Cobo : Comment avons-nous utilisé l'IA pour réaliser notre transformation ?

Auteur : alexzuo4, Vice-président en investissement et garde en custody @Cobo

Depuis la fin 2024, Cobo, en plus de ses activités principales de custody de cryptomonnaies et de paiements en stablecoins, explore la fusion de l’IA et de la blockchain.

La première idée que nous avons vue est le potentiel de standardisation des compétences apporté par MCP. En théorie, si les compétences sont suffisamment standardisées, l’IA peut invoquer ces capacités comme des plugins, faisant de la blockchain l’infrastructure financière la plus naturelle pour l’IA.

Nous avons donc incubé une boutique d’applications MCP en interne. Mais cela s’est rapidement avéré faux.

À l’époque, le seuil d’entrée pour l’IA était encore élevé, réservé aux ingénieurs expérimentés. MCP n’était pas assez standardisé, chaque intégration prenait du temps, coûtait cher, avançait lentement, et les résultats étaient loin des attentes.

Mais l’équipe IA a tout de même été constituée. Très coûteux, difficile à recruter, et impossible à supprimer facilement.

Nous avons donc décidé de changer d’orientation. Puisque nous ne pouvons pas encore transformer le monde de nos clients, transformons d’abord le nôtre.

Premier problème : la sécurité

En tant que société de custody d’actifs, Cobo doit protéger des données et des processus techniques internes extrêmement sensibles. Il existe une hiérarchie stricte des données en interne. Sans données ni input réel, il est impossible de développer notre propre agent.

Nous avons d’abord envisagé le déploiement de modèles locaux. Mais en pratique, leur intelligence ne suffisait pas. Ils pouvaient fonctionner, mais étaient peu pratiques ; ils pouvaient répondre, mais manquaient d’intelligence.

Finalement, nous avons choisi Claude et Gemini (avec la possibilité de demander ZDR — clause de non-conservation des données — pour une isolation maximale).

Mais les grands modèles ne sont que le “cerveau” sous-jacent de l’activité. La vraie complexité réside dans les données et les permissions.

Nous avons donc créé une base de connaissances interne et un cadre d’agents.

Base de connaissances interne + système d’agents auto-développés

La base de connaissances gère la hiérarchisation des données internes. Selon les permissions des employés, elle définit leur accès en lecture.

Les agents, lorsqu’ils accèdent à la base, héritent des permissions de l’utilisateur, plutôt que d’avoir une “vue divine”.

Les détails incluent :

• Comment isoler l’environnement réseau
• Comment limiter le flux de données entre les niveaux
• Comment contrôler la conservation des logs pour audit
• Comment éviter la fuite d’informations sensibles

Ces aspects, peu attrayants, sont cruciaux pour la pérennité du système. L’IA ne doit pas devenir une faille de sécurité.

Une fois l’architecture en place, le problème suivant : personne ne l’utilise.

Même aujourd’hui, l’entreprise fait face à une réalité : beaucoup de métiers en front ne voient pas l’intérêt de l’IA.

Encourager simplement son utilisation ne changera pas le flux de travail.

Nous avons alors compris qu’il fallait agir depuis la gestion de l’entreprise.

Premier levier : l’agent OKR

Notre premier cas d’usage prioritaire n’est ni le service client ni la programmation.

C’est l’OKR.

Nous utilisons l’IA pour décomposer la stratégie de l’entreprise, aider à définir les OKR, suivre leur progression, et faire des revues.

En d’autres termes, transformer la gestion d’entreprise, de la gestion humaine à une co-gestion homme-machine. Ce processus est très difficile pour les employés.

Avant, on pouvait rédiger des objectifs de façon séduisante, expliquer le processus de manière cohérente. Maintenant, chaque semaine, les données sont là, les excuses se font rares.

À partir de ce moment, les objectifs ne sont plus seulement discutés en réunion, mais enregistrés en continu dans le système.

strategy okr : suivi hebdomadaire de l’avancement

Mais c’est aussi à partir de la performance que chacun commence vraiment à connaître l’IA. Parce que si vous ne participez pas, cela influence directement votre rémunération.

De la performance à l’activité : une approche agent complète

Une fois l’OKR lancé, nous avons commencé à promouvoir l’automatisation des services internes via des agents. En utilisant des concours et des bonus, chaque département doit établir un agent lié à ses activités.

Service client : agent dédié au support client.
Juridiques : agent d’assistance pour les contrats.
Ventes : agent CRM.

Nous avons recherché l’agent client le plus atypique.

Au final, plus de 100 agents ont été déployés.

Nous ne pouvons pas quantifier précisément le résultat de cette co-gestion homme-machine.

Mais un changement est clair :

Avant, face à un problème, la première réaction était “faut-il embaucher quelqu’un ?”.
Maintenant, la première réaction est “peut-on faire intervenir le système ?”.

C’est cela, notre compréhension de la co-gestion homme-machine. Il ne s’agit pas de remplacer l’humain par l’IA, mais de faire en sorte que l’humain s’habitue à travailler avec le système.

Ce parcours de cette année nous a donné plusieurs leçons concrètes :

1. Avoir un flux de trésorerie sain.

Si la trésorerie n’est pas saine, cette transformation ne pourra pas aller jusqu’au bout. L’IA n’est pas un outil d’économie, c’est un investissement initial pour une restructuration à long terme. Heureusement, le cœur de métier de Cobo dispose d’un flux de trésorerie solide.

2. Il faut une impulsion top-down.

Une organisation ne changera pas spontanément. Sans une forte impulsion de la direction, le projet échouera naturellement.

3. Il faut une utilisation forcée.

Encourager ne suffit pas. L’intégration réelle dans le processus doit comporter une certaine “force”.

4. Commencer par ses propres activités.

Beaucoup d’entreprises parlent d’IA + Web3. Mais si elles n’ont pas encore digitalisé leur propre fonctionnement, ce qu’elles prêchent n’est que concept.

En regardant en arrière

Nous ne pouvons pas totalement quantifier cette transformation. La société évolue d’un “processus piloté par l’humain” vers un “système orienté objectifs”.

Si un “organisme intelligent” doit apparaître, il ne sera pas une évolution naturelle. Il sera le résultat d’une série de poussées inconfortables.

Parce que la participation de tous permet à l’entreprise de mieux comprendre ses véritables besoins à l’ère de l’IA.

C’est aussi un sous-produit de notre propre transformation interne.

Récemment, nous avons lancé Cobo Waas Skill. Cobo WaaS Skill est une couche de capacités intégrées et opérationnelles conçue pour l’agent de codage IA, utilisant des connaissances structurées, des exemples exécutables et des scénarios orchestrés, permettant à l’agent d’invoquer précisément l’API WaaS. Nous sommes en train de faire évoluer l’API portefeuille en un module de capacités financières directement accessible par l’agent IA. La durée de développement est passée d’une semaine à une interaction en dialogue.

Ce n’est pas le fruit d’une seule idée de produit. C’est le résultat naturel de cette nouvelle co-gestion homme-machine interne.

Nous continuons à explorer.

Mais au moins, aujourd’hui, Cobo n’est plus la même entreprise qu’en 2024.