Aller au contenu

Services de développement d’IA

Le développement d’IA, de la stratégie au MLOps. Nous construisons des agents, des modèles et les intégrations qui les mettent au service de votre entreprise.

Le développement d’IA, de la stratégie au MLOps. Nous construisons des agents, des modèles et les intégrations qui les mettent au service de votre entreprise.

Conseil.

Là où l’IA rapporte dans votre entreprise, ce qu’elle exige de vos données, et ce qu’il faut construire en premier.

  • Une liste classée de cas d’usage
  • Un diagnostic de maturité des données
  • Une première réalisation cadrée
Exemple de classement · une illustration du format, pas les cas d’usage d’un client
  1. 1 Réponses du support rédigées à partir de votre centre d’aide Documents clairs, volume élevé
  2. 2 Notes d’appels commerciaux saisies dans votre CRM Travail répétitif, facile à vérifier
  3. 3 Une prévision de la demande pour vos meilleures ventes Données disponibles, valeur claire

Services de développement d’IA · Le pipeline IA · 1 sur 6

Conseil. Là où l’IA rapporte dans votre entreprise, et ce qu’il faut construire en premier.

Ce que c’est

Le conseil en IA détermine où il vaut la peine de construire de l’IA dans votre entreprise, avant toute réalisation. Nous examinons vos processus et vos données, classons les cas d’usage selon ce que chacun peut rapporter et ce qu’il exige, et cadrons la première réalisation pour que son résultat soit mesurable.

Ce que nous faisons

  • Classer les cas d’usage
  • Vérifier ce qu’ils exigent de vos données
  • Cadrer une première réalisation

Comment nous le faisons

  1. EntretiensLes personnes qui connaissent le travail, et les données qui le sous-tendent.
  2. ClassementChaque cas d’usage selon ce qu’il peut rapporter et ce qu’il exige.
  3. Vérification des donnéesSi elles existent, sont propres et peuvent être utilisées.
  4. CadrageLa première réalisation, et la façon dont son résultat sera mesuré.

Ce que vous obtenez

  • Une liste de cas d’usage classés
  • Une note sur la maturité des données
  • Un premier projet cadré

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Le pipeline IA · 2 sur 6

IA générative. Des assistants et des fonctionnalités d’IA construits sur vos documents et votre produit.

Ce que c’est

L’IA générative, c’est un logiciel qui rédige, répond et résume à partir de vos propres contenus. Nous construisons des assistants fondés sur vos documents, qui citent leurs sources, et des fonctionnalités d’IA dans votre produit, chacune testée sur des exemples que vous validez avant d’atteindre vos utilisateurs.

Ce que nous faisons

  • Un assistant fondé sur vos documents
  • Des réponses qui citent vos sources
  • Des fonctionnalités d’IA dans votre produit

Comment nous le faisons

  1. Rassembler les sourcesLes documents et les données que l’assistant peut lire.
  2. Construire et ancrerDes réponses qui citent le passage dont elles proviennent.
  3. ÉvaluerDe vraies questions de votre équipe, notées avant la mise en production.
  4. Livrer par étapesD’abord à un petit groupe, puis à tous.

Ce que vous obtenez

  • L’assistant et son code dans votre dépôt
  • Un jeu d’évaluation et ses scores
  • Un runbook pour votre équipe

Stack et outils

  • Model APIs
  • Embeddings
  • Vector search
  • Evaluation sets

Preuves

Lire le cas client: Kuest AI, un tuteur IA qui enseigne pas à pas

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Le pipeline IA · 3 sur 6

Agents. Un logiciel qui agit dans vos systèmes, dans les limites que vous fixez.

Ce que c’est

Un agent est un logiciel qui agit dans vos systèmes : il lit une tâche, appelle les outils qu’il est autorisé à appeler et consigne chaque étape. Nous construisons chaque agent dans un harnais d’autorisations et de limites placées en dehors du modèle, avec une personne qui approuve les étapes que vous choisissez, pour que l’agent ne puisse faire que ce que vous avez défini.

Ce que nous faisons

  • Cartographier la tâche : ses étapes, les systèmes qu’elle touche, et où une personne approuve.
  • Construire les outils que l’agent peut appeler, chacun avec sa propre autorisation.
  • Fixer les limites sur les données, les dépenses et le périmètre, appliquées en dehors du modèle.
  • Journaliser chaque étape, pour que votre équipe puisse rejouer ce que l’agent a fait et pourquoi.

