Services
Depuis plus de 10 ans, nous développons des projets financiers basés sur la blockchain : plateformes d'échange crypto centralisées et décentralisées, bots crypto, passerelles de paiement, tokenisation immobilière, projets DeFi et NFT.
AI & ML
Depuis 2023, nous développons de l'IA pour les entreprises : IA et LLM sur mesure, agents IA, chatbots et IA d'entreprise connectée à vos données, produits et processus.
Nous créons des applications d’IA générative qui aident les équipes à trouver l’information, à préparer des documents et à accomplir leur travail dans les systèmes métier. Des assistants internes aux fonctionnalités d’IA pour les produits SaaS, nous prenons en charge le développement, les intégrations, les tests et le déploiement.
Présentez-nous un projet défini ou un processus que vous souhaitez améliorer. Nous vous aiderons à fixer le périmètre, à évaluer vos données et à choisir un point de départ pragmatique.
Avant de nous engager dans un développement complet, nous examinons le flux de travail, les données disponibles et le résultat attendu. Le cadrage définit ce que le système doit faire, quelles actions nécessitent une validation humaine et comment ses performances seront évaluées. Un prototype ciblé teste les hypothèses qui comptent le plus pour l’investissement.
Nous développons des applications autour de vos utilisateurs et de vos processus métier. Notre travail couvre l’interface, le backend, l’intégration du modèle, l’accès aux données et les outils d’administration. Le périmètre peut aller d’un assistant documentaire interne à un produit destiné aux clients avec comptes, abonnements et plusieurs rôles utilisateur.
Services de développement d’IANous connectons les applications d’IA aux documents et bases de données de l’entreprise grâce à la génération augmentée par la recherche (RAG). Le travail comprend la préparation du contenu, la configuration de la recherche, la conservation des références aux sources et l’application des règles d’accès. Nous définissons aussi la mise à jour des informations pour que l’application distingue les consignes actuelles des contenus obsolètes.
Nous créons des copilotes qui assistent les collaborateurs et des agents qui exécutent des tâches définies via des outils approuvés. Ils peuvent récupérer des enregistrements, préparer des réponses, remplir des champs et coordonner des étapes entre applications. Les autorisations, points de contrôle et la gestion des exceptions font partie du flux de travail.
Développement d’agents IANous évaluons si la tâche nécessite de meilleures instructions, une recherche plus performante, un autre modèle ou un fine-tuning. Lorsque le fine-tuning est justifié, nous définissons le jeu de données nécessaire et le processus d’évaluation. Le choix dépend du comportement attendu et des éléments disponibles pour le tester.
Développement de LLMNous connectons l’IA générative aux produits et systèmes opérationnels existants. Cela inclut l’authentification, les API, le traitement en arrière-plan, le monitoring et le déploiement. Après le lancement, le support peut couvrir les erreurs, les évolutions des sources de données, les mises à jour de modèles et les améliorations fondées sur l’usage réel.
Répondent aux questions courantes à partir d’informations produit, de politiques et d’une documentation de support validées. Connectent, le cas échéant, les demandes authentifiées aux systèmes clients et transmettent la conversation à un collaborateur lorsque l’information disponible est insuffisante ou que la demande doit être examinée.
Aident les collaborateurs à rechercher l’information de l’entreprise et à préparer des réponses avec des références aux sources d’origine. L’accès peut suivre les responsabilités des équipes et les autorisations des utilisateurs, afin que chacun reçoive l’information utile à son travail.
Extraient les informations des fichiers entrants, repèrent les champs manquants et préparent des synthèses ou des brouillons de documents. Les collaborateurs peuvent consulter la source à côté du résultat avant de l’accepter ou de le transmettre à l’étape suivante.
Aident à préparer des réponses aux clients, à synthétiser l’activité d’un compte ou à rédiger des rapports. Le copilote rassemble les informations utiles dans les outils que les collaborateurs utilisent déjà, avec une vérification avant toute action importante.
Ajoutez à votre produit de la recherche, de la génération, de l’analyse de documents ou des fonctionnalités conversationnelles. Nous développons l’interface, les autorisations, le contrôle de l’usage et les services backend nécessaires pour que la fonctionnalité s’intègre à votre application et à votre modèle commercial.
