Preuves vérifiées :
Cette bibliothèque rassemble 199 études de cas d’outils internes assistés par l’IA, issues de 22 entreprises d’ingénierie Python ; 87 nomment le client. Chaque ligne renvoie à l’étude de cas publiée par le prestataire. Les résultats sont déclarés par les entreprises : ce sont elles qui les ont publiés, et ce site ne les a pas audités. Elle est destinée aux CTO, aux responsables d’ingénierie et aux fondateurs qui vérifient qui a déjà livré des travaux similaires avant de contacter un prestataire.
| Mesure | Valeur |
|---|---|
| Études de cas | 199 |
| Entreprises | 22 |
| Secteurs représentés | 15 |
| Études de cas qui nomment le client | 87 (44%) |
Études de cas à la une
| Projet | Entreprise | Tâche | Ce qui a été fait | Résultat déclaré | Ce que cela prouve |
|---|---|---|---|---|---|
| Building a reliable intranet for a complex cultural organization | Five Jars | George Washington’s Mount Vernon | Refonte d’un intranet obsolète sur un site interne fiable, avec une propriété des contenus clairement définie et un accès sécurisé par service ; ajout d’un assistant propulsé par l’IA pour aider les employés à trouver des réponses. | Aucun indicateur publié | Five Jars rapporte la refonte d’un intranet et l’ajout d’un assistant IA pour une organisation à but non lucratif ; l’étude décrit les problèmes (indisponibilités, contenus non structurés) mais ne publie aucun résultat mesuré. |
| Building a Multi-Agent AI Platform | Apriorit | Apriorit (projet interne) | Développement d’une plateforme IA multi-agents interne qui automatise la première passe de revue de code des pull requests Bitbucket selon les standards et les exigences de sécurité de l’entreprise. | Apriorit déclare une réduction de 30 % du temps de traitement des pull requests et une accélération de 60 % de la revue de code | Un outil interne d’exploitation IA avec deux indicateurs annoncés, mais le client est le prestataire lui-même et les chiffres sont déclarés par l’entreprise. |
| The solution for email overflow that will save you 4 hours a week | BEON.tech | Superhuman | Placement d’un ingénieur React autonome dans l’équipe IA de Superhuman pour travailler sur l’expérience de composition de texte au cœur du produit. | Aucun indicateur publié | Une étude de cas de renfort d’équipe pour une équipe produit ; elle illustre l’adéquation du profil, pas la réalisation d’un outil interne ni un résultat mesuré. |
| Porsche E-Mobility Smart Assistant | DataArt | Porsche AG | Développement d’un assistant qui surveille le niveau de charge de la batterie, prédit quand et où le conducteur devra recharger et recommande une borne de recharge à proximité à l’aide d’un modèle ML propre à chaque conducteur. | Aucun indicateur publié | Une réalisation ML pour un client nommé, issue d’un concours ; l’étude décrit l’approche mais ne publie aucun résultat mesuré. |
| Girls Who Code: Claude Code AI Native Development | DataArt | Girls Who Code | Mise en place d’une pratique de développement AI-native autour de Claude Code, avec une base de référence et un plan de mesure définis, couvrant les tests unitaires, la revue de pull requests et la rédaction de tests QA. | DataArt déclare avoir ramené le délai moyen de développement d’environ sept jours à trois jours et demi en trois mois | Un programme d’adoption de l’IA pour un client nommé, avec un chiffre avant/après ; le résultat est déclaré par l’entreprise et la base de référence est approximative. |
| AI contract transformation platform for banks | Innowise | Leganta | Développement du module d’analyse central qui transforme des PDF de contrats bruts en objets structurés et interrogeables, avec classification des champs par IA et analyse sémantique pour les workflows DORA/NIS2. | Aucun indicateur publié | Une réalisation de traitement documentaire pour un client nommé dans un domaine réglementé ; l’étude décrit le périmètre et l’architecture mais ne publie aucun résultat mesuré. |
| AI-powered compliance ecosystem | Innowise | Vidda Solutions | Livraison d’une plateforme de conformité multi-modules avec un moteur d’évaluation, une place de marché de formations et des recommandations basées sur le RAG, conçue pour les exigences du RGPD et de DORA. | Aucun indicateur publié | Une réalisation de nouveau produit pour un client nommé qui combine fonctionnalités IA et contraintes réglementaires ; aucun résultat n’est mesuré. |
| Koppert reaches 94% shared-workflow adoption with Claude Code, Cowork and N-iX | N-iX | Koppert | A mené un programme structuré d’adoption de l’IA auprès des équipes d’ingénierie, d’assurance qualité et d’analyse métier, en commençant par trois tâches à forte valeur : tests unitaires, rédaction de cas de test et analyse métier. | N-iX annonce 94 % d’adoption du workflow en neuf semaines | Un déploiement d’opérations IA chez un client nommé, avec un chiffre d’adoption déclaré ; l’adoption ne se confond pas avec l’impact sur la livraison. |
| WorkWave réduit de 80 % le temps de workflow avec Claude Code et N-iX | N-iX | WorkWave | A mené un programme d’accélération GenAI de trois mois avec quatre équipes et 30 ingénieurs, en construisant des workflows IA, des prompts et des intégrations MCP réutilisables sur des tâches de production réelles. | N-iX annonce 14 workflows IA réutilisables et une réduction de 42 % du temps de cycle des PR en trois mois | Un programme d’opérations IA chez un client nommé, avec une base de référence et une évolution mesurée du temps de cycle ; les chiffres sont déclarés par l’entreprise. |
| Améliorer la recherche de connaissances avec les grands modèles de langage | STX Next | Linde | A construit une plateforme RAG sur mesure sur Microsoft Azure qui répond aux questions des collaborateurs en langage naturel, avec des réponses sourcées dans des documents internes multilingues. | Aucun indicateur publié | Un outil de connaissance interne chez un client nommé, avec des contraintes de sécurité et d’hébergement décrites ; aucun résultat mesuré n’est publié. |
Études de cas : outils internes assistés par l’IA
| Étude de cas | Entreprise | Client | Secteur | Type de travail | Stack mentionnée | Ce qui a été construit |
|---|---|---|---|---|---|---|
| Étude de cas : plateforme d’agents IA pour les opérations financières | Uvik Software | VellumPay Operations | Fintech et services financiers | IA / ML / LLM | Python, FastAPI, AWS, Snowflake, PostgreSQL, LLM / GenAI | Plateforme IA multi-agents pour les exceptions de paiement, avec journaux d’audit et points de validation |
