On branche Claude là où ça compte vraiment : vos emails entrants, vos factures, vos tickets SAV, vos relances. Avec des garde-fous humains aux moments critiques, un audit complet de chaque décision IA, et zéro hallucination en prod. Le tout dans votre code Django, sous votre domaine.
▮ Tests de qualité automatiques inclus · monitoring · audit logs RGPD
Email reçu
ListeningClaude extrait
IdleCRM devis
IdleRéponse envoyée
IdleRéponse
rapide
Fiabilité
élevée
Suivi 30j
inclus
Ce qu'on observe sur le terrain
Quatre patterns observés sur la quasi-totalité des projets IA d'entreprise que nous reprenons en 2026. Tous ont la même fin : dette technique, hallucinations en prod, client mécontent.
Un widget collé dans un footer, branché sur l'API d'OpenAI avec une clé exposée côté front. Zéro intégration avec les données métier, zéro garde-fou, et il invente joyeusement le délai de livraison ou le prix d'un produit qui n'existe pas. Premier réflexe : le décrocher dans le mois.
250 zaps actifs, accumulés sur cinq ans, plus personne ne sait qui fait quoi. Un déclencheur tombe en panne, deux process s'écroulent en cascade, et l'addition mensuelle devient plus chère que ce qu'elle économise. L'outil n'était pas conçu pour scaler.
Un assistant branché sur vos documents, mais mal configuré : base documentaire mal indexée, découpage approximatif, aucune citation de source. L'agent répond avec assurance des choses fausses sur vos produits — et le client le croit. Le pire des deux mondes.
Lindy, Sweep, Cassidy. C'est joli en démo, ça ne tient pas en production. Vous louez une plateforme, vous vous retrouvez verrouillé sur leurs intégrations, leurs limites, leurs engagements de disponibilité. Le jour où vous voulez adapter : bloqué. Le jour où ils ferment : tout repart à zéro.
Quatre patterns. Quatre échecs. Tous évitables — si on conçoit l'IA comme un composant de votre stack, pas comme un gadget plaqué sur le côté.
— Note de l'atelier
Manifeste IA
Notre charte d'usage de l'IA, qu'on signe avec chaque client en début de projet. Si l'un de ces cinq points pose problème, on ne sera probablement pas le bon atelier — et on préfère le savoir avant que vous ne signiez.
Pas l'inverse. On ne fait pas du saupoudrage « et si on mettait de l'IA partout ». On part d'une tâche manuelle douloureuse, mesurable, et on la réécrit en une chaîne d'étapes automatisées. Le reste du site reste 100 % code Django sans IA.
On définit ensemble un seuil de certitude en dessous duquel l'IA ne décide plus seule. Toute situation ambiguë est systématiquement remontée à un humain avant action. C'est paramétrable, c'est explicite, c'est audité.
Qui a décidé. Sur quel prompt. Avec quelle réponse. Avec quel niveau de certitude. Quel coût. Tout est loggué en base, exportable, requêtable. Si un client conteste, on retrouve la trace en 5 secondes.
RGPD natif. Pas d'envoi à des modèles d'IA hors UE sans accord explicite. Pas d'entraînement de l'IA sur vos données client. Anthropic Bedrock (UE) ou Anthropic API sans conservation des données selon le besoin — discuté en J0, écrit au contrat.
On commence par une seule tâche automatisée, sur 10 % du volume. On mesure 4 semaines. Si les résultats sont bons, on monte à 100 %. Sinon, on revient en arrière sans drame. C'est la seule façon de ne pas se planter.
Cadrage IA, spec, code, déploiement, monitoring. Un seul humain (moi) du début à la fin. Pas de chef de projet qui transmet à un dev qui sous-traite à un junior. Le résultat de l'IA dépend trop de la finesse de l'intention pour mettre 4 cerveaux dessus.
Pour qui ?
Tous les besoins IA ne se valent pas : certains sont mûrs, d'autres demandent encore un cadrage. Voici les quatre cas où nous savons livrer un PoC solide, avec un ROI mesurable sur la durée.
01 · Commerçant
Vous passez 8 heures par semaine à rédiger des devis et relancer des prospects. L'IA pré-rédige tout depuis un email entrant, vous validez, vous envoyez. Le ton reste le vôtre, la décision aussi.
Résultat mesuré plusieurs heures récupérées par semaine
02 · Service client
Un assistant branché sur votre doc produit, FAQ, conditions générales. Il répond en moins de 5 secondes aux questions répétitives — et reconnaît quand il faut basculer en humain. Pas de réponse inventée.
Réponse moy. < 5 s
03 · Éditorial
Génération de briefs SEO complets (intent, plan, sémantique), correction stylistique, suggestions de maillage. Jamais de publication directe. Toujours une relecture humaine — la marque parle, pas la machine.
