Cas d'usage

Ce que ça donne en vrai, cinq fois.

Cinq projets livrés pour des industriels français. Tous anonymisés. Pas de logo client, pas de citation identifiable : tant que nous n'avons pas une autorisation écrite, nous ne publions rien. La confidentialité est aussi un engagement contractuel.

Cas 01 3 semaines

Diagnostic Data & IA complet

Manufacture française de biens d'équipement haut de gamme, Auvergne, environ 3,5 M€ de chiffre d'affaires, trente collaborateurs.

Neuf entretiens terrain avec direction, commercial, production, achats. Cartographie du SI existant. Identification de quatorze cas d'usage candidats, priorisés selon une matrice valeur-faisabilité. Feuille de route sur 24 mois en quatre vagues. Quick wins déployés dès le 3e mois. Stack retenue : mixte cloud (LLM managé) pour les tâches non-sensibles + modèles locaux pour les données industrielles.

Résultats

  • 14 cas d'usage chiffrés et priorisés
  • Feuille de route 24 mois budgétée
  • Quick wins déployés au 3e mois
  • ROI mesurable au 12e mois
Cas 02 6 semaines

Extraction automatique de cotes sur plans CAO 3D

Transformateur de matières plastiques, spécialiste moules techniques, Grand Ouest.

Une tâche qui bloquait deux dessinateurs pendant trois semaines sur une série de 55 plans. Modèle vision déployé en local pour préserver le secret industriel. Pipeline complet transféré aux équipes bureau d'études avec formation, documentation et jeu de tests de non-régression. Le client peut désormais traiter des séries similaires en moins d'une journée, en autonomie totale.

Résultats

  • De 3 semaines à moins d'une journée par série
  • Modèle vision 100 % local, zéro donnée cloud
  • Pipeline transféré et maintenu en interne
  • Coût complet amorti sur le premier lot traité
Cas 03 10 semaines

Automatisation des dossiers de première pièce

Industriel français de la métallurgie, multi-sites, Sud de la France.

Rapport Word généré en automatique depuis la nomenclature ERP, les mesures CMM et les certificats matière. LLM 100 % local, hébergé sur serveurs client, aucune donnée sortie de l'usine. Intégration avec le workflow qualité existant. Le retard administratif sur les expéditions, qui bloquait régulièrement des livraisons critiques, a été réduit de plus de 70 % sur les deux premiers mois.

Résultats

  • −70 % de retard administratif sur expéditions
  • LLM 100 % local, conformité secret industriel
  • Intégration ERP + CMM + gestion matière
  • Dossier qualité généré en minutes
Cas 04 8 semaines

Copilot technique pour les équipes support avant-vente

Fabricant d'ouvrants de sécurité industrielle, Centre France.

Recherche unifiée dans 20 ans de documentation technique : fiches produit, normes, retours SAV, dossiers historiques clients. Base vectorielle on-premise, contrôle d'accès par rôle, audit complet des requêtes. Le temps moyen de réponse à une demande technique complexe a été divisé par quatre. Les nouveaux arrivants prennent leur poste en autonomie en deux fois moins de temps.

Résultats

  • Temps de réponse divisé par 4
  • 20 ans de documentation techniquement interrogeable
  • Base vectorielle on-premise, audit complet
  • Délai d'autonomie nouveaux arrivants −50 %
Cas 05 12 semaines

Optimisation par ML d'une machine de remplissage multi-têtes

Transformateur agroalimentaire régional, Sud-Ouest.

Modèle entraîné sur les données de production existantes pour optimiser les réglages machine en continu. Réduction de la variabilité volume, baisse de la surconsommation matière sur le format prioritaire. Formation statistique Six Sigma des équipes production en parallèle pour pérenniser le gain et leur donner les outils pour l'étendre à d'autres formats sans nous.

Résultats

  • Variabilité volume réduite significativement
  • Surconsommation matière en baisse sur format prioritaire
  • Équipes formées Six Sigma en parallèle
  • Extension à d'autres formats possible en autonomie
Cas 06 8 semaines

Pipeline de traitement de données capteurs — agrégation temps réel

ETI industrielle multi-sites, process continu et discret, Rhône-Alpes.

Quinze capteurs (température, vibration, pression, comptage pièces) collectés via Modbus TCP et OPC-UA. Pipeline edge : agrégation EWMA (λ=0.2) pour le process continu, sous-groupes Xbar pour le discret, stockage triplet (min, mean, max) par minute dans TimescaleDB. Dashboards Grafana temps réel + features ML calculées automatiquement pour le modèle de maintenance prédictive. Référentiel d'agrégation documenté et transféré — l'équipe data client gère l'ajout de nouveaux capteurs en autonomie.

Résultats

  • 15 capteurs intégrés via Modbus TCP + OPC-UA
  • Volume données réduit ×600 sans perte de signal utile
  • Features ML auto-calculées pour maintenance prédictive
  • Référentiel d'agrégation transféré à l'équipe data

Votre cas ressemble à l'un des cinq ?

Ou vous avez quelque chose de complètement différent ? On discute 45 minutes, on voit si ça s'applique, on vous dit honnêtement si c'est pour nous.

Prendre un RDV de cadrage