Menu complet des composants d’IA
Les vingt-sept composants en détail, regroupés par famille, avec ce que chacun résout.
En exploitation
16
Solutions en production
12
Modèles de prévision
7
Algorithmes de similarité
6
Moteurs de scoring
7
Pays avec opérations
Trois plateformes en propre soutiennent cet inventaire
Les composants ne sont pas sortis d’un laboratoire. Ils sont sortis de ces trois plateformes, qui sont en exploitation aujourd’hui. Elles peuvent être prises sous licence en entier, mais ce n’est pas nécessaire : ce qui se déploie chez un client, ce sont les pièces.
CFO AI
Plateforme de direction financière. Extraction depuis l’ERP, consolidation multi-sociétés avec éliminations intragroupe, et une architecture de prévision qui sépare le combien du quand : le volume mensuel sort de quatre modèles qui se font concurrence par compte et se répartit selon des masques hebdomadaires appris de ce même compte.
Par-dessus, la vue neurosymbolique mêle la prédiction de la machine à l’orientation du directeur financier — le chiffre final est la base multipliée par ses multiplicateurs et augmentée de ses additifs, chacun consigné séparément —, la variance s’agrège comme variance et non comme somme naïve d’intervalles, et l’horizon se marque par zones de donnée : dure, mixte et molle selon la semaine. Tout s’exécute dans des procédures de la base de données elle-même.
StockSense
Plateforme d’intelligence des stocks et de la demande. Elle classe chaque article selon son profil de consommation — régulier, erratique, intermittent ou irrégulier, d’après l’intervalle moyen entre demandes et la variabilité —, et cette classification décide quel modèle lui est appliqué parmi sept qui s’affrontent sous validation croisée à fenêtre expansive.
De là sortent le stock de sécurité par rééchantillonnage non paramétrique, la quantité économique de commande, la redistribution entre points en excédent et points en rupture, et un graphe causal où les inducteurs statistiques et les constantes de l’entreprise se propagent par ordre topologique jusqu’aux dérivés. Un score de confiance à quatre facteurs gouverne ce qui peut s’exécuter sans intervention et ce qui ne le peut pas.
Vamos Eventos
Plateforme grand public, et le banc d’essai de la chaîne d’ingestion. Elle traite des sources publiques hétérogènes dans un pipeline de cinq postes — classer, enrichir, fusionner, médias, publier — où chaque poste réclame son lot sans bloquer les autres.
C’est le composant où le contrôle qualité automatique s’est éprouvé en volume : extraction en un seul appel au modèle, qui en a remplacé une chaîne de quatre et a réduit le coût d’inférence de 75 %, déduplication par sept signaux combinés, effondrement de près de deux cents éléments en une quarantaine d’opérations avant écriture, et un audit nocturne qui révise un échantillon de cinq cents enregistrements avec un modèle différent de celui qui les a produits.
Ce que cette section prouve et ce qu’elle ne prouve pas
Que ces plateformes soient en exploitation prouve que les composants supportent la charge, échouent de manière connue et ont quelqu’un pour les maintenir. Cela ne prouve pas qu’ils rendront la même chose sur la donnée d’une autre organisation : cela dépend de l’historique disponible et de la qualité du système source, et c’est exactement ce que mesure un essai contre la donnée réelle du client avant d’engager un périmètre.
Documents et connaissance
Les pièces qui transforment le papier, les fichiers et le courriel en quelque chose de consultable. C’est là que commence habituellement un premier projet, parce que le volume est élevé et que l’erreur est peu coûteuse à détecter.
Ingestion et classification documentaire
Lecture multimodale de PDF, image, feuille de calcul, CSV et JSON, classification par type avec sortie structurée, extraction de champs et normalisation de ce qui arrive sans format fixe — chaque fournisseur envoie différemment et le pipeline le ramène à un schéma unique. La sortie est validée contre un schéma strict : ce qui ne cadre pas est rejeté et marqué pour révision humaine, jamais approximé.
Ce que ça résout. Élimine la saisie manuelle sur un volume élevé de documents et le taux d’erreur qui l’accompagne.
Récupération avec citation
Plateforme de récupération augmentée sur pgvector, montée sur la documentation propre du client. Les fragments sont indexés comme des vecteurs de 768 dimensions avec index HNSW et sont récupérés par similarité sémantique. Chaque réponse cite le document et le passage dont elle est issue. S’il n’y a pas de source, il n’y a pas de réponse : le composant préfère admettre qu’il ne sait pas.
