Intégration de l’IA

Réalisations

Principales réalisations en intégration de l’IA.

Pour chaque cas, nous présentons la situation de départ, le résultat et des captures d’exécution reconstituées avec des données fictives. Certains ont été menés dans le cadre de projets nationaux de R&D.

Éducation · Produit propre2026Réalisé en novembre 2026 · En exploitation

JPT Level-Up · Appli de préparation au test de japonais

Nous avons développé nous-mêmes JPT Level-Up, un service de préparation au JPT (test de compétence en japonais), de la conception à l’exploitation. Chaque réponse affine l’estimation du niveau et de la difficulté des questions ; le service propose chaque jour 5 questions sur la partie la plus faible, et les mots des questions manquées rejoignent automatiquement le lexique. Le même historique suit le compte sur ordinateur et sur mobile (application ajoutée à l’écran d’accueil).

Parcours d’apprentissage Exercices, suivi des erreurs et lexique gérés chacun séparément Exercice → explications → carnet d’erreurs → lexique forment un seul historique, et la question suivante est choisie automatiquement dans la partie la plus faible

Produit propre2026Réalisé en septembre 2026 · En exploitation

Inferaft Story · Service de discussion avec des personnages IA

Continuité des réglages dans les longues conversations Le rôle de l’utilisateur, les engagements pris et les règles de l’univers devaient être rappelés à chaque conversation Persona, notes de mémoire et lorebook sont pris en compte à chaque réponse, et changer de modèle conserve la même conversation et la même mémoire

Produit propre2026Mis en service en 2026.01 · Phase pilote en cours

SETI · Saisie automatique par OCR des documents reçus par e-mail

Exploitation du service Mise en service en 2026.01 Phase pilote · accès gratuit

Questions fréquentes sur ce sujet

Principes

VROF commence par identifier les tâches qui nécessitent réellement l’IA.

Appliquer l’IA à une tâche que des règles suffisent à traiter ralentit le traitement, augmente les coûts, et une même entrée peut produire des résultats différents. À l’inverse, traiter par des règles seules une tâche où les exceptions se multiplient rend ces règles excessivement complexes.

Validation finale par le responsable

Les résultats de l’IA sont traités comme des brouillons et validés par le responsable. Une erreur peut ainsi être corrigée avant d’être prise en compte.
Traçabilité des sources

Chaque résultat peut être rattaché au texte source dont il provient, ce qui permet de retrouver l’origine d’une erreur.
Une architecture indépendante du modèle

Les modèles d’IA évoluent sans cesse. Sur l’un de nos produits, le modèle a d’ailleurs été remplacé une fois en cours d’exploitation. Nos systèmes sont conçus pour qu’un nouveau modèle s’intègre à la même architecture.
Des performances fondées sur la mesure

Nous n’indiquons un taux de précision que pour les cas disposant de mesures enregistrées.

Voir aussi

Services associés

Pour que l’IA juge, il faut d’abord des données. Les services Collecte de données web et Collecte de données d’applications assurent la collecte, et le service Analyse de données consolide les données collectées.

Contact