| Étude de cas : équipe dédiée Python et IA | Uvik Software | HelioForge AI | SaaS et technologie | Renfort d’équipe | Python, FastAPI, React, AWS, Kubernetes, LLM / GenAI | Équipe dédiée Python et IA livrant des API backend et des workflows LLM |
| Étude de cas : récupération et reranking pour le RAG d’entreprise | Uvik Software | deepset | SaaS et technologie | IA / ML / LLM | Python, FastAPI, Azure, Kubernetes, PostgreSQL, LLM / GenAI | Refonte de la récupération hybride, du reranking et de l’ancrage pour une plateforme RAG d’entreprise |
| Étude de cas : refonte d’un MVP SaaS en Python | Uvik Software | LaunchGrid SaaS | SaaS et technologie | Modernisation ou migration | Python, Django, FastAPI, AWS, PostgreSQL, LLM / GenAI | Refonte d’un MVP Django monolithique en une stack de services modulaires avec CI/CD, RBAC et journalisation d’audit. |
| Étude de cas : plateforme de filtrage de la criminalité financière | Uvik Software | ComplyAdvantage | Fintech et services financiers | IA / ML / LLM | Python, FastAPI, AWS, Kubernetes, PostgreSQL | Refonte de la correspondance d’entités, de l’ingestion des sanctions et du scoring des alertes pour une plateforme de filtrage de la criminalité financière. |
| Étude de cas : automatisation des sinistres avec LangGraph | Uvik Software | ClaimArc Insurance Systems | Fintech et services financiers | IA / ML / LLM | Python, FastAPI, AWS, PostgreSQL, LLM / GenAI | Automatisation multi-agents du traitement des sinistres avec ingestion de documents, raisonnement sur les polices et pistes d’audit. |
| Étude de cas : revue de contrats par IA juridique | Uvik Software | Robin AI | Fintech et services financiers | IA / ML / LLM | Python, FastAPI, AWS, PostgreSQL, LLM / GenAI | Refonte de la recherche documentaire pour la revue de contrats avec segmentation des clauses, correspondance avec les playbooks et évaluation. |
| Étude de cas : assistant de connaissances d’entreprise compatible MCP | Uvik Software | Meridian Knowledge Systems | SaaS et technologie | IA / ML / LLM | Python, FastAPI, Snowflake, Kubernetes, LLM / GenAI | Conception d’un assistant d’entreprise MCP sécurisé avec outils soumis à autorisation, contrôle d’accès et journalisation d’audit. |
| Étude de cas : pipeline de modèles d’IA pour la cybersécurité | Uvik Software | Darktrace | SaaS et technologie | IA / ML / LLM | Python, AWS, Kubernetes, Airflow | Refonte du pipeline de réentraînement et d’évaluation des modèles pour une plateforme de détection des menaces |
| Étude de cas : du prototype d’IA générative à la production | Uvik Software | NovaBrief Labs | SaaS et technologie | IA / ML / LLM | Python, FastAPI, AWS, LLM / GenAI | Transformation d’un prototype d’IA générative en workflow de production validé, avec évaluation et garde-fous. |
| Étude de cas : pipeline temps réel pour l’IA vocale | Uvik Software | Dialpad | Télécoms | IA / ML / LLM | Python, FastAPI, GCP, Kubernetes | Refonte du pipeline de transcription en temps réel et d’analyse conversationnelle pour une plateforme vocale. |
| Conception d’une plateforme d’IA multi-agents | Apriorit | Apriorit | SaaS et technologie | IA / ML / LLM | Python, FastAPI, PostgreSQL, LLM / GenAI | Conception d’une plateforme d’IA multi-agents interne automatisant la revue de code des pull requests Bitbucket. |
| Étude de cas : accélérer la résolution des incidents DevOps et SRE avec AWS Bedrock | DataArt | Fiberplane | SaaS et technologie | IA / ML / LLM | AWS, PostgreSQL, LLM / GenAI | Conception d’un assistant GenAI générant des requêtes Prometheus pour les équipes DevOps et SRE |
| Kyriba : un interpréteur de code Python intégré à OpenAI GPT | STX Next | Kyriba | Fintech et services financiers | IA / ML / LLM | Python, LLM / GenAI | Interpréteur de code Python intégré à OpenAI GPT pour les formats de paiement |
| Étude de cas Linde : recherche de connaissances par LLM | STX Next | Linde | Industrie et fabrication | IA / ML / LLM | Azure, LLM / GenAI | Outil sécurisé de recherche de connaissances par RAG pour documents internes |
| ANWB Leverages MLOps To Achieve Personalization At Scale | Xebia | ANWB | Voyage et hôtellerie | IA / ML / LLM | AWS, LLM / GenAI | Restructuration et automatisation du pipeline de recommandations ML pour des offres personnalisées aux membres |
| AXA Boosts Growth & Productivity With MLOps | Xebia | AXA Direct Assurance | Fintech et services financiers | IA / ML / LLM | Python, Databricks | Bonnes pratiques MLOps et pipeline automatisé de réentraînement des modèles sur Databricks |
| Automatisation du traitement des factures avec AWS Bedrock pour une entreprise de location de matériel | DataArt | Renta Group | Industrie et fabrication | IA / ML / LLM | AWS, LLM / GenAI | Extraction de données de factures par GenAI et chatbot de maintenance pour une entreprise de location de matériel |
| Client de DataArt : Fiberplane | DataArt | Fiberplane | SaaS et technologie | IA / ML / LLM | AWS, LLM / GenAI | Assistant propulsé par GenAI pour la résolution d’incidents DevOps et SRE avec AWS Bedrock |
| GenAI and Voice Recognition for Pathology Reporting | AI & Azure Case Study | DataArt | Voicebrook | Santé et sciences de la vie | IA / ML / LLM | Azure, LLM / GenAI | Exploration de la GenAI et de la reconnaissance vocale pour améliorer la précision des comptes rendus de pathologie et l’efficacité des workflows. |
| Optimisation du support client avec analyse de sentiment des appels en temps réel via AWS Bedrock | DataArt | Glia | Fintech et services financiers | IA / ML / LLM | AWS, PostgreSQL | Déploiement d’une analyse de sentiment des appels en temps réel avec AWS Bedrock et transcription Whisper. |
| Accélération du processus de maintenance avec un chatbot RAG pour une entreprise de location de matériel | DataArt | Renta Group | Industrie et fabrication | IA / ML / LLM | AWS, LLM / GenAI | Création d’un chatbot RAG pour la recherche dans les manuels techniques de maintenance du matériel |
| Expand Market Research with omnichannel – N | N-iX | Cleverbridge | E-commerce et commerce de détail | Modernisation ou migration | AWS, LLM / GenAI | Migration d’une solution de bureau vers le web avec nouvelle UX et campagnes d’e-mails personnalisées pilotées par l’IA |
