L'intelligence artificielle est entrée dans les entreprises par les usages individuels, avant toute décision collective. La question n'est plus de savoir si elle sert à quelque chose, mais où la brancher pour qu'elle traite un volume réel sans produire de réponse fausse. Cet endroit se trouve dans votre process, rarement dans une démonstration.
Ils nous font confiance
Vos équipes utilisent déjà des assistants IA, sans que personne ait décidé lesquels.
Vos documents internes sortent de l'entreprise et vous ne savez pas où ils vont.
Un pilote a bien marché en démonstration et n'a jamais été mis en service.
Entre les deux, il manque presque toujours le raccordement aux données réelles.
Les mêmes questions reviennent par mail, par téléphone et par formulaire.
Elles sont traitées trois fois, par trois personnes, avec trois réponses différentes.
Votre savoir métier vit dans des procédures, des PDF et la tête de trois personnes.
C'est exactement ce qu'une IA branchée sur vos documents sait rendre consultable.
Un prestataire vous a proposé un agent sans vous demander comment vous travaillez.
Un outil générique reproduit un process générique, et le vôtre ne l'est pas.
Vous ne savez pas dire ce qu'une réponse fausse coûterait.
C'est pourtant ce chiffre qui décide du niveau de contrôle humain à mettre.
Chaque étape se termine par un livrable utilisable et par une porte de sortie : vous pouvez vous arrêter là, ce qui a été produit continue de servir. Vous engagez donc une étape à la fois, et vous ajustez le périmètre à chaque jalon plutôt qu'au moment où il est trop tard pour le faire.
01 Cadrage
1 à 2 semaines
Nous cherchons les endroits où un volume répétitif rencontre une décision à faible risque, parce que c'est là que l'IA rend quelque chose tout de suite. Nous écartons au passage les usages spectaculaires dont personne n'a besoin, et nous notons ce qu'une erreur coûterait à chaque endroit.
Livrable la liste des usages candidats, classés par volume et par risque, et ceux que nous écartons.
02 Conception
1 semaine
Un usage se conçoit avec la place de l'humain dedans : ce que la machine propose, ce qu'une personne valide, et ce qui ne passe jamais par un modèle. Nous écrivons aussi ce qui se passe quand la réponse est fausse, parce que ça arrivera.
Livrable le scénario d'usage, les règles de validation et la procédure de reprise en main.
03 Prototype
1 à 2 semaines
Le prototype tourne sur vos documents et vos cas réels, pas sur un jeu de démonstration. C'est le seul moyen de mesurer la qualité des réponses sur votre vocabulaire métier, et de trancher avant d'engager une construction.
Livrable un prototype testé sur vos données et la mesure de qualité des réponses.
04 Construction
3 à 4 semaines
L'usage se branche sur vos sources, avec vos règles d'accès : chaque personne ne voit que ce qu'elle a le droit de voir. Le choix du modèle et de l'hébergement se fait ici, selon la sensibilité des données et non selon la mode du moment.
Livrable l'usage en service sur un périmètre restreint, avec journal des échanges.
05 Adoption
2 à 4 semaines
Les équipes apprennent quoi lui confier et quoi ne pas lui confier. Nous posons une charte d'usage interne, parce qu'un outil officiel bien encadré fait disparaître les usages sauvages bien plus efficacement qu'une interdiction.
Livrable les équipes formées, la charte d'usage et un référent interne identifié.
06 Pérennisation
à 3 et 6 mois
Nous suivons le taux de reprise humaine et les réponses signalées comme fausses, et nous corrigeons la base documentaire plutôt que le modèle. Les modèles changent tous les six mois : ce qui doit tenir, c'est votre socle de connaissances et vos règles, pas le fournisseur.
Livrable le bilan de qualité, les corrections apportées et une recommandation de suite.
Décrivez votre contexte, vos outils et votre échéance : vous repartez avec un périmètre de départ et un ordre de grandeur budgétaire. Ce que vous saisissez nous sert de base au premier échange, vous n'aurez pas à le redire.
Un projet d'IA échoue rarement sur le modèle. Il échoue quand l'usage choisi était spectaculaire plutôt que fréquent, quand la connaissance métier sur laquelle il s'appuie est éparpillée dans des documents contradictoires, ou quand personne n'a décidé qui valide quoi. Sur une décision à fort enjeu sans relecture humaine, la réponse fausse finit par arriver chez un client, et elle coûte plus que tout le temps gagné. Nous commençons donc par chercher le volume plutôt que la démonstration, nous mettons de l'ordre dans la connaissance avant de la faire lire par une machine, et quand un logiciel du marché couvre déjà le besoin, nous vous le disons avant de chiffrer.
Nous ne sommes liés à aucun fournisseur de modèle. Le choix se fait sur la sensibilité de vos données, vos contraintes d'hébergement et le coût à l'usage : un modèle hébergé en Europe ou installé chez vous pour des données sensibles, un modèle généraliste quand la confidentialité le permet. Ce choix se révise, c'est pour ça qu'il ne doit jamais être gravé dans le code.
