IA générative et automatisation

Nous travaillons aussi bien avec les modèles propriétaires (OpenAI, Claude, Mistral via API) qu'avec des modèles open source que nous hébergeons nous-mêmes et fine-tunons selon les besoins spécifiques de nos clients. Le choix dépend de trois critères : les contraintes de souveraineté des données, le budget d'inférence, et la performance requise pour le cas d'usage. Nous restons neutres et indépendants des fournisseurs.

Oui, pour les projets qui l'exigent. Nous déployons des modèles open source sur notre infrastructure OVH en France, sans aucun transit par des API étrangères. L'isolation des données, le contrôle d'accès, la journalisation auditable et les durées de conservation sont configurés selon les exigences RGPD applicables. Pour les projets moins sensibles, nous proposons aussi des intégrations API avec des fournisseurs européens comme Mistral.

Le coût dépend de la complexité fonctionnelle, du volume de données à traiter et du niveau d'autonomie attendu. Un chatbot RAG simple intégré à votre documentation interne démarre généralement autour de 8 000 à 15 000 euros HT. Un assistant conversationnel métier complet avec connecteurs sur vos systèmes existants se situe entre 20 000 et 50 000 euros HT. Nous établissons un devis précis après une phase de cadrage gratuite.

Oui, c'est l'un de nos savoir-faire. Nous concevons des pipelines OCR combinant reconnaissance optique de caractères de qualité production et modèles de vision IA pour traiter aussi bien les documents nativement numériques que les scans de mauvaise qualité. Les données extraites sont structurées, classées et indexées dans vos systèmes existants. Ce type de projet remplace typiquement plusieurs ETP de saisie manuelle.

Nous orchestrons vos workflows répétitifs avec n8n, une plateforme open source que nous hébergeons en France, combinée à des appels IA ciblés. Tri intelligent de courriels, génération de réponses contextualisées, mise à jour de bases de données métier, déclenchement de notifications, rapports automatiques : tout ce qui peut être automatisé sans risque l'est, et tout ce qui doit rester humain le reste. Cette approche hybride donne le meilleur des deux mondes.

Plusieurs garde-fous techniques sont systématiquement mis en place. L'utilisation du RAG (récupération augmentée par génération) ancre les réponses du modèle dans vos documents sources, ce qui réduit drastiquement les inventions. Nous ajoutons des prompts système contraignants, des règles métier explicites, et la mention systématique des sources dans les réponses. Pour les cas critiques, nous mettons en place une validation humaine avant publication.

Oui. Le transfert de compétences fait partie de chaque projet : prise en main, documentation et bonnes pratiques, pour que vos équipes exploitent la solution sans dépendre de nous au quotidien.

Oui, c'est une part importante de notre activité. Nous comprenons les contraintes spécifiques du secteur public : RGPD, RGAA, souveraineté numérique, et exigences de transparence. Nos solutions sont conçues dès l'origine pour respecter ce cadre.

Pour un chatbot RAG standard, comptez environ deux à trois mois entre le cadrage initial et la mise en production. Pour un projet d'automatisation avec ingestion documentaire, le délai dépend du volume et de la diversité des documents : généralement deux à quatre mois. Pour un projet plus complexe avec intégration à plusieurs systèmes existants et fine-tuning de modèle, le délai s'étend généralement à quatre à six mois. Nous travaillons en cycles courts avec démos régulières plutôt qu'en effet tunnel.

Oui. Nous auditons d'abord l'existant, identifions les forces, les dettes techniques et les risques, puis vous proposons un plan de reprise transparent. Nous savons travailler avec des stacks différentes des nôtres et reprendre du code legacy. Cette situation arrive régulièrement quand un premier prototype n'a pas tenu la mise en production.