Notre méthodologie
Agenfy mène chaque projet d'IA selon un cycle en cinq temps (former, auditer, prototyper, industrialiser, mesurer) avec une règle simple : commencer par un cas d'usage précis, fixer l'indicateur de succès avant d'écrire la moindre ligne de code, garder l'humain dans la boucle et ne jamais perdre la maîtrise de vos données.
Nos principes
Commencer petit et mesurable
Un premier cas d'usage précis, un indicateur défini avant de commencer et une décision explicite à la fin : on poursuit, on ajuste ou on arrête. Pas de programme de transformation de dix-huit mois avant le premier résultat.
L'humain dans la boucle
L'IA prépare, l'humain décide. Toute action engageante (envoyer, payer, valider, publier) passe par une validation humaine tant que la fiabilité n'est pas démontrée, et reste traçable ensuite.
Neutralité vis-à-vis des éditeurs
Nous ne sommes rémunérés par aucun éditeur de modèle ou de logiciel. Nous recommandons l'outil adapté à votre contexte, y compris ceux que vous possédez déjà, et nous concevons des architectures qui permettent de changer de modèle.
Transfert de compétences
Vos équipes doivent pouvoir comprendre, utiliser et faire évoluer ce que nous livrons. Code, prompts, jeux d'évaluation et documentation vous appartiennent et vous sont remis.
Des données maîtrisées
Nous savons à chaque étape quelles données circulent, où elles sont traitées et qui y a accès. Le minimum nécessaire, jamais plus, et des choix d'hébergement documentés.
Le cycle : Former → Auditer → Prototyper → Industrialiser → Mesurer
Chaque étape produit un livrable et une décision. Vous pouvez entrer dans le cycle à l'étape qui correspond à votre maturité, et vous arrêter à chacune.
Former
Donner aux équipes et aux décideurs un socle commun : ce que l'IA sait faire, ce qu'elle ne sait pas faire, les bons réflexes de confidentialité. C'est aussi la réponse à l'obligation de maîtrise de l'IA prévue par l'AI Act. Des équipes formées identifient de meilleurs cas d'usage.
Formation IAAuditer
Recenser les cas d'usage, évaluer leur valeur, leur faisabilité et leurs risques, vérifier l'état des données et des outils existants. Résultat : une feuille de route priorisée et un premier cas d'usage choisi pour son ratio valeur / effort.
Audit & stratégie IAPrototyper
Construire en quelques semaines une version utilisable sur de vraies données, testée par de vrais utilisateurs, avec un jeu d'évaluation défini dès le départ. Le prototype sert à décider, pas à impressionner.
Agents IA & automatisationIndustrialiser
Passer du prototype à un service fiable : intégration aux outils métier, gestion des droits, sécurité, supervision, maîtrise des coûts, documentation. C'est là que les fondations Data et Cloud font la différence.
Développement IA sur mesureMesurer
Suivre en continu la qualité des réponses, l'adoption, le temps gagné et le coût d'exploitation, comparés à l'indicateur fixé au départ. Les résultats alimentent le cas d'usage suivant.
Audit & stratégie IA
Nos règles de sécurité et de confidentialité
Elles s'appliquent à toutes nos missions, quel que soit leur périmètre. Elles s'ajoutent à vos propres politiques de sécurité, qui priment toujours.
- Aucune donnée de client dans un outil d'IA grand public : uniquement des offres entreprise ou des API dont les conditions excluent l'usage de vos données pour l'entraînement.
- Hébergement dans l'Union européenne privilégié lorsque l'offre le permet ; quand ce n'est pas le cas, nous le signalons et documentons les transferts.
- Prototypes sur des données minimisées, pseudonymisées ou synthétiques chaque fois que c'est possible.
- Principe du moindre privilège : un assistant ou un agent n'accède qu'aux données et actions strictement nécessaires, en respectant les droits existants de chaque utilisateur.
- Secrets et clés d'API stockés dans un gestionnaire de secrets, jamais dans le code ni dans les prompts.