| Système RAG agentique construit avec Claude sur AWS | Vention | Vention | Marketing et publicité | IA / ML / LLM | AWS, LLM / GenAI | Mise en place d’un système RAG agentique interne sur Claude et AWS Bedrock pour la recherche de données marketing. |
| Développement d’un produit IA pour Comet | Vention | Comet | SaaS et technologie | Support et extension d’un produit en production | Python, LLM / GenAI | Amélioration d’une plateforme ML avec des fonctionnalités de gestion d’expériences, des intégrations de bibliothèques et des évolutions UX. |
| Services de développement web pour EliseAI | Vention | EliseAI | Immobilier | IA / ML / LLM | React, AWS | Développement de solutions web pilotées par l’IA et de réponses automatisées aux demandes de location pour la gestion immobilière |
| Services de développement web pour EliseAI | Vention | EliseAI | Immobilier | IA / ML / LLM | React, AWS | Développement de solutions web pilotées par l’IA et de réponses automatisées aux demandes de location pour la gestion immobilière |
| Préparer un opérateur télécom britannique à l’adoption de l’IA | Neoteric | 4com | Télécom | IA / ML / LLM | Python, GCP | Validation d’une hypothèse IA pour la gestion des prospects avec des modèles prédictifs lors d’un AI Sprint. |
| Création d’un intranet fiable pour une organisation culturelle complexe | Five Jars | George Washington’s Mount Vernon | Autre / non précisé | Création d’un nouveau produit | AWS, LLM / GenAI | Intranet sécurisé par service avec assistant IA pour les opérations internes |
| Étude de cas Podimo : recherche pilotée par le ML | STX Next | Podimo | Médias et divertissement | IA / ML / LLM | LLM / GenAI | Recherche sémantique et conversationnelle pilotée par le ML pour les podcasts et les livres audio |
| Étude de cas Tour Partner Group : réservations d’hôtels par IA | STX Next | Tour Partner Group | Voyage et hôtellerie | IA / ML / LLM | LLM / GenAI | Mise en œuvre d’une IA et d’un LLM sur mesure pour classer les e-mails, extraire les données et générer des réponses aux réservations d’hôtels. |
| Étude de cas Wunderman Thompson : contrôle qualité de marque par IA | STX Next | Wunderman Thompson | Marketing et publicité | IA / ML / LLM | Kubernetes | Développement de microservices basés sur le ML pour une plateforme d’assurance de marque par IA, avec optimisation de la collecte et du prétraitement des données. |
| Accélérer la résolution des tickets de support client grâce à une solution RAG | DataArt | Studytube | Éducation | IA / ML / LLM | LLM / GenAI | Développement d’une solution RAG GenAI pour automatiser les réponses aux tickets de support client |
| Étude de cas : migration du site e-commerce d’Intersport | DataArt | Intersport | E-commerce et distribution | Modernisation ou migration | LLM / GenAI | Migration d’un site e-commerce existant vers une stack moderne avec CMS et personnalisation |
| Étude de cas : amélioration et automatisation de la recherche de documents de sécurité avec RAG | DataArt | Security Compass | SaaS et technologie | IA / ML / LLM | LLM / GenAI | Développement d’une solution RAG recommandant les menaces de sécurité et les contre-mesures |
| Étude de cas DataArt : mise en œuvre et automatisation de la solution Cell | DataArt | bit.bio | Santé et sciences de la vie | IA / ML / LLM | GCP | Automatisation de la segmentation d’instances cellulaires par apprentissage profond sur Google Cloud |
| Étude de cas DataArt : système de supervision de cluster OpenStack fondé sur des algorithmes d’apprentissage automatique | DataArt | Canonical | SaaS et technologie | IA / ML / LLM | Spark | Preuve de concept d’un système de supervision de cluster OpenStack utilisant des algorithmes d’apprentissage automatique |
| Adoption de l’IA dans l’AgTech : étude de cas – N | N-iX | Koppert | Autre / non précisé | IA / ML / LLM | Azure | Mise en place d’une pratique partagée de livraison IA couvrant l’ingénierie, l’assurance qualité et l’analyse métier |
| Adoption de l’IA dans un SaaS de services terrain : étude de cas WorkWave – N | N-iX | WorkWave | SaaS et technologie | IA / ML / LLM | LLM / GenAI | Création de workflows IA réutilisables au sein des équipes d’ingénierie pour accélérer le flux de pull requests |
| Adoption de Claude Code dans le GovTech : étude de cas Neogov – N | N-iX | Neogov | Secteur public et gouvernemental | IA / ML / LLM | LLM / GenAI | Workflows sécurisés avec Claude Code déployés dans les équipes d’ingénierie pour accélérer le débogage |
| Solution de vision par ordinateur pour Redflex – N | N-iX | Redflex | Logistique & transport | IA / ML / LLM | Python | Système de gestion du trafic par vision par ordinateur détectant le port de la ceinture de sécurité |
| Gestion efficace du trafic grâce à la vision par ordinateur – N | N-iX | Redflex | Secteur public & gouvernemental | IA / ML / LLM | AWS | Développement de modèles de vision par ordinateur pour la gestion du trafic et la détection des conducteurs |
| StarBreach : ressources graphiques pour le jeu de démonstration Xenko – N | N-iX | Silicon Studio | Médias & divertissement | Création d’un nouveau produit | LLM / GenAI | Création de ressources graphiques et d’éléments artistiques pour un jeu de démonstration en VR |
| Plateforme de transformation des contrats par IA pour les banques | DORA/NIS2 | Innowise | Leganta | Fintech & services financiers | IA / ML / LLM | Kubernetes | Développement d’un module d’analyse de contrats par IA convertissant des PDF juridiques en données structurées et interrogeables |
| Étude de cas : écosystème de conformité propulsé par l’IA | Innowise | Vidda Solutions | SaaS & technologie | Création d’un nouveau produit | LLM / GenAI | Développement d’un écosystème de conformité par IA avec moteur d’évaluation, place de marché de formations et recommandations RAG |
| Automatisation de l’analyse d’images aériennes pour Vexcel Imaging | Vention | Vexcel Imaging | Autre / non précisé | IA / ML / LLM | AWS | Pipelines automatisés de traitement d’images aériennes utilisant la vision par ordinateur pour détecter les imperfections. |
| AngelQ : concevoir un navigateur propulsé par l’IA pour les enfants | Vention | AngelQ | Éducation | Support et extension d’un produit en production | LLM / GenAI | Support d’ingénierie pour un navigateur pour enfants propulsé par l’IA, automatisation du CI/CD et amélioration du streaming et de la gestion des utilisateurs. |
