Le co-fondateur et CTO de Navan, Ilan Twig, explique comment il s'est inspiré de Netflix et pourquoi il s'est très rapidement intéressé aux mensonges de l'IA. Mais il raconte surtout le cheminement, qu'il a documenté dans ses articles de blog, qui amène aux produits aujourd'hui disponible.
Au-delà du voyage d'affaires, Navan s'est toujours présenté comme une entreprise tech. Quelle était la philosophie de l'entreprise ?
Ilan Twig, fondateur et CTO de Navan : Quand nous avons commencé, c'était crucial. Il n’y avait pas beaucoup de technologie dans le voyage d’affaires. Il y en avait beaucoup dans le voyage grand public, pour vos voyages personnels, vous utilisiez Expedia, Priceline ou Booking.com. Ces services étaient modernes, avec des solutions mobiles, etc. Mais pour vos voyages professionnels, l'expérience était différente: l’interface utilisateur était uniquement sur desktop, peu importe ce que vous vouliez faire, vous étiez toujours à dix-sept clics de votre objectif.
C’est dans ce contexte que nous nous sommes lancés. La première chose que nous nous sommes dite avec mon cofondateur, très naïvement, c'est que nous pouvions conquérir ce marché simplement en changeant l’interface utilisateur, comme ce qu’a fait l’iPod avec les lecteurs MP3. Évidemment, il fallait beaucoup plus que cela pour s'imposer : le support est une partie énorme du sujet, nous avons aussi introduit notre programme de récompense pour faire économiser de l’argent à l'utilisateur.
Nous avons donc renversé le modèle. Ces entreprises du secteur voyaient un seul client, un seul utilisateur : le CFO. C’est pour cela que l’interface était terrible, et elles s’en fichaient, tant que la solution était imposée par le CFO, peu importait le reste. Dès le premier jour, nous sommes partis d’une valeur très importante, qui reste aujourd’hui notre valeur numéro un : tout tourne autour de l’utilisateur.
C'est cette philosophie qui vous conduit à très vite vous pencher sur l'IA ?
Bien sûr. Je suis CTO, et j’aime la technologie. Mais je ne fais jamais de technologie pour la technologie. Mon travail consiste toujours à trouver la meilleure technologie pour aider Navan à atteindre ses objectifs. Je dois donc trouver les technologies capables de satisfaire les utilisateurs. Nous avons commencé à utiliser le machine learning dès 2016 pour améliorer l’expérience.
Supposons que vous lancez une recherche de vol, vous obtenez 500 résultats, puis vous devez trier et filtrer. Vous avez un tableau que vous pouvez manipuler : trier, filtrer, filtrer encore, afficher seulement ceci ou seulement cela, telle destination, telle compagnie aérienne. C’est très complexe. Ensuite, vous relancez la recherche et vous recommencez. Dans ce cas de figure, le machine learning peut aider à personnaliser les résultats. Le problème, c’est que nous n’avons pas forcément assez de données individuelles. Nous avons alors considéré que dans le monde du voyage, et plus spécifiquement dans le voyage d’affaires, nous n’avons pas nécessairement besoin de personnaliser uniquement pour soi. Nous pouvons personnaliser grâce pour soi et pour les personnes qui nous ressemblent.
Par exemple, si je suis CTO dans une entreprise basée à San Francisco, j’ai probablement un programme de fidélité United MileagePlus parce que San Francisco est un hub United. J’aime peut-être Hertz et Marriott. Mon entreprise dépense environ sept millions de dollars par an en voyages et nous sommes une entreprise globale. Vous pouvez alors regarder tous les autres CTO, ou plus largement les CXO, dans des entreprises similaires, avec des programmes de fidélité similaires. Et soudain, vous réalisez que si nous avons le même programme de fidélité, le même niveau, que notre entreprise dépense à peu près le même montant en voyages par utilisateur ou par employé, il devient assez facile de deviner ce que vous allez aimer. Je peux vous associer à des personnes qui vous ressemblent, à un groupe de personnes similaires. Et soudain, j’ai beaucoup d’historique de réservation pour entraîner ce modèle de machine learning.