- Journalisation des actions des agents et des accès aux données, pour pouvoir expliquer chaque résultat.
- Engagement de confidentialité et, dès que nous traitons des données personnelles pour vous, un contrat de sous-traitance conforme à l'article 28 du RGPD.
- Réversibilité : tout ce qui est développé vous est remis, et les données qui nous ont été confiées sont supprimées ou restituées en fin de mission.
Comment nous mesurons la qualité d'un assistant IA
Un assistant IA ne se juge pas sur une démonstration réussie, mais sur sa performance mesurée sur vos cas réels, dans la durée.
01
Un jeu d'évaluation construit avec le métier
Avant de développer, nous rassemblons avec vos experts des questions réelles et les réponses attendues, y compris des cas difficiles et des questions auxquelles l'assistant doit refuser de répondre.
02
Des critères explicites
Exactitude de la réponse, fidélité aux sources citées, pertinence des documents retrouvés, capacité à dire « je ne sais pas », respect du format, temps de réponse et coût par requête.
03
Une notation automatisée, vérifiée par des humains
Une partie de l'évaluation peut être automatisée, y compris par un modèle évaluateur, mais elle est calibrée et contrôlée régulièrement par une relecture humaine.
04
Des tests de non-régression
Chaque modification de prompt, de modèle ou de données est rejouée sur le jeu d'évaluation avant mise en production. On ne change pas de modèle « parce que le nouveau est meilleur » sans l'avoir vérifié sur vos cas.
05
Des tests de robustesse
Tentatives d'injection de prompt, demandes hors périmètre, documents contradictoires : nous vérifions que l'assistant résiste aux usages imprévus.
06
Un suivi en production
Retours des utilisateurs, taux d'escalade vers un humain, questions sans réponse : ces signaux enrichissent le jeu d'évaluation et orientent les améliorations.
Vocabulaire : hallucination, RAG, MLOps : voir notre glossaire de l'IA.
Questions fréquentes
Faut-il forcément commencer par une formation ?
Non, le cycle s'adapte à votre point de départ. Si vos équipes utilisent déjà l'IA au quotidien, on peut démarrer par l'audit. Mais un socle commun de connaissances accélère presque toujours l'identification de bons cas d'usage et réduit les usages non encadrés.
Combien de temps faut-il pour obtenir un premier résultat ?
L'objectif est un prototype testé sur vos données en quelques semaines après l'audit. La durée exacte dépend du cas d'usage, de l'accès aux données et de la disponibilité des équipes métier ; elle est fixée lors du cadrage.
Que se passe-t-il si le prototype ne donne pas de bons résultats ?
C'est une issue normale et utile. Le jeu d'évaluation permet de savoir pourquoi : données insuffisantes, cas d'usage mal choisi, technologie pas encore assez mûre. Vous décidez alors d'ajuster ou d'arrêter, avant d'avoir engagé un budget d'industrialisation.
Imposez-vous un modèle ou un éditeur d'IA ?
Non. Nous ne percevons aucune commission d'éditeur. Nous comparons les options (modèles propriétaires, open source, hébergés en Europe ou chez vous) sur vos cas d'usage et vos contraintes, et nous concevons l'architecture pour pouvoir changer de modèle plus tard.
Nos données servent-elles à entraîner des modèles ?
Nous n'utilisons que des offres entreprise ou des API dont les conditions contractuelles excluent l'utilisation de vos données pour l'entraînement des modèles, et nous vérifions ces conditions pour chaque outil retenu.
Comment savoir si un assistant IA est assez fiable pour être déployé ?
On le décide sur des faits : un seuil de qualité est fixé avec le métier sur le jeu d'évaluation avant le développement. Tant qu'il n'est pas atteint, l'assistant reste en test ou fonctionne avec une validation humaine systématique.
Par où commencer ?
Un premier échange de 30 minutes suffit pour situer votre point de départ dans le cycle.