Vous trouverez ici les réponses aux questions que nos clients posent le plus souvent avant de démarrer un projet. Si votre question n'y figure pas, écrivez-nous directement.
Le prix varie selon la complexité. L'audit initial de deux semaines coûte entre 3 500 et 6 000 euros. Il inclut l'exploration de vos données, un rapport de faisabilité et une estimation chiffrée du projet complet.
Un projet standard (audit + prototype + mise en production) se situe entre 15 000 et 80 000 euros. Les projets les plus importants, qui impliquent plusieurs modèles interconnectés ou une intégration avec des systèmes hérités complexes, peuvent dépasser ce montant. Nous fournissons toujours un devis détaillé avant de commencer.
Idéalement, au moins 12 mois d'historique dans le domaine ciblé. Pour de l'analyse prédictive sur les ventes, par exemple, nous avons besoin de vos données de transactions avec les dates, les montants, les identifiants produits et, si possible, les données contextuelles (promotions, météo, événements).
Si vos données sont dispersées dans plusieurs systèmes, ce n'est pas un obstacle. Notre audit commence justement par un inventaire de toutes vos sources et un plan de consolidation. Nous avons déjà travaillé avec des entreprises dont les données étaient réparties entre un ERP vieillissant, des fichiers Excel et un CRM cloud.
Un chatbot entraîné sur votre documentation interne peut être opérationnel en six semaines. Un système de prévision de la demande prend généralement entre huit et douze semaines, selon le nombre de sources de données à intégrer.
Les projets d'automatisation documentaire (OCR + extraction d'entités) demandent souvent dix semaines, car nous devons constituer un jeu de données d'entraînement annoté à partir de vos documents réels. Nous livrons un prototype fonctionnel à mi-parcours pour que vous puissiez valider la direction avant la phase finale.
Oui, sans exception. Chaque projet débute par la signature d'un accord de confidentialité (NDA). Vos données sont traitées sur des serveurs situés dans l'Union européenne, et nous utilisons le chiffrement AES-256 au repos et TLS 1.3 en transit.
Nous ne réutilisons jamais les données d'un client pour entraîner des modèles destinés à un autre. À la fin du projet, vous pouvez demander la suppression complète de toutes les copies de vos données sur nos systèmes. Nous fournissons un certificat de destruction sur demande.
Python est notre langage principal. Pour le machine learning classique, nous utilisons scikit-learn et XGBoost. Pour le deep learning, PyTorch. Nos chatbots s'appuient sur des modèles de langage open source que nous affinons (fine-tuning) sur vos données, ce qui évite d'envoyer des informations sensibles à des API tierces.
Côté infrastructure, nous déployons sur Kubernetes (sur site ou via un fournisseur cloud européen comme OVHcloud ou Scaleway). Les pipelines de données utilisent Apache Airflow pour l'orchestration et PostgreSQL ou ClickHouse pour le stockage analytique.
Pas nécessairement. Nous avons besoin d'un interlocuteur métier qui connaît bien les processus concernés et qui peut répondre à nos questions sur les données. Ce rôle est souvent tenu par un responsable opérationnel ou un analyste.
Si vous avez une équipe IT, nous travaillons directement avec elle pour l'intégration et le déploiement. Si vous n'en avez pas, nous gérons l'infrastructure et assurons la maintenance. Environ un tiers de nos clients sont des PME de 20 à 50 personnes sans département informatique dédié.
Un modèle d'IA n'est pas un logiciel figé. Les données évoluent, les comportements changent, et la précision peut diminuer avec le temps. Nous surveillons les performances en continu grâce à des tableaux de bord automatisés.
Tous les trimestres, nous réentraînons le modèle avec les données récentes. Si un événement imprévu modifie la distribution des données (une pandémie, un changement réglementaire, un nouveau concurrent), nous intervenons plus tôt. Le suivi est inclus dans notre formule abonnement ou disponible en option pour les projets au forfait.
Nos projets les plus fréquents concernent la logistique, la santé et les services financiers. En logistique, nous optimisons la gestion des stocks et la planification des itinéraires. Dans la santé, nous automatisons le traitement de documents médicaux et assistons le triage des demandes de patients. En finance, nous construisons des modèles de détection de fraude et de scoring crédit.
Cela dit, nous avons aussi travaillé avec des éditeurs de logiciels, des cabinets d'avocats et une coopérative agricole. Le critère principal n'est pas le secteur, mais la disponibilité de données exploitables et un problème métier clairement défini.
Avant de nous contacter, voici ce que vous pouvez faire pour gagner du temps dès le premier échange.
Faites un inventaire simple : quels systèmes contiennent les données pertinentes (ERP, CRM, fichiers partagés, emails) ? Depuis quand ces données sont-elles collectées ? Y a-t-il des périodes manquantes ? Ce document de deux pages accélère considérablement notre audit initial.
« Améliorer l'efficacité » est trop vague. « Réduire le temps de traitement des factures de 40 % » est un objectif sur lequel nous pouvons construire un prototype et mesurer le succès. Si vous n'êtes pas sûr de la cible, nous vous aiderons à la formuler pendant l'audit, mais une première ébauche fait gagner du temps.
Le projet avance plus vite quand une personne côté client peut répondre à nos questions en moins de 24 heures. Cette personne n'a pas besoin d'être technique. Elle doit connaître les processus métier concernés et avoir l'autorité pour valider les choix fonctionnels.