C’était notre thèse. Nous l’avons testée, et les résultats ont été extraordinaires. Aujourd’hui, il faut environ quatre minutes pour réserver un voyage complet. La raison, c’est que même si c’est la première fois que vous utilisez le système et que nous ne connaissons rien de votre historique de réservation, je connais quand même votre niveau de fidélité, je sais dans quelle entreprise vous travaillez, je connais le budget voyage, je sais si c’est une entreprise globale, et je connais vos programmes de fidélité parce que vous nous les donnez.
J’étais par exemple très inspiré par Netflix. Ils l’utilisaient massivement pour recommander des contenus : parce que vous avez regardé ceci, ils vous proposent une liste d’autres choses. C’est de là que venait l’inspiration. Le premier modèle de machine learning a été déployé en 2016 pour les vols. Nous l’appelions un modèle de classement des vols, quand vous lanciez une recherche, nous obtenions 500 résultats, mais triés selon la probabilité que vous les réserviez. Nous n’affichons que dix résultats sur la première page. Et dans neuf réservations sur dix, l’utilisateur réserve depuis cette première page. Et chaque réservation le rend meilleur. Vos résultats seront différents des miens. L’ordre sera différent, le classement sera différent, parce que nous avons des programmes de fidélité, des habitudes différentes. C’est une véritable plus-value pour les utilisateurs.
En quoi l'arrivée de l'IA a changé la trajectoire de Navan ?
En tant que CTO, c’était la première fois que je faisais face à une technologie qui n’était pas déterministe. Quand j’utilise Java, ou une nouvelle technologie classique, c’est déterministe. Vous l’apprenez, cela prend généralement quelques jours ou deux semaines pour vraiment la comprendre.
Parce que si je veux déployer quelque chose en production, en tant que CTO, je dois comprendre cette technologie. En production, il ne doit pas y avoir de surprises. Nous avons des utilisateurs et des clients, ce n’est pas un jeu. J’ai mené des expériences, et la réponse est : oui, les modèles peuvent tout à fait nous mentir.
C'est ce qui vous encourage à développer Navan Cognition, une organisation d'agents qui se corrigent entre eux ?
Exactement. Nous avons été le premier framework agentique au monde. Ces modèles peuvent parfois mentir et parfois, ils hallucinent, sans intention de mentir. C’est différent. L’intention de mentir apparaît si vous les mettez au défi, si vous les placez dans une situation où ils peuvent gagner ou perdre. Là, ils peuvent mentir intentionnellement. L’hallucination est autre chose. C’est un sous-produit spontané de la manière dont fonctionnent les modèles. Ils ne cherchent pas à vous tromper. C’est simplement leur comportement. Et si vous les corrigez, ils disent immédiatement : “Ah, vous avez raison, je suis désolé”, puis ils donnent la bonne réponse.
Je me suis demandé : si je le défie et qu’il réalise toujours qu’il a halluciné, que se passerait-il si j’avais un autre modèle chargé de le défier sur chaque réponse ? Ce modèle regarderait les derniers échanges et dirait : “Êtes-vous sûr de cela ?” Un an et demi plus tard, tous les frameworks agentiques avaient des superviseurs.
C’est comme cela que j’ai réduit les hallucinations critiques à zéro. Ce sont les hallucinations critiques qui m’importent vraiment. Notre bot peut réserver un vol, surclasser votre siège, annuler votre hôtel, vous fournir une facture, vous parler d’un remboursement. Tout ce qui touche à l’argent doit être exact. Dans 100 % des cas, quand il vous communique un montant en dollars ou en euros, ce montant correspondra toujours à ce que vous voyez sur votre relevé de carte bancaire.
Les agents, avec plusieurs LLM, plusieurs ChatGPT qui travaillent ensemble, se surveillent entre eux, réduisent les hallucinations, améliorent le raisonnement ou ajoutent une touche personnelle à la communication. C’est ce que nous avons fait avec Cognition.
Sur Navan Cognition se greffe donc des modèles, Ava est l'un d'entre eux.