Résultat mesuré cadence de production nettement accrue
04 · Métier expert
Auto-tagging d'articles, classification de tickets, extraction de factures/contrats dans un format prêt à intégrer dans vos outils. Traitement fiable : vos PDF deviennent des fiches requêtables dans votre application.
Résultat mesuré extraction fiable, validée avant prod
Catalogue d'agents
Ce que nous construisons concrètement : six types d'automatisations, chacun démarré par un PoC offert. Tout s'intègre à votre environnement existant, avec ses garde-fous, son suivi et son tableau de bord — sans dépendance à un outil tiers.
Customer Support
Agent · niveau 1
Répond à partir de vos documents + bascule vers un humain dès que la situation est ambiguë. Cite ses sources, garde l'historique de la conversation, sait dire « je ne sais pas ».
Sales Triage
Agent · pré-qualif
Lit chaque email entrant, qualifie (chaud / tiède / hors-cible), extrait les infos clés, crée une fiche prospect dans le CRM avec un score d'urgence.
Doc Search
Agent · recherche documentaire
Cherche dans votre base documentaire (Confluence, Notion, Google Drive). Réponses citées, pertinence optimisée, garde-fous anti-fuite de données privées.
Doc Extractor
Agent · extraction structurée
PDF / image / mail → données structurées prêtes à exploiter. Factures, contrats, devis. Schémas sur mesure, validation automatique, basculement humain si résultat douteux.
Module · Conversation
Module · Génération
Module · Extraction
Module · Orchestration
Module · Suivi en temps réel
Module · Tests & sécurité
Sous le capot
Chaque appel à Claude est visible côté client. Instruction de départ, message utilisateur, réponse, raisonnement, niveau de certitude, coût. C'est versionné dans Git comme du code normal. Vous pouvez le modifier, on redéploie en 5 minutes.
Anti-promesses
Les sept cas où l'on dit non avant même de discuter du projet. Ces clauses figurent dans nos contrats. Elles vous protègent autant qu'elles nous engagent.
Pas d'IA autonome sur sujets critiques
Juridique, médical, finance, RH. L'IA assiste, prépare, suggère. La décision finale reste humaine, tracée, signée.
Pas de collecte automatique de données contre les CGV des plateformes
On ne construit pas d'agent qui aspire des données de LinkedIn, Indeed ou Google Maps en contournant leurs conditions d'usage. Risque légal réel, pas une zone grise.
Pas de remplacement complet d'équipes humaines
L'IA augmente les humains, elle ne les remplace pas. Si l'objectif annoncé est un licenciement collectif, on n'est pas le bon prestataire.
Pas d'IA magique sans monitoring
Tests automatisés obligatoires, surveillance continue, alertes sur baisse de qualité. Une IA sans suivi se dégrade silencieusement — c'est une bombe à retardement.
Pas de prompts secrets
Tous les prompts vivent dans votre code Git. Vous les voyez, vous les modifiez, vous les versionnez. Pas de boîte noire louée à un prestataire.
Pas de no-code IA en prod
Lindy, Sweep, Cassidy, Cassidy Pro — démo séduisante, dette technique cachée. Si vous voulez posséder vos automatisations et pouvoir les modifier librement, c'est du code, point.
Pas de promesse « l'IA fait tout »
On cadre toujours le périmètre du workflow. On ne dit pas oui à « ajoute-moi une IA qui automatise tout mon SAV ». On dit « voici les 3 cas d'usage qu'on peut automatiser ce mois-ci avec un niveau de fiabilité calibré sur votre workflow ». Le reste, on garde la main humaine.
Pipeline de déploiement IA
Notre déploiement standard d'un workflow IA. Six étapes datées, chacune signée par e-mail, avec un livrable testable. À chaque palier, on peut décider d'arrêter sans pénalité — l'audit et la spec restent à vous.
Combien d'heures perdues, sur quoi, par qui. Volumes mesurés, sources identifiées, pain points classés par ROI potentiel. Livrable : un audit chiffré.
Étapes, garde-fous (seuil de certitude, escalade humaine), format de sortie attendu, métriques de succès. Spec signée avant qu'on touche au code.
On code le prototype et on le teste sur 40 à 200 cas réels avant toute mise en production. Si les tests ne passent pas, on n'avance pas — on retravaille les instructions données à l'IA.
Branchements à vos outils existants (événements applicatifs, webhooks, base de données). Les tâches IA tournent en arrière-plan sans bloquer votre application. Logs structurés, traçabilité complète. L'automatisation vit dans votre application.
10 % du volume la première semaine, surveillance serrée, comparaison avec le traitement humain. Si les indicateurs sont au vert → 30 %, puis 100 %. Si quelque chose cloche → on revient en arrière, on corrige.
