Partir du problème métier, pas du modèle
Automatiser le traitement de documents, retrouver une information fiable, assister un gestionnaire ou mieux exploiter les données disponibles : l’IA peut créer de la valeur lorsqu’elle s’insère dans un processus précis.
À l’inverse, un projet lancé autour d’un outil à la mode produit souvent un prototype difficile à intégrer, coûteux à exploiter et peu adopté.
Scub commence par qualifier le gain attendu, la qualité des données, les contraintes de sécurité et la capacité de la solution à fonctionner dans votre système d’information.
Stratégie Data et cadrage des cas d’usage
Nous aidons les directions métier et IT à prioriser les sujets selon leur valeur, leur faisabilité et leur risque. Une feuille de route utile répond à des questions concrètes : quelles données sont disponibles, quelle décision doit être améliorée, quel niveau de précision est acceptable et qui supervisera le système ?
Nos missions peuvent couvrir :
- L’audit de maturité Data et IA
- L’identification et la priorisation des cas d’usage
- La gouvernance et la qualité des données
- Le choix des modèles et des modes d’hébergement
- L’évaluation du ROI et des coûts d’exploitation
- La trajectoire d’industrialisation
Cette étape permet d’écarter rapidement les idées sans fondement opérationnel et de concentrer l’investissement sur les usages crédibles.
Plateformes Data et pipelines fiables
Une IA fiable dépend d’abord de données accessibles, comprises et correctement préparées. Nous concevons des pipelines d’ingestion, de transformation et de contrôle adaptés aux systèmes existants.
Nous intervenons sur les ETL, les APIs, les référentiels, l’historisation, la qualité de données, le reporting et les architectures de stockage. Selon le besoin, nos équipes utilisent notamment Python, FastAPI, PostgreSQL, pgvector, MongoDB et les services cloud adaptés.
L’objectif est de rendre les traitements reproductibles, observables et maintenables par les équipes.
IA générative, RAG et assistants métiers
Les modèles de langage deviennent réellement utiles lorsqu’ils accèdent aux bonnes informations, citent leurs sources et s’intègrent aux outils de travail.
Scub développe :
- Des assistants internes et interfaces conversationnelles
- Des moteurs de recherche documentaire
- Des pipelines RAG avec recherche hybride
- Des agents IA et automatisations métier
- Des outils d’extraction, classement et synthèse de documents
- Des fonctions IA intégrées à des applications existantes
Nous travaillons sur l’ensemble de la chaîne : parsing, découpage, indexation, retrieval, génération, évaluation, observabilité et amélioration continue.
Une R&D confrontée à des usages réels
Nos équipes développent Docling Studio, un outil open source d’inspection et de débogage pour les pipelines documentaires basés sur Docling. Elles portent également Mogami, une stack Java open source autour des agents IA et du protocole de paiement x402.
Ces projets nous obligent à traiter des problèmes concrets : qualité du parsing, traçabilité, sécurité, coûts, outils développeurs et maintenance du code généré avec l’aide d’agents.
Nous appliquons aussi ces apprentissages à SPS, notre logiciel métier pour l’assurance et les mutuelles. Cette expérience nous permet de distinguer rapidement une démonstration convaincante d’un système réellement exploitable.
Sécurité, gouvernance et maîtrise des coûts
Les données envoyées à un modèle, les dépendances fournisseurs, les hallucinations et les coûts variables doivent être traités dès la conception. Nous définissons les règles d’accès, la journalisation, les mécanismes d’évaluation et les seuils de confiance adaptés au risque métier.
L’humain reste dans la boucle lorsqu’une décision a un impact important. La solution doit pouvoir être supervisée, corrigée et remise en question.
Depuis peu, nous avons aussi adopté une approche forte sur la souveraineté que ce soit au niveau des données, des modèles ou de l’infrastructure. Pour plusieurs clients, nous avons mis en place des solutions de RAG et d’assistants métiers entièrement hébergés sur un cloud souverain, avec des modèles open source et des pipelines documentaires maîtrisés. Nous vons aussi réalisé des migrations depuis des solutions US comme AWS vers des clouds souverains, avec un contrôle strict des coûts et de la performance.