Comment nous le faisons

  1. Cadrer la tâcheLes étapes, les systèmes et les décisions qu’une personne conserve.
  2. Construire les outilsChaque outil que l’agent peut appeler, avec sa propre autorisation.
  3. ÉvaluerUn jeu d’évaluation tiré de vos propres cas, noté avant la mise en production.
  4. Livrer par étapesD’abord une personne approuve chaque action, puis seulement les exceptions.
  5. Surveiller et améliorerTraces, alertes et une revue régulière de ses erreurs.

Ce que vous obtenez

  • L’agent et ses outils dans votre dépôt
  • Une carte des autorisations
  • Un jeu d’évaluation et ses scores
  • Une trace de chaque exécution
  • Un runbook pour votre équipe

Stack et outils

  • Model APIs
  • Tool calling
  • Sandboxes
  • Tracing
  • Evaluation sets

Preuves

Lire le cas client: Jeriko, une équipe d’agents IA personnels

Voir aussi

Des agents pour votre entreprise. Décrivez-nous la tâche et les systèmes qu’elle touche. Nous répondons sous un jour ouvré.

Services de développement d’IA · Le pipeline IA · 4 sur 6

IA documents et vision. Lire des documents, des images et des vidéos avec l’IA.

Ce que c’est

L’IA documents et vision lit ce que votre entreprise reçoit sous forme de fichiers : formulaires, factures, contrats, pages numérisées, images et vidéos. Nous construisons des systèmes qui extraient les données dont vous avez besoin, transforment les numérisations en texte consultable, classent les images selon leur contenu et retrouvent les moments d’une vidéo que vous indiquez, chacun vérifié sur des exemples que vous validez.

Ce que nous faisons

  • Extraire les données de formulaires, factures et contrats
  • Transformer les pages numérisées en texte consultable
  • Classer les images et identifier leur contenu
  • Parcourir les vidéos pour retrouver les moments que vous indiquez

Comment nous le faisons

  1. Réunir des exemplesDe vrais documents, images ou vidéos issus de votre activité.
  2. Construire le lecteurUn modèle qui les lit, vérifié sur vos exemples.
  3. Revoir les cas douteuxUne personne vérifie ce dont le modèle n’est pas sûr.
  4. ConnecterLes résultats alimentent le système qui en a besoin.

Questions

Une personne peut-elle vérifier les résultats ?

Oui. Tout ce dont le modèle n’est pas sûr part dans une file de revue, et une personne décide avant la suite.

Quels types de documents pouvez-vous lire ?

Formulaires, factures, contrats, pages numérisées, images et vidéos. Nous testons sur vos exemples avant de construire.

Ce que vous obtenez

  • Le pipeline d’extraction dans votre dépôt
  • Un jeu d’évaluation et ses scores
  • Une file de revue pour votre équipe

Stack et outils

  • Document parsing
  • Optical character recognition
  • Vision models
  • Evaluation sets

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Le pipeline IA · 5 sur 6

Intégration. L’IA connectée aux systèmes que vous exploitez déjà.

Ce que c’est

L’intégration met l’IA en œuvre dans les systèmes que vous exploitez déjà. Nous connectons un modèle à vos applications, à vos données et à votre authentification unique, choisissons le modèle adapté à chaque tâche, et mesurons son coût et son temps de réponse pour que la fonctionnalité reste abordable à mesure que l’usage croît.

Ce que nous faisons

  • Le modèle adapté à la tâche
  • Authentification unique
  • Coût et temps de réponse mesurés

Comment nous le faisons

  1. Cartographier les systèmesOù vit la fonctionnalité, et ce qu’elle lit et écrit.
  2. Choisir le modèleNoté sur votre tâche pour la qualité, le coût et le temps de réponse.
  3. ConnecterVia vos API et votre authentification unique.
  4. MesurerCoût et temps de réponse surveillés une fois en production.

Ce que vous obtenez

  • Le code d’intégration dans votre dépôt
  • Un rapport sur le coût et le temps de réponse
  • Un runbook pour votre équipe

Stack et outils

  • Model APIs
  • API gateways
  • Single sign-on
  • Monitoring

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Le pipeline IA · 6 sur 6

MLOps. Des modèles livrés, mesurés et maintenus en état de marche.

Ce que c’est

Le MLOps maintient les modèles en état de marche après le lancement. Nous construisons les pipelines qui entraînent, évaluent et livrent un modèle, un registre qui versionne chacun d’eux, une supervision qui le surveille en production et un réentraînement quand les données évoluent, chaque mise en production restant réversible.

