Expertise Intelligence artificielle
L'IA générative, une opportunité à exploiter avec méthode
En 2026, l'intelligence artificielle générative a quitté la phase d'exploration. Les LLMs produisent quotidiennement du code chez plus de 70% des équipes tech européennes. Les agents autonomes automatisent le support client, la qualification commerciale, la génération de rapports. Le RAG rend les corpus internes interrogeables en langage naturel. Claude, GPT-5, Mistral Large, Llama 4 offrent des capacités impensables il y a trois ans.
Le problème n'est plus technique, il est méthodologique. Les projets IA qui échouent partagent les mêmes symptômes : POC jamais productionnalisés, coûts qui explosent, hallucinations non détectées, dépendance à un provider unique, PII fuitées dans les prompts, pas d'évaluation quantitative de la qualité. Notre cabinet applique aux projets IA la même rigueur qu'à un SI critique : évaluation, observabilité, garde-fous, coûts maîtrisés, réversibilité.
Notre approche
L'IA doit résoudre un problème métier mesurable, pas alimenter un dossier de communication.
- Cadrage sur un KPI chiffré. Avant tout POC, nous définissons la métrique de succès (taux de déflection du support, temps de traitement d'un dossier, précision de recherche sémantique). Sans métrique, pas de projet.
- Choix du modèle par évaluation, pas par hype. Nous comparons Claude, GPT, Mistral, Llama sur un dataset représentatif du client, sur les trois axes latence, coût, qualité. Souvent, le petit modèle gagne.
- Architecture modulaire et découplée. Le moteur LLM est une dépendance injectable derrière une interface. Changer de provider ne requiert pas une réécriture. Protection contre le vendor lock-in par design.
- Garde-fous systématiques. Détection et rejet de prompt injection (Rebuff, Lakera), scrubbing des PII avant l'envoi au LLM, modération des sorties, limites de taux par utilisateur et par tenant.
- Observabilité dès le jour 1. Langfuse ou Helicone pour les traces, dashboards de coûts par feature et par tenant, suivi des scores de qualité (eval automatique), détection de drift sur la distribution des requêtes.
- MLOps léger mais réel. Versioning des prompts aux côtés du code, évaluations automatisées en CI, déploiement canary sur les changements de modèle, rollback instantané.
Technologies & frameworks maîtrisés
| Domaine | Outils et modèles |
|---|---|
| LLMs hébergés | Claude 4.5 Sonnet, Claude 4.5 Opus, GPT-5, GPT-5-mini, Mistral Large 2, Gemini 2 Pro |
| LLMs self-hosted | Llama 4, Qwen 3, Mistral 7B/24B, DeepSeek V3, via vLLM, Ollama, TGI |
| Frameworks orchestration | Symfony + client HTTP, LangChain (Python pour POC), LlamaIndex, CrewAI |
| Embeddings | OpenAI text-embedding-3-large, Cohere Embed v4, BAAI bge-large, jina-embeddings v3 |
| Vector DBs | pgvector 0.8 (notre défaut pour 80% des cas), Qdrant, Weaviate, Pinecone |
| Reranking | Cohere Rerank v3.5, BAAI bge-reranker-large, cross-encoders locaux |
| Observabilité LLM | Langfuse, Helicone, LangSmith, Arize Phoenix |
| Evaluation | Ragas, DeepEval, OpenAI Evals, eval custom sur dataset client |
| Guardrails | Lakera Guard, Rebuff, NeMo Guardrails, regex + détection PII (presidio) |
| Fine-tuning | Axolotl, Unsloth, LoRA, QLoRA sur GPU A100/H100 loués à l'heure |
| Agents | Claude Agent SDK, OpenAI Assistants, AutoGen, Semantic Kernel |
Services associés
Nos interventions IA s'inscrivent dans ces services catalogue.
- Intelligence artificielle — POC, RAG, agents, MLOps, coûts maîtrisés.
- Architecture logicielle — intégration propre dans un monolithe Symfony ou un micro-services.
- Cybersécurité — garde-fous LLM, protection PII, sécurité des prompts.
- Performance & scalabilité — caching d'embeddings, batching, optimisation des coûts API.
- Développement PHP sur-mesure — clients Claude et OpenAI natifs, Messenger pour l'asynchrone.