| Développement d’une plateforme RAG pour un service juridique | Vention | Vention | Autre / non précisé | IA / ML / LLM | LLM / GenAI | Développement d’une plateforme RAG interne pour la recherche et l’analyse de documents juridiques |
| UrgentIQ : faire évoluer une plateforme de soins urgents native de l’IA | Vention | UrgentIQ | Santé et sciences de la vie | IA / ML / LLM | LLM / IA générative | Plateforme de soins urgents native de l’IA, à grande échelle, avec fonctionnalités cliniques d’IA et workflows Claude Code |
| VeraGen : SaaS d’assurance Claude-first sur Amazon Bedrock | Vention | VeraGen | SaaS et technologie | IA / ML / LLM | LLM / IA générative | Architecture d’IA générative Claude-first avec récupération sensible aux permissions sur Amazon Bedrock |
| Améliorer la visibilité de National Art Pass | Torchbox | Art Fund | Médias et divertissement | Plateforme de données ou ingénierie des données | LLM / IA générative | Refonte de l’infrastructure analytique et mise en œuvre de stratégies SEO pour accroître la visibilité de National Art Pass. |
| La solution contre la surcharge d’e-mails qui vous fera gagner 4 heures par semaine | BEON.tech | Superhuman | SaaS et technologie | IA / ML / LLM | React | Expérience de composition de texte par IA améliorée dans l’application de gestion des e-mails |
| Appoint.ly – 11 semaines pour créer un prototype d’application | Neoteric | Appoint.ly | SaaS et technologie | Création d’un nouveau produit | LLM / IA générative | Conception et création d’un prototype d’application SaaS de planification de réunions après une étude de marché. |
| Étude de cas SEO My Pooja Box : 224 % de croissance du trafic grâce au SEO par IA | Mobikasa | My Pooja Box | E-commerce et commerce de détail | Autre | LLM / IA générative | SEO piloté par l’IA, corrections techniques et contenus axés sur l’intention pour développer le trafic organique |
| Xmartlabs | Nos réalisations – Fasten Health : construire de l’IA | Xmartlabs | Fasten Health | Santé et sciences de la vie | IA / ML / LLM | LLM / IA générative | Discovery produit et étude de faisabilité technique pour l’intégration de fonctionnalités d’IA. |
| Berry Recruitment : classification de documents par ML | STX Next | Berry Recruitment | Autre / non précisé | IA / ML / LLM | — | Preuve de concept de machine learning pour la classification de documents de candidats |
| Cambium : ingénierie agentique avec Claude Code | STX Next | Cambium | E-commerce et commerce de détail | IA / ML / LLM | — | Pipeline d’ingénierie agentique Claude Code pour les tickets de migration, avec revue humaine |
| Claude Code chez Adweek : étude de cas sur un SDLC pensé pour l’IA | STX Next | Adweek | Médias et divertissement | IA / ML / LLM | — | Déploiement de Claude Code sur les tâches d’ingénierie et d’assurance qualité de la plateforme de publication. |
| Étude de cas EssenceMediacom : gestion des médias assistée par l’IA | STX Next | EssenceMediacom | Marketing et publicité | IA / ML / LLM | — | Développement de la solution OCTRA de gestion de campagnes pilotée par l’IA, améliorant l’efficacité des workflows médias et la conformité. |
| https://www.stxnext.com/portfolio/how-cbmg-slashed-server-costs-by-50-and-taught-ai-to-del | STX Next | CBMG | Santé et sciences de la vie | IA / ML / LLM | — | Système de retours personnalisés piloté par l’IA, avec réduction des coûts serveur |
| Étude de cas Permira : IA agentique et formation à n8n | STX Next | Permira | Fintech et services financiers | IA / ML / LLM | — | Programme de formation à l’IA agentique et à l’automatisation des workflows, et hackathon |
| Remédiation de sécurité assistée par l’IA avec GitHub Advanced Security | Xebia | Fournisseur mondial d’informations financières | Fintech et services financiers | IA / ML / LLM | — | Workflow de remédiation de sécurité assisté par l’IA avec GitHub Advanced Security et Copilot Autofix |
| Une banque mondiale réduit de 70 % l’effort d’analyse grâce à une modernisation du legacy assistée par l’IA | Xebia | Global Bank | Fintech et services financiers | IA / ML / LLM | — | Modernisation du legacy assistée par l’IA, révélant une logique métier non documentée avec Xebia Ace |
| Xebia aide un cabinet de conseil néerlandais de premier plan du secteur de l’énergie à définir sa stratégie IA | Xebia | ZICHT Consultants | Énergie et services publics | IA / ML / LLM | — | Atelier de direction définissant une ambition IA commune et des cas d’usage stratégiques |
| Bot Telegram IA pour la campagne marketing de TBC Bank | Innowise | TBC Bank Uzbekistan | Fintech et services financiers | IA / ML / LLM | — | Développement d’un bot Telegram IA bilingue générant des selfies avec une star du football pour une campagne marketing |
| UrgentIQ : livraison de logiciels de santé avec Claude Code | Vention | UrgentIQ | Santé et sciences de la vie | IA / ML / LLM | — | Intégration de Claude Code et de compétences IA réutilisables dans le workflow d’ingénierie de la plateforme de santé |
| Comment le Migration Museum utilise l’IA | Étude de cas | Torchbox | Migration Museum | Médias et divertissement | IA / ML / LLM | — | L’IA pour relier des collections muséales dispersées et faciliter la découverte des récits. |
| R&D blockchain pour V-Art | Sigma Software Group | V-Art | Médias et divertissement | IA / ML / LLM | — | Conception d’un protocole blockchain pour la licence et la monétisation de droits de propriété intellectuelle sous forme de NFT |
| Plateforme d’entretien par avatar IA pour les recruteurs | GlobalDev | Globaldev Group | SaaS et technologie | IA / ML / LLM | — | Plateforme d’avatars IA automatisant les présélections techniques de premier tour |
| Assistant IA santé et nutrition | GlobalDev | National Institute of Nutrition | Santé et sciences de la vie | IA / ML / LLM | — | Assistant IA de santé et de nutrition analysant les repas et prévoyant des indicateurs de santé |
| Étude de cas Karus | Oaks Lab | Karus | Fintech et services financiers | IA / ML / LLM | — | Création d’un portail transformant les modèles de souscription IA en décisions de prêt claires, avec tableaux de bord. |
| Étude de cas Karus | Oaks Lab | Karus | Fintech et services financiers | IA / ML / LLM | — | Création de la marque, de l’UI/UX et d’un portail de souscription en temps réel visualisant le risque de crédit évalué par IA. |
