IA appliquée : ce que nous avons appris en l'utilisant dans des produits et projets réels

Nous utilisons les modèles de langage depuis qu'ils ont cessé d'être un jouet : dans notre flux de développement, dans nos produits et dans des projets clients. Cet article n'est pas de la futurologie. Il parle de ce qui marche, de ce qui ne marche pas, et de ce que nous aurions aimé savoir avant de commencer.

Où nous l'utilisons nous-mêmes

Dans nos propres SaaS. Nos produits embarquent de l'IA là où elle raccourcit du travail réel : révision et extraction de données de documents (une dépense photographiée devient une écriture comptable aux champs remplis), explications en langage clair de résultats techniques, et recommandations qui priorisent quoi corriger d'abord. Aucune de ces fonctions n'est vendue comme de la « magie ». Elles sont vendues pour ce qu'elles sont : des minutes gagnées chaque jour.

Dans des projets clients. Le cas le plus spectaculaire : des agents avec avatar qui parlent en temps réel. Un assistant avec un visage et une voix qui sert les utilisateurs d'un client, entraîné avec un system prompt sur mesure (personnalité, limites, ton de la marque) et connecté par RAG à la connaissance de l'entreprise, pour répondre avec les données du métier et non des généralités d'internet. Nous lui avons consacré un article entier, parce que l'architecture le mérite.

Dans notre façon de travailler. Les assistants de code font partie de notre quotidien depuis le début. Ils ne remplacent pas le jugement : ils l'amplifient. La revue reste humaine.

Les six leçons

1. Partez d'un processus mesurable, pas de « on veut de l'IA »

Les projets qui réussissent commencent par une phrase du type « réviser chaque facture nous coûte 4 minutes et il en arrive 300 par mois ». Ceux qui échouent commencent par « on veut un chatbot ». Si vous ne pouvez pas mesurer l'avant, vous ne prouverez jamais l'après.

2. Le RAG bat presque toujours le réentraînement

Pour qu'un modèle réponde avec la connaissance de votre entreprise, inutile de l'entraîner sur vos données. Il faut de la récupération : indexer vos documents et passer au modèle les fragments pertinents à chaque question. C'est moins cher, la mise à jour est instantanée (un nouveau document et c'est en ligne) et vous pouvez auditer quelles sources chaque réponse a utilisées.

3. Le system prompt est un produit, pas une phrase

La différence entre un assistant qui représente votre marque et un qui invente des politiques de remboursement tient dans un system prompt travaillé : ce qu'il sait, ce qu'il ne doit jamais faire, comment il parle, quand il passe la main à un humain. Le nôtre passe par des versions, des tests et des régressions, comme n'importe quel logiciel.

4. Gardez un humain dans la boucle

Pour tout ce qui touche l'argent, les clients ou le juridique, l'IA propose et une personne dispose. Un brouillon de réponse qu'un agent humain approuve en deux secondes capture presque toute la valeur avec une fraction du risque.

5. Budgétez coût et latence dès le premier jour

Un grand modèle à chaque requête peut ruiner les marges d'une fonctionnalité. Il existe presque toujours une meilleure architecture étagée : des petits modèles pour classifier et router, le grand modèle seulement quand il le faut. Et en temps réel (voix, avatars), la latence commande tout le reste.

6. Évaluez avant de lancer, pas après l'incident

Un jeu de questions de test avec réponses attendues, exécuté à chaque changement de prompt ou de modèle, détecte les régressions avant vos utilisateurs. C'est ennuyeux, et c'est ce qui sépare un assistant fiable d'une anecdote sur les réseaux.

Par où commencer dans votre entreprise

Choisissez un processus qui fait mal (répétitif, mesurable, fréquent), construisez la plus petite version qui puisse fonctionner, avec un humain dans la boucle, et mesurez deux semaines. Si les chiffres tiennent, élargissez. Sinon, vous avez peu perdu.

Si vous préférez faire ce chemin accompagné, c'est exactement ce que nous faisons en conseil : identifier où l'IA apporte une valeur réelle à votre activité et construire l'intégration, de l'automatisation d'un processus à un agent avec avatar qui parle à vos clients.