Enseignement supérieur
Assistant IA interne sécurisé pour les collaborateurs
Les collaborateurs d'un grand groupe multi-sites interrogent la connaissance interne dans un environnement maîtrisé, avec des réponses sourcées. L'organisation garde ses contenus dans une boucle fermée et choisit le modèle adapté à chaque usage.
Contexte
Grand groupe multi-sites d'environ 140 applications, qui voulait un outil IA commun sans laisser partir ses contenus internes dans des outils grand public.
Le problème
Usages IA dispersés, contenus internes copiés dans des outils externes, information interne difficile à retrouver et parfois périmée.
Ce que nous avons construit
Un assistant conversationnel multilingue connecté à la base de connaissance : recherche documentaire avec sources affichées, bases de connaissance partagées avec droits par groupe, prompts partagés, base personnelle de documents, comptes rendus de réunion, retour utilisateur sur chaque réponse pour faire corriger le contenu source. Accès à plusieurs modèles via une passerelle unique.
Étapes
- 01Socle commun back (FastAPI, architecture hexagonale) et front, authentification d'entreprise
- 02Pipeline d'ingestion et de recherche : découpage, embeddings, reclassement, citations
- 03Agents spécialisés (recherche globale, par base, web) et passerelle multi-modèles
- 04Mise en production sur le cloud du client, avec recette et production séparées
Hébergement et modèles
Cloud Azure du client (Europe de l'Ouest) : API et workers en conteneurs managés, PostgreSQL avec recherche vectorielle, stockage objet. Modèles d'embeddings et de reclassement ouverts (famille Qwen3) servis par vLLM sur machines GPU dédiées. Grands modèles du marché (Gemini, Claude) appelés via un proxy LiteLLM, ce qui évite la dépendance à un fournisseur unique.
Services mobilisés
Plateformes agentiques · L'IA dans vos applications · Forward Deployed Engineers
Nous ne nommons un client qu'avec son accord écrit. Les budgets et les résultats détaillés de nos missions restent confidentiels.