GOUVERNANCE

Capital One construit sa propre plateforme multi-agents sur des modèles open-weight — la validation reste entre agents, jamais un humain qui clique

Dans un article publié le 13 août 2026 par VentureBeat — contenu partenaire financé par Capital One elle-même — Kel Vanee, responsable de l'ingénierie machine learning de la banque, explique pourquoi Capital One a choisi de personnaliser des modèles open-weight plutôt que d'acheter une plateforme d'orchestration générique, et de construire son propre harnais multi-agents, MACAW, pour ses appels de fraude bancaire. Chaque appel traverse une chaîne de quatre agents spécialisés — compréhension, raisonnement, validation, explication — mais l'article ne mentionne jamais de clic humain avant qu'une décision touche un client : seulement une IA qui vérifie le travail d'une autre IA.

Le 13 août 2026, VentureBeat publie un entretien mené lors de sa conférence VB Transform 2026 avec Kel Vanee, qui dirige l'ingénierie machine learning chez Capital One, interrogé par Sam Witteveen. L'angle de l'entretien est net : « Chez Capital One, on ne se contente pas d'utiliser l'IA, on la construit », résume Vanee. Concrètement, la banque a fait trois choix architecturaux délibérés plutôt que d'acheter une solution clé en main : une plateforme d'IA centralisée à l'échelle de l'entreprise avec gouvernance intégrée dès la conception, des modèles open-weight (dont Llama de Meta) affinés avec ses propres données plutôt qu'un modèle frontière générique, et son propre harnais d'orchestration multi-agents, baptisé MACAW. « On considère nos données comme un avantage énorme, que personne d'autre n'a, que les modèles frontière génériques ne peuvent pas fournir. On prend donc ces données et on personnalise ces modèles en profondeur », explique Vanee — qui note aussi un effet de bord inattendu : entraîner un modèle open-weight sur le vocabulaire et les politiques internes d'un cas d'usage précis améliore ses performances sur l'ensemble du portefeuille de cas d'usage de la banque, pas seulement celui visé. MACAW illustre l'architecture sur le terrain le plus sensible : les appels liés à la fraude bancaire, plusieurs millions par an, d'une durée allant de quatre à soixante minutes. Un seul grand modèle de langage s'est révélé insuffisant ; la banque a donc découpé le travail en quatre agents spécialisés qui se relaient sur chaque appel — un agent de compréhension qui interprète l'intention du client, un agent de raisonnement qui construit un résumé structuré, un agent de validation qui vérifie factuellement ce résumé, et un agent d'explication qui le met en forme avant de le transmettre. Ce document arrive ensuite entre les mains de plusieurs centaines de conseillers spécialisés dans les appels de fraude complexes, qui n'ont plus à reconstruire l'historique de l'appel à la main.

L'architecture ne s'arrête pas au centre d'appels. Chat Concierge, l'assistant d'achat automobile conversationnel de Capital One destiné directement aux clients, s'appuie sur la même version personnalisée de Llama et la même division du travail : un agent qui dialogue avec le client, un agent qui construit un plan d'action à partir des règles métier, un agent qui évalue l'exactitude du résultat, un agent qui l'explique et le valide. Capital One applique aussi cette logique en interne — un système agentique autonome qui teste des combinaisons d'optimisations d'infrastructure backend, exécute les expériences à la place des chercheurs et leur remet une synthèse des résultats, parce que deux optimisations individuellement bonnes peuvent se contredire une fois combinées. Vanee anticipe deux évolutions : un routage entre plusieurs modèles pour équilibrer coût et précision plutôt qu'un pari sur un seul, et une bascule vers une IA « proactive et événementielle » qui agit dès qu'elle détecte une condition, sans attendre qu'un humain la sollicite — une évolution qu'il présente lui-même comme exigeant « des tests et une surveillance rigoureux », pas comme un aller de soi. Ce que l'entretien ne précise à aucun moment, c'est comment l'humain intervient concrètement avant qu'une décision de ces agents n'atteigne un client : l'agent de validation de MACAW vérifie l'exactitude d'un résumé, mais c'est une IA qui contrôle une autre IA, pas un conseiller qui approuve une action avant qu'elle ne parte. Pour Chat Concierge, la formulation est identique — un agent « évalue » et « valide » le résultat — sans qu'on sache si un humain se trouve encore quelque part dans cette boucle avant que l'assistant n'agisse auprès du client. Un détail qui compte aussi : cet article est un contenu partenaire, financé par Capital One elle-même, publié à l'occasion de sa propre conférence — de vraies citations, un vrai événement, mais une histoire que l'entreprise raconte sur elle-même, pas un reportage indépendant.

Il y a quelque chose de rassurant, en lisant cet entretien, à voir une banque de cette taille arriver à la même conclusion qu'AppH défend depuis le début pour des PME françaises : un modèle générique acheté sur étagère ne suffit pas, il faut une plateforme construite pour son propre métier, avec sa propre gouvernance, pas empruntée à quelqu'un d'autre. Ce n'est pas un hasard si Capital One a choisi de personnaliser des modèles open-weight avec ses propres données plutôt que de louer l'intelligence de quelqu'un d'autre — c'est la même logique qui a poussé AppH à construire une verticale par métier plutôt qu'un chatbot générique. Mais il faut aussi nommer ce que cet entretien ne dit pas, et il faut le nommer précisément parce que c'est un contenu que Capital One a elle-même financé pour raconter sa propre réussite : la « validation » dont parle Vanee est une IA qui contrôle une autre IA, jamais explicitement un humain qui clique avant qu'une décision ne touche un client. C'est peut-être exactement ce qui se passe en coulisses — l'article ne le contredit pas, il ne le confirme simplement jamais. Chez AppH, cette question n'a pas besoin d'être devinée dans les coulisses d'un article sponsorisé : aucune action à conséquence réelle — un devis, une relance, une consolidation comptable — ne part sans qu'un humain ait cliqué pour l'approuver, journalisé, vérifiable. Construire son propre harnais d'agents gouvernés est un vrai progrès d'ingénierie, à l'échelle d'une banque comme à celle d'une PME ; mais gouverner par construction et faire approuver par un humain restent deux choses différentes, et seule la seconde répond vraiment à la question de qui a dit oui avant que l'action ne parte.

Vérifié par un humain d'AppH