Agence intelligence artificielle
pour les entreprises.

Une preuve de concept démarre à 12 000 € et s'étale sur 3 à 5 semaines. Une solution industrialisée et intégrée à votre système d'information se situe généralement entre 40 000 € et 150 000 €.

À cela s'ajoute le coût d'inférence — l'appel aux modèles — qui va de quelques dizaines à quelques milliers d'euros par mois selon le volume. Nous le chiffrons dès le cadrage, avec des leviers concrets pour le réduire : cache sémantique, modèle plus petit pour les tâches simples, traitement par lots.

Uniquement si vous le décidez. Trois options existent, que nous arbitrons avec vous selon votre niveau de sensibilité :

• API commerciales (Claude, GPT, Gemini) avec des engagements contractuels de non-entraînement sur vos données et des durées de rétention nulles ou courtes ;
• Modèles européens (Mistral) ou déploiements en région UE sur Azure, AWS Bedrock ou Google Vertex ;
• Modèles open-source auto-hébergés (Llama, Qwen, Mistral) sur votre infrastructure ou chez un hébergeur souverain — rien ne sort de chez vous.

Par construction, pas par espoir. Nous ancrons systématiquement les réponses dans vos documents (architecture RAG) et affichons les sources citées. Nous ajoutons des garde-fous : refus explicite quand l'information n'est pas dans la base, vérification croisée sur les réponses critiques, et validation humaine sur les actions irréversibles.

Surtout, nous mesurons : un jeu de questions-réponses de référence est constitué au cadrage et rejoué à chaque évolution. Sans mesure, il n'y a pas de qualité.

Retrieval-Augmented Generation. Plutôt que de demander au modèle ce qu'il « sait », on va d'abord chercher les passages pertinents dans vos documents, puis on demande au modèle de répondre uniquement à partir de ces passages.

Résultat : des réponses à jour, vérifiables, et propres à votre entreprise — sans réentraîner de modèle, donc sans le coût ni le délai associés.

Presque jamais au départ. Dans plus de neuf cas sur dix, une bonne architecture RAG avec un modèle du marché donne de meilleurs résultats qu'un fine-tuning, pour un coût dix fois moindre et une mise à jour instantanée quand vos documents changent.

Le fine-tuning garde un intérêt pour imposer un format de sortie très strict ou un ton de marque particulier. On le décide après la preuve de concept, sur des mesures.

Oui, et c'est traité dès le cadrage, pas après coup. Nous produisons la cartographie des traitements, la base légale, la durée de conservation et l'analyse d'impact si nécessaire. Nous classons le système selon les niveaux de risque de l'AI Act européen et mettons en place ce que le niveau impose : information des utilisateurs, supervision humaine, journalisation, documentation technique.

Une preuve de concept exploitable en 3 à 5 semaines, une mise en production en 3 à 4 mois pour un cas d'usage. Nous commençons volontairement par un périmètre étroit et mesurable : un service, un type de document, une population d'utilisateurs. C'est ce qui permet de prouver la valeur avant d'élargir.