Développement IA
qui fait le travail,
pas la démo
La plupart des projets de développement IA s’enlisent parce que personne n’a défini à quoi l’IA devait servir. Nous partons de la tâche – la question que vos clients posent sans cesse, le contenu que personne n’a le temps de rédiger, les informations que quelqu’un ressaisit chaque matin – et nous construisons la solution la plus légère qui fasse correctement le travail.
* Assistants, agents et automatisations, fondés sur vos propres données et vérifiés avant que quoi que ce soit n’atteigne un client.
Là où l’IA est vraiment rentable
Deux endroits où elle mérite sa place
L’IA vaut la peine d’être ajoutée à deux endroits : face à vos clients, où elle répond aux questions auxquelles votre équipe répond encore et encore, et en coulisses, où elle prend en charge le travail répétitif qui fait tourner un catalogue, un flux ou une file de commandes.
Tout le reste relève de la démo. Nous préférons vous dire qu’une tâche ne vaut pas la peine d’être automatisée plutôt que de construire quelque chose d’impressionnant que plus personne n’utilise après le premier mois.
Le travail, c’est du développement logiciel ordinaire avec un modèle à l’intérieur. Il demande la même chose que n’importe quel autre système – des données accessibles, une définition claire de ce qui est correct, un moyen de savoir quand il se trompe, et quelqu’un capable de le corriger. C’est pourquoi ce service se trouve à côté du développement de logiciels sur mesure et du développement et de l’intégration d’API, et non à part.
Si l’objectif est d’être trouvé et cité par la recherche IA plutôt que de faire tourner votre propre IA, c’est un autre travail – nos services SEO et GEO s’en chargent.
Les deux volets d’un même travail
01
Face aux clients
Des assistants qui aident à choisir, à comprendre ou à résoudre un problème – en répondant à partir de votre catalogue, de vos conditions et de votre documentation, avec votre ton.
02
En coulisses
Contenus produits à l’échelle du catalogue, classification et rapprochement dans des flux désordonnés, tri et aiguillage des demandes, et les étapes d’un processus qu’une personne répète aujourd’hui à la main.
Ce que nous développons
Ce que
nous développons
Six types de travaux, que nous avons tous livrés et que nous faisons toujours tourner. Chacun commence par la plus petite version utile, mesurée par rapport à ce qu’était la tâche auparavant.
Voir aussi : Développement de logiciels sur mesure · Développement et intégration d’API · Blog (en anglais) : AI chatbots for business: what they can and cannot do · Blog (en anglais) : When does a business need AI development?
Assistants d’achat et de support
Un assistant intégré à la page qui aide à choisir – en rapprochant ce que la personne décrit de ce que vous avez réellement en stock, en expliquant la différence entre deux produits, et en passant la main à un humain quand il le faut. Fondé sur votre catalogue et vos conditions, il ne peut pas promettre un produit ou une date de livraison que vous n’avez pas.
Contenus produits à l’échelle du catalogue
Descriptions, bénéfices, balises title, conseils d’utilisation et mises en garde sur des milliers de produits, rédigés dans un style maison unique et vérifiés par rapport aux informations du fabricant plutôt qu’inventés. Organisés pour que votre équipe relise et valide au lieu de tout ressaisir.
Classification, rapprochement et données propres
Rattacher les produits à une taxonomie, extraire les attributs des flux fournisseurs, repérer les doublons d’un catalogue à l’autre et normaliser noms, marques et slugs d’URL. Le travail ingrat qui décide si la recherche, les filtres et les flux fonctionnent correctement.
Agents IA reliés à vos systèmes
Quand une réponse ne suffit pas et qu’il faut agir : faire avancer une commande, déclencher un remboursement, aiguiller un ticket, mettre à jour un enregistrement. Nous donnons au modèle le jeu d’outils le plus restreint qui permette de faire le travail, et chaque action qu’il peut entreprendre est une action que vous pourriez auditer ensuite.
Une recherche qui comprend la question
Une recherche sémantique sur vos propres contenus et votre catalogue, pour qu’une requête formulée avec les mots du client trouve le bon produit ou la bonne page. Souvent plus utile qu’une conversation, et bien moins coûteuse à faire tourner.
Garde-fous, évaluation et maîtrise des coûts
Des sorties validées, des refus quand le modèle ne sait pas, une limitation du débit et une gestion des abus, des journaux que vous pouvez consulter, et un jeu d’évaluation qui vous dit si une modification du prompt a amélioré ou dégradé les résultats. C’est ce qui décide si une fonctionnalité IA résiste à l’épreuve du trafic réel.