Ce que nous faisons

  • Pipelines
  • Un registre de modèles
  • Supervision
  • Réentraînement
  • Versions numérotées avec retour arrière
  • Des fiches de modèle

Comment nous le faisons

  1. Construire le pipelineEntraînement, évaluation et mise en production, écrits sous forme de code.
  2. Enregistrer chaque modèleChaque version conservée avec ses données et ses scores.
  3. Livrer avec un retour arrièreUne nouvelle version ne remplace l’ancienne qu’une fois validée.
  4. SuperviserLa qualité et la dérive surveillées en production.
  5. RéentraînerQuand les données évoluent, avec les mêmes points de contrôle qu’avant.

Questions

Pouvons-nous revenir à un modèle précédent ?

Oui. Chaque mise en production est versionnée, donc le modèle précédent peut revenir si un nouveau ne donne pas satisfaction.

Comment savez-vous qu’un modèle a dérivé ?

La supervision compare les entrées et les résultats réels au jeu de test, et alerte votre équipe quand ils s’en écartent.

Ce que vous obtenez

  • Les pipelines dans votre dépôt
  • Un registre de modèles
  • Supervision et alertes
  • Une fiche de modèle pour chaque version

Stack et outils

  • Pipeline orchestration
  • Model registries
  • Experiment tracking
  • Monitoring
  • Evaluation sets

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

À l’intérieur d’un agent : le harnais. Le modèle n’est qu’une partie ; le harnais qui l’entoure décide de ce que l’agent peut faire.

Services de développement d’IA · À l’intérieur d’un agent : le harnais

Le harnais d’agent. Tout ce qui entoure le modèle et décide de ce qu’un agent peut faire.

Ce que c’est

Un harnais d’agent est le logiciel qui entoure un modèle et décide de ce que l’agent peut faire : les outils qu’il peut appeler, les autorisations sur chacun, le contexte qu’il peut lire, l’endroit où il s’exécute, les étapes qu’une personne approuve et le journal de chaque étape. Nous construisons d’abord le harnais, puis l’agent à l’intérieur, pour que ses limites tiennent quelle que soit la réponse du modèle.

Ce que nous faisons

  • Nommer chaque outil que l’agent peut appeler
  • Fixer les autorisations de chaque outil en dehors du modèle
  • Exécuter l’agent dans un bac à sable, à l’écart de vos systèmes
  • Placer une personne avant les étapes que vous choisissez
  • Écrire chaque étape dans un journal que votre équipe peut rejouer

Ce que vous obtenez

  • Le harnais et ses outils dans votre dépôt
  • Une carte des autorisations
  • Une trace rejouable de chaque exécution

Stack et outils

  • Tool calling
  • Sandboxes
  • Policy enforcement
  • Tracing

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Modèles. Quatre façons de mettre un modèle en œuvre, et ce que chacune vous demande.

Modèle hébergé Le modèle d’un fournisseur, utilisé via son API.
Ce qu’il vous faut
Un compte chez le fournisseur, et des conditions adaptées à vos données.
Ce que vous possédez
Vos prompts, votre jeu d’évaluation et le code autour du modèle.
Quand c’est adapté
Quand un modèle généraliste fait déjà assez bien la tâche.
Modèle ouvert Des poids ouverts sur une infrastructure que vous contrôlez.
Ce qu’il vous faut
Des serveurs ou un compte cloud avec le matériel adapté.
Ce que vous possédez
Le déploiement, et la destination de vos données.
Quand c’est adapté
Quand vos données doivent rester dans votre propre environnement.
Modèle affiné Un modèle de base entraîné davantage sur vos exemples.
Ce qu’il vous faut
De bons exemples de la tâche, et un moyen de les noter.
Ce que vous possédez
Les poids affinés, lorsque la licence du modèle de base le permet.
Quand c’est adapté
Quand le prompting seul n’atteint pas votre niveau de qualité.
Modèle sur mesure Un modèle entraîné sur vos données pour une tâche, comme une prévision ou un classifieur.
Ce qu’il vous faut
Suffisamment de données étiquetées pour la tâche.
Ce que vous possédez
Le modèle et son code d’entraînement.
Quand c’est adapté
Quand la tâche est restreinte et que les données sont les vôtres.

Services de développement d’IA · Modèles · 1 sur 4

Modèles hébergés. Le modèle d’un fournisseur, utilisé via son API, avec ses conditions vérifiées pour vos données.

Ce que c’est

Un modèle hébergé est le modèle d’un fournisseur que vous utilisez via son API, sans serveurs à exploiter vous-même. Nous choisissons entre les fournisseurs en les notant sur votre propre jeu d’évaluation, vérifions les conditions de chacun au regard de vos données, et mesurons le coût et le temps de réponse de chaque appel.

