IA

Il y a deux discours sur l'IA en ce moment. Ceux qui expliquent qu'ils en font. Ceux qui expliquent qu'ils s'en méfient. Les deux vous laissent avec la même question : est-ce que ce qu'on va vous livrer tiendra dans cinq ans.

Générer du code, aujourd'hui, tout le monde en est capable. Savoir si ce code est bon, ça demande d'en avoir écrit et corrigé pendant vingt ans. C'est là que se situe notre travail, et il n'a pas changé de nature : on conçoit, on arbitre, on assume. L'outil a changé. Le métier, non.

L'IA n'a rien changé aux soins qu’on met dans nos livrables. Elle a élargi ce qu'on ose tenter, nous a rendu plus incisifs, raccourci le temps qu'on met à écarter une fausse piste, augmenté le nombre de choses qu'on surveille en parallèle.

Le coût d'un essai s'est effondré.

Éprouver une hypothèse d'architecture prenait une semaine. Aujourd'hui, une journée. On teste donc plusieurs options avant de vous en recommander une, là où il fallait choisir sur plan et découvrir en cours de route. Un prototype part en test en quelques jours, avant même d'entrer au budget.

Le reste, concrètement :

• Specs et documentation — première passe générée, retravaillée systématiquement. Traduction de contenus, avec relecture.
• Développement — structuration à partir de cadres que nous avons écrits, réplication de zones de code encadrées. Rien n'entre dans une application sans test ni relecture.
• Analyse de code — détection d'anomalies, suggestions d'optimisation, revue de sécurité automatisée.
• Recherche et veille — base de connaissance interne et projet, recherche de solutions techniques, veille technologique.
• Prototypage — un POC part en test en quelques jours. Vos idées se confrontent au réel avant d'entrer au budget.
• Surveillance continue — veille sécurité automatisée pendant la construction, et pendant l'exploitation.

Ce qui a changé pour de bon : la documentation n'est plus ce qu'on sacrifie en fin de projet. Un modèle ne produit rien de juste sans contexte, et ce contexte, c'est une spec précise, un backlog propre, une doc à jour. Ce qui passait pour du confort est devenu une condition de rendement.

Disons-le franchement : non, l'IA ne divise pas votre facture par deux.

Nous travaillons majoritairement au forfait. Quand nous allons plus vite, une partie du gain vous revient. C'est normal. Mais l'essentiel se joue ailleurs : à budget constant, votre projet couvre un périmètre plus large et encaisse une complexité plus haute. Il y a cinq ans, un site partait nu. Aujourd'hui il arrive avec ses tests, son monitoring, son accessibilité et sa documentation.

Si quelqu'un vous promet le même projet trois fois moins cher parce qu'il utilise l'IA, demandez-lui ce qu'il a retiré du devis.

Le vocabulaire de l'IA générative change tous les six mois et sert souvent à impressionner. Voilà ce que ces mots veulent dire, et ce qu'ils changent pour vous.

IA générative - un modèle qui produit du texte, du code ou des images, par opposition aux algorithmes qui se contentent de classer ou de prédire.

LLM, ou modèle de langage - le moteur derrière tout ça. Vous en changerez plusieurs fois, c'est normal, et votre architecture doit le permettre.

RAG - brancher un modèle sur vos documents pour qu'il réponde à partir de vos données plutôt que de ce qu'il a appris ailleurs. C'est la brique la plus courante, et la plus souvent mal calibrée.

Agent - un modèle autorisé à agir : écrire dans un outil, envoyer, déclencher. C'est là que les questions de droits deviennent sérieuses.

Assistant métier, ou copilote - une interface de questions-réponses posée sur un outil que vous avez déjà, sans refonte.

Chatbot - le même principe tourné vers vos clients. Facile à mettre en place, difficile à rendre utile.

MCP - un standard qui décrit comment un outil s'expose à un modèle. Il évite de recoder un connecteur pour chaque outil et pour chaque modèle.

Fine-tuning - réentraîner un modèle sur vos données. Coûteux, rarement nécessaire, et ce n'est pas ce que nous faisons.

Hallucination - une réponse fausse mais plausible. Le risque n'est pas qu'elle arrive, c'est que personne ne la remarque.

IA souveraine - un modèle hébergé en Europe ou chez vous. Un critère de choix, pas une religion.

Maturité IA, ou AI readiness - l'état de vos données avant tout branchement. La plupart des projets qui échouent ne butent pas sur la technologie, mais sur des données inaccessibles ou mal structurées.

FinOps appliqué à l'IA - piloter le coût d'inférence comme un coût d'exploitation : mesurer le coût par requête, plafonner, choisir le bon modèle pour chaque tâche. C'est le poste qui surprend, et celui qu'on peut le plus réduire.

LLMOps - tout ce qui fait tourner un système d'IA en production : déploiement, évaluation, journalisation, surveillance des coûts et de la qualité. Le prolongement naturel de ce que nous faisons déjà en exploitation.

Recherche sémantique - chercher par le sens plutôt que par les mots exacts. Nous ne la vendons pas seule ; elle vient avec le reste quand votre outil en a besoin.

Génération de contenu - produire des textes à la chaîne. Nous n'en faisons pas un service, mais la brique existe et s'intègre à vos outils quand elle a du sens : descriptions de produits, traductions, résumés.

GEO - la visibilité dans les réponses des moteurs IA. Nous ne pilotons pas votre stratégie éditoriale, comme nous ne l'avons jamais fait sur le SEO. Nous branchons les tuyaux techniques qui vous rendent lisible.