Intelligence Artificielle
Intelligence artificielle : des pilotes mesurés, branchés dans vos outils, pas des démos.
Trier les demandes, lire des documents, transcrire un appel et remplir le CRM, préparer un rendez-vous, rédiger un brouillon qu'un humain relit. On part de vos irritants, on lance un pilote en 2 à 4 semaines sur un cas d'usage, on mesure pendant 4 à 6 semaines contre un indicateur défini avant, et on n'industrialise que ce qui a prouvé, dans Salesforce, HubSpot, Odoo ou vos outils métier. Le modèle se choisit pour le cas : LLM commercial, modèle léger, ou modèle hébergé chez vous.
Les défis
À quels problèmes répond notre offre Intelligence Artificielle ?
Des heures sur des gestes sans décision
Trier des mails, ressaisir un appel, classer des documents un par un, préparer un rendez-vous en relisant dix échanges. Des tâches mécaniques qui remplissent les journées et n'exigent aucun jugement.
Une démo qui ne devient jamais un outil
Un assistant testé un après-midi, impressionnant, puis oublié : il n'était branché ni sur le CRM ni sur la file de tickets. L'IA qui vit à côté des outils du quotidien meurt au stade de la démo.
Une IA branchée sur le désordre
Des fiches en double, des champs vides, des documents sans référentiel : l'agent hérite du désordre et le reproduit avec assurance. Le problème n'est pas le modèle, c'est la donnée qu'on lui donne.
Notre approche
Comment on s'y prend en Intelligence Artificielle ?
Cadrer sur les irritants, pas sur le catalogue
Une journée d'atelier pour lister ce qui consomme du temps sans décision humaine, en tirer 5 à 10 pistes et retenir 2 ou 3 pilotes avec un indicateur chacun. On dit aussi quand l'IA n'est pas la bonne réponse.
Piloter petit, mesurer vraiment
Un périmètre, une équipe, 2 à 4 semaines de construction, 4 à 6 semaines de mesure contre l'indicateur défini avant. Puis une décision : industrialiser, ajuster ou arrêter, sans perte sèche.
Industrialiser dans les outils du quotidien
On connaît le CRM et la donnée autant que l'IA : le pilote qui a prouvé s'intègre dans Salesforce, HubSpot, Odoo ou vos outils métier, avec un humain qui relit et un journal de ce qui a été produit.
Les bénéfices
Qu'est-ce que vous y gagnez ?
1
journée d'atelier pour 5 à 10 pistes, 2 ou 3 pilotes retenus
2-4
semaines pour construire un pilote sur un cas d’usage
4-6
semaines de mesure contre un indicateur défini avant, puis une décision
0
donnée envoyée pour entraîner un modèle tiers
FAQ
Questions fréquentes sur notre offre Intelligence Artificielle
Par où commencer un projet IA dans une PME ?
Par les irritants, pas par une stratégie. Ce qui consomme du temps sans décision humaine réelle : préparation de rendez-vous, saisie de comptes-rendus, tri des demandes entrantes, relances, lecture de documents. Une journée d'atelier suffit à en tirer 5 à 10 pistes, à les prioriser par rendement et faisabilité, et à retenir 2 ou 3 pilotes avec un indicateur chacun. Pas besoin de données parfaites, il faut des données accessibles.
Combien coûte un projet IA ?
Pour un pilote bien cadré (un cas d'usage, déploiement limité, mesure incluse), comptez 5 à 15 k€ de service, plus l'inférence : quelques dizaines à quelques centaines d'euros par mois selon le volume. Pour industrialiser 2 ou 3 cas avec intégration complète à vos outils, 15 à 40 k€. Si votre CRM propose des briques IA natives, leurs add-ons se chiffrent sur votre configuration réelle, les offres bougent vite. Le premier échange de 30 minutes est gratuit.
Combien de temps avant de savoir si ça marche ?
Deux à quatre semaines pour construire le pilote, puis quatre à six semaines de mesure contre l'indicateur défini avant. À la fin, une décision chiffrée : industrialiser, ajuster ou arrêter. Un pilote abandonné à ce stade a coûté quelques jours, pas un budget annuel ; c'est exactement pour ça qu'on commence petit.
Que se passe-t-il si le pilote ne tient pas sa promesse ?
On l'écrit avant de commencer : si l'indicateur n'est pas atteint, on ajuste une fois, ou on arrête. Les causes habituelles sont connues : une donnée en désordre, un cas d'usage qui demandait en fait une décision humaine, un modèle choisi pour la mode plutôt que pour le cas. Arrêter proprement fait partie du service ; un pilote qui traîne en démo n'en fait pas partie.
