🎤À quoi ressemble une entreprise pilotée par l’IA ? (Alex Shevchenko - Ramp)

**Alex Shevchenko** (0:00)
Monde numérique. C'est de la même façon que nous, on devrait voir l'intelligence sociale.
C'est comme un co-worker, c'est comme une personne qui travaille dans notre entreprise. On doit l'enseigner à faire comment on conduit le travail, c'est quoi tout le contexte qu'il aura besoin. Et avec le temps, ils vont devenir de meilleur en meilleur et on pourra enlever l'humain de la boucle de plus en plus.

**Jerome Colombain** (0:35)
Bonjour, Alex Shevchenko.

**Alex Shevchenko** (0:37)
Bonjour.

**Jerome Colombain** (0:38)
Responsable du Lab d'Intelligence Artificielle de Ramp, une compagnie américaine de technologie au service des finances des entreprises, une fintech, comme on dit. Ramp, fondée en 2019 par Carrie Mathieu et Eric Leimann, valorisée aujourd'hui à 44 milliards de dollars, ce qui en fait la cinquième plus grosse entreprise américaine. Mon côté, en quelques mots, l'activité de Ramp, tout d'abord.

**Alex Shevchenko** (1:01)
Oui, Ramp fait beaucoup de choses. On construit l'infrastructure financière pour l'intelligence artificielle. On intègre directement dans le flux de chaque dollar dépensé par une entreprise. On utilise Ramp pour autoriser les paiements, détecter les risques, catégoriser des dépenses et clôturer les comptes sur l'ensemble des cartes, notes de frais, paiements de factures, achats, voyages, trésorerie et comptabilité. Plus de 70 organisations, surtout américaines, font confiance à Ramp. Le client médian économise 5 % sur ses dépenses et augmente son chiffre d'affaires de 16 % au cours de sa première année.
Et maintenant, on fait un petit shift vers la transformation du capital en intelligence sur l'utilisation des LLM.

**Jerome Colombain** (1:44)
Alors, c'est de cela précisément dont on va parler. Et pour que l'on comprenne bien et pour avoir un peu l'éclairage d'une entreprise américaine, comment est-ce que vous avez intégré l'IA concrètement chez Ramp ?

**Alex Shevchenko** (1:56)
Oui, Ramp avait commencé à utiliser l'intelligence artificielle et même les LLM très très tôt dans la vie de ChatGPT et tous ces outils qui ont commencé à sortir. Même avant ChatGPT, il y avait les modèles GPT-3 à base de transformeurs qui se faisaient utiliser chez Ramp avant le moment ChatGPT qui a vraiment popularisé l'utilisation des LLM par les entreprises. Ramp l'utilisait déjà pour merge, fonder plusieurs vendeurs entre eux pour la catégorisation des vendeurs sur les catégories des transactions, pour les paiements et d'autres trucs que les utilisateurs ne voyaient pas vraiment. Il n'y avait pas de Chatbot ou d'agents d'IA à ce moment, mais on utilisait déjà la technologie qui après est devenue ChatGPT 5.5 ou Opus qu'on utilise maintenant.
Pour le quotidien, presque toutes les équipes et presque toutes les personnes chez Ramp utilisent l'intelligence sociale, soit l'ingénierie, la finance, le support, les opérations, d'une manière ou d'une autre, les gens l'utilisent. On a des différents outils pour chaque équipe. On a construit Ramp Inspect qui est similaire à Quadcode ou à Devon, mais construit entièrement à l'intérieur de Ramp pour les ingénieurs. On a un produit que ça peut...

**Jerome Colombain** (3:26)
Ah oui, d'accord. Vous avez développé votre propre IA de code, en fait.

**Alex Shevchenko** (3:31)
Oui. Donc, c'est pas le modèle en tant que tel. C'est quand même les modèles des laboratoires comme OpenAI ou Emporopic, mais ce qu'on appelle le harness, le système qui entoure le modèle, on l'a construit chez Ramp. Ça rajoute beaucoup de bénéfices. C'est très important d'avoir du contexte qui est bon pour les modèles. C'est pas juste l'intelligence qui est importante, c'est aussi ce qu'on ramène au modèle. Et en construisant le harness à l'intérieur de Ramp, on peut apporter toutes nos bases de données, tous nos systèmes d'exploitation, genre Ramp, genre Gong, genre Brain Trust, Postgres, tous les systèmes différents, on peut les ramener à notre harness sans avoir de devoir donner accès à ces données à un système extérieur comme Cloud Code ou Devin.
Donc, tout se fait à l'intérieur. Ça, c'est pour les ingénieurs, pour le support, les opérations, la finance, on a aussi un outil qui s'appelle Ramp Glass, qui est très similaire à Inspect, mais qui est sur l'ordinateur locally, genre, pas sur le web. Et ça aussi, ça fonctionne comme un co-worker pour toutes les équipes d'opérations et vraiment plus axé sur les fichiers tableurs, les documents Word, etc.,
préparation de présentation, gérer le contexte sur Slack et sur Notion, etc.

**Jerome Colombain** (5:03)
Et alors, le LampLab, ça consiste en quoi ?

**Alex Shevchenko** (5:06)
LampLab, c'est une équipe qu'on a lancée, il y a à peu près une année, c'était en août 2025
C'est venu par la réalisation qu'on avait beaucoup de Captured Value à l'intérieur de Ramp, beaucoup de prototypes et d'idées qu'on avait développées à moitié, mais que le monde ne voyait jamais vraiment à l'extérieur de Ramp. Et donc, moi et un designer Alex Stolfer, on avait fait le pitch à Karim, le CTO de Ramp, où on voulait faire un nouveau brand, Ramp Labs, qui était plus axé sur l'externe, pour montrer les nouvelles idées, les nouveaux prototypes et les nouvelles façons d'utiliser l'intelligence artificielle à l'extérieur de ce genre. On a utilisé Cloud Code, on a utilisé ChatGPT. C'est quoi les façons uniques de présenter visuellement ? C'est quoi les façons uniques d'entraîner l'intelligence artificielle ? On fait du post-training, on fait des benchmarks, on fait même des expériments en interpretability, interprétabilité, où on essaie de comprendre ce qui se passe à l'intérieur du modèle, pas en demandant des questions au modèle lui-même, mais en ouvrant la boîte noire, où toutes les neurones se cachent et en analysant, neurones par neurones, c'est quoi les activations et c'est quoi les pensées un peu qui se passent à l'intérieur de l'intelligence.