| BUSdata : permettre l’inspection des véhicules grâce à une architecture big data | 99x | BUSdata | Automobile | IA / ML / LLM | — | Création d’un service big data prédictif prévoyant les défauts des véhicules à partir de décennies de rapports d’inspection. |
| Xmartlabs | Nos réalisations – CYTK : créer un moteur de recherche propulsé par l’IA pour l’industrie automobile | Xmartlabs | CYTK | Automobile | IA / ML / LLM | — | Refonte d’un moteur de recherche propulsé par l’IA pour les techniciens automobiles, avec un cœur déterministe. |
| Xmartlabs | Nos réalisations – Redi : IA | Xmartlabs | REDI | Santé et sciences de la vie | IA / ML / LLM | — | Assistant IA d’accueil des patients transformant la préparation de la consultation médecin-patient |
| Xmartlabs | Nos réalisations – Robinson & Henry : du premier contact à une expérience d’accueil plus intelligente | Xmartlabs | Robinson & Henry | Autre / non précisé | IA / ML / LLM | — | Accueil et orientation juridiques assistés par IA pour mettre les clients en relation avec des avocats |
| Développement d’un chatbot pour l’analyse de données | Innowise | Client non nommé | SaaS et technologie | IA / ML / LLM | React, Azure, Spark, Databricks, LLM / GenAI | Développement d’un chatbot basé sur un LLM pour analyser des documents internes et répondre à des questions. |
| Plateforme numérique et migration vers AWS pour un leader technologique – N | N-iX | Client non nommé | Médias et divertissement | Modernisation ou migration | React, Node.js, AWS, LLM / GenAI | Refonte d’une solution d’administration avec une stack moderne et migration vers AWS |
| L’usage du Machine Learning industriel pour l’efficacité logistique – N | N-iX | Client non nommé | Logistique et transport | IA / ML / LLM | AWS, Azure, GCP, Kubernetes | Refonte d’une plateforme logistique s’appuyant sur le machine learning pour l’inventaire d’entrepôt |
| Développement d’une application de conseil médical par IA | Innowise | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | Python, Django, AWS, LLM / GenAI | Création d’une application multiplateforme de médecine des voyageurs avec conseils médicaux par IA et localisation des établissements |
| Étude de cas : radiologie assistée par IA pour des soins plus pertinents | Capital Numbers | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | Python, React, Node.js, AWS | Création d’une solution de télédiologie assistée par IA analysant les images médicales et générant des comptes rendus de radiologie précis. |
| Développement d’une application de surveillance de l’état des appareils | Capital Numbers | Client non nommé | Énergie et services publics | Création d’un nouveau produit | Python, React, PostgreSQL, LLM / GenAI | Création d’une application web de surveillance en temps réel de l’état des appareils avec tableaux de bord, alertes et analyses GPT. |
| IA | GlobalDev | Client non nommé | SaaS et technologie | IA / ML / LLM | Python, Django, PostgreSQL, LLM / GenAI | Assistant virtuel par IA automatisant les demandes des collaborateurs RH via le NLP |
| Modernisation d’une plateforme assistée par IA pour une entreprise énergétique – N | N-iX | Client non nommé | Énergie et services publics | Modernisation ou migration | Python, Django, LLM / GenAI | Modernisation d’une plateforme de vente avec livraison assistée par IA et couverture de tests élargie |
| L’entreprise multiplie par 8 le débit de PR et réduit de 42 % le cycle de livraison grâce à une adoption structurée de l’IA | N-iX | Client non nommé | SaaS et technologie | IA / ML / LLM | React, Node.js, LLM / GenAI | Programme structuré d’adoption de l’IA générative accélérant la livraison d’ingénierie sur l’ensemble des gammes de produits |
| Modules de traitement de texte par IA pour une plateforme de gestion de contenu | Apriorit | Client non nommé | Médias et divertissement | IA / ML / LLM | Python, Azure, LLM / GenAI | Développement de modules de traitement de texte par IA pour traduire, générer et mettre en forme des contenus au sein d’une plateforme de gestion de contenu. |
| Gouverner l’IA agentique à l’échelle de l’entreprise | Xebia | Client non nommé | E-commerce et distribution | IA / ML / LLM | Azure, LLM / GenAI | Super agent gouverné orchestrant des agents IA d’entreprise via une interface sécurisée |
| Développement d’un tuteur de langue par IA | Apriorit | Client non nommé | Éducation | IA / ML / LLM | Python, LLM / GenAI | Développement d’un tuteur de langue sous forme de chatbot IA intégré à une plateforme d’eLearning, avec reconnaissance vocale et détection des erreurs |
| Étude de cas d’une plateforme SaaS de gestion de fichiers et de collaboration | Mallow Technologies | Client non nommé | SaaS et technologie | Création d’un nouveau produit | AWS, LLM / GenAI | Création d’un SaaS de gestion de fichiers et de collaboration avec recherche, partage et paiements unifiés |
| Application de scan de peau par IA dermatologique | Innowise | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | AWS | Développement d’applications mobiles de scan de peau par IA et d’un panneau d’administration pour le diagnostic dermatologique préliminaire |
| Système logiciel de recherche médicale | Innowise | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | LLM / GenAI | Mise à niveau d’un logiciel de recherche médicale avec recherche par IA, tableaux de bord et intégration d’ontologies |
| Assurance qualité pour une intelligence contractuelle assistée par IA | Codoid | Client non nommé | SaaS et technologie | IA / ML / LLM | Python | Stratégie et automatisation des tests pour une plateforme d’intelligence contractuelle post-signature assistée par IA |
| Témoignage client – IA générative avancée pour l’e-commerce | Accelerance | Client non nommé | E-commerce et distribution | IA / ML / LLM | LLM / GenAI | IA générative pour des recommandations de produits personnalisées en e-commerce |
| Témoignage client | Accelerance | Client non nommé | Voyage et hôtellerie | IA / ML / LLM | LLM / GenAI | Conseil en IA pour améliorer le support client d’une entreprise de voyage européenne |
| Témoignage client | Accelerance | Client non nommé | E-commerce et commerce de détail | IA / ML / LLM | LLM / IA générative | IA générative et chatbots pour fluidifier l’expérience d’achat d’une marque alimentaire |
| Étude de cas client – L’IA et le ML améliorent l’efficacité d’un fabricant de papier | Accelerance | Client non nommé | Industrie et fabrication | IA / ML / LLM | AWS | Maintenance prédictive par IA et ML pour les machines d’un fabricant de papier |
