Daniel Cadeau
Daniel Cadeau
Développeur web
Réserver un créneau
Prendre contact via Malt

Intelligence artificielle

Utiliser l’IA sur vos données, dans vos outils.

Je pars d’un besoin précis et je le teste sur un échantillon de vos données avant de construire quoi que ce soit. On mesure ce que ça donne et combien coûte chaque traitement.

Ce que je mets en place

Extraire des données de vos documents

On définit les informations à récupérer, puis le système lit chaque document et renvoie toujours la même structure, par exemple un fichier JSON prêt à importer. Les formats et les valeurs attendues sont vérifiés avant l’envoi vers votre outil.

Exemple : transformer des factures fournisseurs en lignes prêtes à importer dans votre outil comptable.

Interroger vos documents et bases de données

Vous posez une question comme vous le feriez à un collègue. Dans les documents, une recherche vectorielle retrouve les passages utiles et l’assistant cite ses sources. Dans une base de données, il génère une requête SQL en lecture seule puis remet le résultat au propre. Il n’accède qu’aux données autorisées.

Exemple : demander quel préavis s’applique à un contrat, ou connaître le chiffre d’affaires du trimestre par région.

Je dois prévenir combien de temps avant de résilier le contrat-cadre ?

Tool Recherche vectorielle
Contrat-cadre.pdf#page=120.91
Conditions-generales.pdf#page=80.84

Le contrat prévoit un préavis de 60 jours.

Contrat-cadre.pdf#page=12

Agents et automatisation

Un assistant peut agir dans un processus existant : lire une demande, chercher une information dans vos outils, appeler une API puis transmettre le dossier au bon endroit. Les actions autorisées sont définies à l’avance, et une étape qui échoue ne déclenche pas la suite.

Exemple : lire une demande client, la compléter avec les informations du CRM puis l’envoyer à la bonne équipe.

Tester une idée avant de la développer

Avant de développer la solution complète, je teste l’idée sur un échantillon de vos données. Vous savez alors ce qui fonctionne, ce qui bloque, combien coûte un traitement et si une automatisation classique serait plus simple.

Exemple : comparer plusieurs idées et choisir ou écarter celle qui mérite un prototype.

Du premier test à la mise en production

01
Audit
Je teste le besoin sur un échantillon réel. Vous recevez une synthèse qui explique ce qui est faisable, les données nécessaires, le coût estimé par traitement et les solutions plus simples à envisager.
02
Prototype
Je construis un premier parcours limité et on le teste sur des cas connus. Les critères sont décidés avant : le résultat permet de continuer, de revoir l’idée ou de s’arrêter.
03
Mise en production
Si le test est concluant, j’intègre la solution à vos outils avec les contrôles, les journaux d’exécution et la documentation nécessaires. Vous récupérez le code et les accès.

Comment vos données sont traitées

Avant de choisir un modèle ou un hébergeur, on décide quelles données peuvent sortir, où elles sont traitées et quand elles sont supprimées.

Sous-traitance encadrée par l’article 28 du RGPD

Je traite vos données uniquement pour réaliser la mission. Le contrat précise les données concernées, la raison du traitement, les prestataires utilisés et le délai de suppression.

Choisir où le traitement a lieu

Selon la sensibilité des documents, on peut utiliser l’API d’un fournisseur généraliste, un fournisseur hébergé en Europe ou un modèle installé sur une infrastructure que vous contrôlez. Ce choix change le coût, la maintenance et parfois la qualité des réponses.

Limiter ce qui est envoyé

On liste précisément les documents et les champs dont le modèle a besoin. Le reste n’est pas transmis. Les fichiers temporaires créés pendant le traitement sont supprimés à la fin du processus.

Questions / Réponses

Les données servent-elles à entraîner un modèle ?

+
Non. J’utilise des offres dont les conditions excluent l’utilisation de vos données pour entraîner les modèles, et ce point figure dans le contrat. Pour les documents les plus sensibles, le modèle peut aussi être installé sur une infrastructure que vous contrôlez.

Combien ça coûte à l’usage ?

+
Il y a le développement, puis l’utilisation du modèle. Ce second coût dépend surtout du volume de texte traité. Je le mesure sur un échantillon réel avant de développer, pour éviter les estimations au doigt mouillé.

Quelle fiabilité attendre ?

+
Je ne donne pas un taux de fiabilité avant d’avoir testé vos données. On prépare des cas avec une réponse connue, on mesure les résultats et on regarde les erreurs. Vous pouvez ainsi décider avec des chiffres plutôt qu’avec une démonstration bien choisie.

Faut-il beaucoup de données pour commencer ?

+
Non. Quelques dizaines de documents représentatifs suffisent souvent pour un premier test. L’objectif n’est pas d’entraîner un modèle, mais de vérifier comment un modèle existant se comporte sur vos données.

Quels outils utilisez-vous ?

+
Je choisis les outils selon les contraintes du projet. Cela peut inclure Ollama pour exécuter un modèle sur une infrastructure contrôlée, FastAPI pour exposer un service métier, ainsi que les bases de données et API déjà utilisées par votre équipe. Le choix dépend surtout de la confidentialité, du volume, du coût et des besoins de maintenance.

Et si l’idée ne fonctionne pas assez bien ?

+
On s’arrête avant d’engager la mise en production. La synthèse précise ce qui bloque et les alternatives possibles, avec ou sans IA.

Lecture complémentaire

J’ai détaillé la mise en place d’une recherche RAG sur des documents métier dans un article publié sur le blog des Affluents du Numérique.

Lire l’article

Parlons de votre projet.

Réserver un premier appel

30 minutes pour parler de votre projet, de ce dont vous avez besoin et répondre à vos premières questions.

Réserver un créneau