Aller au contenu
Perrine HonoréPerrine Honoré · Automatisation & IA

Automatiser un vrai travail, avec l'IA uniquement quand le gain est mesurable

En bref

J'intègre l'IA là où elle réduit un travail répétitif et vérifiable : traitement de documents, recherche interne, tri de demandes, support de premier niveau. On mesure d'abord la qualité et le temps réellement gagné, puis on généralise. Les cas sensibles gardent une validation humaine, et l'intégration se fait sur vos outils existants.

L'essentiel

Cas d'usage
tri d'emails, extraction de documents, recherche interne, support de niveau 1
Technologies
OpenAI, Claude, RAG, embeddings, n8n, bases vectorielles
Approche
un cas d'usage mesuré d'abord, généralisation ensuite
Intégration
branché sur vos outils actuels, sans les remplacer
Données
hébergement et rétention arbitrés avant le développement
Livrable
workflow documenté, dont vous gardez la main

Comment se déroule le projet

  1. Échange initial

    Par le formulaire ou un appel de 30 minutes, gratuit. Vous décrivez votre besoin, je pose mes questions et je vous dis franchement si je suis la bonne personne pour le réaliser.

  2. Cadrage : périmètre, budget, planning

    Je mets par écrit ce qui sera livré, ce qui ne l'est pas, le budget et le planning. Les écrans principaux sont validés avec vous avant le développement. Le devis porte sur ce périmètre écrit.

  3. Conception et développement

    Le logiciel se construit par étapes, avec une démonstration régulière : vous testez ce qui avance, au fil de l'eau. Une demande hors périmètre est chiffrée et validée par écrit avant d'être lancée, jamais facturée après coup.

  4. Tests, mise en ligne et transmission

    Vous disposez de 7 jours ouvrés après la livraison pour signaler une anomalie ou une non-conformité au périmètre. Puis mise en ligne, et remise du code et des accès sur vos comptes.

Après la livraison

Correction des anomalies
30 jours de garantie après la livraison sur les anomalies critiques et bloquantes du code livré.
Maintenance
Facultative, sous forme de forfait mensuel défini au devis. Avec un contrat actif : prise en charge d'une indisponibilité critique sous 24 h ouvrées, correction d'une anomalie non bloquante sous 72 h ouvrées.
Évolutions
Chaque nouvelle fonctionnalité fait l'objet d'un devis complémentaire ou d'un avenant, validé avant de démarrer.
Hébergement
Sur votre infrastructure ou sur la mienne, à votre choix ; les conditions sont précisées au devis.
Propriété du code et accès
Le code développé pour vous vous appartient après paiement intégral, déposé sur votre propre espace (par exemple votre compte GitHub). Aucun verrou technique ni contractuel.
Changer de prestataire
Vous pouvez confier la maintenance ou les évolutions à quelqu'un d'autre à tout moment : je ne crée aucune dépendance volontaire.

Le détail figure dans les conditions générales.

Questions fréquentes

Concrètement, à quoi sert l'IA dans mes process ?

À automatiser ce qui vous coûte du temps sur des tâches répétitives et vérifiables : tri et réponse aux emails, extraction de données de documents, recherche dans votre documentation, support de premier niveau. J'intègre l'IA uniquement là où le gain est mesurable.

Mes données partent-elles chez OpenAI ?

Cela dépend de l'architecture retenue, et c'est une décision à prendre avant le développement. Les API professionnelles permettent de s'engager sur la non-utilisation de vos données pour l'entraînement ; pour les données les plus sensibles, un modèle auto-hébergé reste possible. On arbitre selon votre niveau de sensibilité.

Combien coûte l'IA à l'usage ?

Le coût dépend du volume traité et du modèle choisi, et il peut varier d'un facteur dix entre deux modèles pour une qualité comparable sur votre tâche. L'estimation du coût mensuel à votre volume réel fait partie du cadrage, c'est souvent ce qui détermine la faisabilité.

Comment savoir si le système fonctionne bien ?