Ce que nous faisons

  • Choisir selon votre jeu d’évaluation
  • Vérifier les conditions du fournisseur
  • Mesurer le coût et le temps de réponse

Comment nous le faisons

  1. Construire le jeu d’évaluationDe vrais exemples de la tâche, notés de la même façon.
  2. Comparer les fournisseursChaque modèle noté sur votre jeu.
  3. Vérifier les conditionsOù vont vos données, et si elles peuvent être conservées.
  4. MesurerLe coût et le temps de réponse à votre volume.

Ce que vous obtenez

  • Une comparaison des fournisseurs sur votre jeu d’évaluation
  • Le code d’intégration dans votre dépôt

Stack et outils

  • Model APIs
  • Evaluation sets
  • Prompt management
  • Usage monitoring

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Modèles · 2 sur 4

Modèles ouverts. Des poids ouverts, exécutés là où vivent déjà vos données.

Ce que c’est

Un modèle ouvert est un modèle dont vous exécutez vous-même les poids, sur des serveurs ou un compte cloud que vous contrôlez. Il convient aux travaux dont les données doivent rester dans votre environnement. Nous choisissons le modèle selon votre jeu d’évaluation, le déployons sur votre infrastructure et mesurons sa qualité, son coût et sa vitesse.

Ce que nous faisons

  • Choisir un modèle ouvert selon votre jeu d’évaluation
  • Le déployer sur une infrastructure que vous contrôlez
  • Mesurer sa qualité, son coût et sa vitesse

Comment nous le faisons

  1. PrésélectionnerLes modèles ouverts dont la licence convient à votre usage.
  2. NoterChacun sur votre jeu d’évaluation.
  3. DéployerSur vos serveurs ou votre compte cloud.
  4. MesurerLa qualité, le coût et le temps de réponse sous charge.

Ce que vous obtenez

  • Le déploiement sous forme de code dans votre dépôt
  • Une évaluation des modèles que vous avez envisagés

Stack et outils

  • Model serving
  • GPU infrastructure
  • Evaluation sets
  • Monitoring

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Modèles · 3 sur 4

Fine-tuning. Un modèle de base entraîné davantage sur des exemples de votre tâche.

Ce que c’est

Le fine-tuning entraîne davantage un modèle de base sur des exemples de votre tâche, pour qu’il réponde dans votre format et votre domaine. Il vaut la peine quand le prompting seul n’atteint pas votre niveau de qualité. Nous préparons les exemples, entraînons, puis notons le modèle affiné face au modèle de base sur votre jeu d’évaluation.

Ce que nous faisons

  • Préparer des exemples de votre tâche
  • Poursuivre l’entraînement du modèle de base
  • Le noter face au modèle de base

Comment nous le faisons

  1. Réunir des exemplesDe bons exemples de la tâche, vérifiés par votre équipe.
  2. EntraînerLe modèle de base entraîné davantage sur ces exemples.
  3. NoterLe modèle affiné et le modèle de base comparés sur votre jeu d’évaluation.
  4. DéployerSeulement si le modèle affiné fait mieux.

Ce que vous obtenez

  • Les poids affinés, à votre nom lorsque la licence du modèle de base le permet

Stack et outils

  • Training frameworks
  • GPU infrastructure
  • Evaluation sets
  • Model registries

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Services de développement d’IA · Modèles · 4 sur 4

Apprentissage automatique. Un modèle entraîné sur vos données pour une tâche : une prévision, un classement, un classifieur.

Ce que c’est

L’apprentissage automatique désigne ici un modèle entraîné sur vos données pour une tâche précise : une prévision, un classement ou un classifieur. Nous préparons les données, entraînons et évaluons le modèle, puis le déployons avec les pipelines qui le maintiennent à jour à mesure que vos données changent.

Ce que nous faisons

  • Préparer vos données pour une tâche
  • Entraîner et évaluer le modèle
  • Le déployer avec des pipelines qui le maintiennent à jour

Comment nous le faisons

  1. Définir la tâcheCe que le modèle prédit, et comment il sera jugé.
  2. Préparer les donnéesÉtiquetées, nettoyées et réparties entre entraînement et test.
  3. Entraîner et évaluerDes candidats comparés sur des données qu’ils n’ont jamais vues.
  4. DéployerAvec le pipeline qui le réentraîne à mesure que vos données changent.

