4–6 semaines
MVP d’assistant IA
Un assistant opérationnel sur vos données, prêt pour des utilisateurs pilotes.
Transformez GPT, Claude ou Gemini en produit : apps IA, assistants et intégrations LLM bâtis sur vos données et processus. Équipe au Kosovo, MVP en semaines.

Nous transformons les grands modèles de langage comme GPT, Claude et Gemini en produits ciblés : assistants IA, copilotes intégrés à votre application, questions-réponses sur votre base de connaissances et workflows automatisés. Nous ajoutons les garde-fous, la recherche documentaire (retrieval) et la maîtrise des coûts qui font la différence entre un produit et un simple prompt.
4–6 semaines
Un assistant opérationnel sur vos données, prêt pour des utilisateurs pilotes.
8–12 semaines
Des actions d’IA intégrées à votre application et à vos workflows existants.
3–5 mois
Un produit d’IA autonome avec facturation, comptes et analytics.
Une application LLM, c’est surtout de l’ingénierie produit classique avec un composant imprévisible au milieu. Nous concevons d’abord autour de ce composant, puis construisons le produit autour de lui par tranches fines et utilisables.
01
Avec les futurs utilisateurs de l’application, nous décrivons ce qu’ils apportent en entrée, le résultat qu’ils attendent (un courrier rédigé, un formulaire rempli, une réponse sourcée) et ce qu’ils en font ensuite. Ce contrat oriente les prompts, les écrans et les cas de test, et tranche la question de savoir si la tâche est assez circonscrite pour être livrée.
02
Deux ou trois modèles d’OpenAI, de Gemini ou de familles open-weight traitent les mêmes tâches réelles. Nous comparons la qualité des sorties, le délai avant le premier token et le coût par tâche aboutie, puis choisissons un modèle principal et un modèle de secours. Vous recevez le tableau comparatif et une estimation du coût de modèle par utilisateur actif.
03
Connexion, un parcours complet, réponses en streaming, une note sur chaque sortie et journalisation de l’usage, déployés sur un environnement de recette ouvert à vos utilisateurs pilotes. C’est le périmètre du MVP d’assistant de 4 à 6 semaines, qui se conclut par un choix : élargir le périmètre, changer de modèle ou arrêter.
04
Espaces de travail avec données isolées par client, quotas par offre et limites de débit, filtres anti-abus, bascule entre fournisseurs, facturation par abonnement si l’application est vendue, et un écran d’administration où votre support voit une conversation et les sources derrière chaque réponse. Tout tourne dans vos dépôts et vos comptes cloud.
05
Chaque semaine, nous passons en revue les notes basses, les sorties fortement retouchées et les sessions abandonnées. Les échecs deviennent de nouveaux cas de test, prompts et recherche documentaire sont ajustés, et des modèles moins chers prennent le relais là où la qualité tient. Un tableau de bord unique affiche qualité des réponses, temps de réponse et marge par offre.
Le développement est facturé 45 à 65 € de l’heure par ingénieur ou via une équipe dédiée à partir de 15 000 € par mois, et une première version bien délimitée peut être un MVP au forfait, à partir de 15 000 €. Toute application IA a aussi un coût de fonctionnement par requête : nous planifions donc budget de développement et budget d’exploitation ensemble.
Beaucoup d’équipes savent brancher une fenêtre de chat sur l’API d’un modèle en une journée. Ces questions permettent de savoir si un prestataire peut construire une application IA qui garde à la fois ses utilisateurs et sa marge ; nous nous attendons à y répondre aussi.
Les questions que poseront vos équipes juridique, sécurité et finance, traitées avant la première ligne de code.
Cela dépend de la qualité, de la latence, du coût et des règles applicables à vos données. Nous comparons généralement deux ou trois modèles sur vos tâches réelles et concevons une application indépendante du modèle, pour que vous puissiez en changer plus tard.
Nous ancrons les réponses dans vos sources grâce au retrieval, affichons les citations, encadrons les sorties avec des outils et des schémas, et testons sur un jeu d’évaluation avant la mise en production.
Nous estimons le coût par conversation dès la conception et ajoutons mise en cache, routage entre modèles et limites d’usage pour que les coûts d’exploitation restent prévisibles.
Il peut l’être. Une fine couche posée sur un modèle public se copie facilement et reste exposée au fournisseur qui ajouterait la même fonctionnalité. Les produits qui durent possèdent quelque chose autour du modèle : des données propriétaires ou clients, un workflow adapté à un métier, des intégrations aux outils déjà utilisés et des retours qui améliorent les résultats dans le temps. Nous vous aidons à vérifier lesquels de ces atouts vous avez.
Oui, et c’est souvent souhaitable. Un petit modèle rapide peut classer la demande, un modèle plus puissant rédiger la réponse, et un modèle d’embeddings gérer la recherche. Router selon la tâche garde la qualité là où elle compte et réduit le coût ailleurs. Tous se trouvent derrière une même interface interne : changer de fournisseur revient à modifier une configuration et à relancer les tests.
Si vous avez des ingénieurs produit disponibles, développer en interne garde le savoir au plus près. Une équipe externe aide quand il vous faut une première version rapidement ou que l’expérience manque sur l’évaluation et les coûts de fonctionnement. Beaucoup de clients combinent les deux : nos ingénieurs travaillent aux côtés des leurs, puis transmettent le code, les prompts et les jeux de test.
Dites-nous ce que vous souhaitez construire ou faire évoluer. Vous recevrez une proposition et une estimation sous 24 heures.