Nous avons créé un assistant pour la répartition et la facturation d’un transporteur. Il lit les confirmations de tarif, rassemble les documents de livraison, récupère la position des véhicules et prépare des enregistrements et des messages soumis à la validation du répartiteur.
Pendant les quatre semaines du pilote, le délai entre livraison et facturation est passé de trois à cinq jours à un seul jour. L’équipe de répartition a gagné 22 heures par semaine. Les actions sortantes sont restées soumises à une validation humaine.
Lire l’étude de cas sur l’IA pour le transport routier
Nous avons développé un POC d’aide à la décision combinant six agents LLM spécialisés, des modèles numériques et une mémoire vectorielle. Le système rassemble les informations de marché et présente des signaux accompagnés d’une analyse via un tableau de bord et des notifications Telegram.
Le périmètre comprenait l’historique des décisions, des outils d’évaluation et l’observation en paper trading. L’exécution automatisée restait hors du périmètre initial.
Lire l’étude de cas sur le système de trading IA
L’application se connecte aux documents, enregistrements et sources externes nécessaires à sa tâche. Nous définissons quelles informations doivent figurer dans une base de connaissances consultable et quelles requêtes nécessitent des données actualisées issues d’un système métier.
Nous confions la génération de texte, la recherche, les calculs et les autres opérations aux composants appropriés. L’équipe peut ainsi évaluer le résultat lui-même indépendamment de la formulation présentée à l’utilisateur.
Les API et les services en arrière-plan permettent à l’application de récupérer des informations et de préparer ou mettre à jour des enregistrements. Chaque intégration nécessite des autorisations définies, des entrées validées et une réponse aux défaillances.
Nous définissons quels résultats doivent être vérifiés et quelles actions le système peut réaliser seul. Les écrans de vérification doivent fournir assez de contexte pour que le collaborateur puisse approuver, corriger ou rejeter le résultat.
Nous construisons des scénarios d’évaluation à partir des tâches que l’application rencontrera. Les tests couvrent les informations incomplètes, les sources contradictoires, les entrées inattendues et les défaillances d’intégration. Les critères d’acceptation sont définis selon le cas d’usage.
Nous définissons à quoi chaque utilisateur et chaque composant d’IA peut accéder. Les informations sensibles, les autorisations des outils, les identifiants et les exigences de conservation orientent l’architecture et les choix de déploiement.
L’application a besoin d’une réponse définie lorsque les éléments manquent ou qu’une tâche sort de son périmètre. Selon le flux de travail, elle peut demander une précision, montrer les sources ou transmettre le travail à un collaborateur.
Nous surveillons les temps de réponse, les défaillances, l’usage des modèles et les coûts d’exploitation. Pour un produit par abonnement, le coût d’une tâche utilisateur typique éclaire aussi les limites d’usage et la tarification.
Nous échangeons avec les personnes qui font le travail, examinons des entrées représentatives et identifions les étapes que l’application prendra en charge. Ensemble, nous fixons le périmètre, les contraintes et les critères de réussite.
Nous construisons un prototype pour tester les hypothèses techniques et produit les plus importantes. Cette étape permet de déterminer si les données disponibles et l’approche retenue peuvent produire un résultat utile.
Nous développons l’application, connectons les systèmes nécessaires et mettons en place les autorisations et les flux de vérification. Des démonstrations permettent à votre équipe d’évaluer l’avancement et de résoudre les questions en cours de développement.
Nous testons selon les scénarios convenus, corrigeons les problèmes et préparons la documentation de déploiement et d’exploitation. Un déploiement progressif permet aux utilisateurs d’examiner le système dans un cadre maîtrisé avant une adoption plus large.
Après le lancement, nous analysons les erreurs, les corrections des utilisateurs, les évolutions des sources et les performances. Ces constats guident les mises à jour de la recherche, des prompts, des intégrations et du comportement de l’application.
