables et à un agencement de scénarios, permet aux agents d’invoquer avec précision les API WaaS. Nous transformons actuellement nos API de portefeuille en modules de capacités financières directement exploitables par les agents IA. Le cycle de développement passe ainsi d’une échelle hebdomadaire à une échelle conversationnelle.
Ce n’est pas le fruit d’une simple inspiration ponctuelle, mais le résultat naturel d’une capacité accrue découlant de notre démarche interne de « co-gouvernance silico-carbonée ».
Nous continuons d’explorer.
Mais au moins, Cobo aujourd’hui n’est plus l’entreprise qu’elle était en 2024.
Bienvenue dans la communauté officielle TechFlow
Groupe Telegram :https://t.me/TechFlowDaily
Compte Twitter officiel :https://x.com/TechFlowPost
Compte Twitter anglais :https://x.com/BlockFlow_News
Cobo
