FAQ - Artificial Intelligence

Cela dépend du type de projet. Un chatbot connecté à votre base de connaissances existante prend entre 4 et 6 semaines : deux semaines pour structurer les données, deux pour entraîner et tester le modèle, puis une à deux semaines d'ajustements après le déploiement initial.

Un projet d'analyse prédictive est généralement plus long, entre 8 et 14 semaines. La phase la plus variable est l'audit et le nettoyage des données, qui peut prendre de 2 à 5 semaines selon la qualité de vos systèmes sources. Nous vous donnons une estimation précise après l'atelier de cadrage initial.

Pas forcément. Pour un chatbot, quelques centaines de paires questions-réponses représentatives suffisent à produire un modèle utile. Nous complétons souvent avec des techniques de data augmentation pour enrichir les corpus limités.

Pour de l'analyse prédictive, nous recommandons au minimum 12 mois d'historique avec une granularité journalière. Si vous avez moins de données, nous pouvons quand même travailler, mais nous serons transparents sur les limites de précision du modèle. Il arrive que nous recommandions de commencer par une phase de collecte structurée de 3 à 6 mois avant de lancer l'entraînement.

Nos projets les plus fréquents concernent la logistique portuaire (prédiction de délais, optimisation de tournées), le e-commerce (recommandation produit, prévision de stock), l'assurance santé (détection de fraude, scoring de risque) et l'industrie pharmaceutique (analyse de documents réglementaires).

Nous étudions aussi les demandes d'autres secteurs. Si votre activité génère des données structurées ou semi-structurées et que vous avez un problème métier identifié, il y a de bonnes chances que nous puissions vous aider. L'atelier de cadrage gratuit sert justement à vérifier cela.

Un chatbot de service client démarre à environ 8 000 € pour un périmètre simple (une langue, un canal, intégration à un outil existant). Les projets d'analyse prédictive se situent généralement entre 15 000 et 40 000 €, selon le nombre de sources de données et la complexité du modèle.

Nous proposons aussi un forfait « audit de maturité IA » à 2 500 € pour les entreprises qui ne savent pas encore par où commencer. Ce forfait inclut l'atelier de cadrage, l'analyse de vos données disponibles et une feuille de route priorisée avec des estimations budgétaires pour chaque cas d'usage identifié.

Oui. Nous signons un accord de confidentialité (NDA) avant tout échange de données. Vos données ne quittent jamais l'infrastructure que nous définissons ensemble : soit vos propres serveurs, soit un environnement cloud dédié hébergé en Europe (AWS Frankfurt ou Azure West Europe).

Nous n'utilisons jamais les données d'un client pour entraîner des modèles destinés à un autre client. Chaque projet dispose de son propre environnement isolé. À la fin du projet, nous supprimons toutes les copies de travail et vous fournissons un certificat de destruction.

C'est même notre approche par défaut. Nous ne construisons pas de plateformes autonomes qui remplacent vos outils. Nous développons des modules IA qui s'intègrent via API à votre ERP (SAP, Odoo, Microsoft Dynamics), votre CRM (Salesforce, HubSpot) ou vos outils de BI (Power BI, Tableau).

Si votre système n'a pas d'API, nous travaillons avec des connecteurs RPA (Robotic Process Automation) pour interfacer le modèle IA avec votre logiciel. Nous avons fait cela pour un client qui utilisait un ERP développé en interne il y a 15 ans, sans API publique.

Pour le traitement du langage naturel, nous utilisons principalement des modèles basés sur l'architecture Transformer : des modèles open-source comme Mistral, LLaMA ou CamemBERT pour le français, fine-tunés sur vos données métier. Nous évitons de dépendre d'API propriétaires quand c'est possible, pour que vous gardiez le contrôle.

Pour la vision par ordinateur, nous travaillons avec PyTorch et des architectures comme YOLO ou EfficientNet. Côté infrastructure, nous déployons sur Kubernetes avec des pipelines MLOps (MLflow, DVC) pour garantir la reproductibilité des entraînements.

Nous définissons les métriques avec vous lors de l'atelier de cadrage. Pour un modèle de classification, ce sera typiquement la précision, le rappel et le F1-score. Pour un modèle de prédiction de demande, nous utilisons le MAPE (Mean Absolute Percentage Error) ou le RMSE.

Mais les métriques techniques ne suffisent pas. Nous mesurons aussi l'impact métier : combien de temps gagné par semaine, combien d'erreurs évitées, quel gain financier estimé. Ces chiffres figurent dans le rapport de fin de projet que nous vous livrons.

Un modèle IA n'est pas un logiciel classique qu'on installe et qu'on oublie. Les données évoluent, les comportements changent, et le modèle doit être réentraîné périodiquement. Nous proposons un contrat de maintenance qui inclut le monitoring des performances, le réentraînement trimestriel et le support technique.

Si vous préférez internaliser la maintenance, nous formons votre équipe technique pendant 2 à 3 jours et nous documentons l'ensemble du pipeline. Environ 40 % de nos clients choisissent cette option après la première année.