Offre 03
Des agents et des outils branchés sur vos données réelles
Nous construisons des agents IA, des automatisations et des applications métier qui travaillent sur vos données réelles, pas sur une démonstration favorable. L’objectif n’est pas d’ajouter de l’IA quelque part, mais de retirer du travail répétitif à des gens qui ont mieux à faire. Ce qui part chez un fournisseur de modèle et ce qui reste chez vous est une décision d’architecture, prise au cadrage et écrite noir sur blanc.
Notre approche
Pourquoi nous procédons ainsi.
La plupart des projets d’IA échouent au même endroit : la démonstration fonctionne, la mise en production non. Entre les deux, il y a vos données réelles, avec leurs doublons et leurs cas particuliers ; vos outils, avec leurs API capricieuses ; et vos utilisateurs, qui font des demandes que personne n’avait prévues. Nous partons donc de l’autre bout : une tâche précise, mesurée sur vos propres cas, et un prototype qu’on abandonne sans regret s’il ne tient pas.
Le même socle sert aux logiciels métier. Back-office, portail client, outil de suivi : ce sont des applications ordinaires, avec des utilisateurs, des droits et des données à ne pas perdre — et l’IA n’y intervient que là où elle fait gagner du temps. Nous préférons un outil sobre qui tourne tous les jours à une démonstration impressionnante que personne n’ouvre le mois suivant.
Ce que ça comprend
Le détail, poste par poste.
Agents et assistants sur vos données
Un agent utile est un agent qui connaît votre métier. Nous le branchons sur vos documents et vos systèmes, et nous bornons ce qu’il a le droit de dire et de faire.
- Recherche documentaire (RAG) sur vos procédures, contrats, catalogues et historiques
- Réponse aux clients à partir d’informations validées, avec la source citée
- Qualification des demandes entrantes et transmission au bon interlocuteur
- Rédaction assistée : réponses, comptes rendus, propositions, à partir de vos modèles
- Extraction d’informations structurées depuis des documents non structurés
Automatisation des process
Avant l’IA, il y a souvent une automatisation simple qui règle le problème pour de bon. Nous commençons par là quand c’est le cas.
- Traitement de documents : devis, factures, bons de commande, pièces justificatives
- Relances programmées, sur des règles que vous maîtrisez
- Fin des doubles saisies entre deux outils qui ne se parlent pas
- Synchronisations planifiées, avec reprise sur erreur et alerte en cas d’échec
- Rapports récurrents produits et envoyés sans intervention
Applications métier et SaaS internes
Quand aucun logiciel du marché ne correspond à votre façon de travailler, l’outil sur mesure redevient rentable — à condition de rester petit et de faire exactement ce qu’on lui demande.
- Back-office et outils de gestion, adaptés à vos processus réels
- Portail client : suivi de dossier, documents, échanges
- Tableaux de suivi alimentés par vos données, sans export manuel
- Rôles, permissions et journal des actions
- Import de l’existant, y compris depuis les tableurs qui font tenir la maison
Intégrations
Nous nous branchons sur ce qui existe plutôt que de le remplacer. Un projet qui commence par « il faudrait d’abord changer votre CRM » est un projet qui n’aboutira pas.
- CRM, ERP et outils de facturation
- Messagerie, agenda et outils de collaboration
- Bases de données et entrepôts de données existants
- API tierces, webhooks, fichiers déposés sur un serveur
- Reprise des API maison, même mal documentées
Mise en production supervisée
Un agent en production sans supervision est un incident qui attend son heure. La supervision fait partie de la livraison, pas d’une option.
- Journaux structurés : chaque décision est traçable et relisible
- Garde-fous : périmètre d’action borné, limites de volume, actions irréversibles interdites
- Reprise par un humain aux endroits sensibles, prévue dès la conception
- Jeu de cas issus de votre activité, rejoué à chaque modification
- Boucle de correction : ce qui échoue en production revient dans les cas de test
- Consommation suivie, pour qu’aucune facture d’usage ne soit une surprise
Ce que vous recevez
Vérifiable, à la fin de la mission.
