Comment se déroule un projet AI software avec nous
Six étapes, dix semaines en moyenne, et un interlocuteur technique unique du début à la fin.
Les six étapes d'un projet
Nous avons affiné ce processus sur 38 projets. Il n'est pas rigide : certaines étapes se chevauchent, d'autres sont plus courtes selon la complexité. Mais la séquence reste la même.
Audit technique gratuit
Nous passons deux heures avec vous, en visioconférence ou dans vos locaux. L'objectif : comprendre le problème métier, identifier les données disponibles et estimer si une solution IA est pertinente. Parfois, la réponse est non. Un de nos prospects voulait un chatbot pour 200 utilisateurs internes ; après discussion, un simple wiki structuré répondait mieux à son besoin. Nous l'avons orienté vers un autre prestataire.
À la fin de l'audit, vous recevez un document de deux à trois pages qui résume notre compréhension du problème, les approches techniques envisagées et une fourchette budgétaire. Ce document est gratuit et sans engagement.
Cadrage et devis
Si l'audit confirme la faisabilité, nous rédigeons un devis détaillé au forfait. Le devis précise les livrables, les jalons intermédiaires, les critères de validation et le calendrier semaine par semaine. Nous ne facturons pas au temps passé : le prix est fixe sauf si vous modifiez le périmètre en cours de route.
Le devis inclut aussi les conditions de propriété intellectuelle. En résumé : le code, les modèles entraînés et la documentation vous appartiennent. Nous conservons le droit de réutiliser les méthodes génériques (pas vos données) dans d'autres projets.
Collecte et préparation des données
C'est souvent l'étape la plus longue. Nous travaillons avec vos équipes pour rassembler, nettoyer et annoter les données d'entraînement. Pour un projet de vision par ordinateur, cela peut signifier photographier 3 000 pièces sur votre chaîne de production et les étiqueter une par une. Pour un projet NLP, il faut parfois convertir des milliers de PDF en texte exploitable.
Nous utilisons des outils d'annotation comme Label Studio ou Prodigy, et nous formons vos collaborateurs à les utiliser pour qu'ils puissent enrichir le jeu de données après notre départ. La qualité des données détermine 80 % de la qualité du modèle final.
Développement et entraînement
Notre équipe code le pipeline complet : prétraitement, entraînement du modèle, post-traitement et API de service. Nous travaillons en sprints d'une semaine avec une démo chaque vendredi. Vous voyez le modèle progresser et vous pouvez réorienter les priorités si nécessaire.
Côté technique, nous utilisons Python (PyTorch, scikit-learn, Hugging Face Transformers), FastAPI pour les API, et PostgreSQL ou Qdrant pour le stockage. Le code est versionné sur un dépôt Git que nous créons sur votre compte (GitHub, GitLab ou Bitbucket selon votre préférence).
L'entraînement des modèles se fait sur des GPU cloud (OVH, Scaleway ou AWS selon la localisation souhaitée). Nous privilégions les fournisseurs européens quand le client souhaite que les données ne quittent pas l'UE.
Tests et mise en production
Avant le déploiement, nous faisons tourner le modèle sur un jeu de test que vous n'avez jamais vu pendant l'entraînement. Les métriques (précision, rappel, F1-score, ou des métriques métier comme le taux d'erreur sur les factures) sont documentées dans un rapport de validation.
Le déploiement se fait sur votre infrastructure existante ou sur un serveur cloud dédié. Nous configurons le monitoring (alertes si le modèle commence à dériver, logs d'utilisation, tableau de bord Grafana) et nous formons un ou deux référents dans votre équipe pour qu'ils sachent interpréter les indicateurs.
Maintenance et évolution
Le contrat inclut 12 mois de maintenance corrective. Si le modèle rencontre un bug ou si ses performances baissent à cause d'un changement dans vos données (un nouveau fournisseur qui utilise un format de facture différent, par exemple), nous intervenons sans frais supplémentaires.
Après les 12 mois, vous avez trois options. Renouveler la maintenance avec nous. Reprendre le système en interne grâce à la documentation et au code source que vous possédez déjà. Ou confier la maintenance à un autre prestataire. Nous facilitons la transition dans tous les cas.
Ce qui rend notre approche différente
Beaucoup de prestataires IA vendent des « proof of concept » qui ne dépassent jamais le stade du prototype. Le modèle fonctionne dans un notebook Jupyter mais personne ne sait le mettre en production.
Chez nous, le livrable n'est pas un notebook. C'est un service qui tourne 24 heures sur 24, avec des logs, des alertes et une documentation que vos développeurs internes peuvent lire et modifier. Nous écrivons des tests unitaires pour le code de prétraitement, pas seulement pour le modèle.
Autre point : nous refusons les projets dont le retour sur investissement n'est pas clair. Si vous ne pouvez pas estimer combien de temps ou d'argent le système va vous faire gagner, nous vous aidons à poser le calcul. Et si le résultat ne justifie pas l'investissement, nous vous le disons avant de signer.
Un chiffre à retenir
Sur nos 38 projets livrés, 34 sont encore en production aujourd'hui. Les quatre restants ont été remplacés par des solutions internes développées par les équipes de nos clients, à partir du code que nous leur avions livré. C'est exactement ce que nous voulons.
Questions fréquentes
Les projets que nous réalisons vont de 8 000 € pour une automatisation documentaire simple à 65 000 € pour un système de vision par ordinateur déployé sur plusieurs sites. La médiane se situe autour de 25 000 €. Le devis est toujours au forfait, jamais au temps passé.
Ça dépend du problème. Pour de la classification de documents, quelques centaines d'exemples annotés suffisent souvent grâce au transfer learning. Pour de la détection d'objets sur des images, il faut généralement entre 1 000 et 5 000 images annotées. Nous vous aidons à constituer ce jeu de données pendant l'étape 3.
Oui, si vous le souhaitez. Nous utilisons par défaut des fournisseurs cloud européens (OVH, Scaleway). Si le projet nécessite des API tierces comme OpenAI, nous vous informons des flux de données transfrontaliers et nous mettons en place les clauses contractuelles types prévues par le RGPD.
Absolument. Le code source, les poids du modèle et toute la documentation technique vous appartiennent. Vos développeurs internes peuvent modifier le système, le réentraîner sur de nouvelles données ou l'intégrer à d'autres outils. Nous utilisons des formats standards (ONNX, Docker, API REST) pour faciliter la portabilité.
Dix semaines en moyenne, du premier appel à la mise en production. Le plus court a duré quatre semaines (un classifieur de tickets de support). Le plus long, dix-sept semaines (un système de vision par ordinateur multi-caméras pour un entrepôt de 12 000 m²). La durée dépend surtout de la disponibilité et de la qualité des données.
Prêt à démarrer ?
L'audit technique de deux heures est gratuit. Appelez-nous au +32 3 752 23 90 ou envoyez un message via notre formulaire de contact.
Chemin du Cirque 4 bis, 2000 Antwerp, Flanders, Belgium