Ce que ça résout. Transforme un référentiel documentaire que personne ne consulte en une réponse dont l’appui est vérifiable par celui qui la reçoit.
Déduplication multi-signal
Sept algorithmes sur la même paire d’enregistrements : cosinus sur les embeddings, Jaccard, distance d’édition de Levenshtein, recouvrement de bigrammes, n-grammes, correspondance exacte normalisée et recherche phonétique, tranchés par un scoring pondéré avec seuil configurable par domaine. Détecte le même objet arrivé par deux sources différentes, écrit de deux manières différentes.
Ce que ça résout. Empêche que la consolidation de plusieurs sources ne duplique ce qui n’est en réalité qu’un seul enregistrement, qui est le défaut qui ruine un tableau de bord avant toute erreur de modèle.
Extraction de signal depuis un document externe
Un document qui arrive de l’extérieur — un rapport de fournisseur, une circulaire, un tableau d’un tiers — est lu et traduit en un ajustement proposé sur une variable du modèle, pas en un chiffre nouveau. Le contenu non fiable est traité entre délimiteurs explicites comme défense contre l’injection d’instructions, et tout ajustement proposé par le modèle entre avec une pénalité de confiance et avec son origine jointe. Rien ne s’applique sans qu’une personne l’accepte.
Ce que ça résout. Permet d’incorporer de l’information qui n’est dans aucun système du client sans que cette information n’entre sans contrôle dans le chiffre qui est rapporté.
Données, finances et intégration
La partie la moins spectaculaire et celle qui conditionne le plus le reste. Le goulot d’étranglement de ces projets n’est presque jamais le modèle : c’est de sortir la donnée du système source avec une autorisation, une qualité et une fréquence suffisantes.
Consolidation financière multi-sociétés
En exploitation aujourd’hui dans CFO AI. Agent d’extraction qui lit directement l’ERP — SAP Business One, Dynamics, Sage, Oracle EBS, JD Edwards, Epicor, CONTPAQi —, consolidation multi-sociétés avec éliminations intragroupe, rapprochement des exceptions, narration automatique des écarts contre les périodes antérieures et requêtes en langage naturel sur le référentiel. Le calcul vit dans des procédures de base de données, pas dans le modèle.
Ce que ça résout. Remplace le montage manuel de la clôture et laisse chaque chiffre traçable jusqu’au système dont il est issu.
Trésorerie et fonds de roulement
Vitesse de paiement par client calculée comme vue matérialisée : jours moyens jusqu’au paiement, volatilité de ce délai et taux de respect de l’échéance. Du côté fournisseur, le retard de paiement ordonne la priorité de décaissement. Par-dessus, projection de trésorerie à treize semaines et analyse de sensibilité qui fait bouger cinq hypothèses de dix pour cent dans les deux sens et ordonne leur impact sur le solde final.
Ce que ça résout. Transforme la question de savoir si la trésorerie suffit en une fourchette avec des hypothèses explicites, au lieu d’un chiffre ponctuel dont personne ne sait comment il a été monté.
Connecteurs et ingestion multiformat
Un par plateforme, selon ce que chacune offre : API, exports planifiés par SFTP ou par courriel, ou automatisation RPA quand il n’y a pas d’interface à consommer. Le patron adaptateur intègre la synchronisation incrémentale, le contrôle de débit, le cache des données de référence et les reprises ; il opère aujourd’hui contre un ERP d’entreprise sur quatorze points d’intégration. Intégration par API et par MCP avec les systèmes existants. Chaque nouvelle plateforme est un travail d’intégration à part entière et son inventaire se relève avant de fermer le périmètre.
Ce que ça résout. Permet de lire des systèmes qui n’ont pas été conçus pour être lus, sans les modifier et sans toucher à leur exploitation.
Priorisation des créances
Ingestion de rapports en formats hétérogènes, file de traitement ordonnée par un scoring de recouvrabilité, notification par courriel et par WhatsApp avec journal de remise, et tableau de bord d’ancienneté par tranches de trente, soixante et quatre-vingt-dix jours, avec isolation par locataire au niveau de la base de données. L’ordre que propose le composant exige d’être calibré contre le comportement réel des créances du client avant d’être utilisé pour affecter du travail.
