De l'IA qui va en production, pas dans une présentation.
Nous ajoutons des capacités de modèles de langage au logiciel que vous exploitez déjà : traitement de documents, assistants, agents qui passent à l'action, recherche qui comprend les questions. Mesuré, supervisé et facturé comme n'importe quelle autre fonctionnalité.
Toutes les entreprises ont vu la démo. Peu ont vu la fonctionnalité survivre à de vrais utilisateurs, de vrais documents et une vraie facture. La différence, c'est l'ingénierie : une recherche qui retrouve le bon passage, des prompts sous contrôle de version, des evals exécutées à chaque changement, et un coût et une latence que quelqu'un surveille vraiment.
Nous construisons sur Claude via AWS Bedrock ou l'API Anthropic, avec des frameworks d'agents, des serveurs d'outils MCP et des pipelines RAG là où ils se justifient. Nous avons aussi fait tourner les mêmes charges de travail sur des modèles ouverts quand la résidence des données ou le coût l'exigeaient. Nos propres produits, Bob AI et la plateforme Agent Factory, reposent sur les mêmes principes.
D'un cas d'usage à une fonctionnalité supervisée.
Découverte de cas d'usage et faisabilité
Un court spike sur vos données réelles répond à la seule question qui compte : le modèle fait-il cela de manière assez fiable pour justifier de le construire ? Avec des chiffres, pas des opinions.
Fonctionnalités LLM au sein de produits existants
Résumés, extraction, classification, rédaction et questions-réponses connectés à votre back-end actuel, avec des sorties typées auxquelles votre code peut faire confiance.
Des agents qui passent à l'action
Des agents capables d'utiliser des outils sur Bedrock ou l'API Claude, avec des serveurs MCP pour vos systèmes, des garde-fous, des étapes de validation humaine et une piste d'audit.
RAG et recherche sur vos documents
Ingestion, découpage en segments, embeddings, recherche hybride et réordonnancement sur PostgreSQL/pgvector ou OpenSearch, ajustés sur votre corpus, pas sur un benchmark.
Evals, observabilité et maîtrise des coûts
Jeux de données de référence, evals automatisées en CI, traçage de chaque appel, budgets de tokens et alertes. Vous saurez que la qualité baisse avant vos utilisateurs.
Modèles privés et modèles ouverts
Quand les données ne peuvent pas sortir de votre VPC, nous faisons tourner des modèles à poids ouverts sur votre infrastructure et concevons honnêtement pour les compromis que cela implique.
Ce que vous obtenez
- Un rapport de faisabilité avec précision, latence et coût mesurés sur vos propres données
- Du code de production dans votre dépôt : prompts, outils, pipelines et interfaces typées
- Une suite d'evals et un jeu de données de référence exécutés automatiquement à chaque changement
- Traçage, tableaux de bord et alertes pour la qualité, la latence et les dépenses
- Une politique écrite sur les modèles et les données que votre équipe juridique peut valider
C'est fait pour vous si
- Vous avez un processus répétitif et riche en texte (documents, tickets, e-mails, rapports) que vos équipes sont lassées de faire à la main
- Vous avez construit un prototype qui a impressionné le board, et devez maintenant le faire fonctionner pour de vrais clients
- Vous voulez un assistant ou un agent dans votre produit, et avez besoin qu'il soit sûr, mesuré et abordable
Comment se déroule une mission
Vous obtenez un ingenieur senior qui livre comme une petite equipe — avec un taux horaire transparent, un reporting hebdomadaire et sans frais d'agence. Ajustez les heures a la hausse ou a la baisse selon les besoins du projet.
- 01Spike — une à deux semaines sur des données réelles pour mesurer si le modèle fait le travail, et ce que cela coûte.
- 02Conception — architecture, flux de données, garde-fous, plan d'evals et modèle de coût, validés avant la construction.
- 03Construction — la fonctionnalité, ses outils et ses pipelines, avec des evals en CI dès la première semaine et un déploiement progressif.
- 04Exploitation — supervision, mises à jour des prompts et des modèles, revues de coûts, et la possibilité que nous restions impliqués.
Les questions qu'on nous pose avant chaque mission
Quels modèles utilisez-vous ?
Principalement Claude, via AWS Bedrock quand vous êtes sur AWS, ou via l'API Anthropic sinon. Nous choisissons le plus petit modèle qui passe vos evals, et nous avons déjà fait tourner des modèles à poids ouverts sur infrastructure privée quand la résidence des données l'exigeait. Nous ne sommes liés à aucun fournisseur.
Nos données servent-elles à entraîner quoi que ce soit ?
Non. Avec Bedrock et l'API Anthropic, les prompts et les réponses ne sont pas utilisés pour l'entraînement. Nous documentons précisément quelles données vont où, et pour les charges sensibles, nous gardons tout à l'intérieur de votre VPC.
Comment savez-vous que ça fonctionne ?
Nous construisons tôt un jeu de données de référence à partir de vos cas réels, définissons avec vous ce que « correct » veut dire, et exécutons des evals automatiquement à chaque changement. Ce sont les chiffres qui décident si un changement de prompt ou de modèle part en production.
Et les hallucinations ?
Nous concevons en tenant compte de ce risque : recherche avec citations, sorties structurées validées par le code, seuils de confiance avec revue humaine, et des agents qui demandent avant d'agir. L'objectif est un système qui échoue de façon sûre et visible, pas un système qui prétend être parfait.
Combien cela va-t-il coûter à l'usage ?
Nous mesurons la consommation de tokens par requête pendant le spike et vous donnons un coût par document, ticket ou conversation avant que vous vous engagiez. Les budgets et les alertes font partie de la construction, pas une réflexion après coup.
Notre point de vue
Comment nous construisons l'intégration IA : deux semaines de test, un jeu de données de référence, et une facture prévisible
Trois systèmes d'IA que nous avons construits sont en production aujourd'hui. Un assistant de recherche pour un client a...
septembre 2026
Agents IA à l'Échelle Enterprise : Ce que le Déploiement de 20 000 Agents de BNY Mellon Nous Apprend
Quelque chose de remarquable s'est produit dans le secteur financier début 2026. BNY Mellon, la plus grande banque dépos...
mars 2026
Ne construisez pas un agent. Construisez l'usine à agents.
N'importe qui peut construire un agent IA en un week-end. Un bon modèle, quelques outils, un prompt système décent — et...
août 2026Un processus que l'IA devrait prendre en charge ?
Missions flexibles horaires / time-and-materials, 100% remote, B2B. Communication directe avec l'ingenieur qui fait le travail — sans intermediaires, sans discours commercial.