Deux semaines pour savoir quel système d’IA vous rapporte. Douze pour l’utiliser.

Le diagnostic se termine par le bon cas choisi, chiffré et prêt à entrer en développement — pas par un rapport à classer.

Avant de construire quoi que ce soit, il faut savoir ce qui mérite d’être construit. Le diagnostic sépare les processus où l’IA rend du temps et de l’argent de ceux où elle ne fait qu’ajouter une couche d’incertitude à quelque chose qui fonctionnait déjà.

Le problème de commencer par la technologie

La plupart des projets d’IA qui échouent n’échouent pas sur la modélisation. Ils échouent parce que le modèle a été choisi d’abord, et qu’on a cherché ensuite un problème à lui donner. Le résultat : un pilote impressionnant en démonstration et sans intérêt en exploitation.

Nous inversons l’ordre. Nous regardons les processus qui existent déjà, nous mesurons où le temps se perd et où les erreurs coûtent de l’argent, et seulement alors nous demandons s’il y a là quelque chose qu’un modèle ferait mieux qu’une règle simple.

Comment nous travaillons

• Relevé. Des séances avec ceux qui exécutent le processus, pas seulement avec ceux qui le décrivent. Nous comprenons le volume, le temps par tâche, les points de décision et ce qui se passe mal aujourd’hui.
• Inventaire des données. Quelles données existent, où elles sont, dans quel état et qui peut les voir. C’est là que meurt la majorité des cas d’usage — et il vaut mieux qu’ils meurent à cette étape que six mois plus tard.
• Priorisation. Chaque cas reçoit un effort estimé, un retour attendu, un risque associé et ses dépendances. Nous classons par retour sur effort, pas par effet de vitrine.
• Recommandation. Nous disons quoi faire en premier, quoi reporter et quoi ne pas faire du tout.

Ce que vous recevez

• Un rapport avec les cas d’usage identifiés et priorisés, assortis d’une estimation d’effort et de retour pour chacun.
• La cartographie des données nécessaires et ce qui manque pour les mettre en état.
• Les risques de chaque cas — qualité, confidentialité, dépendance fournisseur — et comment les borner.
• Une proposition de premier cas à mettre en production, avec un critère de réussite fixé avant de commencer.

Du diagnostic au système construit

Le diagnostic ne s’arrête pas à un rapport : il se termine avec le premier cas choisi, chiffré et prêt à entrer en développement. Nous sommes une équipe qui construit — ce qui sort d’ici devient du code, pas des diapositives. Sur la plupart des projets, le premier système est en production six à douze semaines plus tard.

Nous développons sur Claude, Google Gemini et OCI Generative AI, intégrés aux systèmes que vous exploitez déjà. Quand la bonne réponse est une automatisation déterministe plutôt qu’un modèle, nous construisons celle-là — moins chère à exploiter, et de la même équipe.

Questions fréquentes

Combien de temps dure un diagnostic ?

Entre deux et quatre semaines, selon le nombre de processus analysés et la disponibilité des personnes pour les séances de relevé.

Faut-il avoir des données organisées avant de commencer ?

Non. Évaluer l’état des données fait partie du travail. Ce qui arrive souvent, c’est que le diagnostic révèle que le premier investissement pertinent n’est pas dans l’IA, mais dans l’organisation des données.

Le diagnostic oblige-t-il à poursuivre avec vous ?

Non. Le rapport vous appartient et n’importe quelle équipe peut l’exécuter. Si vous décidez de continuer avec un autre prestataire, vous avez tout ce qu’il faut pour le briefer.

← Tous les services