Votre projet ne mobilise pas les mêmes compétences selon l'endroit où il bloque : de la recherche utilisateur quand le besoin est encore flou, un design system quand l'outil devra grandir, un renfort produit quand ce qui manque est la décision plus que les mains. Le pilotage reste le même d'un bout à l'autre de la mission, l'équipe autour se compose sur votre sujet.
Depuis 15 ans
Quinze ans à concevoir, développer et mettre en service des produits numériques : product managers, designers et développeurs qui ont vu passer les cycles et savent ce qui tient en production. Nous partons du problème métier plutôt que de la technologie, et nous allons jusqu'à la mise en service au lieu de nous arrêter à la recommandation.
70+ projets livrés
Le pilotage du projet reste chez nous, du premier atelier à la mise en service : c'est ce qui permet de décider vite quand une hypothèse tombe en cours de route. Autour de ce noyau, nous mobilisons les expertises que votre sujet demande vraiment, et non l'inverse, où le profil disponible finit par dicter la solution.
Sans licence ni redevance
Dès le paiement, sans licence ni redevance : le code, les maquettes et la documentation vous sont livrés, et une autre équipe peut les reprendre. Nous ne vendons pas d'accès à une plateforme qui resterait la nôtre.
Savoir dire non
Quand un logiciel du marché couvre l'essentiel du besoin, quand un process change encore tous les mois, quand la donnée n'est pas prête : nous le disons au cadrage, avant le devis. Un projet mal parti coûte plus cher à tout le monde qu'un projet refusé.
Financement public
Pégase Digital est affilié au Crédit d'Impôt Innovation. Une entreprise soumise à l'impôt en France peut, sous conditions, prétendre à un crédit d'impôt équivalant à 20 % des dépenses externalisées de conception et de développement, quand la solution est nouvelle et innovante sur son marché de référence. L'éligibilité s'apprécie projet par projet, avec votre conseil fiscal.
Votre entreprise a moins de deux ans ? Le remboursement immédiat peut être demandé plutôt qu'imputé sur l'impôt des exercices suivants.
Un enjeu en amène souvent un autre.
Saisies manuelles, exports récurrents, relances à heure fixe : chaque tâche répétée est du temps que vos équipes ne passent pas ailleurs.
Vos process tiennent sur des fichiers partagés, des mails et des habitudes que personne n'a jamais écrites.
Vous collectez des données depuis des années sans qu'aucune décision ne s'appuie vraiment dessus.
Vous voulez savoir si l'idée tient devant de vrais utilisateurs avant d'engager un budget de développement.
Une idée qui en accumule d'autres sans cadrage, ou un produit qui fonctionne mais que vos utilisateurs n'utilisent pas.
Votre trafic monte, vos demandes entrantes non, et personne ne sait dire quel canal a amené le dernier client signé.
Vos clients passent du site à l'application puis en boutique, et doivent tout réexpliquer à chaque fois.
Par un usage fréquent dont l'erreur se rattrape. Une tâche qui revient plusieurs fois par jour et dont une personne relit le résultat rend du temps dès le premier mois, sans exposer l'entreprise. Les usages à fort enjeu, comme un conseil réglementaire ou un engagement contractuel, viennent après, et toujours avec une validation humaine.
Presque jamais. Dans la grande majorité des cas, on branche un modèle existant sur vos documents au moment de la question, une méthode appelée génération augmentée par la recherche (RAG). Vos données restent dans votre base, elles se mettent à jour sans réentraînement, et le coût est sans commune mesure avec celui d'un entraînement dédié.
Cela dépend du choix que vous faites, et ce choix vous appartient. Un modèle installé sur votre infrastructure garde tout en interne, avec un coût d'exploitation supérieur. Une interface de programmation professionnelle, hébergée en Europe, n'utilise pas vos échanges pour entraîner le modèle, contrairement aux versions grand public que vos équipes utilisent peut-être déjà.
Nous le prévoyons à la conception, parce que ça arrive. Chaque usage définit ce que la machine propose et ce qu'un humain valide, avec un journal consultable de ce qui a été répondu. Un assistant bien construit refuse de répondre hors de son périmètre plutôt que d'inventer, et cette limite se teste avant la mise en service.
Un chatbot répond, un agent agit. Le premier renvoie une information à partir de vos documents. Le second déclenche une opération dans vos outils : créer un ticket, mettre à jour une fiche, envoyer une relance. Le second demande donc plus de garde-fous, parce qu'une erreur ne se contente pas d'être lue, elle écrit quelque part.
Le prix dépend du raccordement à vos données bien plus que du modèle, dont le coût à l'usage reste modeste au démarrage. Un atelier de cadrage se chiffre séparément et donne un ordre de grandeur avant tout engagement. La mesure utile est un écart : temps de traitement avant, temps de traitement après, taux de reprise humaine.