| Étude de cas client – IA | Accelerance | Client non nommé | Éducation | IA / ML / LLM | LLM / IA générative | Avatars d’IA générative sur WhatsApp pour la préparation à l’examen Enem |
| Étude de cas client – L’IA transforme le support client | Accelerance | Client non nommé | Voyage et hôtellerie | IA / ML / LLM | LLM / IA générative | Assistant de connaissances en IA générative pour améliorer le support client d’une entreprise de voyage |
| Étude de cas client – L’IA transforme le support client | Accelerance | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | LLM / IA générative | IA générative pour fluidifier le traitement des tickets de support d’un assureur santé |
| Étude de cas client – Extraction de données pour la découverte de médicaments | Accelerance | Client non nommé | Santé et sciences de la vie | Plateforme de données ou ingénierie des données | LLM / IA générative | Extraction de données améliorée à partir de jeux de données complexes pour accélérer la recherche sur la découverte de médicaments |
| Étude de cas client – IA générative pour le traitement des offres d’emploi | Accelerance | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | LLM / IA générative | Recours à l’IA générative pour fluidifier le traitement des fiches de poste par les recruteurs |
| Étude de cas client – Efficacité logicielle d’une entreprise HealthTech | Accelerance | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | LLM / IA générative | Développement d’une solution d’IA générative automatisant la création de tests unitaires pour les développeurs |
| Étude de cas client – Gestion des services IT avec l’IA générative | Accelerance | Client non nommé | SaaS et technologie | IA / ML / LLM | LLM / GenAI | L’IA générative automatise le tri des tickets de gestion des services informatiques et la résolution des incidents |
| NLP sur mesure en médecine pour l’analyse de données de rapports | Apriorit | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | LLM / GenAI | Développement d’un modèle NLP sur mesure analysant des rapports scientifiques médicaux et synthétisant les conclusions. |
| Étude de cas d’une plateforme d’automatisation du support client et du marketing | Mallow Technologies | Client non nommé | SaaS et technologie | Support et extension d’un produit en production | LLM / GenAI | Développement d’un SaaS d’automatisation du support client et du marketing avec chat en direct, recherche, analytique et intégrations |
| Plateforme d’abonnement propulsée par l’IA pour le bien-être | Five Jars | Client non nommé | Santé et sciences de la vie | Création d’un nouveau produit | LLM / GenAI | Plateforme d’abonnement headless avec assistant de bien-être IA et moteur de recommandation |
| Xmartlabs | Nos réalisations – Groupe multinational de biens de consommation : refonte d’un pipeline d’innovation – De 12- | Xmartlabs | Client non nommé | Autre / non précisé | IA / ML / LLM | LLM / GenAI | Workflows parallèles assistés par l’IA pour accélérer le pipeline d’innovation produit d’un groupe de biens de consommation |
| L’Agentic Fraud Intelligence de Xebia aide un assureur vie américain à régler les sinistres légitimes le jour même, avec chaque décision tracée | Xebia | Client non nommé | Fintech et services financiers | IA / ML / LLM | — | Agentic fraud intelligence : notation des sinistres pour régler les sinistres légitimes le jour même |
| Logiciel de télésurveillance des patients par IA | Innowise | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | — | Développement d’une application de télésurveillance des patients par IA pour une évaluation précise des soins de plaies |
| Détection du cancer du sein par apprentissage fédéré | Innowise | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | — | Mise en œuvre d’un cadre d’apprentissage fédéré pour une segmentation collaborative des mammographies entre cliniques, sans partage des données patients. |
| Tests IA pour une plateforme de prédiction des prix immobiliers | Codoid | Client non nommé | Immobilier | IA / ML / LLM | — | Tests d’une plateforme de prédiction des prix immobiliers par IA, validant la précision du modèle et la cohérence des données de l’interface. |
| Tests IA pour une plateforme immobilière | Codoid | Client non nommé | Immobilier | IA / ML / LLM | — | Validation d’une plateforme de location propulsée par l’IA, avec classification d’images par CNN et tests du workflow locataire. |
| Assurance qualité évolutive pour les entretiens par IA | Codoid | Client non nommé | SaaS et technologie | IA / ML / LLM | — | Automatisation des tests et des régressions pour la plateforme d’entretiens par IA agentique Spectra |
| Passer à l’échelle l’automatisation des tests fintech en toute sécurité grâce à l’IA | Codoid | Client non nommé | Fintech et services financiers | IA / ML / LLM | — | Automatisation des tests assistée par IA sur les couches web, mobile et API de la fintech |
| IA pour l’optimisation du stockage d’énergie | Apriorit | Client non nommé | Énergie et services publics | IA / ML / LLM | — | Développement d’un système de réseau intelligent par IA prévoyant les prix de l’énergie et gérant la charge et la décharge des batteries. |
| LMS propulsé par l’IA pour les collaborateurs du secteur pharmaceutique | Apriorit | Client non nommé | Santé et sciences de la vie | IA / ML / LLM | — | Livraison d’un LMS propulsé par l’IA générant des cours et des quiz personnalisés, conforme au RGPD et intégré au LMS existant. |
| Développement d’un chatbot intelligent | Sigma Software Group | Client non nommé | Télécoms | IA / ML / LLM | — | Réalisation d’une preuve de concept de chatbot automatisant le support de premier niveau grâce aux services Microsoft |
| Développement d’un logiciel de planification des achats | Sigma Software Group | Client non nommé | E-commerce et commerce de détail | IA / ML / LLM | — | Solution de planification des achats par ML prévoyant les ventes des catégories de produits périssables |
Affichage de 118 études de cas sur 199 (réparties entre les entreprises ; les pages thématiques en listent davantage par thème). Le secteur, le type et le résumé correspondent à la classification de chaque page par ce répertoire ; la pile technique liste les technologies citées sur la page. Les résultats sont déclarés par les entreprises.
