Mise en œuvre de l’IA dans une entreprise de toiture
Le contexte
Une entreprise active dans les travaux de toiture souhaitait mettre en place une aide basée sur l’IA pour trois étapes récurrentes de son processus de calcul et de vente. La solution aide l’équipe à évaluer les demandes entrantes, à vérifier les offres avant leur envoi et à préparer les demandes de prix détaillées destinées aux fournisseurs. Elle s’appuie sur les règles, les documents et le vocabulaire propres à l’entreprise.
Le problème
Le département des déviseurs reçoit en permanence des documents à analyser, notamment des cahiers des charges, des métrés, des offres et des échanges avec les fournisseurs. Trois étapes du processus prenaient particulièrement du temps et laissaient place à l’erreur : déterminer si une demande de prix méritait d’être traitée, vérifier qu’une offre était complète avant son envoi et préparer les demandes de prix aux fournisseurs, poste par poste.
Mon intervention
Le travail a commencé par une journée sur place, et non par un plan de projet écrit à l’avance. Avec l’équipe, j'ai en revue des dizaines d’usages possibles et les avons répartis en trois groupes : ce qui pouvait être construit immédiatement, ce qui nécessitait une connexion à d’autres systèmes et ce qui dépassait le cadre d’un projet court. Trois cas concrets ont ensuite été retenus dans le premier groupe.
La solution a été construite à partir des documents réels de l’entreprise, notamment des dossiers, des e-mails historiques, des offres et des listes de références. Je ne me suis pas appuyée sur des exemples génériques. Ces documents ont permis d’affiner progressivement la solution, notamment pour prendre en charge un type de dossier moins fréquent qui est apparu au cours du projet.
Les tests ont été réalisés sur un large ensemble de dossiers propres à l’entreprise, dont le résultat était déjà connu. Il a ainsi été possible de comparer chaque résultat à une décision humaine réelle et de vérifier que les règles définies étaient correctement appliquées.
Le résultat
Une solution fonctionnelle a été livrée en seulement trois jours de travail.
Les trois cas sélectionnés ont été transformés en outils pratiques que l’équipe peut utiliser sans devoir connaître une commande particulière ni formuler un prompt technique. Chaque résultat reste traçable jusqu’à sa source, avec une documentation claire de ce qui a été démontré et de ce qui ne l’a pas encore été.
Les règles et les connaissances utilisées par les trois outils sont définies une seule fois et partagées entre eux. Cela évite de répéter la même logique métier à plusieurs endroits et de la voir progressivement diverger.
Cette première mission a également posé les bases de la suite. La même approche, les mêmes règles métier et les mêmes fondations techniques peuvent désormais être réutilisées au fur et à mesure que je développe d’autres cas d’usage de l’IA pour l’entreprise.
Ce que cette mission illustre
Cette mission illustre une façon de travailler. Elle part du travail réel, et non de la technologie. Elle s’appuie sur les documents et les processus propres au client plutôt que sur des exemples génériques. Elle teste la solution par rapport à des décisions déjà connues et permet de distinguer clairement ce que les tests démontrent réellement de ce qu’ils ne permettent pas encore de conclure.
Le périmètre est également resté volontairement resserré. Cela a permis de livrer quelque chose d’utile dans le cadre de la mission tout en préparant clairement la suite, plutôt que d’essayer de construire une solution complète en une seule fois.
L’IA devient utile lorsqu’elle s’appuie sur votre travail réel. Si vous avez un processus où l’IA pourrait faire gagner du temps, réduire les tâches répétitives ou faciliter certaines décisions, parlons-en.