Les agents IA de Navan utilisent NVIDIA Nemotron 3.5 Super VL en production, après que l’éditeur de logiciels de voyage d’affaires a affiné et déployé le modèle dans les trois semaines suivant l’obtention d’un accès anticipé. Dans une annonce du 16 octobre 2026, Navan a indiqué que le modèle prenait en charge les interactions avec les clients à un coût réduit.
Points clés
- Le déploiement est achevé : il ne s’agit pas d’un essai prévu du modèle de NVIDIA.
- Navan a fait état de meilleures performances pour les tâches de voyage lors de ses propres évaluations, sans toutefois quantifier les économies réalisées sur les coûts de production.
- L’hébergement en interne permet à Navan de personnaliser et de remplacer les modèles tout en maîtrisant leur déploiement.
Table des matières
- Les agents IA de Navan vont au-delà des réponses aux questions
- Les tests internes comparent la qualité à l’efficacité des réponses
- L’hébergement en interne préserve la flexibilité dans le choix des modèles
- Conclusion
Les agents IA de Navan vont au-delà des réponses aux questions
Dans son annonce technique, Navan décrit un système conçu pour accomplir des tâches liées aux voyages, et non simplement générer des réponses conversationnelles. Un vol annulé peut nécessiter de rechercher les disponibilités en temps réel, d’expliquer les solutions de remplacement, de vérifier la politique de l’entreprise et de coordonner les modifications des réservations d’hôtel ou de voiture.
Dans son compte rendu du déploiement en production de Nemotron, Navan a indiqué avoir adapté un modèle à partir de l’expérience combinée de cinq agents : un orchestrateur et des agents spécialisés dans les hôtels, les vols, les voitures et les trains. Chaque agent reste responsable de ses propres outils et décisions, tout en partageant les informations concernant le voyage.
Dans cette architecture, l’accomplissement des tâches constitue le véritable critère de réussite de l’intégration. Une réponse rapide ne suffit pas si le système ne parvient pas à utiliser correctement les outils de réservation ou à respecter les contraintes du voyageur.
| Élément | Détails |
|---|---|
| Capacité du modèle | Environ 120 milliards de paramètres, dont quelque 12 milliards activés à chaque étape. |
| Méthode d’affinage | Affinage LoRA à l’aide de la bibliothèque open source NVIDIA NeMo AutoModel. |
| Informations finales d’entraînement | Environ 10 millions de jetons. |
| Validation | Près de 2 000 tests de validation dans l’ensemble de données final d’entraînement. |
Les tests internes comparent la qualité à l’efficacité des réponses
Navan a utilisé Qwen 3.8-27B, sa référence de production existante auto-hébergée, comme principal point de comparaison. L’entreprise a testé les modèles avec les mêmes invites, outils, scénarios de voyage et système de notation.
Le modèle Nemotron affiné a surpassé ou égalé les modèles concurrents sur six des sept critères de l’évaluation de Navan. L’entreprise a mis en avant l’utilisation des outils, l’accomplissement des tâches, l’ancrage dans des informations réelles et la qualité des conversations comme points forts.
Il s’agit de résultats de tests communiqués par l’entreprise, et non de conclusions sur les performances vérifiées de manière indépendante. L’évaluation portait sur des tâches de voyage fondées sur du texte, bien que le modèle prenne également en charge d’autres types d’entrées. Navan a déclaré que le modèle déployé réduisait les coûts, sans révéler de pourcentage d’économies ni de montant en dollars.
L’hébergement en interne préserve la flexibilité dans le choix des modèles
Navan a indiqué que l’hébergement en interne lui donne davantage de contrôle sur la vitesse, les coûts et la fiabilité, puisqu’elle gère la personnalisation, les tests, le déploiement et les mises à jour des modèles. Cela lui permet également de remplacer un modèle sans reconstruire l’ensemble du système autour de celui-ci.
L’intégration élargit donc le portefeuille de modèles de Navan, au lieu d’établir un modèle unique et permanent pour chaque processus. L’approche déclarée par l’entreprise consiste à évaluer les modèles selon des exigences propres aux voyages et à tester l’assistant dans son ensemble avec des outils réels, notamment sa capacité à se rétablir en cas de problème.
Conclusion
L’étape confirmée est le déploiement en production du modèle, qui prend en charge les interactions avec les clients. L’annonce de Navan apporte des éléments internes attestant d’une amélioration des performances pour l’accomplissement des tâches, sans préciser l’ampleur des économies réalisées sur les coûts de production.
Lire d’autres actualités
Plus d’actualités de FinanceVelix
Avertissement
Le présent article de FinanceVelix fournit des informations générales et ne constitue pas un conseil personnalisé en matière financière, d’investissement, juridique ou fiscale. Les cours du marché, les taux d’intérêt et la conjoncture économique peuvent évoluer ; les investissements comportent un risque de perte. Les faits correspondent aux informations disponibles au moment de la publication et peuvent changer. Vérifiez de manière indépendante les informations importantes et consultez un professionnel qualifié si nécessaire. La mention d’un actif, d’une entreprise ou d’un service ne constitue pas une recommandation.
