Les cinq étapes d'un projet type
Chaque projet suit cette structure. La durée totale varie entre 8 et 14 semaines selon la complexité des données et le nombre d'intégrations nécessaires. Nous ne commençons jamais l'étape suivante sans votre validation écrite.
Audit des données et cadrage
Nous passons deux jours dans vos locaux (ou en visioconférence) pour comprendre votre activité, vos systèmes et vos données. À la fin de cette étape, vous recevez un rapport d'audit qui liste les sources de données disponibles, leur qualité, les cas d'usage identifiés et une estimation du retour sur investissement pour chacun.
Cette phase est gratuite. Si nous estimons qu'un projet IA n'est pas pertinent pour votre situation, nous vous le disons franchement et nous vous orientons vers une solution plus adaptée.
Conception de la solution
Nous rédigeons un cahier des charges technique : architecture du pipeline de données, choix des algorithmes, métriques de performance cibles, plan d'intégration avec vos systèmes existants. Ce document fait entre 15 et 30 pages selon le projet.
Vous validez ce cahier des charges avant que nous écrivions la moindre ligne de code. Les modifications demandées à ce stade sont incluses dans le prix. Les modifications demandées après le début du développement font l'objet d'un avenant.
Développement et entraînement
Nos ingénieurs construisent le pipeline de données et entraînent les modèles. Nous travaillons en sprints de deux semaines et vous présentons les résultats intermédiaires à chaque fin de sprint. Vous voyez les métriques évoluer en temps réel dans un tableau de bord partagé.
Si la précision du modèle n'atteint pas le seuil défini dans le cahier des charges après trois itérations, nous analysons les causes avec vous. Dans 80 % des cas, le problème vient de la qualité des données d'entraînement, et nous proposons un plan de nettoyage ou d'enrichissement.
Tests et déploiement
Le modèle passe par une phase de test sur des données réelles que nous n'avons pas utilisées pendant l'entraînement. Nous mesurons la précision, le rappel, le temps de réponse et la stabilité sous charge. Les résultats sont comparés aux objectifs du cahier des charges.
Le déploiement se fait dans votre infrastructure (cloud ou on-premise) avec un plan de rollback en cas de problème. Nous configurons des alertes automatiques qui nous préviennent si les performances du modèle se dégradent.
Suivi et maintenance
Pendant trois mois après la mise en production, nous surveillons les performances du modèle et corrigeons les anomalies sans frais supplémentaires. Nous vous formons à l'utilisation du tableau de bord de monitoring pour que vous puissiez suivre les indicateurs clés en autonomie.
Au-delà de cette période, nous proposons un contrat de maintenance mensuel qui inclut le réentraînement du modèle sur les nouvelles données, la correction de bugs et un support technique par e-mail avec un délai de réponse de 24 heures ouvrées.
Les outils que nous utilisons
Nous ne choisissons pas une technologie parce qu'elle est à la mode. Le choix dépend de vos contraintes : volume de données, latence acceptable, infrastructure existante, compétences internes. Voici les outils que nous utilisons le plus souvent.
- Python (scikit-learn, PyTorch, pandas) pour le développement des modèles et le traitement des données.
- Apache Airflow ou Prefect pour l'orchestration des pipelines de données.
- MLflow pour le suivi des expériences, la gestion des versions de modèles et le déploiement.
- Docker et Kubernetes pour le déploiement conteneurisé, que ce soit sur AWS, Azure, GCP ou votre propre serveur.
- PostgreSQL, BigQuery ou Snowflake selon votre entrepôt de données existant.
Questions fréquentes sur notre processus
Voici les questions que nos prospects posent le plus souvent lors du premier appel. Si la vôtre n'y figure pas, n'hésitez pas à nous écrire.
Le budget dépend du nombre de cas d'usage, du volume de données et de la complexité des intégrations. Pour un modèle prédictif simple avec une seule source de données, comptez entre 15 000 et 30 000 euros. Un projet complet avec plusieurs modèles, un pipeline de données et des intégrations ERP se situe entre 40 000 et 90 000 euros. L'audit initial est gratuit.
Ça dépend du cas d'usage. Pour un modèle de classification de texte, quelques milliers d'exemples annotés suffisent souvent. Pour de la prévision de demande, il faut idéalement 18 à 24 mois d'historique. Lors de l'audit, nous évaluons précisément si vos données sont suffisantes et, si ce n'est pas le cas, nous proposons des stratégies d'enrichissement.
Si après trois itérations le modèle n'atteint pas les métriques cibles définies dans le cahier des charges, nous analysons les causes avec vous. Si le problème est lié à la qualité des données et que vous ne souhaitez pas investir dans leur amélioration, nous arrêtons le projet. Vous ne payez que les phases déjà validées.
Oui. Nous signons un accord de confidentialité (NDA) avant l'audit. Vos données ne quittent jamais votre infrastructure sans votre accord explicite. Quand nous devons travailler sur nos propres serveurs pour des raisons de puissance de calcul, nous utilisons des connexions chiffrées et supprimons les données à la fin du projet.
Tout à fait. La majorité de nos clients sont en Belgique et aux Pays-Bas, mais nous avons aussi travaillé avec des entreprises à Lille, Luxembourg et Paris. L'audit peut se faire en visioconférence, et les revues de sprint se font systématiquement en ligne. Nous nous déplaçons pour le kick-off et pour le déploiement final si vous le souhaitez.
Prêt à démarrer ?
L'audit initial est gratuit et sans engagement. Nous vous envoyons un rapport détaillé dans les cinq jours ouvrés suivant notre visite.
Planifier un audit gratuit