Ava est née comme agent de support, avec un objectif : aider Navan à faire évoluer rapidement son organisation de support. Le support est très complexe, très intensif en main-d’œuvre. Et puis il y a les perturbations de voyage. Quand une perturbation survient, une tempête ou un problème à l’aéroport, vous avez soudain dix fois ou vingt fois plus de volume. Comment gérez-vous cela ? Traditionnellement, les opérateurs répondent avec trois heures d’attente. Chez Navan, ce n’est plus le cas aujourd’hui grâce à Ava, qui peut scaler autant que nécessaire. Même lors des pires tempêtes que nous avons eues à Chicago il y a environ deux mois, les utilisateurs n’ont pas attendu plus de dix ou quinze minutes, ce qui est très raisonnable quand le volume est multiplié par dix. Ava a traité environ 15 000 chats par jour, peut-être 15 000, 16 000 ou 18 000, pendant ces journées.
Ava est donc née pour le support et a évolué : les modèles sont devenus plus intelligents, et nous avons commencé à introduire ce que nous appelons "Book with AI", nos agents avec lesquels vous pouvez parler. Ils ont accès à Navan Cloud, ce réseau complexe de tuyaux qui nous connecte à tout ce qui concerne le voyage et la dépense, et c’est énorme. Nous avons passé douze ans à le construire, et nous continuons à le construire. Il intègre aussi toutes nos licences, certifications, accords et contrats avec les fournisseurs.
Nous avons introduit les vols, les hôtels, et nous venons d’introduire les voitures. Le train arrive. Et maintenant, nous les avons aussi rendus accessibles à Ava. Ava sait donc qu’elle dispose d’un ensemble d’outils et d’agents. Elle coordonne la conversation. Si vous ouvrez le support et dites à Ava que vous avez besoin d’un voyage à Londres, elle orchestre la conversation entre elle-même et ses coéquipiers, et vous obtenez une expérience incroyable.
Bientôt, pendant que vous conduisez vers l’aéroport, vous pourrez appeler Ava. Très bientôt, je ne veux pas donner de date exacte. Vous pourrez vérifier avec Ava les possibilités de surclassement de votre siège, et elle le fera, il y aura un bouton "Appelez-moi", et elle vous appellera.
Ava est réactive, mais vous présentez Travel Claw comme un modèle pro-actif.
Navan Cloud nous donne la connectivité. Par-dessus, nous avons Cognition, qui nous permet d’orchestrer les agents. La première application a été Ava pour le support, puis nous avons commencé à construire des agents qui peuvent vous aider à planifier et à réserver. Nos utilisateurs les utilisent déjà. Ils peuvent les utiliser depuis Ava, car Ava peut utiliser ces agents, mais aussi directement depuis le produit.
Travel Claw est un agent qui surveille vos voyages. Il se réveille tout seul. Vous n’avez pas besoin de l’appeler, vous n’avez pas besoin de lui parler. Il a accès à toutes vos données : vos voyages, votre profil, votre politique de voyage s’il y en a une. Et il a un objectif. Il n’a pas de fonctionnalités. Il a des responsabilités. C’est une grande différence.
L’agent dispose d’outils. Il peut par exemple vérifier la météo, le trafic. Il peut passer des appels téléphoniques ou communiquer avec moi. Il peut se programmer des actions. C’est ce que nous construisons avec Travel Claw. Nous sommes très bien positionnés pour le faire, parce que nous avons cet ADN agentique.
Les utilisateurs attendent désormais ce type de comportement. Ils commencent à réaliser qu’interagir avec un ordinateur à travers une interface utilisateur était la meilleure chose il y a trente ou quarante ans, mais peut-être plus maintenant. Vous n’avez pas besoin de 500 résultats et d’un bon système de filtres. Vous avez besoin de quelque chose qui vous connaît, qui prend soin de vous, qui fait attention aux détails et qui vous aide. C’est cela dont vous avez besoin, et je veux que tout le monde dans le monde puisse vivre cela lorsqu’il voyage.
Voilà où nous en sommes. Et je pense que nous sommes très bien positionnés pour livrer cette expérience. Nous allons continuer à construire, continuer à innover. Les choses se connectent, et la valeur devient exponentielle. C’est comme si un plus un faisait cinq.
Photo d'ouverture : Navan