Dashboard live (temps de réponse, coût, qualité des décisions, dégradations détectées). Ajustements toutes les 2-4 semaines selon ce qui remonte. Batterie de tests étendue avec les cas réels rencontrés.
Pourquoi des tests automatiques de qualité ?
Sans tests, on ne sait pas si l'IA s'est dégradée. Avec cette batterie de tests, on le voit chaque matin : 4 tests qui passaient hier échouent aujourd'hui — détérioration détectée, on corrige avant que le client ne le remarque.
Ce sur quoi on s'appuie
Aucune brique propriétaire. Aucune dépendance à un prestataire qui peut disparaître demain. Tout repose sur des composants matures, documentés, et qu'un autre dev sénior peut reprendre dans 5 ans sans se perdre.
01 · Modèles principaux
Claude Opus (le modèle Claude le plus puissant) pour l'analyse complexe — extraction de contrats, décisions multi-critères. Claude Sonnet (le modèle équilibré) pour la majorité des tâches — triage, classification, génération. Claude Haiku (le modèle rapide et léger) pour les gros volumes à faible coût.
02 · Application + queue
Django pour l'application et l'administration, Celery + Redis pour les tâches IA en arrière-plan. Chaque tâche automatisée se relance en cas d'erreur, rien ne se perd. Pas de dépendance à un outil tiers d'orchestration.
03 · Base de données + recherche dans vos documents
Une seule base de données pour tout (application + recherche dans vos documents). Vos documents sont transformés en données comprises par l'IA, stockés dans cette même base — sans outil tiers à louer mensuellement.
04 · Fallback & redondance
Si la connexion Anthropic est indisponible (rare), bascule automatique sur OpenAI ou un modèle hébergé en interne selon la tâche. Pas de dépendance unique à un seul fournisseur — la continuité de service prime.
Cas anonymisés
Les trois clients qui nous ont autorisé à parler du contexte, pas du nom. Démos sous NDA possibles en visio — on montre l'écran, on lit les logs, on répond aux questions techniques.
Cabinet d'assurance · IARD
Plusieurs centaines de sinistres par jour reçus par email + courrier scanné. L'agent extrait les infos clés (police, sinistré, type, montant estimé), classe en 5 catégories, et crée une fiche dans le SI métier. Garde-fou humain dès que la situation est ambiguë. Le gestionnaire ouvre directement une fiche pré-remplie au lieu de saisir.
Marketplace B2B · 120 vendeurs
Quand un producteur dépose une demande de lavage de bouteilles, l'agent IA lit le besoin (volume, fréquence, géolocalisation, contraintes sanitaires) et propose les 3 laveurs les plus pertinents. Avec un score d'adéquation explicable. Sortie validée par un opérateur avant envoi.
Atelier de céramique · D2C
Le bot répond aux questions clients sur l'entretien, la cuisson, les dimensions, les délais de fabrication. Branché sur le catalogue complet et l'historique éditorial. Cite ses sources, propose l'humain en moins de 2 messages s'il bloque. Décharge l'atelier de la majorité des questions répétitives.
« Trois clients. Trois métiers très différents. Une seule constante : l'humain reste aux commandes des décisions qui comptent. »
— Démo écran partagé possible · sous NDA
Suivi en temps réel
Vue d'ensemble en temps réel de toutes vos tâches automatisées. Coût des appels IA, temps de réponse, qualité, taux de transmission à un humain. Si quelque chose se dégrade, vous le voyez avant que le client ne le remarque.
Volume IA en hausse
Élevé
Coût API optimisé
Maîtrisé
Temps de réponse stable
Rapide
Succès workflow fiable
Élevé
Escalades humaines maîtrisées
Rares
— Flow de données · vue producer / consumer
Sources
Email IMAP Webhooks externes Uploads PDF Chat widgetPipeline
Claude Sonnet Recherche dans vos docs Validation de la sortie Tests automatiquesDestinations
CRM interne Notif Slack Email Sendgrid Audit logIA la + sollicitée · 30j workflows courants
majoritaire
— Aperçu interface · données fictives
Workflow le + appelé · 30j email_triage.py
workflow le plus appelé
Décrire votre workflow
On en parle : 45 minutes en visio pour comprendre votre tâche manuelle, identifier ce qui est automatisable et ce qui doit le rester, et estimer un PoC en moins de 6 semaines. Sans engagement.
Lancer un PoC Étape finale
Contenu du PoC offert
Audit du workflow actuel
Spec écrite du workflow IA
Prototype testable sur vos données
Devis ferme de mise en prod
Aucun envoi de vos données à un modèle d'IA tiers sans accord écrit · Vous gardez 100 % du code et des instructions données à l'IA · Architecture reproductible par tout développeur expérimenté