Nos données sont-elles en sécurité ?
La sécurité dépend de l'architecture choisie, pas d'une promesse. Pour des données sensibles (santé, secret industriel, RGPD sensible), un modèle open source hébergé sur un serveur européen que vous contrôlez : rien ne sort. Sinon, des API commerciales dont les conditions excluent l'entraînement sur vos données, avec un périmètre d'accès défini et un journal de ce que l'IA a lu et produit. Ce choix se fait au cadrage, pas après.
Qui relit ce que l'IA produit, et qui est responsable ?
Une personne, toujours, tant que le pilote n'a pas prouvé : le brouillon est proposé, pas envoyé ; la classification est suggérée, puis validée d'un clic ; les actions dans le CRM sont créées à valider. Le journal garde ce que l'IA a produit et qui l'a validé. On n'ouvre l'étage de l'agent qui agit seul qu'après une mesure, sur un périmètre défini, jamais en premier.
Comment éviter que le projet reste une démo ?
En le branchant là où les équipes travaillent dès le pilote : le prompt dans le workflow, la synthèse dans la fiche du client, le routage dans la file de tickets. Une IA qu'il faut aller chercher dans un autre onglet n'est pas utilisée. C'est la raison pour laquelle on vend l'intégration au CRM et aux outils métier avec l'IA, pas à part.
Choisir le modèle
LLM commercial, modèle léger, modèle chez vous ou IA native du CRM : lequel pour quel cas ?
La question « GPT, Claude ou open source ? » arrive toujours trop tôt. La bonne réponse découle du cas d'usage, de la confidentialité et de l'endroit où vivent déjà vos données. Voici comment on tranche.
| Modèle | Quand on le choisit | Ce qu'il faut accepter | Chez nous |
|---|---|---|---|
| Un LLM commercial par API (Claude, OpenAI, Mistral) | Générer ou reformuler du texte : brouillon de réponse, compte-rendu d'appel, résumé d'un dossier, proposition à relire. Le meilleur rapport qualité sur effort pour démarrer. | Un coût à l'usage, quelques dizaines à quelques centaines d'euros par mois selon le volume, et des données qui transitent chez un fournisseur : on choisit des conditions qui excluent l'entraînement sur vos données. | La plupart des pilotes commencent ici, avec un humain qui relit ce qui sort. |
| Un modèle léger, parfois sans LLM | Classer, extraire ou prédire à fort volume : router des tickets, lire des factures, repérer un motif d'insatisfaction. Répétitif, mesurable, sans prose à produire. | Il faut des exemples pour l'entraîner ou le régler, et une mesure du taux d'erreur sur vos vrais volumes avant d'étendre. Moins spectaculaire, souvent plus rentable. | Le cas type d'un tri de demandes entrantes : on mesure le taux de classification correcte avant tout. |
| Un modèle open source, hébergé chez vous | Données de santé, secret industriel, RGPD sensible : rien ne doit sortir. Le modèle tourne sur un serveur européen que vous contrôlez. | Un peu d'infrastructure à exploiter, et une qualité parfois en retrait d'un LLM commercial sur la prose. On l'accepte quand la confidentialité l'impose, pas par principe. | Notre plateforme d'agents interne tourne sur ce principe : tout en local, hors quelques exceptions choisies. |
| L'IA native de votre CRM | Votre vie commerciale est déjà dans Salesforce (Prompt Builder, Agentforce), HubSpot ou Odoo : la synthèse dans la fiche, le prompt dans le workflow, sans outil de plus. | Des add-ons facturés par utilisateur ou à la consommation, des offres qui bougent vite, et un périmètre borné par l'éditeur. On fait chiffrer sur votre configuration réelle avant de choisir. | On a détaillé le cas Salesforce dans un guide : ce qui est réel, ce qui est de la keynote. |
Le choix se refait à chaque cas d'usage : un même client peut trier ses tickets avec un modèle léger et rédiger ses brouillons avec un LLM commercial. Le cas Salesforce, Prompt Builder, Agentforce et la couche de confiance, est détaillé dans notre guide de l'IA dans Salesforce.
Cas d'usage
Les cinq cas qu'on pilote le plus souvent
- Trier et router les demandes
- Mails, tickets, formulaires : classés par motif et envoyés à la bonne personne, avec un brouillon de réponse pour les cas simples. Indicateur : taux de classification correcte, temps gagné par demande.
