Bases de données, automatisations, modèles d'IA, interfaces métiers, hébergement, sécurité, conformité, coûts des API : un projet IA devient rapidement un véritable projet d'architecture numérique.
C'est précisément pour explorer ces enjeux qu'OIDANEOS développe progressivement sa propre plateforme interne d'expérimentation IA.
Passer de l'utilisation de l'IA à la construction de solutions IA
Aujourd'hui, l'accès à l'intelligence artificielle est extrêmement simple. Quelques secondes suffisent pour ouvrir ChatGPT, Claude, Gemini ou Mistral.
Mais lorsqu'une entreprise souhaite connecter l'IA à ses propres données ou automatiser un véritable processus métier, les questions deviennent beaucoup plus complexes :
- Où sont stockées les données ?
- Comment les structurer ?
- Quel modèle d'IA utiliser ?
- Comment connecter les différentes applications ?
- Où héberger la solution ?
- Comment sécuriser les accès ?
- Comment maîtriser les coûts liés aux API ?
- Comment respecter le RGPD et les nouvelles exigences liées à l'AI Act ?
C'est à ce moment que l'IA cesse d'être simplement un outil conversationnel pour devenir une infrastructure métier.
02 - ExpérimenterCréer un environnement pour tester les technologies IA
OIDANEOS a commencé à construire un environnement technique dédié permettant d'héberger et de tester différentes briques technologiques. Le principe repose notamment sur un serveur dédié et sur l'utilisation de solutions pouvant être auto-hébergées.
Données & applications
Baserow pour structurer les données, Celestory pour construire des interfaces et des parcours, Moodle pour les environnements pédagogiques et différents outils collaboratifs open source.
Infrastructure maîtrisée
Déploiement en conteneurs Docker afin de tester plusieurs architectures isolées et de faire évoluer progressivement les solutions.
Souveraineté & liberté
Plutôt que de dépendre systématiquement de plateformes SaaS externes, reconstruction de briques dans un environnement maîtrisé.
Les données comme point de départ
L'une des premières expérimentations réalisées concerne les bases de données développées dans le cadre de cas d'usage professionnels. Certaines comportent plusieurs tables reliées entre elles et représentent déjà la structure d'une future application métier.
L'objectif est alors de récupérer cette structure, de la reconstruire dans l'environnement OIDANEOS puis d'étudier :
- Les relations entre les données ;
- Les éventuelles améliorations du modèle relationnel ;
- Les interfaces pouvant être créées pour les utilisateurs ;
- Les automatisations possibles ;
- La manière dont une IA pourrait interagir avec ces informations (RAG, agents).
Développer rapidement des applications métiers
L'IA générative modifie également profondément la manière de développer des applications. Lors de nos expérimentations, une interface peut désormais être imaginée, maquettée puis transformée rapidement en application fonctionnelle. Le code peut ensuite être directement modifié et amélioré à l'aide d'assistants IA.
Ce que cela change : Prototyper une application métier ne nécessite plus nécessairement de lancer immédiatement un projet informatique lourd de plusieurs mois. Il devient possible de commencer petit : une base de données, une interface, un premier processus automatisé, puis d'améliorer progressivement la solution.
05 - Rester flexibleTester plusieurs modèles d'intelligence artificielle
Construire sa propre architecture permet également de ne pas dépendre d'un seul fournisseur. Selon les besoins, une application peut potentiellement utiliser différents modèles proposés par OpenAI, Anthropic, Mistral ou encore des modèles open source exécutés dans des environnements dédiés.
Cette capacité à changer de modèle est stratégique. Le meilleur modèle aujourd'hui ne sera pas nécessairement le meilleur demain. L'enjeu n'est donc pas uniquement de choisir une IA, mais de construire une architecture capable d'évoluer avec elle.
Se former à la conception de solutions IA
OIDANEOS accompagne les professionnels IT dans la conception de solutions d'IA appliquées à leurs métiers.
L'expérimentation doit intégrer la sécurité dès le départ
Cette liberté technique implique cependant de nouvelles responsabilités. Durant les phases de test, les données clients réelles ne doivent notamment pas être envoyées sans précaution vers des services d'IA externes. Les structures peuvent être reproduites et les données anonymisées afin d'expérimenter sans exposer inutilement des informations sensibles.
Il faut également contrôler les accès et encadrer les appels aux modèles. Une application mal configurée peut multiplier les requêtes API et entraîner une consommation importante de tokens.
Un enjeu qui dépasse la formation
Cette plateforme constitue également une évolution dans la manière dont nous envisageons notre rôle chez OIDANEOS. Former aux outils d'intelligence artificielle reste essentiel. Mais les organisations auront progressivement besoin d'aller plus loin : comprendre comment intégrer ces technologies dans leurs systèmes, leurs données et leurs processus métiers.
Notre plateforme interne doit nous permettre d'expérimenter ces architectures avant de les transposer dans des situations professionnelles concrètes :
- Laboratoire technique : Tester des technologies, modèles et architectures.
- Environnement pédagogique : Comprendre concrètement comment les différentes briques fonctionnent ensemble.
- Espace de prototypage : Transformer progressivement des cas d'usage en applications métiers.
Expérimenter aujourd'hui pour préparer les infrastructures IA de demain
L'intelligence artificielle évolue extrêmement rapidement. Il serait probablement illusoire de chercher aujourd'hui une architecture définitive. Notre approche est donc pragmatique :
Tester. Mesurer. Comprendre. Améliorer.
Certaines technologies disparaîtront. D'autres deviendront des standards. Les modèles d'IA évolueront encore. Mais une chose semble déjà se dessiner : les entreprises ne se contenteront pas éternellement d'utiliser des interfaces d'IA généralistes.
Elles construiront progressivement leurs propres environnements, connectés à leurs données et adaptés à leurs métiers. C'est cette transition qu'OIDANEOS souhaite commencer à explorer dès aujourd'hui.
