Ilan Zerbib, Fondateur et PDG de Sapiom – Série d’entretiens

Ilan Zerbib, Fondateur et PDG de Sapiom, est un leader d’ingénierie chevronné et entrepreneur en série avec une expertise approfondie dans les paiements, les systèmes à grande échelle et l’automatisation. Avant de fonder Sapiom, il a occupé le poste de Directeur de l’ingénierie, Paiements chez Shopify (SHOP ), où il a aidé à développer Shop Pay en un produit phare et a lancé Shop Cash, une plate-forme combinée de fidélité et de publicité. Auparavant, il a co-fondé Earny, un agent consommateur autonome qui a permis à des millions d’utilisateurs de sécuriser des remboursements grâce à une technologie de suivi des prix avancée, ce qui a finalement conduit à son acquisition. Sa carrière s’étend sur la construction de systèmes distribués à grande échelle, des travaux de cybersécurité avec le ministère français des Forces armées et de multiples entreprises de démarrage, qui éclairent tous son objectif actuel de permettre aux agents d’IA de transiger dans le monde réel.

Sapiom est en train de construire un système d’exploitation financier axé sur le développeur conçu pour donner aux agents d’IA la capacité de transiger de manière sûre et autonome. La plate-forme abstrait les paiements, l’authentification et l’accès en une couche programmable, permettant aux agents de payer pour des API, des calculs, des messages et d’autres services sans s’appuyer sur des comptes traditionnels ou des flux de travail de facturation manuelle. En transformant les agents d’IA en acteurs économiques indépendants fonctionnant sous des règles et des limites définies, Sapiom vise à supprimer un obstacle clé au déploiement d’IA dans le monde réel et à établir une infrastructure fondamentale pour l’économie axée sur les agents émergents.

Vous avez aidé à développer Shop Pay à plus de 100 milliards de dollars de chiffre d’affaires et avez précédemment construit Earny en une plate-forme de fintech à grande échelle pour les consommateurs. Quelle lacune spécifique avez-vous vue qui vous a conduit à créer Sapiom, et pourquoi est-ce le bon moment pour construire une couche financière pour les agents d’IA ?

Les agents ont franchi un seuil. Ils peuvent maintenant effectuer un travail réel, mais ils ne peuvent pas le terminer.

Ils peuvent écrire du code, planifier des flux de travail et concevoir des systèmes. Ensuite, ils heurtent un mur. Ils ne peuvent pas payer pour les calculs, provisionner des API ou accéder à des services sans qu’un humain n’intervienne. Cela brise la boucle.

Internet suppose qu’une personne est toujours impliquée. S’inscrire, ajouter une carte, gérer les informations d’identification, approuver les dépenses. Ce modèle a fonctionné lorsque les logiciels soutenaient les humains. Il échoue lorsque les logiciels commencent à agir par eux-mêmes.

C’est le moment parce que la capacité existe déjà. Le bloqueur est l’accès.

Sapiom positionne « l’argent comme la clé API universelle ». Pouvez-vous expliquer ce que cela signifie techniquement et comment cela change la façon dont les développeurs pensent aux intégrations ?

Chaque service contrôle l’accès par le biais du paiement. Pas de paiement, pas d’API, pas de calcul, pas de données.

Aujourd’hui, ce flux s’effectue par l’intermédiaire d’un humain. Quelqu’un s’inscrit, attache la facturation, copie les clés et relie tout. C’est le goulet d’étranglement.

Nous traitons les dépenses comme un appel de fonction. Un agent demande un service, paie dans le cadre d’une politique définie et passe à l’étape suivante. L’identité, la facturation et l’application se font en arrière-plan.

Cela change la façon dont les développeurs construisent. Au lieu de coudre des fournisseurs un par un, ils donnent aux agents un moyen d’accéder à tout à la demande, dans les limites.

Aujourd’hui, les agents d’IA peuvent appeler des API mais s’appuient toujours fortement sur la facturation, l’authentification et les autorisations contrôlées par les humains. Quels sont les principaux goulets d’étranglement qui empêchent une exécution autonome réelle ?

L’accès est le goulet d’étranglement. Les modèles peuvent déjà planifier des flux de travail multi-étapes et écrire du code de production de qualité. Ce n’est plus le problème. Le problème est qu’ils ne peuvent pas agir.

Si un agent ne peut pas envoyer un message, exécuter une recherche ou payer pour un service, le travail s’arrête. Il peut planifier une campagne mais ne peut jamais la lancer.

Chaque service a son propre processus d’intégration, sa configuration de facturation et son modèle d’authentification. Il n’y a pas de couche partagée qui permet aux agents de découvrir et d’utiliser des services en temps réel. Jusqu’à ce que cela existe, les agents restent bloqués en mode planification.

À un niveau système, comment Sapiom gère-t-il l’identité et la confiance pour les agents d’IA, en particulier lorsque ces agents agissent de manière indépendante sur plusieurs services ?

