Des outils métier nativement IA.
Agents, RAG, modèles spécialisés : pas une couche d’IA posée sur un outil existant, mais des outils conçus autour d’elle dès la première ligne. Livrés vite, testés en production, mesurés sur le terrain. C’est natif, et c’est ce qui rend la démarche singulière.
Pourquoi l’IA change vraiment quelque chose
La conviction qui guide chacun de mes projets.
De la pelle à l’électricité
Pendant longtemps, pour creuser, il fallait une pelle. Pour se chauffer, brûler quelque chose. Puis la vapeur, le pétrole et l’électricité ont démultiplié notre force. Et puis est arrivée l’informatique, avec une autre promesse : automatiser, dématérialiser, simplifier.
Un bilan étrange
Quelques décennies plus tard, l’informatique a généré d’immenses gains de productivité, mais aussi ses propres coûts : bugs, mises à jour, incompatibilités, migrations, erreurs de saisie, procédures. Pourquoi ?
Puissante, mais terriblement littérale
Un système attend 1000. Quelqu’un saisit 1O00, avec un O à la place du zéro. Un humain comprend immédiatement. Un programme classique, non. Il faut prévoir l’erreur, la détecter, la traiter, afficher un message, organiser l’exception. Et multiplier cela par des millions de situations.
Coder l’imprévu est impossible, alors nous l’avons réduit
Cases à cocher. Menus déroulants. Champs obligatoires. Référentiels. Procédures. Serveurs vocaux : tapez 1, tapez 2. Autrement dit : au lieu d’apprendre à la machine à comprendre l’humain, nous avons appris à l’humain à parler à la machine.
La rupture
L’IA introduit l’approximation dans un monde informatique construit sur l’exactitude. 1O00 ? Avec le contexte, une machine peut désormais conclure qu’il s’agit très probablement de 1000. Pour la première fois, ce n’est plus au réel de devenir parfaitement propre pour être traité : l’informatique commence à absorber l’imperfection du réel.
La nuance qui fait le métier
Une probabilité n’est pas une certitude. Tout le travail consiste à savoir où l’approximation est acceptable et où elle ne l’est absolument pas. C’est exactement là que je me situe : je remets du déterministe partout où le doute coûte cher.
Informatique littérale
1O00
Erreur de saisie. Rejet, message, exception à prévoir, procédure à écrire.
Avec le contexte
1000
La machine absorbe l’imperfection. L’utilisateur continue son travail.
L’IA n’est peut-être pas seulement une nouvelle révolution informatique. Elle est peut-être ce qui va enfin permettre à la précédente de tenir complètement sa promesse. Comme un ressort comprimé depuis des décennies dont on retirerait soudain une partie des contraintes.
Une grande partie de la valeur du travail humain venait précisément de notre capacité à prendre de l’incomplet, de l’ambigu, de l’imparfait, et à produire malgré tout quelque chose de correct. Si la machine acquiert cette capacité, la question la plus intéressante n’est plus ce qu’elle saura faire, mais ce que nous voudrons faire, nous, quand elle saura le faire.
Ma signature : livrer, mesurer, puis approfondir
Je vais vite. Pas par précipitation : parce qu’un outil ne se juge qu’une fois qu’il tourne pour de vrai, entre les mains de ceux qui l’utilisent.
Je pars du langage des humains
Vous décrivez votre métier avec vos mots, vos cas tordus, vos exceptions. Pas de cahier des charges à rédiger. Je traduis, c’est mon travail.
Je livre vite, en production
Une première version qui tourne, pas une maquette. Assez tôt pour être testée sur de vrais dossiers, assez complète pour être utile dès le premier jour.
On teste, on adapte
Vous utilisez, vous me dites ce qui coince, je corrige. Boucle courte, comme en développement agile, sauf qu’elle se compte en jours.
On mesure le bénéfice réel
Temps gagné, erreurs évitées, dossiers traités. Chez l’utilisateur final, sur le terrain. Pas sur une présentation.
Puis seulement, on creuse
Si le besoin est confirmé, on va chercher les gisements de productivité et de qualité, et on industrialise à fond. Pas avant.
Pareto, en accéléré
L’essentiel de la valeur d’un outil se joue dans ses premiers jours d’usage. Le reste ne se décide correctement qu’une fois qu’il tourne. C’est pour ça que je livre d’abord et que j’approfondis ensuite, jamais l’inverse. Et pas d’excès dans l’autre sens non plus : pas d’IA pour l’IA, pas de plateforme là où un outil suffit. L’outil doit coller à l’usage métier, pas au contraire.
Ce que ça veut dire concrètement
Les briques que j’assemble selon le besoin, pas un catalogue à cocher.
Agents
Des agents qui exécutent des tâches réelles : lire, décider, appeler un système, produire un livrable. Pas un chatbot posé à côté de l’outil.
RAG
Vos documents, vos procédures, vos historiques deviennent la base de connaissance du système. Les réponses sortent de votre contexte, pas d’une culture générale.
Modèles spécialisés (LoRA)
Quand un modèle générique ne suffit pas, on l’adapte à votre vocabulaire et à vos cas. Entraînement sur GPU dédié, sans dépendance imposée à un fournisseur.
Exécution locale
Ce qui doit rester chez vous reste chez vous. Traitement en local dès que la donnée est sensible, sans transiter par un service tiers.
Mise en production et supervision
Conteneurs, déploiement, sondes de santé, supervision. Un outil qui tourne, qui est surveillé, et qu’on répare avant que vous ne le signaliez.
Garde-fous
Là où l’approximation n’est pas acceptable : contrôles déterministes, seuils, validations, revue humaine. L’IA propose, la règle tranche.
Appliqué à votre métier
Chaque métier a ses contraintes, ses obligations et ses exceptions. Le détail par secteur :
Décrivez votre contexte en dix lignes.
Avec vos mots, vos irritants et vos cas particuliers. Je vous dis ce qui est automatisable, ce qui ne l’est pas, et par quoi commencer.
Me décrire votre besoin