Notre processus d'Artificial Intelligence, étape par étape

Audit et cadrage

Durée : 1 à 2 semaines. Coût : 3 000 € à 8 000 €.

Nous commençons par rencontrer vos équipes métier. L'objectif est simple : comprendre quels processus vous ralentissent et identifier ceux où un modèle d'IA apporterait un gain mesurable. Un responsable logistique dans le secteur viticole nous a par exemple expliqué qu'il passait deux jours par semaine à consolider manuellement des bons de livraison provenant de cinq transporteurs différents. C'est exactement le type de problème que nous cherchons.

Pendant cette phase, nous réalisons un inventaire de vos sources de données : bases SQL, fichiers Excel, API tierces, documents papier numérisés. Nous évaluons la qualité de ces données (volume, fraîcheur, cohérence) et nous identifions les lacunes éventuelles. Le livrable est un rapport d'audit de 15 à 30 pages, accompagné d'un plan d'action chiffré sur 6 mois. Ce rapport contient aussi une recommandation honnête : si l'IA n'est pas la bonne réponse à votre problème, nous vous le dirons.

Préparation des données

Durée : 1 à 3 semaines.

Les données brutes ne sont presque jamais exploitables telles quelles. Des champs manquent, les formats varient d'un système à l'autre, et certaines valeurs aberrantes faussent les résultats si on ne les traite pas. Notre équipe data engineering construit un pipeline qui extrait les données de vos sources, les nettoie, les transforme et les stocke dans un format standardisé.

Concrètement, cela peut signifier : convertir des dates au format français (JJ/MM/AAAA) vers un format ISO, fusionner des tables clients qui utilisent des identifiants différents selon les logiciels, ou anonymiser des champs sensibles avant de les utiliser pour l'entraînement. Ce pipeline est automatisé : une fois mis en place, il tourne de manière récurrente pour alimenter le modèle en données fraîches.

Si vos données sont insuffisantes en volume, nous pouvons mettre en place une collecte structurée pendant 8 à 12 semaines. Dans ce cas, le calendrier global du projet s'allonge, mais le modèle final sera nettement plus fiable.

Développement et entraînement du modèle

Durée : 3 à 8 semaines.

C'est la phase technique centrale. Nos data scientists testent plusieurs approches algorithmiques sur vos données préparées. Pour un problème de classification (par exemple, trier automatiquement des emails entrants par catégorie), nous comparons souvent un modèle de gradient boosting (XGBoost) avec un modèle de langage affiné (fine-tuned). Pour de la prévision de séries temporelles, nous testons des modèles ARIMA, Prophet et des réseaux récurrents.

Chaque modèle candidat est évalué sur les indicateurs définis lors de l'audit. Nous utilisons une validation croisée rigoureuse pour éviter le surapprentissage : le modèle est testé sur des données qu'il n'a jamais vues pendant l'entraînement. Les résultats sont présentés dans un rapport intermédiaire, avec des graphiques clairs que vos équipes métier peuvent comprendre sans formation en statistiques.

Nous organisons un point d'étape à mi-parcours pour vous montrer les premiers résultats et recueillir vos retours. Si un indicateur est en dessous de l'objectif, nous ajustons l'approche avant de poursuivre.

Déploiement et intégration

Durée : 2 à 4 semaines.

Le modèle validé est déployé sur un serveur de production hébergé en France (OVHcloud ou Scaleway). Nous créons une API REST sécurisée que vos systèmes existants peuvent appeler : votre ERP envoie une requête, le modèle renvoie une prédiction ou une classification en quelques centaines de millisecondes.

L'intégration dépend de votre environnement technique. Si vous utilisez Odoo, SAP ou Sage, nous développons un connecteur dédié. Pour des outils métier sur mesure, nous fournissons une documentation API complète et nous accompagnons votre développeur (ou le nôtre) pendant l'intégration. Un tableau de bord de suivi est mis en place : il affiche les volumes de requêtes, les temps de réponse et les métriques de performance du modèle en temps réel.

Avant la mise en production définitive, nous effectuons une période de fonctionnement en parallèle. Le modèle tourne en même temps que votre processus actuel pendant une à deux semaines, ce qui permet de comparer les résultats et de détecter d'éventuels cas limites.

Maintenance et amélioration continue

Durée : contrat mensuel ou annuel.

Un modèle en production n'est pas un logiciel figé. Les comportements de vos clients changent, vos gammes de produits évoluent, et les données d'entrée se modifient au fil du temps. Sans surveillance, la précision du modèle se dégrade progressivement.

Notre contrat de maintenance inclut trois choses. Premièrement, un monitoring automatisé qui déclenche une alerte si les performances du modèle descendent sous un seuil défini. Deuxièmement, un ré-entraînement trimestriel (ou plus fréquent si nécessaire) sur les données récentes. Troisièmement, les mises à jour de sécurité des bibliothèques et de l'infrastructure.

Le coût est de 800 € par mois pour un modèle, avec un tarif dégressif à partir du deuxième. Vous pouvez résilier le contrat de maintenance avec un préavis de 30 jours : le modèle et le code vous appartiennent, et nous vous transférons toute la documentation technique pour que vous puissiez reprendre la maintenance en interne si vous le souhaitez.