Modèles prédictifs
Anticipez la demande, les pannes ou le churn client. Nous entraînons des modèles sur vos données historiques, avec une validation croisée rigoureuse et un suivi de la dérive des données après mise en production.
Ce que nous faisons
Chaque projet commence par un audit de vos données. Pas de promesse vague : nous vous disons en cinq jours si l'IA peut améliorer un processus donné, et de combien.
Traitement du langage naturel
Classification automatique de tickets, extraction d'entités dans des contrats, résumé de rapports longs. Nos pipelines NLP gèrent le français, le néerlandais et l'anglais avec le même niveau de fiabilité.
Vision par ordinateur
Contrôle qualité sur ligne d'assemblage, comptage d'objets sur images satellites, détection de défauts dans des soudures. Nos réseaux convolutifs tournent sur GPU embarqué ou dans le cloud, selon vos contraintes de latence.
Automatisation documentaire
Extraction de tableaux, reconnaissance de signatures, numérisation de formulaires papier. Un modèle OCR seul ne suffit jamais : nous combinons reconnaissance optique, règles métier et validation humaine pour atteindre 99,2 % de fiabilité sur les champs critiques.
Huit ingénieurs, un seul objectif
Notre équipe est installée à Bruxelles depuis 2019. Nous ne sommes pas un cabinet de conseil qui rédige des PowerPoint sur l'IA : nous écrivons du code Python, nous configurons des pipelines MLOps et nous surveillons les modèles en production chaque semaine.
Trois de nos ingénieurs viennent du monde académique (KU Leuven, ULB). Les cinq autres ont travaillé en industrie : logistique portuaire, banque de détail, dispositifs médicaux. Cette double culture nous permet de parler à la fois le langage des données et celui du terrain.
Nous refusons environ un projet sur trois. Si vos données sont trop rares ou trop bruitées pour produire un modèle fiable, nous préférons vous le dire tout de suite plutôt que de facturer six mois de travail inutile.
Notre méthode en cinq étapes
Pas de surprise en cours de route. Chaque étape produit un livrable que vous validez avant de passer à la suivante.
Audit des données
Nous analysons vos sources : bases SQL, fichiers Excel, API tierces, images stockées sur S3. Durée : cinq jours ouvrables. Vous recevez un rapport de faisabilité avec un score de qualité des données.
Prototype rapide
En quatre à six semaines, nous livrons un premier modèle fonctionnel sur un jeu de données restreint. L'objectif n'est pas la perfection mais la preuve que la direction choisie fonctionne.
Entraînement à l'échelle
Le modèle est ré-entraîné sur l'ensemble de vos données, avec optimisation des hyperparamètres et tests de robustesse. Nous documentons chaque expérience dans un registre MLflow accessible à votre équipe.
Intégration et déploiement
Le modèle est conteneurisé (Docker), exposé via une API REST et connecté à votre système existant. Nous travaillons avec Kubernetes, Azure ML ou AWS SageMaker selon votre infrastructure.
Suivi continu
Un modèle qui n'est pas surveillé dérive. Nous mettons en place des alertes sur la distribution des entrées et la précision des sorties, avec ré-entraînement automatique quand les seuils sont franchis.
Projets récents
Quelques exemples concrets de ce que nos modèles produisent au quotidien.
Vision par ordinateur
Détection de micro-fissures pour un fabricant aéronautique
Un réseau YOLOv8 entraîné sur 14 000 images annotées détecte les défauts de surface sur des pièces en titane. Le taux de faux négatifs est passé de 4,1 % (inspection humaine) à 0,3 %.
NLP
Tri automatique de 8 000 e-mails par jour pour une mutuelle
Un modèle BERT fine-tuné classe les courriers entrants en 23 catégories et extrait les numéros de dossier. Le temps de traitement moyen par message est passé de 3 minutes à 4 secondes.
Questions fréquentes
Les interrogations que nos clients posent le plus souvent avant de démarrer un projet.
De combien de données ai-je besoin pour commencer ?
Cela dépend du cas d'usage. Pour de la classification d'images, quelques centaines d'exemples par catégorie suffisent souvent grâce au transfer learning. Pour de la prédiction tabulaire, nous recommandons au moins 5 000 lignes avec un historique d'un an. L'audit initial sert précisément à répondre à cette question pour votre situation.
Combien coûte un projet type ?
L'audit de faisabilité est facturé 3 500 € hors TVA. Le développement d'un modèle complet, du prototype au déploiement, se situe généralement entre 25 000 et 80 000 € selon la complexité. Nous fournissons un devis détaillé après l'audit, jamais avant.
Mes données restent-elles confidentielles ?
Oui. Nous signons un accord de confidentialité (NDA) dès le premier contact. Vos données sont stockées sur des serveurs situés dans l'Union européenne et chiffrées au repos (AES-256). Aucun jeu de données client n'est réutilisé pour entraîner d'autres modèles.
Puis-je héberger le modèle sur mes propres serveurs ?
Absolument. Nous livrons un conteneur Docker avec toute la documentation nécessaire. Votre équipe IT peut le déployer sur votre infrastructure sans dépendre de nous. Si vous préférez un hébergement managé, nous proposons aussi cette option avec un SLA de 99,5 %.
Que se passe-t-il si le modèle ne fonctionne pas ?
Si l'audit conclut que vos données ne permettent pas d'atteindre la précision minimale requise, nous vous le disons clairement et le projet s'arrête là. Vous ne payez que l'audit. Après la phase de prototype, si les résultats sont insuffisants, nous proposons deux itérations supplémentaires sans surcoût avant de réévaluer la viabilité du projet.
Parlez-nous de votre projet
Décrivez votre problématique en quelques lignes. Nous revenons vers vous sous 48 heures avec une première analyse.
Allée Berger 940/2, 1000 Brussels, Brussels-Capital Region, Belgium
