AI Engineering Native

Le défi

Dans la R&D pharmaceutique, les données d'essais cliniques arrivent de toutes parts : plateformes de saisie électronique des centres investigateurs, sociétés de recherche sous contrat (CRO), laboratoires centraux d'analyse, registres publics d'essais, bases internes et tableurs des équipes. Les chercheurs ont besoin d'une vue consolidée et les futurs agents IA d'un accès fiable, dans un environnement réglementé où les Bonnes Pratiques (GxP) imposent de justifier et de tracer chaque traitement.

Notre approche

Intégrés à l'équipe data de la R&D, nos Data Engineers construisent le lakehouse qui ingère les 35 sources, avec un catalogue de données et une couche sémantique qui documente chaque indicateur. Chaque transformation est versionnée et tracée, de la source au résultat, pour répondre aux exigences d'audit et de validation du secteur. Les données sont exposées aux chercheurs et aux agents IA via des accès contrôlés.

Impact

Une vue unique et auditable des données cliniques, prête pour les inspections réglementaires comme pour les agents IA.

Technologies

Le défi

Chez un industriel, un seul lot bloqué peut arrêter une ligne de production, décaler des livraisons clients et immobiliser des stocks. Les causes sont connues : une matière en retard, un équipement indisponible, un contrôle qualité en attente. Mais les signaux sont éparpillés entre l'ERP, le MES et les outils qualité, et les équipes découvrent le problème le jour même, quand il est trop tard pour réagir.

Notre approche

Intégrés à l'équipe data de la supply chain, nos Analytics Engineers consolident les données de flux (ERP, MES, LIMS) dans des modèles dbt testés et calculent les indicateurs clés : temps de cycle, délais, débit, en-cours. Un score de disponibilité en temps quasi réel, restitué dans Power BI, signale les lots à risque jusqu'à 72 heures avant exécution.

Impact

Les équipes agissent jusqu'à 72 heures avant un blocage, au lieu de le découvrir le jour même.

Technologies

Le défi

La réglementation européenne sur l'écoconception va progressivement imposer un passeport numérique pour de nombreux produits : origine des matières, composition, traçabilité, réparabilité. Pour une maison de luxe, ces informations sont dispersées entre l'ERP, les systèmes des ateliers et ceux des fournisseurs. Le passeport doit être fiable, sécurisé et à la hauteur de l'image de la marque, accessible d'un simple scan.

Notre approche

Intégré à l'équipe digitale de la maison, notre Tech Lead porte l'architecture de la plateforme qui consolide les données produit depuis l'ERP, les ateliers et les fournisseurs, et génère un passeport pour chaque pièce. Un identifiant unique, lisible par QR code ou puce NFC, ouvre une page aux couleurs de la maison. Il encadre l'équipe, sécurise les échanges avec les fournisseurs et industrialise les déploiements.

Impact

Une maison prête pour les obligations européennes à venir, et des clients qui accèdent à l'histoire de leur pièce d'un simple scan.

Technologies

Le défi

Dans une grande banque, chaque clôture mensuelle mobilise contrôle de gestion et équipes risques pendant plusieurs jours. Les chiffres viennent du grand livre, des systèmes de risque et de nombreux fichiers Excel, avec des définitions qui varient d'une équipe à l'autre. Le régulateur attend pourtant une traçabilité complète des données de risque, selon les principes BCBS 239.

Notre approche

Intégrés aux équipes finance et risques, nos Analytics Engineers posent d'abord un socle data fiable : entrepôt cloud, modélisation dbt orchestrée par Dagster, contrats de données et tests qui bloquent tout chiffre incohérent, lignage jusqu'à la source. Sur ce socle, notre AI Engineer construit les agents qui génèrent slides et fichiers Excel aux standards de la banque, avec validation humaine de tout écart.

Impact

Des dossiers de comité produits à partir de chiffres certifiés et traçables, alignés sur les principes BCBS 239.

Technologies

Le défi

Les analystes traitent des volumes croissants d'images satellites. Détecter les objets d'intérêt à temps impose une chaîne complète, rapide et hébergée dans un environnement sécurisé et souverain.

Notre approche

Intégrés à l'équipe produit, nos Software Developers font évoluer la chaîne de bout en bout : intégration des modèles de détection, inférence sur GPU en environnement cloisonné, API de traitement des flux d'images et interface d'analyse pour les opérateurs. Tests et déploiements sont automatisés, dans le respect des contraintes de sécurité.

Impact

Des détections disponibles plus vite pour les analystes, sans que les images quittent l'environnement souverain.

Technologies

Le défi

Un assistant IA interne remplace des licences externes coûteuses et traite des centaines de milliers de requêtes. Pour le piloter, il faut savoir si ses réponses sont bonnes, combien coûte chaque requête et quels agents sont réellement utilisés, alors que les données sont éclatées entre interface et serveur.

Notre approche

Intégrés à l'équipe qui opère l'assistant, nos ingénieurs LLMOps unifient la télémétrie (OpenTelemetry, traces LLM) et les données d'usage dans un pipeline analytics unique. Les tableaux de bord suivent la qualité des réponses, le coût d'inférence par requête et par agent, la latence et l'adoption par métier.

Impact

La direction arbitre modèles et investissements sur des chiffres fiables, agent par agent.

Technologies

Le défi

Chaque contenu destiné aux professionnels de santé passe une revue MLR (médicale, légale, réglementaire), longue et coûteuse. Le laboratoire internalise sa production, jusqu'ici confiée à des agences, grâce à l'IA générative : bannières, e-mails, brochures et bientôt vidéos, pour des dizaines de marchés. Chaque contenu doit rester conforme dès sa génération.

Notre approche

Intégrés à l'équipe produit digitale, nos Software Developers construisent la plateforme de génération multicanal et ses contrôles de conformité : les règles MLR sont vérifiées automatiquement avant la validation humaine. Les contenus sont localisés par marché, et l'architecture est prête pour la vidéo générée.

Impact

Des contenus conformes dès leur création, et des relecteurs MLR qui se concentrent sur les vrais arbitrages.

Technologies

Le défi

Sur un site de production, une panne non planifiée arrête une ligne entière. Détecter les anomalies à temps impose d'exploiter des données très hétérogènes : télémétrie des capteurs, manuels techniques, photos de maintenance et vidéos opérationnelles.

Notre approche

Intégrés à l'équipe IA industrielle, nos Data Scientists construisent les modèles de prévision de pannes et de détection d'anomalies sur les séries temporelles des capteurs, ainsi que la vision par ordinateur pour l'inspection visuelle. Des agents IA interprètent les anomalies et rédigent les recommandations de maintenance à partir des manuels techniques. Chaque modèle est validé sur des sites pilotes avant son déploiement.

Impact

Une maintenance qui passe du curatif au prédictif, validée site par site avant d'être étendue au parc.

Technologies