Déjà
en production
Quatre réalisations IA que nous avons développées et que nous maintenons toujours. Nous ne citons pas nos clients sur cette page, mais nous pouvons vous présenter chacune d’elles en détail.
Notre propre exemple
CogniBot, sur ce site, repose sur le même principe : il répond à partir du seul contenu de ce site, et vous dit quand la réponse n’y figure pas au lieu de combler le vide.
Un e-commerçant dont l’assistant remplace le conseiller en magasin
Les clients recevaient autrefois leurs conseils au comptoir. Nous avons créé l’assistant qui le fait en ligne – il demande ce qu’ils utilisent aujourd’hui, explique ce qui distingue deux options et oriente vers le produit adapté, en s’appuyant sur les règles de conseil déjà publiées par le client plutôt que sur l’opinion du modèle.
Une marketplace santé avec des milliers de produits à décrire
Un catalogue de compléments alimentaires où chaque produit a besoin d’une marque, d’une URL propre, d’une balise title et d’une meta description, de bénéfices, de conseils d’utilisation et de précautions d’emploi – le tout cohérent et vérifiable auprès du fabricant. Nous avons construit le pipeline qui en rédige un premier jet à partir des sources de la marque et le soumet à une personne pour validation, ainsi que l’assistant que les clients interrogent sur la boutique.
Une plateforme de vente en gros où le processus tourne tout seul
Fournisseurs et revendeurs échangent via des catalogues en direct ; commandes, échéances, annulations, remboursements et déblocage des paiements sont gérés par le système plutôt que par une boîte mail. Les données produits arrivent en désordre de nombreux fournisseurs et doivent être ramenées à une seule taxonomie avant que quiconque puisse y faire une recherche.
Ce site
Un assistant fondé sur nos propres contenus, avec des sorties validées, une limitation du débit, une mise en cache des prompts et un mécanisme de refus – assez compact pour être lu en un après-midi, et c’est bien le but. Posez-lui une question sur un sujet que nous n’avons pas publié, et vous le verrez le dire.
De l’idée
à la mise en ligne
Les projets IA déraillent de façon prévisible : une démo prometteuse, puis des mois pendant lesquels personne ne sait dire si c’est assez bon. Nous mettons la mesure en place avant le développement, pour que cette question ait toujours une réponse.
01
S’accorder sur la tâche et la mesure
Une seule tâche, et la manière dont nous saurons qu’elle est assez bien faite pour être mise en production.
02
Mettre vos données à sa disposition
Catalogue, documents et règles internes, sous une forme que le modèle peut réellement exploiter.
03
Développer la plus petite version utile
Un périmètre restreint, des sorties vérifiées, un mécanisme de refus et un coût connu d’avance.
04
La mesurer sur du trafic réel
Observer ce que les gens demandent vraiment, corriger ses erreurs, et n’élargir le périmètre que lorsqu’elle l’a mérité.
Réponses
claires
Ce que l’on nous demande avant que tout commence – y compris ce que nous ne pouvons pas promettre.
Presque jamais. L’essentiel de la valeur vient d’un bon modèle généraliste bien utilisé : vos propres contenus mis à sa disposition, une tâche bien délimitée, et un contrôle de ce qu’il renvoie. Entraîner ou affiner (fine-tuning) un modèle est une décision que nous vous justifierions avant d’y consacrer le moindre budget.
L’assistant ne répond qu’à partir des informations que nous lui fournissons, et nous validons la forme de chaque réponse avant qu’elle n’atteigne un client. Quand la réponse ne figure pas dans ce qu’on lui a donné, il le dit au lieu de deviner. Vous pouvez le constater sur notre propre site : CogniBot répond à partir du contenu de ce site, et de rien d’autre.
À vous. Les comptes chez les fournisseurs de modèles et les clés d’API sont à vous, les prompts et les évaluations se trouvent dans votre dépôt, et les données restent dans des systèmes que vous contrôlez. Rien n’est conçu pour être difficile à transférer ailleurs.
L’usage est facturé à la question ; le coût d’exploitation dépend donc du trafic et de la quantité de contexte nécessaire à chaque réponse. Nous en tenons compte dès la conception – mise en cache de ce qui se répète, contexte réduit au nécessaire, limitation du débit contre les abus – et nous vous indiquons le montant mensuel prévisible avant que vous ne vous engagiez à le lancer.
Prochaine étape
Parlez-nous du besoin,
pas de la technologie
Décrivez la question à laquelle votre équipe répond sans cesse, ou le travail que quelqu’un refait chaque matin. Nous vous dirons si l’IA est le bon outil pour cela, à quoi ressemblerait la plus petite version utile, et ce qu’elle coûterait à développer et à faire tourner.