Ant International remplace une chaîne de support marchands en plusieurs étapes par un seul modèle Qwen3 affiné

Le problème

Ant International, une entreprise mondiale de paiements et de services financiers, exploite un agent de service aux marchands qui traite des demandes sur les paiements transfrontaliers, les litiges de remboursement et les règlements du e-commerce. L'agent avait été construit comme une chaîne de modules distincts : aiguiller la question, récupérer l'information, planifier, agir, rédiger la réponse et la relire. Selon les auteurs, ce type de chaîne accumule des rustines pour chaque cas particulier, rend les erreurs difficiles à tracer et ajoute du délai à chaque étape. Une erreur en début de chaîne se propage aux étapes suivantes, et le délai irrite des clients inquiets pour leur argent.

Ce qu'ils ont construit

L'équipe a remplacé la chaîne par un seul modèle, qu'elle appelle OneModel. Un seul modèle gère tout l'échange : comprendre la demande, utiliser des outils, suivre les procédures de l'entreprise et rédiger la réponse. Les règles métier et les procédures opérationnelles standard sont intégrées aux paramètres du modèle par un entraînement complémentaire, au lieu de résider dans des modules séparés.

Le modèle compte 8 milliards de paramètres et s'appuie sur la famille Qwen3 à poids ouverts d'Alibaba. Il est servi sur l'infrastructure propre d'Ant International, avec des GPU NVIDIA H200 et le logiciel open source vLLM.

Comment ils s'y sont pris

L'entraînement a comporté trois phases. La première a enseigné au modèle les connaissances stables du domaine de l'entreprise à partir de manuels, de FAQ internes et de cas de problèmes passés. La deuxième a utilisé environ 200 000 exemples tirés de journaux de service et de procédures de la meilleure qualité pour apprendre au modèle à appliquer les procédures métier pas à pas. La troisième a recouru à l'apprentissage par renforcement, où un client simulé dialogue avec le modèle et un système de notation récompense les bons comportements, pour corriger les cas limites difficiles et rendre les réponses moins robotiques.

Les données qui changent vite, comme les taux de change, ne sont pas intégrées au modèle par l'entraînement. Elles sont fournies au moment de chaque requête, ce qui évite de réentraîner le modèle à chaque changement de chiffres.

Résultats

Ant a mené un test A/B en ligne de plusieurs semaines, comparant OneModel à la chaîne modulaire existante sur le Global Merchant Service Agent. La latence a baissé de plus de 50 %, de 18,7 s à 8 s, et l'Intelligent Resolution Rate est passé de 64,3 % à 83,3 %. L'article indique aussi que le OneModel 8B a atteint un taux de résolution maximal de 90,75 % dans son évaluation, au-dessus de GPT-5.2 à 87,55 %, dans une évaluation dont l'article ne décrit pas le protocole.

Ce qui a mal tourné

Les auteurs dressent la liste des enseignements de cette transition. Un client simulé qui paraissait humain (95,8 % de ressemblance humaine, contre 96,7 % pour de vraies personnes) ne se comportait pas comme un vrai client. Les vrais clients demandaient un agent humain environ 10 % du temps, et le simulateur seulement 1,7 %, si bien que l'équipe a dû lui apprendre à montrer de l'impatience et à se plaindre. Des étiquettes humaines bruitées ont aussi nui au modèle de notation utilisé à l'entraînement, et l'équipe a donc construit une boucle qui nettoie les étiquettes. Enfin, un modèle unique est plus difficile à déboguer qu'une chaîne de modules, car on ne sait plus quelle étape a échoué.

Ce qu'il faut retenir

Cartographiez les étapes de votre chaîne de support et comptez ce que chacune ajoute en délai et en erreurs. Intégrez les règles stables au modèle et gardez les faits volatils en dehors. Mesurez la résolution sans escalade humaine, et testez la nouvelle conception contre l'actuelle sur du trafic réel.