Ce que vous obtenez

  • Le modèle et son code d’entraînement
  • Un rapport d’évaluation
  • Un pipeline de réentraînement

Stack et outils

  • Training frameworks
  • Feature stores
  • Experiment tracking
  • Model registries

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Évaluation : points de contrôle avant mise en production. Chaque modèle passe les mêmes contrôles avant d’atteindre vos utilisateurs.

Points de contrôle avant mise en production
Point de contrôleCe que nous mesuronsCommentSeuilExécutionMéthode
Qualité de la tâcheCe que nous mesuronsRéponses correctes sur votre jeu de testCommentNotée sur un jeu étiqueté que vous validezSeuilFixé avec vousExécutionÀ chaque build
AncrageCe que nous mesuronsChaque réponse cite vos sourcesCommentChaque phrase rattachée à un passage récupéréSeuilFixé avec vousExécutionÀ chaque build
SûretéCe que nous mesuronsRequêtes dangereuses et hors politique refuséesCommentPrompts de red team et suites de jailbreakSeuilFixé avec vousExécutionAvant mise en production
ConfidentialitéCe que nous mesuronsAucune donnée personnelle ne sort de son périmètreCommentMasquage testé sur des enregistrements fictifsSeuilFixé avec vousExécutionÀ chaque build
LatenceCe que nous mesuronsAssez rapide pour la tâcheCommentTemps de réponse mesuré sous chargeSeuilFixé avec vousExécutionAvant mise en production
CoûtCe que nous mesuronsAbordable à votre volumeCommentCoût modélisé à votre volume attenduSeuilFixé avec vousExécutionAvant mise en production
DériveCe que nous mesuronsToujours juste le mois prochainCommentEntrées réelles comparées au jeu de testSeuilSeuil d’alerte fixé avec vousExécutionEn production

Services de développement d’IA · Évaluation

Évaluation. Chaque modèle passe les mêmes points de contrôle avant d’atteindre vos utilisateurs.

Ce que c’est

C’est par l’évaluation qu’un modèle mérite sa mise en production. Chaque modèle passe les mêmes points de contrôle : qualité de la tâche sur un jeu de test que vous validez, ancrage dans vos sources, sûreté face aux prompts adverses, confidentialité sur des enregistrements fictifs, latence sous charge, coût à votre volume et dérive une fois en production. La méthode de chaque point de contrôle est écrite et s’exécute de la même façon à chaque fois.

Comment nous le faisons

  1. Construire le jeu de testDes exemples étiquetés de votre tâche, validés par vous.
  2. Fixer les seuilsUn pour chaque point de contrôle, convenu avec vous avant le début du travail.
  3. Exécuter à chaque buildQualité de la tâche, ancrage et confidentialité, à mesure que le code change.
  4. Exécuter avant la mise en productionSûreté, latence et coût, sur la version candidate.
  5. Surveiller en productionLes entrées réelles comparées au jeu de test, pour détecter la dérive.

Questions

Comment évaluez-vous un modèle avant son lancement ?

Au regard des points de contrôle de cette page : qualité de la tâche, ancrage, sûreté, confidentialité, latence, coût et dérive. Nous convenons de chaque seuil avec vous avant le début du travail, et une version candidate qui n’en atteint pas un attend de l’atteindre.

Ce que vous obtenez

  • Un rapport du résultat de chaque point de contrôle pour chaque version candidate

Voir aussi

Commencez avec Etheon Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Du côté du Lab. La recherche qui fonde notre façon de construire l’IA.

  • Quel modèle d’IA utiliser ?

    Celui qui fait le mieux votre tâche, à un coût que vous pouvez assumer. Nous notons les modèles candidats sur votre jeu d’évaluation et choisissons selon la qualité, le coût et le temps de réponse.

  • Ce sur quoi travaille le Lab Etheon

    Le Lab Etheon étudie ce qui rend un logiciel d’IA sûr à livrer : évaluation, garde-fous, observabilité, mises en production sûres et gouvernance.

Questions. Ce que demandent les acheteurs avant un projet d’IA.

Au regard des points de contrôle de cette page : qualité de la tâche, ancrage, sûreté, confidentialité, latence, coût et dérive. Nous convenons de chaque seuil avec vous avant le début du travail, et une version candidate qui n’en atteint pas un attend de l’atteindre.

Commencez avec Etheon

Décrivez-nous votre cas d’usage et votre calendrier. Nous répondons sous un jour ouvré.

Données

Pipelines, plateformes et BI

Explorer la page Données

Cloud

Cloud, DevOps et SRE

Explorer la page Cloud