Cas d'usage typiques
Recherche sémantique sur une base documentaire de 50 000 documents. Ingestion, chunking intelligent, embeddings OpenAI text-embedding-3-large, indexation pgvector HNSW, reranking Cohere, génération Claude. Temps de réponse médian sous 1,2s, coût 12€ par mois pour l'indexation, 0,30€ par requête.
Agent de qualification commerciale. Claude pilote un workflow multi-étapes via le SDK : enrichissement via API externes, scoring BANT, rédaction d'une note de synthèse, création d'une opportunité dans le CRM. Traitement de 300 leads par jour, économie de 2 ETP sur le pré-commercial.
Automatisation de la rédaction de rapports réglementaires. Extraction structurée depuis PDF, composition de sections par templates, relecture croisée par un second LLM, validation humaine finale. Temps de production d'un rapport divisé par 4, taux d'erreurs humaines réduit de 60%.
Classification et routage automatique de tickets support. Embeddings sur l'historique, classification en 18 catégories, attribution automatique, escalade sur les sentiments négatifs détectés. Taux de bonne classification 94%, gain opérationnel de 1,5 ETP support.
FAQ spécifique
Faut-il utiliser LangChain avec Symfony ou coder le pipeline directement ? Pour un RAG simple ou des agents à workflow prévisible, nous implémentons directement en PHP avec le client HTTP Symfony. Le code est plus maintenable, le typage strict, les tests PHPUnit fiables. LangChain reste utile en Python pour des prototypes rapides ou des chaînes très complexes. Pour la production critique, nous préférons le code explicite.
pgvector ou une base vectorielle dédiée (Qdrant, Pinecone) ? pgvector couvre 80% des besoins réels : jusqu'à 5 millions de vecteurs 1536-dim, avec des temps de réponse sous 50 ms grâce à l'index HNSW. L'énorme avantage : transactions ACID avec le reste du métier, backups unifiés, SQL standard. Nous basculons sur Qdrant au-delà de 50 millions de vecteurs ou quand le filtrage pré-requête devient complexe.
Comment limiter les coûts API LLM ? Quatre leviers combinés. Un, choisir le plus petit modèle qui passe l'eval (GPT-5-mini ou Claude Haiku gagnent souvent). Deux, cacher agressivement les réponses identiques. Trois, utiliser le prompt caching natif (Anthropic ou OpenAI) pour les contextes longs répétitifs, gain de 50 à 90% sur l'input. Quatre, batcher les requêtes non urgentes via les batch APIs, réduction de 50% sur le prix.
Comment éviter les hallucinations dans un RAG ? Trois règles d'or. Un, le contexte récupéré doit être suffisant et pertinent : reranking obligatoire, diversification, chunking intelligent. Deux, le prompt doit interdire explicitement la réponse sans source : "réponds uniquement à partir du contexte fourni, sinon dis que tu ne sais pas". Trois, afficher les sources à l'utilisateur, cela change le comportement du modèle et la confiance de l'utilisateur.
Peut-on self-host un LLM pour éviter d'envoyer des données à un tiers ? Oui, avec Llama 4 70B ou Mistral Large 2, la qualité est proche des modèles hébergés pour des tâches classifiques ou RAG. Le coût bascule vers le GPU : une A100 80 Go loue à 2€ l'heure, soit 1500€ par mois en 24/7. Rentable au-delà de 10 millions de tokens par jour. En dessous, l'API hébergée reste moins chère.
Pour aller plus loin
Nos articles techniques approfondissent l'IA en production.
- RAG en production avec pgvector, Claude et Symfony — architecture détaillée, code, schémas SQL, coûts réels.
- OWASP Top 10 2025 : implémentation concrète avec Symfony 7 — sécurité des endpoints qui intègrent un LLM.
- Migrer un legacy PHP 5.6 vers 8.3 avec le strangler pattern — socle technique nécessaire pour intégrer l'IA dans un SI ancien.
Prenons contact
Un cas d'usage IA à évaluer, un POC à industrialiser, des coûts à maîtriser ? Écrivez-nous à contact@your-digital-hub.com ou utilisez notre page contact. Premier atelier de cadrage IA de 60 minutes, sans engagement.