Intelligence artificielle et data science

Nous déployons l’intelligence artificielle là où elle résout un problème coûteux et mesurable. Et nous commençons par vérifier que vos données le permettent — il arrive que la réponse soit non.

La bonne question n’est pas « faut-il faire de l’IA »

C’est « quelle tâche répétitive me coûte le plus cher, et ai-je les données pour l’automatiser ». Posée dans ce sens, la question a des réponses concrètes et chiffrables. Posée dans l’autre, elle produit des projets qui n’aboutissent jamais.

Ce que nous livrons

Scoring et prévention du risque

Prédire quelles commandes seront refusées à la livraison, quels clients présentent un risque. Sur un marché où le paiement à la livraison domine, c’est le cas d’usage le plus directement rentable — chaque refus évité est de la marge récupérée.

Prévision et analyse prédictive

Prévision de stock et de demande, tenant compte des cycles marocains : Ramadan, Aïd, rentrée scolaire. Un modèle générique passe à côté de ces effets, dont l’ampleur est considérable et dont les dates se décalent chaque année.

Agents conversationnels

En français, en arabe et en darija. La difficulté réelle est linguistique : vos clients mélangent les trois dans une même phrase, parfois en caractères latins. Un agent entraîné uniquement sur du français échoue sur une part importante des messages.

Traitement automatique de documents

Extraction de données depuis factures, bons de livraison et relevés, vers votre système de gestion.

Automatisation de processus

Tri et routage des demandes entrantes, classification, enrichissement de données.

Nous commençons toujours par un audit de faisabilité

Dans presque tous les projets IA qui échouent, la cause n’est pas le modèle — c’est la qualité des données. Un modèle de prévision a besoin d’un historique fiable. Un scoring de refus a besoin de savoir quelles commandes ont réellement été refusées.

Notre audit répond franchement à une seule question : vos données permettent-elles ce projet, oui ou non. Il arrive régulièrement que la conclusion soit « commencez par structurer vos données ». C’est frustrant à entendre, et c’est de loin la réponse la moins coûteuse.

Par où commencer

Sept cas d’usage concrets, avec pour chacun les prérequis en données, dans notre guide : 7 cas d’usage de l’IA pour une PME marocaine.

Questions fréquentes

Mon entreprise est-elle trop petite ?

La taille compte moins que le volume de données. Une PME avec trois ans d’historique propre a de quoi travailler ; une grande entreprise sans données exploitables, non.

Faut-il une équipe data en interne ?

Pas pour démarrer. Pour faire vivre un modèle dans la durée, il faut au moins un référent qui comprenne ce qu’il produit et sache repérer quand il dérive.

Où sont hébergées mes données ?

Question à trancher avant de signer. Selon la sensibilité, un hébergement local ou européen peut être requis. Voir aussi la conformité loi 09-08.

Combien de temps avant un premier résultat ?

Un audit de faisabilité se mène en quelques semaines. La mise en production dépend de l’état des données.

Vos données permettent-elles un projet IA ?

Parlons-en — nous vous répondrons franchement.