Ce que ça résout. Remplace la gestion par pure ancienneté — le plus vieux d’abord — par un ordre qui pondère en plus la probabilité de recouvrer.
Modèles sur la donnée du client
Les cinq composants qui apprennent de l’historique ou du signal du client lui-même. Le schéma est le même dans tous les cas ; ce qui change, c’est le calibrage contre la donnée de l’organisation, qui se fait avant leur mise en exploitation.
Vision par ordinateur
Détection de personnes et suivi anonyme de trajectoires sur des zones polygonales définies par établissement : cartes de chaleur, temps de présence par zone et règles de conformité avec alerte. Analytique anonyme et agrégée, sans biométrie, sans reconnaissance faciale et sans analyse des émotions, en ligne avec la Loi 81 de 2019 du Panama. Exige un calibrage par site — angles, éclairage et zones d’intérêt — qui se définit lors d’une visite.
Ce que ça résout. Transforme des caméras qui ne font qu’enregistrer en une source de mesure et d’alerte.
Prévision de la demande et du volume
Chaque série est d’abord classée selon son profil — intervalle moyen entre demandes contre variabilité de la taille — en régulière, erratique, intermittente ou irrégulière, et cette classe détermine quels modèles s’affrontent. Sept candidats pour les séries à consommation sporadique, dont Croston et ses variantes, le lissage exponentiel et la régression harmonique saisonnière ; quatre pour les séries financières. Validation croisée à fenêtre expansive en trois plis et sélection par la plus faible erreur absolue moyenne, avec ensemble de modèles quand il apporte davantage que le meilleur individuel et hausse de confiance quand les candidats convergent.
Ce que ça résout. Permet de dimensionner contre le volume attendu au lieu de la moyenne, qui est l’endroit où l’on perd dans les deux sens.
Détection d’anomalies et de démarque
Apprentissage automatique classique sur les transactions et les opérations, avec scoring de risque composite et seuils dynamiques. Appliqué aux stocks, il mesure l’écart entre l’existant physique et l’existant logique et le met à l’échelle par ancienneté et par point. Il n’est pas génératif et ne clôt pas de dossiers : il signale et il ordonne, et la décision reste chez l’analyste. Exige une période de calibrage contre des cas réels du client pour fixer le seuil.
Ce que ça résout. Ordonne par risque un volume qui se révise aujourd’hui par échantillon ou par seuil fixe.
Planification des stocks et réapprovisionnement
Stock de sécurité par rééchantillonnage non paramétrique : les délais de livraison sont échantillonnés à partir de leur distribution et la demande est rééchantillonnée avec remise sur dix mille simulations, en prenant le quantile de quatre-vingt-quinze pour cent de la demande pendant le délai ; avec moins de trois observations, le composant retombe sur une formule fermée au lieu de feindre la précision. Par-dessus, point de commande, quantité économique de commande, délais par fournisseur et redistribution des points ayant plus de quatre semaines de couverture vers ceux qui sont en rupture.
Ce que ça résout. Remplace le minimum fixe par article, qui ne distingue pas entre un délai stable et un délai qui varie du double d’un mois à l’autre.
Maintenance prédictive
Scoring d’urgence par actif sur les heures ou les kilomètres d’exploitation, les écarts par rapport à l’intervalle moyen de l’équipement lui-même, l’historique de pannes et le type de composant, avec modificateurs saisonniers et projection de durée de vie restante. Il échelonne en niveaux de priorité avec seuil configurable. Le patron s’est transposé de la flotte de véhicules à l’équipement industriel sans être réécrit.
Ce que ça résout. Avance l’intervention au point où c’est encore de la maintenance et pas du remplacement.
Décision et orchestration
Ce qui sépare une démonstration d’un système qui passe l’audit. Ces cinq composants ne produisent pas de contenu : ils fixent qui décide, avec quelle règle, et comment on prouve ensuite que la décision était la bonne.
Architecture neurosymbolique
Le modèle traduit, le moteur décide. Moteur d’inférence déterministe sur des règles explicites et versionnées, console où chaque règle se rédige, se date et s’approuve, trace de dérivation derrière chaque affirmation, et base de connaissance réglementaire avec date d’entrée en vigueur. Dans la variante en graphe, les variables se connectent en un graphe orienté acyclique et l’effet du déplacement de l’une se propage par ordre topologique jusqu’aux dérivés, avec suivi du delta entre la ligne de base et la version ajustée. Le modèle n’est à l’origine d’aucun chiffre : il apporte la langue, pas le contenu.