- Lire des documents
- Factures, contrats, CV, appels d'offres, bons de commande : les données clés extraites, recoupées avec vos référentiels, déposées dans le bon outil. Indicateur : taux d'extraction juste, saisie évitée.
- Transcrire un appel et remplir le CRM
- L'appel est transcrit, résumé, et les actions (relance, opportunité, tâche) sont proposées dans la fiche du client, à valider d'un clic. Indicateur : comptes-rendus réellement saisis, délai de relance.
- Préparer et rédiger, relu par un humain
- Préparation d'un rendez-vous à partir de l'historique, brouillon de proposition, réponse à un appel d'offres. L'IA écrit, la personne décide. Indicateur : qualité perçue, temps de préparation.
- Un agent qui va chercher et rend compte
- Un programme qui reçoit une tâche, interroge vos outils, agit dans un périmètre défini et rend compte. L'étage supérieur, qu'on n'ouvre qu'après un pilote qui a prouvé, jamais en premier.
Ce qu'on ne fait pas : remplacer une décision humaine par un modèle, brancher une IA sur un CRM en désordre, ouvrir un agent autonome avant qu'un pilote ait prouvé. Et quand une automatisation sans IA fait le travail, on le dit : voir ce que l'IA change, ou pas, dans un workflow n8n ou Make.
Livrables
Ce que vous recevez, de l'atelier à l'industrialisation
- 01
Un atelier d'une journée sur vos irritants
Pas de « stratégie IA » : on liste ce qui consomme du temps sans décision humaine réelle, on en tire 5 à 10 pistes, on les priorise par rendement et faisabilité, on retient 2 ou 3 pilotes. La journée est facturée et déduite du projet si vous nous le confiez ; le premier échange de 30 minutes, avant, est gratuit.
- 02
Un indicateur par pilote, défini avant
Temps gagné par ticket, taux de classification correcte, qualité perçue des brouillons, délai de relance. Chiffré sur vos volumes avant de commencer, pour que la décision de la fin ne se prenne pas au ressenti.
- 03
Un pilote en 2 à 4 semaines, sur un périmètre
Un cas d'usage, une équipe, de vraies données. Le modèle choisi pour le cas, pas pour la mode. Rien d'irréversible : un pilote abandonné à ce stade coûte quelques jours, pas un budget annuel.
- 04
Une mesure sur 4 à 6 semaines, puis une décision
On compare à l'indicateur défini avant, et on tranche : industrialiser, ajuster, ou arrêter. On le dit aussi quand l'IA n'est pas la bonne réponse, et ça arrive.
- 05
Une industrialisation dans vos outils, pas à côté
Le prompt dans le workflow, la synthèse dans la fiche du client, le routage dans la file de tickets. Beaucoup de projets IA meurent au stade de la démo faute d'être branchés là où les équipes travaillent : c'est là qu'on livre.
- 06
La sécurité des données décidée au cadrage
Conditions d'API qui excluent l'entraînement sur vos données, ou modèle hébergé chez vous quand la confidentialité l'impose ; journal de ce que l'IA a produit et de qui l'a validé ; formation des équipes à relire plutôt qu'à faire confiance.
En démonstration
Trois cas d'usage, en direct.
Exemple illustratif, données fictives
Ce qu'on a écrit et construit
Une méthode publiée, un outillage qu'on utilise nous-mêmes
Les premiers pas avec l'IA en PME
Cadrer sur les irritants, piloter petit, décider au chiffre, choisir le modèle comme une décision d'ingénierie, et les trois erreurs qu'on voit le plus souvent. La méthode de cette page, en détail. Le guide.
L'IA dans Salesforce, sans la keynote
Ce que sont vraiment Einstein, Prompt Builder et Agentforce, ce qui est rentable vite, ce qui demande d'abord des données propres, et par où commencer quand la vie commerciale est déjà dans Salesforce. Le guide.
Les outils qu'on s'est construits
On travaille chaque jour avec des agents IA, en local, et on a fini par construire nos propres outils pour les superviser. On raconte ce qu'on a appris, avec le code. Le retour d'expérience.
Nos pilotes IA chez les clients ne sont pas encore publiés en cas, par discrétion sur des périmètres en cours ; on en parle en échange, chiffres en main.
Local
Basé à Lille ?
On est à Lille, et on se déplace dans les Hauts-de-France pour la journée d'atelier. Voir notre page dédiée : agence IA à Lille.
Nous contacter
Premier échange de 30 min, gratuit
On regarde ce qui consomme du temps sans décision dans vos équipes, et on vous dit si un pilote IA vaut le coup, sur quel cas, avec quel indicateur. Et parfois que non.