Les cinq étapes d'un projet
Du premier appel au modèle en production, voici ce qui se passe concrètement. Les durées indiquées sont des moyennes observées sur nos projets récents.
Audit sur site (2 jours)
Deux ingénieurs se déplacent dans vos locaux. Ils observent vos processus, interviewent les équipes concernées et collectent des échantillons de données. L'objectif n'est pas de vous vendre quelque chose : c'est de comprendre où l'IA a un sens économique réel et où elle n'en a pas.
À la fin du deuxième jour, nous présentons un rapport oral avec deux ou trois cas d'usage classés par retour sur investissement estimé. Vous recevez le rapport écrit dans les cinq jours suivants, avec un devis forfaitaire pour chaque cas d'usage identifié.
L'audit est facturé 1 200 €. Si vous lancez un projet avec nous dans les trois mois, ce montant est déduit de la facture du projet.
Préparation des données (1 à 2 semaines)
C'est la partie la moins spectaculaire et pourtant la plus déterminante. Nous nettoyons, structurons et annotons vos données. Pour un projet d'extraction documentaire, cela signifie par exemple scanner 200 factures, identifier les champs à extraire et créer un jeu d'entraînement annoté.
Pour l'analyse prédictive, nous harmonisons vos exports CSV ou vos tables SQL, traitons les valeurs manquantes et créons les variables dérivées qui alimenteront le modèle. Si vos données sont dispersées entre plusieurs systèmes (ERP, tableurs Excel, e-mails), nous écrivons les scripts d'extraction nécessaires.
Vous gardez un accès complet à toutes les données transformées. Rien ne quitte votre infrastructure sans votre accord explicite.
Développement du modèle (2 à 4 semaines)
Nos ingénieurs entraînent et testent plusieurs architectures de modèles sur vos données préparées. Pour l'extraction documentaire, nous comparons des approches basées sur la reconnaissance optique de caractères combinée à des modèles de langage, avec des réseaux de détection de zones. Pour l'analyse prédictive, nous testons des forêts aléatoires, du gradient boosting et des réseaux récurrents selon la nature de vos séries temporelles.
Chaque semaine, vous recevez un point d'avancement par e-mail avec les métriques de performance du meilleur modèle du moment (précision, rappel, erreur moyenne). Pas de jargon inutile : nous expliquons ce que chaque chiffre signifie pour votre activité.
À la fin de cette phase, nous vous présentons le prototype fonctionnel lors d'une démonstration en direct sur vos données réelles.
Intégration et tests (1 à 2 semaines)
Le modèle validé est intégré dans votre environnement technique. Cela peut signifier une API REST connectée à votre ERP, un plugin pour votre logiciel de gestion documentaire, ou un chatbot intégré à votre site web ou à votre canal Teams.
Nous réalisons des tests de charge pour vérifier que le système tient sous le volume réel d'utilisation. Un distributeur alimentaire qui traite 3 000 commandes par jour n'a pas les mêmes contraintes qu'un cabinet d'assurance qui analyse 50 dossiers par semaine. Les tests sont calibrés sur votre réalité.
Les utilisateurs finaux testent le système pendant trois à cinq jours et remontent leurs observations. Nous corrigeons les problèmes identifiés avant la mise en production définitive.
Mise en production et suivi (continu)
Le système passe en production. Nous installons un tableau de bord de monitoring qui suit les performances du modèle en temps réel : taux de précision, temps de réponse, volume traité, alertes en cas de dérive.
La dérive, c'est le phénomène qui se produit quand les données réelles changent progressivement par rapport aux données d'entraînement. Un modèle de prévision de stock entraîné sur les ventes de 2023 peut perdre en précision si vos gammes de produits évoluent en 2025. Notre contrat de maintenance inclut un ré-entraînement trimestriel pour maintenir les performances.
Nous formons aussi vos équipes : deux jours de formation technique pour vos développeurs internes, et une demi-journée pour les utilisateurs métier. Le support téléphonique reste disponible six mois après la livraison, inclus dans le forfait projet.
Ce qui nous distingue d'une solution SaaS générique
Beaucoup d'entreprises hésitent entre un outil SaaS prêt à l'emploi et un développement sur mesure. Les deux options ont leur place, mais elles ne répondent pas aux mêmes besoins. Voici une comparaison honnête.
| Critère | Solution SaaS générique | Projet sur mesure ValorizedAI |
|---|---|---|
| Précision sur vos documents | 70-85 % (modèle générique non adapté à votre mise en page) | 93-98 % (modèle entraîné sur vos documents réels) |
| Langues supportées | Anglais principalement, français partiel | Français, néerlandais, anglais, calibré sur votre terminologie |
| Hébergement des données | Serveurs aux États-Unis ou en Irlande | Votre infrastructure ou serveur dédié en Belgique/France |
| Propriété du modèle | Licence mensuelle, pas d'accès au code | Code source et modèle livrés, vous en êtes propriétaire |
| Coût sur 3 ans | 12 000 à 36 000 € (abonnement cumulé) | 8 000 à 45 000 € (forfait unique + maintenance optionnelle) |
| Délai de mise en route | Immédiat (mais calibration longue) | 4 à 8 semaines (prototype inclus) |
Le SaaS convient si votre besoin est standard et que vos documents ressemblent à ceux de milliers d'autres entreprises. Dès que votre mise en page, votre terminologie ou vos contraintes de confidentialité sortent de l'ordinaire, le sur-mesure devient plus rentable à moyen terme.
Les outils que nous utilisons
Nous travaillons principalement en Python, avec les bibliothèques scikit-learn, PyTorch et Hugging Face Transformers. Pour le traitement de documents, nous utilisons Tesseract OCR combiné à des modèles LayoutLM fine-tunés sur vos données.
L'infrastructure de déploiement repose sur Docker et Kubernetes quand le volume le justifie, ou sur un simple serveur Flask/FastAPI pour les projets plus modestes. Nous adaptons la complexité technique au besoin réel : inutile de déployer un cluster Kubernetes pour traiter 50 documents par jour.
Monitoring et alertes
Le tableau de bord de suivi est construit avec Grafana, connecté à une base de métriques InfluxDB. Vous y voyez en temps réel le taux de précision du modèle, le volume de requêtes traitées et les temps de réponse. Une alerte e-mail est envoyée automatiquement si la précision descend sous le seuil convenu dans le contrat.
Pour les chatbots, nous ajoutons un journal des conversations anonymisées qui permet d'identifier les questions auxquelles le bot répond mal. Ces journaux alimentent le ré-entraînement trimestriel.
Notre engagement contractuel
Chaque projet est couvert par un contrat qui inclut les éléments suivants :
Un périmètre fonctionnel précis, rédigé en français, qui décrit exactement ce que le modèle doit faire et les métriques de performance attendues. Si le modèle livré n'atteint pas le seuil de précision convenu sur vos données de test, nous poursuivons le développement sans facturation supplémentaire jusqu'à atteindre ce seuil, dans la limite de quatre semaines.
Une clause de confidentialité qui interdit à nos ingénieurs de communiquer vos données à quiconque, y compris à d'autres clients de ValorizedAI. Les données d'entraînement sont supprimées de nos machines dans les 30 jours suivant la livraison, sauf si le contrat de maintenance prévoit leur conservation pour le ré-entraînement.
La propriété intellectuelle du code et des modèles vous est transférée intégralement à la livraison. Nous ne conservons aucune licence, aucun droit d'usage, aucun accès à votre système après la fin du contrat.