Aller au contenu

Innover · Vision · Langage · Modèles prédictifs

R&D

Votre problème demande des mathématiques ? Regardons-le ensemble.

Des systèmes qui lisent des documents, reconnaissent des images, comprennent la parole ou anticipent un événement. Sur vos données, dans votre système d'information, sans les envoyer ailleurs.

  • Vision, lecture de documents, parole et prédiction
  • IA privée, sur site, intégrée à votre SI
  • Modèles livrés en format ouvert : vous n'êtes pas captif

Pourquoi R&D

On dit ce qu'on fait, on fait ce qu'on dit

L'intelligence artificielle n'est pas magique : ce sont des mathématiques et beaucoup d'ingénierie. Tout se joue sur trois questions : le problème est-il bien posé, les données existent-elles vraiment, saurons-nous reconnaître que ça marche ? Nous commençons par là, et nous disons non quand un sujet ne se traite pas sérieusement.

Vos données entrent, un résultat vérifié en sort.

  • Images
  • Documents
  • Voix
  • Données métier

Un résultat vérifié et expliqué

Ce que R&D fait pour vous

Vision par ordinateur

Reconnaître et situer une pièce défectueuse, une plaque, une zone d'un plan.

Lecture de documents

Factures, bons de livraison, formulaires : l'image nettoyée, le résultat vérifié.

Parole et langage

La saisie à la voix sur l'appareil, sans service externe.

Modèles prédictifs

Une panne, un client qui s'éloigne, une anomalie : chaque prédiction expliquée.

Comment ça se passe

De la problématique au modèle en production

  1. 1

    Cadrage scientifique

    Ce que le système devra faire et comment le vérifier, écrit noir sur blanc.

  2. 2

    Données et exploration

    Volume, qualité, biais, trous : aucune promesse avant d'avoir regardé.

  3. 3

    Essais, du simple au complexe

    Si le modèle sophistiqué ne fait pas mieux, nous livrons le simple.

  4. 4

    Déploiement et intégration

    Un format ouvert, un mode d'emploi, de quoi réentraîner.

Sur votre cas

Voir R&D sur votre activité.

Une présentation avec vous : ce que R&D change chez vous, ce que cela demande, et comment cela démarre. Notre proposition vient ensuite, à la mesure de ce que vous avez vu.

Tout le détail

Pour ceux qui veulent aller au fond.

Cas : lire des documents administratifs et des factures
  • Nettoyer l'image : le document est redressé et nettoyé.
  • Repérer les zones utiles : texte courant, tableaux, cases à lire.
  • Lire le texte : une lecture affinée sur vos documents.
  • Corriger : les erreurs reprises avec le vocabulaire de votre métier.
  • Contrôler : ce qui reste douteux est signalé pour relecture, pas livré comme certain.
  • La qualité se mesure sur vos documents, et nous vous montrons les erreurs.
Cas : détecter des objets dans des images
  • Un modèle déjà entraîné, spécialisé ensuite sur vos images.
  • Il indique où se trouve chaque élément et de quoi il s'agit.
  • Quelques centaines de cas représentatifs suffisent, y compris les cas difficiles.
  • La validation se fait toujours sur des images que le modèle n'a jamais vues.
Cas : prédire sur des données métier
  • L'essentiel du travail porte sur la donnée : ce qui manque, ce qui est aberrant.
  • Plusieurs familles de modèles comparées sur vos données.
  • Chaque prévision est livrée avec les facteurs qui ont pesé.
  • Nous disons quand la donnée disponible ne permet pas de répondre.
Outils
  • Vision et image : OpenCV, Pillow, scikit-image, Tesseract 5, PyTorch, torchvision, ONNX Runtime.
  • Audio et langage : Vosk, Sherpa-onnx, WebRTC VAD, NLTK, spaCy, HuggingFace Transformers, Kaldi.
  • Apprentissage et données : scikit-learn, XGBoost, LightGBM, Optuna, SHAP, Pandas, NumPy, Matplotlib.
À qui s'adresse cette offre ?
  • DSI et directions techniques : un regard externe pour cadrer ou évaluer un projet IA.
  • Startups deeptech : passer de la preuve de concept au produit.
  • Porteurs de projets R&D : un partenaire technique aux frontières de l'IA et des mathématiques.

Parlons de votre projet.

Un échange pour démarrer, un seul partenaire pour la suite.