§ Interventions

Ce que nous livrons, concrètement.

Quelques exemples représentatifs des missions récentes et récurrentes. Chaque chantier est calibré sur le contexte - jamais standardisé.

Finance
01
Industrialiser les prévisions budgétaires
Contexte
Les cycles budgétaires reposaient sur des classeurs Excel transmis entre contributeurs, avec pertes d'information et consolidation manuelle.
Intervention
Mise en place d'un socle de saisie structuré, d'un modèle de prévision partagé et d'un reporting consolidé en temps réel. La direction financière reprend le contrôle du cycle.
Résultat
Cycle budgétaire réduit de 40 %. Traçabilité totale des hypothèses. Consolidation automatisée.
Direction
02
Dashboard de direction consolidé
Contexte
Le COMEX arbitrait sur des chiffres reconstruits à la main, parfois en contradiction d'un service à l'autre.
Intervention
Architecture de données unifiée, référentiels partagés, dashboard de direction connecté aux sources opérationnelles, rafraîchi sans intervention humaine.
Résultat
Un seul chiffre par indicateur, toujours à jour. Arbitrages accélérés. Fin des débats sur les données.
Opérations
03
Copilote métier pour les équipes
Contexte
Les équipes passaient un temps considérable à chercher des procédures, des précédents, des informations contractuelles dans des documents dispersés.
Intervention
Copilote documentaire sur base maîtrisée : ingestion maîtrisée, sources traçables, réponses sourcées. Pas de modèle public exposé.
Résultat
Gains de temps opérationnels significatifs. Qualité des réponses contrôlée. Confidentialité préservée.
Data
04
Rationalisation d'outils dispersés
Contexte
Empilement historique d'une dizaine d'outils de reporting et de data, avec redondances et coûts de licence élevés.
Intervention
Audit systématique, matrice de substitution, plan de décommissionnement, migration vers trois briques solides.
Résultat
Paysage simplifié, coûts récurrents divisés, équipes recentrées sur la valeur.
Documents
05
Automatisation documentaire
Contexte
Des centaines de documents récurrents (contrats, bordereaux, PV) traités manuellement avec risque d'erreur et charge élevée.
Intervention
Pipeline d'extraction et de classification, contrôles métier intégrés, génération assistée, revue humaine structurée.
Résultat
Temps de traitement réduit. Qualité homogène. L'équipe se recentre sur l'analyse et l'arbitrage.
Gouvernance
06
Cadre IA interne
Contexte
Initiatives IA non coordonnées, risques de conformité, pas de lecture partagée sur les usages.
Intervention
Charte IA, périmètres d'usage, processus d'évaluation, gouvernance des modèles et de l'hébergement.
Résultat
Cadre lisible, initiatives cadrées, sponsor exécutif rassuré, terrain préparé pour l'échelle.

§ Cas en production

Deux cas réels. Une IA récente pour le tourisme régional, et un module de traitement du langage développé de zéro.

Capture d'écran d'Intellencia Tourisme - un concierge digital pour le tourisme régional.

● En production · Juin 2026

Cas 01 · Tourisme · Réseau régional

Un concierge digital pour le tourisme régional.

Client · Un réseau d'hôtes · tourisme régional

Contexte - Le réseau d'hôtes voulait un agent conversationnel hyperlocal capable de renseigner les visiteurs en français, sans dépendre d'un modèle public.

Intervention - Conception de la base de connaissances territoriale, RAG sur sources institutionnelles, interface conversationnelle paramétrable, déploiement documenté. Création d'un Dashboard Analytiques pour suivre les demandes : volume de questions, thématiques récurrentes, zones géographiques, taux de résolution - instrumentation indispensable pour faire vivre la base de connaissance.

Résultats - Concierge en production depuis juin 2026, hyperlocal, paramétré pour chaque hôte ou territoire, intégrable en 30 secondes. Hébergé chez Infomaniak, en Suisse. Questions des visiteurs traitées par Mistral AI. Dashboard analytiques opérationnel pour piloter le contenu en continu.

Visiter le chatbot en live

● Développé en 2020-2021

Cas 02 · R&D · Application web métier

Un tokenizer NLP maison pour un matching sémantique propriétaire.

Client · Un éditeur de logiciel · Logiciel pour professionnels du bâtiment

Contexte - Une application web métier devait associer des éléments selon leur sens, sans dépendance à des modèles publics - contraintes de confidentialité totale sur les données traitées.

Intervention - Développement d'un tokenizer NLP custom from scratch, algorithme de matching sémantique propriétaire, intégration full-stack du module dans l'application existante, tests sur corpus métier bâtiment.

Résultats - Un module de traitement du langage développé de zéro pour un logiciel métier du bâtiment. Sans dépendance à un modèle tiers. Confidentialité totale maintenue.

§ Et en amont

Et dix ans de data sur SAP, dans de grandes entreprises. C'est cette rigueur qui rend l'IA fiable.

Manifeste · Intellencia

« Chaque chantier est calibré sur le contexte. Jamais standardisé. »

- Posture · Intellencia

§ Le sommet

Trente minutes pour savoir si l'IA vaut le coup chez vous.

0–8 minVous racontezCe qui prend du temps à votre équipe, ce qui change cette année.
8–27 minOn mesure ensembleCombien de fois par mois, combien de minutes, quelles données en jeu, qui décide.
27–30 minUne réponse francheUne suite datée si l'IA vaut le coup. Sinon, Julien vous le dit, et ce qui suffirait à la place.

Choisir un créneau

La réservation passe par Calendly, qui dépose ses propres cookies. Écrire à Julien · Réponse sous 48 h, sans Calendly.

E-mail

contact@intellencia.ai

Julien Bédouret ↗

Bureau

Poitiers (86)

Missions SAP

Le profil SAP de Julien