Ce que ça résout. Rend une décision automatique explicable et reproductible des années après avoir été prise, indépendamment du modèle qui l’a rédigée.
Moteur de scoring par règles
Règles configurables avec des poids, évaluation en parallèle de tous les candidats, seuil dynamique et dérogation manuelle par exception avec journal de qui l’a exercée. Six implémentations différentes en production sur des domaines qui ne se ressemblent pas entre eux — affectation de personnel technique, priorisation du recouvrement, scoring d’investissement, pertinence, qualité et urgence de maintenance —, ce qui signifie en pratique que ce qui change d’un client à l’autre, c’est la table des poids, pas le moteur.
Ce que ça résout. Transforme un jugement qui vit aujourd’hui dans la tête d’une personne en une règle écrite, discutable et auditable.
Orchestration d’agents
Moteur de répartition et agents qui s’exécutent sur les systèmes existants, gouvernés par une taxonomie de quatre types — agent vers humain interne, agent vers système, agent vers humain externe et agent vers agent — chacun avec des exigences de production différentes selon son risque. Dans la variante en ensemble, plusieurs agents spécialisés dotés de leurs propres outils de domaine et un sélecteur qui choisit lequel traite chaque requête. Le niveau agent vers agent demeure précoce et n’est pas proposé pour la production.
Ce que ça résout. Fixe ce qu’un agent peut exécuter sans intervention humaine, avant qu’il n’exécute quoi que ce soit.
Évaluation systématique des modèles
Contrôle qualité des sorties du modèle avant la production, pour choisir lequel s’utilise, et pendant la production, pour détecter la dégradation. Comprend le routage entre fournisseurs par type de tâche avec chaîne de repli : modèle léger pour la classification, modèle lourd pour le raisonnement. Les deux tournent aujourd’hui sur nos propres plateformes. Le jeu de cas contre lequel se mesure la dégradation se monte sur le domaine du client, et fait partie du déploiement.
Ce que ça résout. Remplace l’impression que le système « répond bien » par une mesure répétable.
Audit adversarial des sorties
Un modèle différent de celui qui a produit le résultat l’audite ensuite, sur un échantillon fixe et champ par champ, et rend un verdict par champ au lieu d’une note globale. Là où l’exactitude de l’enregistrement tombe sous le seuil, l’enregistrement est retiré automatiquement au lieu d’être publié avec un avis que personne ne lit. Il tourne la nuit, contre la production du jour, à un coût marginal face à celui du pipeline qu’il audite.
Ce que ça résout. Détecte la dégradation silencieuse, qui est le mode de défaillance réel de ces systèmes : ils ne cessent pas de répondre, ils commencent à répondre moins bien.
Opération, canaux et infrastructure
Par où sort la réponse, qui la reçoit et où tourne le calcul. Ce sont les décisions qu’un client laisse habituellement pour la fin et qui, en pratique, conditionnent quels cas d’usage sont seulement possibles.
Canaux conversationnels
Bot WhatsApp en production sur l’API Business, avec validation de signature à la réception, gestion des pièces jointes et des images et segmentation des réponses longues. Assistance en direct à l’agent humain pendant que la conversation se déroule, et résumé d’appel consigné dans le CRM au raccrochage. Le canal traite la demande d’information ; toute opération qui déplace de l’argent se confirme séparément et hors du fil de conversation.
Ce que ça résout. Décharge le canal humain du répétitif et récupère le temps d’après-appel, qui représente souvent une fraction élevée du temps de poste.
Application de terrain hors connexion
Application web progressive avec service worker et stockage local : elle fonctionne sans couverture et se synchronise à la reconnexion. Formulaires dynamiques avec capture de photo, de coordonnées et de signature, validation au point de saisie et clôture de l’ordre depuis l’appareil lui-même. Trois applications de cette famille sont en production, éprouvées sur le terrain avec une connectivité intermittente.
Ce que ça résout. Élimine l’inspection sur papier que quelqu’un doit ensuite transcrire, et avec elle l’écart de plusieurs jours entre le constat et son enregistrement.
Moteur de répartition
Quatorze règles d’affectation — compétences, engagement de service, proximité et charge de travail — tranchées par scoring pondéré, avec réordonnancement assisté par modèle pour le contexte que les règles ne captent pas. En exploitation sur plus de trente-quatre mille ordres par an dans sept pays. La mise en service est progressive par conception : d’abord le mode recommandation, avec le répartiteur qui décide, et seulement ensuite l’affectation automatique.
