J’ai conçu et développé un espace d’intelligence artificielle pour une entreprise : une interface conversationnelle reliée à des projets, à leurs documents et à leurs règles d’accès. Le travail a porté autant sur l’expérience de rédaction que sur la gestion du contexte, des autorisations et des résultats produits.
Étude de cas anonymisée. Les schémas décrivent le fonctionnement général ; aucun nom de client, accès interne ni donnée de production n’est présenté.
IA, machine learning et modèles de langage
L’assistant s’appuie sur un modèle de langage issu du machine learning : ses capacités linguistiques proviennent d’un apprentissage préalable sur des données. Lors de l’utilisation, le modèle réalise une inférence à partir de la demande et du contexte fourni. Mon travail porte sur l’intégration de cette capacité dans un produit métier : sélectionner le contexte utile, encadrer les accès, organiser les traitements et rendre les résultats exploitables.
Contexte documentaire et évaluation
Fournir une source au modèle enrichit le contexte de la réponse ; cela ne signifie pas que le modèle est réentraîné sur ce document. Cette distinction guide la conception de la bibliothèque et de ses permissions. L’évaluation d’un tel système doit examiner la fidélité aux sources, les informations manquantes, les erreurs factuelles et la stabilité des réponses sur des cas représentatifs. Des exemples de test peuvent être synthétiques ou anonymisés afin de limiter l’exposition de données réelles.
Le besoin : retrouver le contexte utile
Une question professionnelle dépend rarement d’un message isolé. Elle s’appuie sur un dossier, une procédure, des échanges et une version précise d’un document. L’interface réunit ces éléments autour d’un projet pour permettre à l’utilisateur de reprendre son travail sans reconstruire tout son contexte.
Une interface dédiée à la conversation
J’ai construit une navigation entre projets et conversations, avec recherche, création d’un échange et reprise de l’historique. La zone de travail distingue le message, les pièces jointes et les sources sélectionnées. Sur mobile, les panneaux deviennent des vues accessibles séparément, tout en conservant le même contexte.
Une bibliothèque de connaissances reliée aux projets
Le module documentaire gère des sources et leurs versions. Des connecteurs permettent de travailler avec une bibliothèque d’entreprise, notamment SharePoint, selon les droits disponibles. Une référence documentaire reste liée à son contexte d’utilisation : le contenu accessible à un utilisateur ne devient pas automatiquement accessible à tous les autres.
De la demande au document de travail
L’assistant accompagne la préparation de textes, de courriers, de procédures et de supports. Les parcours documentaires associent un objectif, des sources et, lorsque nécessaire, un modèle de document. J’ai développé les fonctions de brouillon, de révision, de vérification documentaire et d’export pour que la sortie puisse être relue et réutilisée dans un travail réel.
Des accès et des usages contrôlés
Les autorisations sont vérifiées côté serveur. Les paramètres du projet déterminent les traitements possibles ; l’accès à une conversation et l’autorisation d’utiliser ses sources sont contrôlés séparément. Le suivi de consommation, les états de génération et les erreurs font partie du produit. Une génération interrompue ou refusée doit laisser un état compréhensible à l’utilisateur.
Le travail technique réalisé
Le socle repose sur React et Next.js, des API applicatives et un stockage structuré pour les projets, les échanges et leurs références. Les fichiers suivent un circuit distinct des métadonnées. J’ai relié l’interface aux services de génération, aux exports et aux bibliothèques documentaires, avec contrôles de version et gestion des traitements asynchrones. Les configurations d’exploitation, les instructions internes et les données restent privées.
La place de la relecture humaine
Un brouillon généré demeure un document de travail. L’interface conserve la possibilité de corriger, de consulter les sources et de passer par une relecture métier. Mon rôle a été de rendre cette étape praticable dans le même environnement que la rédaction, sans présenter la réponse du modèle comme une approbation automatique.
Aptitudes démontrées
Intégration de modèles de machine learning préentraînés, conception de produits IA, UX conversationnelle, contextualisation documentaire, gestion des accès, traitements asynchrones et génération de livrables. Cette réalisation porte sur l’ingénierie applicative autour du modèle, avec des parcours de contrôle et de relecture adaptés au travail quotidien.