Nous traitons les agents comme de véritables acteurs du système. Chaque agent a une identité, un ensemble d’autorisations et une portée définie. Toute action passe par une politique. Budget, services autorisés, limites de taux. Si cela sort des limites, cela n’est pas exécuté.

Nous attachons un contexte à chaque transaction. Quel agent a agi, sous quelles règles, contre quel service, avec quel résultat. Cela donne la traçabilité. Lorsque quelque chose se casse, vous voyez exactement ce qui s’est passé et où.

Vous avez construit de grandes infrastructures de paiement par le passé. Quels nouveaux défis émergent lorsque l’« utilisateur » qui effectue des transactions est un agent d’IA et non un humain ?

Le volume et le comportement. Les agents n’agissent pas comme les humains. Ils s’exécutent en parallèle, frappent les services à haute fréquence et s’exécutent en continu. Cela déclenche chaque système de fraude conçu pour les modèles humains.

Les systèmes legacy supposent qu’il y a une personne derrière l’action. Les agents brisent cette supposition. Ce qui semble suspect dans un système humain est normal pour un agent.

Vous ne pouvez pas greffer cela sur des rails existants. Vous devez définir la politique à l’avance et la faire respecter avant l’exécution. Sinon, vous réagissez toujours après les faits.

De nombreux développeurs expérimentent des cadres d’agents, mais la monétisation et le contrôle des coûts restent désordonnés. Comment Sapiom introduit-il l’observabilité et la gouvernance dans les dépenses des agents ?

Vous définissez les contraintes en premier. Chaque agent s’exécute avec un budget, un ensemble d’autorisations et des limites sur où et comment il peut dépenser. Ces règles sont appliquées automatiquement. Pas de boucle de révision manuelle.

Chaque action est liée à un agent. Vous savez ce qu’il a fait, ce que cela a coûté et quel résultat il a produit.

Vous obtenez également des journaux complets. Chaque demande, chaque transaction, chaque résultat. Si quelque chose dévie, vous le détectez rapidement et l’arrêtez.

Sans cela, les agents optimisent pour l’activité. Avec cela, ils optimisent pour les résultats.

Il y a une conversation croissante autour du commerce d’agent à agent. Voyez-vous un avenir où les agents d’IA négocient, achètent et gèrent des services entièrement par eux-mêmes ?

Oui. Les agents passent déjà du chat à l’exécution. Ils provisionnent l’infrastructure, appellent des API et coordonnent des flux de travail. L’étape suivante consiste à gérer la couche transactionnelle directement.

Une fois qu’ils peuvent accéder à des services sans friction, ils commencent à se comporter comme des acteurs économiques. Ils choisissent des fournisseurs, gèrent les coûts et exécutent les processus de bout en bout.

Cela commence déjà. L’infrastructure ne fait que rattraper son retard.

La sécurité semble être une préoccupation majeure ici. Comment empêchez-vous les agents indésirables, les attaques d’injection de prompt et les transactions involontaires lorsque les agents ont le pouvoir d’effectuer des achats ?

Vous ne vous appuyez pas sur la détection après les faits. Vous bloquez les mauvaises actions avant qu’elles ne se produisent.

Chaque demande passe par une politique. Si cela dépasse le budget, touche un service non autorisé ou viole les limites de taux, cela échoue immédiatement.

Nous consignons tout. Si un agent commence à se comporter en dehors de son modèle normal, vous le voyez dans le contexte et pouvez l’arrêter.

L’objectif n’est pas un comportement parfait. C’est un comportement limité. Lorsque quelque chose se passe mal, cela reste contenu.

Actuellement, vous vous concentrez sur les cas d’utilisation B2B, mais il y a un chemin clair vers les agents consommateurs qui gèrent les achats. Qu’est-ce qui doit se produire avant que les utilisateurs soient à l’aise pour laisser l’IA prendre des décisions financières en leur nom ?

Les consommateurs ne feront pas confiance à cela sans contrôle.

Ils doivent voir ce que l’agent fait, où l’argent va et quelles règles il suit. Cela signifie des limites claires, une attribution claire et la capacité d’intervenir à tout moment.

Cela commencera dans le B2B car les entreprises peuvent définir des contraintes et absorber les risques. Une fois que les systèmes prouvent qu’ils peuvent fonctionner en toute sécurité, ce modèle passe en aval aux consommateurs.

En regardant trois à cinq ans à l’avance, pensez-vous que l’interface dominante pour Internet deviendra des agents transigeant au nom des utilisateurs ?

Oui.

Les applications sont déjà en train de changer dans cette direction. Derrière chaque action, il y a une chaîne de services. Messagerie, calcul, paiements. Chaque étape a un coût.

Actuellement, les humains gèrent cette chaîne. Cela ne sera pas scalable.

Les agents prendront le relais de l’exécution. Ils décideront de ce qu’ils appellent, de ce qu’ils achètent et de la façon de terminer une tâche.

À ce stade, le logiciel devient le client d’Internet. La seule question est de savoir à quelle vitesse l’infrastructure rattrape son retard.

Merci pour cette grande interview, les lecteurs qui souhaitent en savoir plus peuvent visiter Sapiom.