IA et données

Avant le développement, nous convenons avec vos équipes d’un jeu d’évaluation : des exemples réels accompagnés des réponses attendues par vos experts. Chaque version du système est notée sur ce jeu, et des relecteurs vérifient un échantillon des cas les plus difficiles. Vous fixez le seuil de mise en production. En production, nous continuons à mesurer et orientons les cas incertains vers une personne plutôt que de laisser le système deviner.

En savoir plus : Développement IALien vers cette question

Nous travaillons avec des modèles commerciaux tels que les modèles OpenAI GPT, Anthropic Claude et Google Gemini, avec des modèles ouverts tels que Meta Llama et Mistral, et avec l’apprentissage automatique classique lorsqu’il convient mieux. Nous choisissons tâche par tâche selon la qualité, le coût, la latence et le lieu où le modèle peut s’exécuter. Nous concevons les systèmes pour que le modèle puisse être remplacé plus tard. La mention d’un fournisseur ne signifie pas un partenariat.

En savoir plus : Développement IALien vers cette question

Nous réduisons le risque par couches successives. Le modèle répond à partir de passages de vos contenus et doit les citer. Des garde-fous vérifient que chaque affirmation est étayée par ces passages. Lorsque les sources ne contiennent pas la réponse, la fonctionnalité l’indique au lieu de deviner. Le jeu d’évaluation mesure la fréquence des réponses non étayées, et nous ne mettons en production qu’une fois ce taux conforme au seuil que vous avez fixé.

En savoir plus : IA générative et intégration de LLMLien vers cette question

Pour répondre à partir de vos documents, la récupération est généralement le meilleur point de départ : elle garde les réponses à jour, montre les sources et respecte les droits d’accès. L’ajustement fin (fine-tuning) est utile lorsque vous avez besoin d’un format ou d’un style constant, d’un vocabulaire spécialisé ou d’un modèle plus petit et peu coûteux à exécuter. De nombreux systèmes combinent les deux. Nous testons les options sur votre jeu d’évaluation et recommandons la plus simple qui atteint le niveau exigé.

En savoir plus : IA générative et intégration de LLMLien vers cette question

Nous choisissons tâche par tâche, selon la qualité des réponses sur votre jeu d’évaluation, le coût par requête, la rapidité, les langues prises en charge et le lieu où le modèle est autorisé à s’exécuter. Les options comprennent les modèles OpenAI GPT, Anthropic Claude, Google Gemini, Meta Llama et Mistral, via des services tels qu’Azure OpenAI, Amazon Bedrock ou Vertex AI. Le modèle se trouve derrière une interface unique et peut donc être remplacé plus tard.

En savoir plus : IA générative et intégration de LLMLien vers cette question

Cela dépend du problème, pas d’un volume fixe. L’essentiel est de disposer d’un historique suffisant pour couvrir les schémas que le modèle doit apprendre, y compris les saisons et les événements rares, et d’étiquettes fiables pour le résultat à prédire. Nous le vérifions lors de la revue des données et vous disons clairement si les données ne permettent pas encore d’atteindre la cible, et ce qu’il faut collecter pour y parvenir.

En savoir plus : Apprentissage automatiqueLien vers cette question

Le choix dépend de votre cloud, de vos volumes, de vos compétences et de votre budget plus que d’un produit en particulier. Snowflake, Databricks, BigQuery et Amazon Redshift conviennent à la plupart des entreprises, et PostgreSQL suffit dans bien des cas. Nous comparons les options à vos exigences et à vos contrats existants, et concevons les transformations, écrites en SQL avec dbt, pour qu’elles restent portables.

En savoir plus : Ingénierie et analyse des donnéesLien vers cette question

Oui. Nous utilisons les méthodes d’extraction prises en charge par l’ERP, comme ses API, ses services d’export ou la capture des changements depuis une réplique, plutôt que des requêtes lourdes sur la base de production. Les chargements sont planifiés en dehors des heures de pointe si nécessaire. Pour SAP, Oracle, Microsoft Dynamics 365, NetSuite et Odoo, nous suivons l’approche recommandée par chaque éditeur.

En savoir plus : Ingénierie et analyse des donnéesLien vers cette question

Uniquement pour les décisions qui ne peuvent pas attendre, comme le filtrage de la fraude, la disponibilité des stocks ou le statut des paiements. Pour la plupart des rapports, des chargements toutes les heures ou chaque nuit suffisent et coûtent bien moins cher à exploiter. Nous utilisons le streaming avec Apache Kafka ou la capture des changements lorsque le temps réel est nécessaire, et le traitement par lots dans les autres cas, et nous décidons avec vous cas d’usage par cas d’usage.

En savoir plus : Ingénierie et analyse des donnéesLien vers cette question

La plupart des documents de gestion structurés et semi-structurés : factures fournisseurs, avoirs, reçus, relevés et avis bancaires, bons de commande, bons de livraison, documents douaniers et d’expédition, déclarations de sinistre, formulaires de demande et pièces d’identité. L’écriture manuscrite, les numérisations de mauvaise qualité et les mises en page inhabituelles réduisent l’exactitude : c’est pourquoi nous mesurons sur vos propres échantillons avant de convenir du périmètre.

En savoir plus : Automatisation intelligente et IA documentaireLien vers cette question

Non. La RPA reproduit des clics à l’écran et cesse de fonctionner dès que l’écran change. Nous lisons le document avec l’IA documentaire, le vérifions avec des règles métier et le comptabilisons via les interfaces prises en charge par l’ERP. Lorsqu’un système n’offre aucune interface, l’automatisation d’écran peut être un dernier recours, et nous vous le signalons lorsque nous y recourons.

En savoir plus : Automatisation intelligente et IA documentaireLien vers cette question

Nous comptabilisons dans SAP S/4HANA, Oracle NetSuite, Microsoft Dynamics 365, Odoo et Sage, ainsi que dans des systèmes sur mesure et des outils de workflow, via leurs API, leurs services d’import ou des plateformes d’intégration. La comptabilisation suit les règles d’approbation que vos équipes appliquent aujourd’hui. La mention d’un produit ne signifie pas un partenariat avec son éditeur.

En savoir plus : Automatisation intelligente et IA documentaireLien vers cette question