Avec un jeu de cas de test représentatifs et une mesure du taux de réussite, cas limites inclus. C'est ce qui permet de vérifier qu'un changement de prompt ou de modèle améliore réellement les choses, au lieu de le supposer.

Faut-il remplacer nos outils actuels ?

Non, et c'est rarement une bonne idée. L'automatisation se branche sur ce que vous utilisez déjà, via les API ou des workflows n8n. Remplacer un outil qui fonctionne pour y ajouter de l'IA transforme un petit projet en migration.

L'IA n'a d'intérêt que là où elle remplace un travail réel

La plupart des projets d'IA en entreprise échouent pour la même raison : ils partent de la technologie et cherchent ensuite un usage. La démarche inverse fonctionne mieux. On identifie d'abord une tâche qui consomme réellement du temps, qui se répète, et dont le résultat se vérifie facilement, puis on regarde si l'IA sait la faire.

Ce filtre élimine beaucoup de projets, et c'est son intérêt. Il en reste toujours quelques-uns dont le gain est net et mesurable : c'est par ceux-là qu'on commence.

Les cas d'usage qui tiennent en production

Quatre familles reviennent le plus souvent, et donnent des résultats fiables :

  • Traitement de documents : extraire des données structurées de factures, contrats, formulaires ou emails, et les déposer dans votre outil métier.
  • Recherche dans la documentation interne, un assistant qui répond en citant vos propres documents (RAG), plutôt qu'un moteur de recherche par mots-clés.
  • Support client de premier niveau : traiter les demandes répétitives, et surtout savoir passer la main à un humain au bon moment.
  • Workflows d'automatisation : chaîner vos outils entre eux (n8n, API) avec une étape d'IA là où une règle fixe ne suffit pas.

Mesurer avant de généraliser

Un système d'IA ne se valide pas à l'œil sur trois exemples réussis. Il faut un jeu de cas de test représentatifs, y compris les cas tordus, et une mesure de ce qui passe et de ce qui échoue, c'est ce qu'on appelle des évaluations. Sans elles, on ne sait pas si un changement de prompt ou de modèle améliore les choses ou les dégrade.

Cela vaut aussi pour le retour sur investissement. Le temps gagné se mesure sur la tâche visée, avant et après, sur une période définie. Un gain annoncé sans périmètre ni fenêtre de mesure ne vaut rien : ni pour vous, ni pour moi.

Vos données, et où elles vont

Brancher un modèle d'IA sur vos données soulève des questions qu'il vaut mieux régler avant le développement : quelles données sortent de votre système, chez quel fournisseur, dans quelle région, avec quelle durée de conservation, et sont-elles utilisées pour entraîner le modèle.

Selon la sensibilité, les réponses diffèrent : une API cloud avec engagement de non-entraînement suffit souvent, un modèle auto-hébergé s'impose parfois. Ce choix est arbitré au cadrage, avec la conformité RGPD, pas découvert après la mise en service.

Les conditions de réussite

  • Une tâche précise à automatiser. On part d'un travail identifié et mesurable ; c'est ce qui permet de savoir si l'IA apporte vraiment quelque chose.
  • Un processus stabilisé. Automatiser un processus qui change tous les mois oblige à reconstruire tous les mois : on le stabilise d'abord, ensemble.
  • Des modèles existants, bien choisis. J'adapte et j'intègre des modèles du marché ; je n'entraîne pas de modèles de zéro.
  • Un gain mesuré, pas promis. Le temps gagné se mesure sur vos données réelles, après une première mise en service.

Parlons de votre projet.

Décrivez votre besoin en quelques lignes : je vous réponds sous 24 h ouvrées. Vous préférez un appel ? Il est gratuit et sans engagement.

Vous préférez en parler de vive voix ?

Réserver un appel gratuit30 minutes · Sans engagement

Champs obligatoires. Le reste est facultatif.

Quelques lignes suffisent : pour qui, ce que l'outil doit permettre, et ce qui existe déjà.

Précisions facultatives

Réponse sous 24 h ouvrées. Vos informations servent uniquement à vous répondre (confidentialité).