Varick Agents construit un agent pour ses FDE, et la démonstration technique sauve le talk

• Vidéo : AI tools for Forward Deployed Engineering, chaîne AI Engineer
• Qui parle : Vasuman Moza, fondateur et CEO de Varick Agents, puis JD, à la tête de l'équipe plateforme de la start-up
• Format : 20 min 23, AI Engineer World's Fair 2026, mise en ligne le 28 juillet 2026 (environ 28 100 vues au 10 novembre 2026)
• Originalité : 4/5
• Qualité de l'information : 3/5

Un client de Varick Agents a dépensé 5 millions de dollars et cinq ans pour migrer vers NetSuite. Vasuman Moza raconte l'anecdote pour justifier le choix de sa start-up : déployer des agents par-dessus les systèmes en place, sans demander à quiconque de migrer encore. Varick dit transformer des départements entiers de grandes entreprises (la finance lui sert d'exemple tout au long du talk), ce qui exige beaucoup de forward deployed engineering. Le talk se coupe en deux : douze minutes de Moza, puis six minutes de JD, qui dirige l'équipe plateforme, sur l'outil interne construit pour les FDE de Varick.

Le discours de Vasuman Moza

Moza reprend un constat entendu dans beaucoup de talks du World's Fair : les modèles et leurs harnais savent maintenant exécuter le travail, et le goulot d'étranglement devient la compréhension du fonctionnement réel d'une entreprise. Il va plus loin que les autres en affirmant que le travail intellectuel est presque résolu.

Le FDE de Varick cartographie d'abord le travail humain, surtout les exceptions (vers 4:04) : quand Sarah, aux comptes fournisseurs, bute sur un écart entre bon de commande et facture, elle transmet le dossier à Chris, et le rapprochement prend quatre jours de plus. Il redessine ensuite le processus autour de l'IA sans le bouleverser. Remplacer un processus de onze étapes par une seule fait chuter l'adoption ; sur un processus de huit étapes, Moza propose d'en automatiser quatre, d'en garder trois avec validation humaine et une entièrement humaine. Il déploie enfin les agents au-dessus de NetSuite, Dynamics, SAP ou Salesforce, via la plateforme maison, Varick OS.

La suite tourne à l'argumentaire. Moza oppose les solutions ponctuelles, qui rapporteraient 5 à 10 % de ROI, aux transformations de départements entiers que vend Varick, créditées de 25, 50 ou 75 %, sans définir ce ROI ni nommer de client. Il cite l'étude du MIT selon laquelle 95 % des pilotes d'IA générative n'atteignent pas la production, puis un chiffre de 87 % qu'il n'attribue à personne.

La démonstration de JD

JD raconte l'origine du projet (vers 12:15). Côté plateforme, son équipe travaille sans stress avec Codex et Claude. Côté FDE, les ingénieurs manquent de sommeil, reçoivent des e-mails de clients jour et nuit, chargent 150 pages de documentation dans Claude et obtiennent deux minutes plus tard une analyse qu'il juge « verbose and incorrect and it kind of sucks » (bavarde, fausse et plutôt mauvaise).

Varick a construit un agent FDE en trois étages. L'agent d'engagement ingère les notes Granola, la documentation et les présentations, et répond aux questions que les FDE se posent toute la journée : qui est responsable de ce processus, la Sarah de cet e-mail est-elle celle de ce message Slack ? L'agent de workflow, intégré à la plateforme, signale au FDE le cas limite oublié pendant qu'il construit le flux. Le troisième étage, un agent autonome qui traiterait seul les petites demandes de changement des clients (envoyer un rapport qualité à une autre adresse, par exemple), n'existe pas encore, et JD le dit.

L'architecture constitue la partie la plus originale (vers 15:18). Varick représente chaque entreprise par un graphe de dépendances, parce que les processus métier sont surtout linéaires, avec des boucles. JD lance au passage que Postgres suffit, à l'adresse des vendeurs de bases de graphes qui tenaient stand au rez-de-chaussée. L'équipe post-entraîne des modèles open source (il cite un modèle Kimi, de Moonshot AI), parce que les modèles frontières rédigent des analyses trop longues et n'ont pas l'instinct d'un consultant pour ce qui compte aux yeux du client. JD avoue qu'il n'a cru aux consultants qu'en voyant travailler ceux que Varick a recrutés. Un environnement d'apprentissage par renforcement entraîne enfin le modèle à parcourir le graphe avec des outils dédiés : vérifier si deux « Mike » désignent la même personne, détecter des cycles redondants ou des violations du graphe acyclique.

Une contradiction instructive

Les deux moitiés se répondent mal. Moza annonce le travail intellectuel presque résolu ; quelques minutes plus tard, JD montre qu'une tâche de base pour un consultant, synthétiser un dossier client de 150 pages, résiste encore aux modèles frontières, au point que Varick entraîne ses propres modèles. Entre les deux, le témoignage de l'ingénieur convainc davantage : il décrit ce que son équipe a dû construire pour contourner la limite.

Pour une ESN

Moza présente l'agent FDE comme ce qui empêche Varick de devenir un cabinet de conseil classique tout en gardant un accompagnement humain. Le message s'adresse aux ESN : Varick vend des transformations de départements entiers et cherche, grâce à son agent, à confier plusieurs clients à un même FDE. L'idée la plus facile à reprendre reste le graphe de l'organisation cliente, alimenté par les notes de réunion et interrogeable par toute l'équipe de mission.

Verdict

Originalité : 4/5. Le seul talk de la série consacré à l'outillage du FDE lui-même, avec une architecture peu commune : graphe de dépendances, résolution d'entités, apprentissage par renforcement sur des outils maison, modèles open source post-entraînés. La première moitié, elle, répète le discours ambiant.

Qualité de l'information : 3/5. La partie de JD est précise et franche sur ce qui ne marche pas. Celle de Moza aligne des ROI sans définition, une statistique sans source et une affirmation que son propre ingénieur dément.

À regarder à partir de 12:15 si vous outillez des consultants ou des FDE. Les douze premières minutes se résument en une phrase : cartographier le travail réel, redessiner le processus, déployer par-dessus l'existant.

Barème : l'originalité mesure l'apport d'idées neuves (1 : discours entendu partout ; 5 : idée qui change la façon de penser le sujet). La qualité de l'information mesure la précision et l'utilité de ce qu'on apprend (1 : vague ou promotionnel ; 5 : dense, précis, applicable). Cet article fait partie d'une série de neuf retours sur la playlist FDE de l'AI Engineer World's Fair 2026.