L’estimation dépend du flux de travail, de la préparation des données, des intégrations et des exigences de déploiement et de vérification. Nous découpons le périmètre en livrables pour que vous voyiez ce que comprend chaque étape.
| Périmètre du projet | Travaux généralement inclus | Principaux facteurs de l’estimation |
|---|---|---|
| Prototype ciblé | Un scénario principal, des données d’exemple, une interface simple, une évaluation | Qualité des entrées, adéquation du modèle, complexité de la tâche |
| Application métier | Interface utilisateur, autorisations, intégrations, tests, déploiement | Nombre de flux de travail, accès aux systèmes, exigences de vérification |
| Déploiement à plus grande échelle | Plusieurs équipes ou processus, services partagés, contrôles opérationnels | Propriété des données, dépendances d’intégration, besoins de déploiement et de support |
Nous choisissons la stack en fonction de votre environnement existant, de vos besoins en données et de la charge attendue.
Nous pouvons discuter d’un projet défini ou d’un accompagnement continu en développement. Les responsabilités de l’équipe, les livrables et les modalités de support sont fixés dans la proposition.
Parlons de votre projetNotre travail couvre tout ce qui rend une fonctionnalité d’IA utilisable : interfaces, logique métier, accès aux données, intégrations et déploiement. C’est particulièrement utile lorsque l’application doit fonctionner au sein d’un produit existant.
Nous découpons les projets en étapes aux livrables définis. Votre équipe peut évaluer le prototype, examiner les intégrations et comparer les résultats aux critères convenus avant d’élargir le périmètre.
Nos projets impliquent des documents, des systèmes externes, plusieurs rôles utilisateur et une vérification humaine. Nous tenons compte de ces dépendances pour définir ce que l’application peut faire de manière fiable.
La première mission peut se concentrer sur un flux de travail précis. Une adoption plus large, des intégrations supplémentaires et de nouvelles fonctions peuvent suivre une fois la première version évaluée.
« Merehead a pris le temps de comprendre comment notre équipe traite les sinistres avant de développer l’agent IA. Il nous aide à examiner les documents entrants, à retrouver les détails des polices et à préparer des réponses que nos collaborateurs vérifient. Nous avons apprécié que l’équipe pose tôt des questions concrètes et traite les exceptions avec nous. L’agent s’intègre à notre travail quotidien, et nos équipes gardent la maîtrise des décisions. »
Le coût dépend du périmètre, de l’état des données, des intégrations et des exigences de déploiement. Nous établissons une estimation autour de livrables précis et identifions séparément les dépenses récurrentes. Si des hypothèses importantes restent à vérifier, une phase de cadrage ou de prototype ciblée peut aider à définir le périmètre complet.
Un pilote restreint et une application métier n’ont pas les mêmes exigences. Le nettoyage des données, la validation des accès et les intégrations peuvent peser sur le calendrier autant que le développement. Nous proposons un calendrier après avoir examiné ces dépendances et les critères d’acceptation.
Oui. Nous examinons d’abord l’architecture de l’application, les API disponibles, l’authentification et l’accès aux données. Selon le produit, la fonctionnalité d’IA peut être introduite via un service distinct ou intégrée aux composants existants.
De nombreuses applications peuvent utiliser des modèles existants avec des instructions et une recherche dans l’information de l’entreprise. Le fine-tuning est une décision distincte. Au départ, nous avons besoin d’un ensemble représentatif de tâches, de documents sources pertinents et d’exemples de résultats acceptables.
Le RAG fournit les informations sources pertinentes au moment de la requête. Le fine-tuning modifie le comportement du modèle à partir d’exemples d’entraînement. Nous analysons d’abord le problème : un manque de connaissances, des réponses incohérentes ou un comportement spécialisé peuvent appeler des solutions différentes.
Nous définissons quelles données le système utilise, où elles sont traitées, qui peut y accéder et quels services externes les reçoivent. Les contrôles d’accès, la conservation, la journalisation et les exigences de déploiement sont ensuite intégrés à la mise en œuvre.
La propriété, l’accès au dépôt, la documentation et les conditions de transfert sont définis dans le contrat. La proposition précise aussi les services tiers et les dépendances logicielles nécessaires au fonctionnement de l’application.
Oui. Le support peut couvrir le monitoring, l’analyse des incidents, les évolutions d’intégration, les mises à jour de modèles et les améliorations planifiées. Nous convenons du périmètre et des responsabilités avant le début de la période de support.
Dites-nous ce que vous souhaitez créer ou quel processus doit être amélioré. Indiquez les systèmes concernés, les données disponibles et vos exigences de délai ou de déploiement.
Nous étudierons votre demande et discuterons du périmètre, des options techniques et des questions à résoudre avant une estimation.
