Des penseurs et des bâtisseurs.

L'objectif : Les équipes relations investisseurs et produit passaient une bonne partie de leur semaine à retrouver des réponses que la société avait déjà produites. La direction voulait les bons cas d'usage, construits dans le respect de contraintes strictes de confidentialité et de la réglementation européenne, et adoptés par les équipes.

• Cartographie du travail par des entretiens, de l'analyste junior jusqu'aux associés, croisés avec les données des systèmes
• Cas d'usage co-construits avec des collaborateurs de tous niveaux, filtrés selon la valeur et la volonté d'adoption
• Un assistant de rédaction indépendant du modèle, construit sur les réponses validées de la société, dans son environnement sécurisé

L'objectif : La direction voulait savoir ce que les moteurs IA disaient réellement aux consommateurs sur sa catégorie, et si cela pouvait être mesuré et amélioré.

• Suivi chaque semaine de 500 prompts de consommateurs sur les principaux moteurs de réponse IA, avec le sentiment et les sources citées
• Identification d'une plateforme communautaire en ligne citée dans 46 % des prompts suivis, puis mesure de référence de son sentiment
• Sélection de 94 fils de discussion prioritaires où des contributeurs qualifiés interviennent sur les faits, dans le respect des règles de chaque plateforme

L'objectif : Le conseil d'administration voulait savoir où l'IA créerait une valeur mesurable et disposer d'options d'investissement concrètes sous 60 jours. Les projets de transformation perdaient leur élan entre la décision et l'exécution.

• Classement de 7 612 tickets de support dans une taxonomie à dix catégories, validée à 94 % de précision
• Analyse de 236 avis publics, du catalogue en ligne de 203 modèles, de l'usage de la BI et de la présence dans les réponses IA
• Entretiens avec toute la chaîne hiérarchique, du directeur général à l'équipe du service client

L'objectif : La marque avait réglé ses problèmes d'après-vente sur le plan opérationnel, mais ChatGPT, Claude, Gemini, Perplexity et AI Overviews s'appuyaient encore sur d'anciennes plaintes, tandis que deux concurrents étaient présentés comme des références du service sur des éléments plus fragiles.

• Cartographie de chaque forum, site d'avis et article qui façonne les réponses IA, modèle par modèle
• Mêmes prompts lancés pour les concurrents directs, afin de chiffrer l'écart sur les cinq moteurs
• Contenus de référence placés dans GQ, des médias du luxe et la presse professionnelle, et anciennes sources de forums supplantées en trois mois

L'objectif : La thèse du fonds : l'expansion des marges grâce à l'IA appliquée. La logique de prix tenait dans la tête d'un seul chiffreur, et le back-office fonctionnait avec des tableurs et la mémoire de l'entreprise.

• Cartographie des processus de bout en bout sur site, et valorisation de cinq cas d'usage, isolément et combinés
• Logique de prix formalisée dans une base de connaissances structurée et auditable, relue par le chiffreur senior
• Génération de devis par IA et boucle de prospection pilotée par le CRM pour les développeurs commerciaux

L'objectif : Chiffrer une proposition prenait deux à trois heures, et une première version de deck, une journée. L'équipe utilisait ChatGPT et Claude chacun de son côté, sans connaissances partagées et sans gouvernance.

• Plateforme connectée à la messagerie de l'équipe, à l'email et à dix ans de propositions commerciales
• Agents de chiffrage, de pitch deck et de briefing quotidien, plus un agent maître, construits à partir des processus de l'équipe
• Lancement avec des utilisateurs avancés, deux sessions de formation et quinze jours d'itération

L'objectif : Une association du secteur financier voulait que ses alumnae travaillent en professionnelles de l'investissement augmentées par l'IA, pas seulement sensibilisées à l'IA : des agents opérationnels sur de vrais processus de sourcing, de due diligence et de reporting, construits sans code.

• Deux semaines de fondamentaux : LLM, création d'agents, confidentialité des données et gouvernance à l'échelle de l'entreprise
• Sept semaines de construction en direct : un agent « chief of staff » partagé, puis des parcours private equity et gestion d'actifs
• Un Demo Day où chaque groupe présente un agent opérationnel, avec ses indicateurs avant et après, à un jury de l'association et des entreprises sponsors

L'objectif : Les guides n'avaient pas le temps de produire du contenu, les appels tombaient sur la messagerie pendant qu'ils étaient sur l'eau, et les anciens clients n'étaient jamais relancés.

• Une usine à contenus qui produit annonces, comptes rendus de pêche et pages destinations à partir des notes des guides
• Un agent vocal qui répond, qualifie et réserve quand les guides ne peuvent pas décrocher
• Relance automatisée des anciens clients, dans le ton propre à chaque guide

L'objectif : L'équipe collait des données clients dans des chatbots publics, sur des comptes personnels. Une entreprise qui vend de la détection de risque aux banques ne pouvait pas laisser cela sans réponse.

• Modèles déployés dans l'environnement propre de l'entreprise, chaque prompt étant journalisé et vérifiable
• Outils de propositions commerciales, de questionnaires et de préparation de rendez-vous, construits sur les contenus validés de l'entreprise
• Déploiement d'abord auprès des utilisateurs avancés, puis deux sessions de formation pour le reste de l'équipe