Par secteur
| Secteur | Cas |
|---|---|
| SaaS et technologie | 35 |
| Santé et sciences de la vie | 30 |
| Fintech et services financiers | 27 |
| E-commerce et commerce de détail | 15 |
| Industrie et fabrication | 13 |
| Voyage et hôtellerie | 12 |
| Autre / non précisé | 12 |
| Médias et divertissement | 11 |
| Éducation | 7 |
| Marketing et publicité | 6 |
| Logistique et transport | 6 |
| Automobile | 6 |
| Immobilier | 6 |
| Énergie et services publics | 6 |
| Télécoms | 4 |
| Secteur public et administrations | 3 |
Par type de mission
| Type de mission | Cas |
|---|---|
| IA / ML / LLM | 175 |
| Modernisation ou migration | 10 |
| Création d’un nouveau produit | 7 |
| Support et évolution d’un produit en production | 3 |
| Plateforme de données ou ingénierie des données | 2 |
| Renfort d’équipe | 1 |
| Autre | 1 |
Que recouvrent réellement les projets d’outils internes assistés par l’IA ?
Le travail réalisé dans ces cas est plus restreint que l’intitulé ne le laisse penser. Il s’agit le plus souvent de l’une de trois choses : ajouter une couche de recherche documentaire ou d’assistant au-dessus de documents et de systèmes que le client possède déjà, automatiser une tâche répétitive d’ingénierie ou de back-office, ou mener un programme d’adoption qui modifie le fonctionnement d’une équipe existante. Les cas décrivent rarement un nouveau produit d’IA autonome construit à partir de zéro.
STX Next décrit une plateforme de génération augmentée par récupération pour Linde, qui recherche des documents techniques, réglementaires et opérationnels internes en plusieurs langues et renvoie des réponses avec leurs sources, hébergée sur Microsoft Azure. Five Jars a reconstruit l’intranet de George Washington’s Mount Vernon avec un assistant propulsé par l’IA pour aider les employés à trouver des réponses, après que le site précédent était devenu peu fiable et largement délaissé. Apriorit a construit une plateforme interne multi-agents qui automatise la première passe de revue de code sur les pull requests Bitbucket, selon ses propres normes et exigences de sécurité.
Plusieurs cas sont des programmes d’adoption plutôt que des développements. N-iX a mené un programme d’accélération GenAI de trois mois avec quatre équipes WorkWave, couvrant 30 ingénieurs, ainsi qu’un programme de workflows partagés chez Koppert qui, selon l’entreprise, a atteint 94 % d’adoption en neuf semaines. DataArt a mené un sprint de trois mois avec Girls Who Code pour mettre en place une pratique de développement native IA autour de Claude Code. STX Next documente huit tâches courantes de développement et d’assurance qualité chez Adweek réalisées avec Claude Code, chaque modification passant par le même processus de revue, de préproduction et de mise en production que le code écrit à la main.
Si votre projet est un assistant documentaire ou une évolution des workflows au sein d’une équipe existante, ces cas sont proches de votre situation. S’il s’agit d’un produit d’IA destiné aux clients finaux, ils ne le sont pas.
Quels cas montrent un outil d’IA conçu pour les opérations internes ?
Ce sont les cas où le système d’IA sert les employés ou les processus internes plutôt que les clients finaux. Ce sont les plus proches de la situation d’un acheteur qui construit un panneau d’administration, un système de back-office ou un assistant interne.
| Cas | Entreprise | Problème interne | Ce qui a été construit | Résultat rapporté |
|---|---|---|---|---|
| Recherche documentaire chez Linde | STX Next | Documents internes multilingues fragmentés ; recherche manuelle lente | Plateforme RAG sur mesure sur Azure traitant des PDF, des scans et des tableaux | Aucun indicateur publié |
| Intranet de Mount Vernon | Five Jars | Intranet peu fiable avec une authentification personnalisée fragile ; le personnel contournait le système | Site interne reconstruit avec des accès par service et un assistant propulsé par l’IA | Aucun indicateur publié |
| Plateforme multi-agents de revue de code | Apriorit | Les revues manuelles des pull requests Bitbucket ralentissaient la livraison | Plateforme d’IA interne automatisant la première passe de revue de code avec plusieurs agents | L’entreprise indique un temps de traitement des pull requests réduit de 30 % et une revue de code accélérée de 60 % |
| Analyse de contrats chez Leganta | Innowise | Le personnel lisait des contrats de 60 ou 80 pages pour extraire les entités à la main | Module d’analyse sémantique transformant les contrats PDF en objets structurés et interrogeables | Aucun indicateur publié |
Les cas Linde et Mount Vernon partent tous deux du même constat d’échec : les utilisateurs avaient cessé de faire confiance au système interne et le contournaient. Les deux refontes traitent la facilité de recherche et l’accès comme le problème central, et non la fonctionnalité d’IA. Apriorit est le seul cas de ce groupe à publier un chiffre avant/après, et il s’agit de la mesure par l’entreprise de son propre projet interne.
À quoi ressemble un programme d’adoption de l’IA en pratique ?
Trois entreprises de cet ensemble publient des programmes qui modifient la façon dont une organisation d’ingénierie existante utilise l’IA, plutôt que de lui livrer un logiciel. Le schéma est le suivant : une situation de référence définie, un petit nombre de tâches sélectionnées et des référents internes qui perpétuent la pratique après la fin de la mission.
N-iX décrit un programme en quatre étapes chez WorkWave : recenser les workflows récurrents lors d’entretiens avec les AI Champions, les présélectionner à l’aide d’une grille d’évaluation commune, les co-implémenter lors de sessions pratiques, puis mesurer. L’entreprise indique que les équipes ont identifié 38 workflows potentiels et en ont présélectionné 14, dont cinq ont été retenus pour des pilotes. Elle publie aussi les chiffres de référence de WorkWave : débit moyen de 2,8 pull requests par ingénieur et par mois, temps de cycle moyen des PR de 12,4 heures et part de code généré par l’IA à 0 % de la production mesurée avant le programme.
DataArt présente sa mission avec Girls Who Code comme un sprint de trois mois, de la situation de référence à une livraison native IA, avec un plan de mesure défini dès le premier jour. L’entreprise indique que le délai moyen de développement est passé d’environ sept jours à trois jours et demi dans les trois mois suivant l’adoption. STX Next emprunte une autre voie chez Adweek : Claude Code s’exécute dans le terminal au sein des dépôts, avec un fichier CLAUDE.md dans chaque dépôt et des connexions aux autres outils de l’équipe, et chaque résultat passe par le même processus de revue et de mise en production que le code écrit à la main.