Ce que ça résout. Remplace l’affectation à l’expérience du répartiteur en poste par un critère explicite, identique pour tous les postes.
Notifications et suivi de l’engagement
Modèles avec variables, envoi par courriel et par WhatsApp, alertes automatiques lors des transitions d’état et escalade par catégorie et par sévérité du constat. Journal des remises, des ouvertures et des réponses. La file de sortie garantit la remise avec reprises : un message qui n’est pas parti reste en attente, il ne se perd pas.
Ce que ça résout. Referme la distance entre le moment où le système détecte quelque chose et celui où l’apprend la personne qui doit agir.
Portail libre-service
Le client final consulte l’état, ouvre des demandes et révise son historique sans appeler. Rattachement automatique de son équipement ou de son compte par numéro de série ou par identifiant, de sorte qu’il n’y a pas d’enregistrement manuel préalable. Il se déploie contre le même système d’enregistrement que celui qu’utilise le personnel interne.
Ce que ça résout. Retire du canal téléphonique la demande d’état, qui est le motif de contact le plus fréquent et celui de moindre valeur.
Tableaux de bord en temps réel
Métriques agrégées dans des procédures de la base de données elle-même et rendues côté serveur, avec revalidation automatique, graphiques, tableaux avec filtre et indicateurs avec tendance. Des vues différentes par rôle sur la même donnée. Là où il y a lieu, l’interface se génère à partir de la réponse du modèle sous forme de blocs — tableau, graphique, fiche, panneau avec la requête SQL à la vue — de sorte que l’utilisateur peut voir de quelle requête est sorti ce qu’il est en train de lire.
Ce que ça résout. Livre le chiffre et, à côté du chiffre, la requête qui l’a produit, qui est ce qui permet d’en discuter.
Infrastructure
Trois pièces transversales qui ne se voient pas dans une démonstration et sans lesquelles aucune des précédentes ne passe une revue de sécurité.
Routage de l’inférence selon la sensibilité
Chaque type de contenu se route selon la sensibilité de la donnée : traitement sur site ou modèle géré. Les modèles à poids ouverts — Gemma, de Google — s’exécutent sur des serveurs que le client désigne, de sorte que la donnée réglementée ne sort pas de son réseau et que la capacité ne reste pas entre les mains d’un fournisseur qui peut changer le prix ou les conditions d’accès. C’est de la configuration par type de contenu, pas une migration ultérieure.
Ce que ça résout. Rend possibles des cas d’usage sur donnée réglementée qui, autrement, restent hors de portée.
Isolation et file de travaux concurrente
Isolation par locataire dans la couche base de données au moyen de la sécurité au niveau des lignes, avec la politique appliquée par le moteur et non par le code applicatif : une erreur de programmation n’ouvre pas la donnée d’un autre locataire. La file de travaux réclame les tâches de manière atomique sans blocage entre travailleurs, admet l’exécution concurrente avec verrou par ressource et récupère seule les tâches restées suspendues.
Ce que ça résout. Permet que plusieurs unités ou filiales partagent une même installation sans qu’aucune ne voie la donnée d’une autre, et que le volume croisse sans réécrire le traitement.
Observabilité et alertes proactives
Vérification périodique de l’état par service avec journal de latence, déclencheurs en base de données sur les transitions d’état, et alerte envoyée par le canal convenu quand quelque chose passe de sain à dégradé ou à hors service, avec son avis de rétablissement correspondant. Battement du processus de travail pour distinguer un service tombé d’un moniteur tombé.
Ce que ça résout. Fait que l’opérateur l’apprenne par le système et non par l’utilisateur, ce qui est la différence entre un incident et une réclamation.
L’état de ces composants correspond au mois d’août 2026 et il convient de le réviser tous les six mois. Les chiffres d’exploitation cités correspondent à des plateformes de Limestone et à des déploiements en propre, non à un engagement de performance sur la donnée d’une autre organisation. Les références réglementaires sont indicatives et ne constituent ni un conseil juridique ni un conseil en conformité.
Prêt à en discuter ?
Si vous évaluez une solution d'IA pour votre entreprise ou souhaitez explorer un partenariat, un associé directeur vous répondra en moins de 24 heures.