Technologie

Nous transformons vingt ans de modèles métier en capacités pilotables par l'IA.

Dans un projet logiciel d'entreprise, une part importante de l'effort va aux écrans. Formulaires, listes, écrans de droits, pages de rapports. Tout cela existe pour permettre à un humain d'utiliser ce que le système sait faire. Même une fois la règle métier établie, la traduire en écran fonctionnel reste un travail à part entière.

Les agents d'IA changent cette donne. Lorsqu'un système décrit ses capacités dans une forme compréhensible par la machine, l'utilisateur peut travailler avec sans attendre d'écran. Pour un processus de votre organisation, cela signifie qu'il peut être mis en service sans attendre son tour dans la file des interfaces.

Nous n'écrivons pas la partie répétitive du code

La même ossature revient dans chaque projet d'entreprise : modèle de données, couche d'accès aux données, contrats de service, autorisation, journalisation. Ces couches ne font pas la spécificité d'un projet, mais elles doivent être écrites, et bien écrites. C'est souvent là que les projets prennent du retard ; le vrai travail propre à l'organisation vient tard dans la file.

Cette ossature est produite par notre propre framework de développement et les outils de génération de code construits dessus. Nous avons développé ces outils au fil des ans sur nos propres projets, en les affinant à chaque fois. Le temps gagné, nous le consacrons à la partie vraiment spécifique à l'organisation.

Cela présente un second avantage. Un code issu du même moule se comporte de la même façon dans chaque projet. Une équipe qui reprend un système plus tard y retrouve la structure qu'elle connaît déjà ; la maintenance et la transmission n'en deviennent donc pas un problème.

Nous avons intégré la génération assistée par IA sur cette même ligne. Le générateur de code construit avec précision la structure clairement définie. Le modèle de langage produit rapidement des ébauches là où rien n'est encore fixé. Les deux jouent des rôles différents et travaillent ensemble.

Pas besoin d'écran pour chaque système

Utiliser un système d'entreprise a toujours signifié apprendre ses écrans. Les nouveaux employés sont formés, les menus expliqués, on leur enseigne quel écran correspond à quelle tâche. Celui qui utilise le système apprend en réalité son interface, pas le système lui-même.

Les agents d'IA changent cette relation. Lorsqu'un système expose ses capacités via une définition standard, l'utilisateur décrit ce qu'il veut à l'IA avec laquelle il travaille, et l'action se fait à l'intérieur du système. Décrire la tâche suffit, plus besoin d'apprendre l'écran.

Aujourd'hui, cette définition est communément appelée MCP. Son nom et ses détails peuvent évoluer avec le temps. Ce qui demeure, c'est que les systèmes d'entreprise deviennent explicables non seulement aux humains, mais aussi aux machines.

Pour notre propre famille de produits, cela se concrétise. Circulation documentaire, location et charges de centres commerciaux, suivi de projets, données de capteurs. Chacun de ces modèles est en mesure d'être mis en service sans qu'un nouvel écran soit écrit.

La partie difficile, c'est chez nous

Ajouter ce type d'interface à un système est la partie relativement facile. C'est techniquement bien défini, et on suit la définition.

Ce qui est difficile, c'est le modèle derrière l'interface. Dans quel état un document change-t-il de statut, dans quel ordre les validations sont-elles obtenues, où la réglementation contraint-elle, comment les exceptions sont-elles traitées. Les réponses à ces questions sont enfouies dans le fonctionnement même de l'organisation. Elles ne se lisent ni dans un document ni ne se devinent de l'extérieur ; elles ne s'apprennent qu'en travaillant avec cette organisation.

C'est de là que vient la valeur des systèmes que nous possédons déjà. Ces modèles ne sont pas restés sur le papier — ils ont fonctionné dans de vraies organisations et ont été corrigés en cours de route.

Notre orientation n'est donc pas de créer un nouveau produit à partir de rien. Nous transposons les systèmes que nous possédons vers ce nouveau mode de fonctionnement.

Où nous appliquons ce modèle

Nous appliquons d'abord l'approche des systèmes ouverts à l'IA dans nos propres produits et programmes de R&D ; les choix présentés sur cette page s'y retrouvent concrètement.

Produits et systèmes