Nous construisons des modèles de machine learning qui résolvent des problèmes précis : prédire la demande, trier des documents, détecter des anomalies visuelles. Pas de promesses floues, un livrable mesurable à chaque projet.
Parlez-nous de votre projet
Chaque mission part d'un problème métier réel. Voici les domaines où nous intervenons le plus souvent.
Prévision de la demande, scoring de leads, estimation de durée de vie d'un équipement. Nous entraînons des modèles sur vos données historiques et les intégrons dans vos outils existants via API REST. Temps moyen de livraison : huit semaines.
Contrôle qualité sur ligne de production, comptage d'objets en entrepôt, lecture automatique de compteurs. Nos modèles de détection tournent sur GPU embarqué ou en cloud selon votre contrainte de latence. Un client du textile a réduit ses rebuts de 31 % en trois mois.
Classification de tickets, extraction d'entités dans des contrats, résumé automatique de comptes-rendus médicaux. Nous ajustons des modèles de langue pré-entraînés à votre vocabulaire métier pour atteindre une précision de classification supérieure à 92 %.
Vos équipes passent des heures à recopier des données d'un PDF vers un ERP ? Nous construisons des pipelines d'extraction qui lisent factures, bons de commande ou formulaires scannés et injectent les champs directement dans votre système. Taux d'erreur constaté : moins de 2 %.
Vous hésitez entre plusieurs cas d'usage ? Notre audit de deux semaines identifie les données disponibles, estime le retour sur investissement de chaque scénario et produit une feuille de route technique priorisée. Livrable : un document de 15 à 20 pages avec budget estimé.
Un modèle en production dérive si personne ne le surveille. Nous mettons en place le monitoring de performance, le réentraînement automatique et les alertes de dérive de données. Contrat annuel avec SLA de réponse sous quatre heures ouvrées.
De la première réunion au modèle en production, voici comment un projet se déroule concrètement.
Nous passons une demi-journée avec vos équipes métier pour formuler la question en termes mesurables. Quel indicateur doit bouger, de combien, et pour qui ? Sans cette étape, le risque de construire un modèle inutile est réel.
Nos ingénieurs accèdent à vos bases, évaluent la qualité, identifient les biais et les trous. Cette phase dure généralement deux semaines. Si les données sont insuffisantes, nous le disons franchement plutôt que de forcer un modèle bancal.
En trois à quatre semaines, un premier modèle tourne sur un jeu de test. Vous voyez les résultats, les erreurs, et vous décidez si le projet mérite d'aller plus loin. Ce prototype n'est pas une démo marketing : c'est un vrai benchmark chiffré.
Le modèle validé est empaqueté dans un conteneur Docker, exposé via une API documentée et connecté à vos systèmes. Tests de charge, gestion des erreurs, logs structurés : tout est prévu pour la production.
Chaque semaine, un tableau de bord vous montre la précision du modèle, le volume de requêtes et les cas limites. Si la performance baisse, un réentraînement est déclenché automatiquement ou manuellement selon votre contrat.
Deux projets récents qui illustrent notre approche.
Ce distributeur basé dans les Hauts-de-France gérait 4 200 références. Les ruptures de stock coûtaient environ 180 000 € par trimestre. Nous avons entraîné un modèle de séries temporelles (Prophet + gradient boosting) sur trois ans d'historique de ventes, de météo locale et de calendrier promotionnel. Résultat après six mois : les ruptures ont baissé de 42 %, le surstock de 18 %.
Un sous-traitant automobile nous a confié 14 000 images annotées de pièces conformes et défectueuses. Nous avons entraîné un réseau YOLOv8 capable de repérer cinq types de défauts (rayure, bavure, porosité, déformation, tache) avec un rappel de 96 %. Le modèle tourne sur une carte Jetson Orin au bout de la ligne, avec un temps d'inférence de 38 ms par image.
Un audit de cadrage démarre à 3 500 €. Un prototype complet se situe entre 12 000 et 25 000 € selon la complexité des données. L'industrialisation et le suivi annuel sont facturés séparément. Nous envoyons un devis détaillé sous cinq jours ouvrés après le premier appel.
Ça dépend du cas d'usage. Pour de la classification de texte, quelques centaines d'exemples annotés suffisent grâce au transfer learning. Pour de la vision industrielle, il faut souvent entre 2 000 et 10 000 images. Lors de l'audit, nous estimons précisément le volume nécessaire et, si vos données sont insuffisantes, nous proposons des stratégies d'augmentation ou de collecte.
Oui. Nous signons un accord de confidentialité avant tout transfert de fichiers. Les données sont stockées sur des serveurs hébergés en France (OVHcloud, Lille et Strasbourg). Aucun jeu de données client n'est utilisé pour entraîner nos propres outils internes.
Nos bureaux sont à Lille, mais nous menons des projets partout en France et en Belgique. Le cadrage se fait souvent sur site, le reste du travail est réalisé à distance avec des points hebdomadaires en visio.
Le prototype est justement là pour répondre à cette question avant d'investir davantage. Si les résultats du prototype sont en dessous du seuil défini ensemble, nous arrêtons le projet et vous ne payez que la phase de prototypage. Aucune obligation de poursuivre.
Décrivez votre besoin en quelques lignes. Nous revenons vers vous sous 48 heures avec des premières pistes.