Demandez à tout prestataire qui propose un programme d’adoption les chiffres de référence avant le début des travaux. La référence publiée par WorkWave est l’exemple le plus clair de cet ensemble.
Que doit vérifier un acheteur avant de se fier à ces résultats ?
Vérifiez qui a mesuré le résultat et si un point de départ est indiqué. Tous les résultats de cette page sont rapportés par l’entreprise qui a réalisé les travaux. Ce site n’en a audité aucun, et aucun des cas cités ici ne renvoie à une évaluation indépendante.
Les résultats les plus solides de cet ensemble indiquent une situation de référence. Le temps de cycle des PR et la part de code généré par l’IA chez WorkWave sont donnés en valeurs avant/après, et DataArt indique un délai de développement initial d’environ sept jours pour Girls Who Code. Lorsqu’un cas donne un pourcentage sans chiffre de départ, comme la réduction de 30 % du temps de traitement des pull requests chez Apriorit, il est impossible de savoir quelle était la valeur d’origine.
La mention des clients varie aussi. Linde, Adweek, WorkWave, Koppert, Girls Who Code, Leganta, Vidda Solutions, Porsche AG, V-Art et George Washington’s Mount Vernon sont tous nommés. Nommer un client permet de vérifier la référence ; cela ne rend pas le résultat vérifié pour autant. Demandez au prestataire si le système est toujours en production et si le client acceptera de vous parler directement.
Pour un projet proche du vôtre, comparez deux cas plutôt que d’en lire un seul. La plateforme de recherche documentaire de Linde et la refonte de l’intranet de Mount Vernon traitent toutes deux de la facilité de recherche interne, mais l’une est une plateforme documentaire multilingue mondiale et l’autre un intranet par service doté d’un assistant. La différence de périmètre compte davantage que l’étiquette commune d’IA.
Comment lire une étude de cas
| Indice | Pourquoi c’est important | Ce qu’il faut demander au prestataire |
|---|---|---|
| Client nommé | Un client nommé peut être contacté ou vérifié auprès de sources publiques. Sur les 199 études de cas de cette bibliothèque, 87 nomment le client ; les autres non. | Pouvons-nous parler au client ou voir une référence publique au projet du côté du client ? |
| Calendrier indiqué | Les dates indiquent si les travaux sont récents et combien de temps a duré la livraison. Un cas sans dates ne peut pas être comparé à votre propre calendrier. | Quand le projet a-t-il commencé et s’est-il terminé, et quelles parties ont été livrées à chaque phase ? |
| Indicateur avec valeur de référence | Un résultat comme un gain de temps ou un taux de précision ne veut pas dire grand-chose sans la valeur de départ ni la méthode de mesure. « Aucun indicateur publié » signifie que le cas ne vous donne rien à comparer. | Quelle était la valeur avant le projet, comment a-t-elle été mesurée et par qui ? |
| Stack indiquée | Les technologies citées montrent si le travail du prestataire correspond à votre environnement et si le résultat dépend d’outils que vous utilisez déjà. | Quels modèles, frameworks et infrastructures avez-vous utilisés, et de quoi le client disposait-il déjà ? |
| Avis externe disponible | Un avis sur Clutch ou une autre plateforme tierce vient de l’extérieur du site du prestataire. Une étude de cas seule est le récit du prestataire lui-même. | Existe-t-il un avis tiers sur ce projet, et pouvons-nous le lire ? |
| Toujours en production | Un outil livré puis abandonné prouve moins qu’un outil que le client utilise encore. Peu d’études de cas le précisent. | Le système tourne-t-il toujours, qui l’entretient aujourd’hui et qu’est-ce qui a changé depuis le lancement ? |
Questions fréquentes
Quelles études de cas d’outils internes assistés par IA figurent dans cette bibliothèque ?
La bibliothèque contient 199 études de cas issues de 22 entreprises, et 87 nomment le client. Sur les outils internes assistés par IA, on peut citer la plateforme de recherche documentaire de STX Next pour Linde, la refonte de l’intranet de George Washington’s Mount Vernon par Five Jars, et la plateforme de revue de code multi-agents d’Apriorit, développée pour sa propre équipe d’ingénieurs. Chaque ligne renvoie au cas publié d’origine.
Ces études de cas prouvent-elles que les outils d’IA sont toujours en production ?
Rarement. La plupart des cas décrivent la livraison et s’arrêtent là. Five Jars indique que l’intranet de Mount Vernon sert désormais de point de départ quotidien, et N-iX indique que Koppert a atteint 94 % d’adoption du workflow partagé en neuf semaines, ce qui implique un usage réel. Pour les autres, demandez au prestataire des preuves d’usage actuel avant de vous fier au résultat.
Quels résultats les études de cas d’outils internes d’IA rapportent-elles réellement ?
Les résultats varient selon les cas et sont déclarés par les entreprises. Apriorit affirme que sa plateforme de revue de code a réduit de 30 % le temps de traitement des pull requests et accéléré de 60 % la revue par les développeurs. N-iX indique que WorkWave a réduit de 42 % le temps de cycle des PR en trois mois. DataArt indique que Girls Who Code a ramené le délai moyen de traitement d’environ sept jours à trois jours et demi. Aucun de ces chiffres n’a été audité par ce site.
Puis-je voir la stack et la taille des équipes derrière ces projets d’outils internes d’IA ?
Certains cas les publient. STX Next cite Claude Code, WordPress VIP et Azure dans ses travaux pour Adweek et Linde. Sigma Software indique 1-3 ETP pour sa R&D blockchain V-Art. N-iX décrit un programme de trois mois avec quatre équipes WorkWave couvrant 30 ingénieurs. Lorsqu’un cas omet la stack ou l’équipe, considérez le périmètre comme flou et posez la question directement.
Quels cas d’outils internes d’IA nomment le client ?
Plusieurs le font : Linde et Adweek avec STX Next, Koppert et WorkWave avec N-iX, Leganta et Vidda Solutions avec Innowise, Porsche AG et Girls Who Code avec DataArt, et George Washington’s Mount Vernon avec Five Jars. Le cas de revue de code multi-agents d’Apriorit nomme Apriorit elle-même comme client, puisqu’il s’agissait d’un projet interne.