- Un périmètre écrit : ce que l’agent fait, ce qu’il ne fait pas, et ce qu’il passe à un humain
- Le code source et les données chez vous, avec tous les accès
- Des journaux structurés qui rendent chaque décision de l’agent traçable
- Un jeu de cas de test issus de votre activité, rejoué à chaque modification
- Une note d’architecture des données : ce qui sort de votre système, vers quel service, et pourquoi
- Un espace d’administration pour ajuster règles, messages et listes sans repasser par nous
Déroulé
Comment nous procédons
Cadrage sur un cas réel
Nous choisissons ensemble une tâche précise, fréquente et mesurable, plutôt qu’un « projet IA » sans contour. Nous écrivons ce qui compte comme réussite, et ce qui compte comme erreur — les deux, avant de commencer.
Prototype évalué sur vos données
Un prototype tourne sur un échantillon de vos vraies données et se juge sur des cas que vous avez choisis, y compris les cas difficiles. S’il ne tient pas, il vaut mieux le savoir à ce moment-là : c’est l’étape la moins chère du projet.
Intégration et garde-fous
Connexion à vos outils, permissions, limites d’action, validation humaine là où une erreur coûterait cher. Les journaux et les cas de test sont écrits en même temps que le code, pas après.
Mise en production supervisée
Mise en service sur un périmètre restreint, journaux relus avec vous, corrections, puis élargissement quand les chiffres de votre propre suivi le justifient. L’ouverture progressive n’est pas de la prudence excessive : c’est ce qui permet de rattraper une erreur avant qu’elle ne se répande.
Questions fréquentes
Les questions qui reviennent, et nos réponses.
- Nos données partent-elles chez un fournisseur de modèle ?
- Cela dépend de l’architecture retenue, et c’est une décision, pas un effet de bord. Un modèle hébergé chez un fournisseur reçoit ce que vous lui envoyez : nous cadrons alors ce qui est transmis, ce qui est filtré ou anonymisé, et ce qui ne sort jamais de chez vous. D’autres traitements tournent entièrement sur votre infrastructure, avec des modèles ouverts, au prix d’un résultat ou d’un coût différents. Nous posons la question au cadrage, nous écrivons la réponse dans une note d’architecture, et nous ne promettons aucune conformité ni aucune certification que nous ne détenons pas.
- Un agent peut-il se tromper ?
- Oui. Un modèle de langage produit une réponse vraisemblable, pas une réponse vérifiée : le nier serait vous mentir. Tout le travail consiste à rendre l’erreur rare, visible et sans conséquence. Les réponses s’appuient sur vos documents et citent leur source, le périmètre d’action est borné, toute opération irréversible passe par une validation humaine, les journaux sont relisibles et les cas qui ont échoué rejoignent le jeu de test. Un agent supervisé se corrige ; un agent laissé seul dérive.
- Peut-on partir d’un périmètre réduit ?
- C’est ce que nous recommandons. Une tâche, un service, quelques utilisateurs : le premier périmètre sert à vérifier que le gain existe vraiment, et il coûte peu comparé à un déploiement complet qu’il faudrait défaire. L’élargissement se décide sur des résultats observés, pas sur une intention de départ.
- À qui appartient le code ?
- À vous, avec les données et les accès. Le dépôt, l’hébergement et les comptes des services utilisés sont à votre nom. Nous documentons la mise en route pour qu’une autre équipe puisse reprendre le projet sans nous : c’est la seule preuve sérieuse qu’un travail a été fait proprement.
Les autres offres
Un même interlocuteur d’un bout à l’autre.
Parler de votre projet
Un courriel suffit.
Écrivez-nous en quelques lignes : votre activité, ce que vous cherchez à obtenir et l’échéance qui compte pour vous. Nous répondons en français ou en anglais, avec un avis franc — y compris lorsque la réponse honnête est qu’une autre offre, ou aucune, vous servirait mieux.