La plupart des dirigeants que je rencontre paient l'IA deux fois. Une fois pour les abonnements et les factures au token qui tombent chaque mois, une fois pour les heures que leurs équipes passent encore à relancer des devis, répondre aux mêmes questions et refaire le même rapport dans un tableur. L'IA tourne. Le travail reste manuel.

Les systèmes qui font avancer une entreprise ne sont pas des assistants de chat. Ce sont des agents qui relancent chaque devis envoyé le mois dernier, répondent au téléphone, lisent une facture dans votre ERP, signalent un défaut avant l'expédition et vous disent le lundi ce qui a changé dans vos chiffres. Ces systèmes n'ont pas besoin de tourner sur une API facturée à l'usage.

Un modèle généraliste est extraordinaire pour le raisonnement ouvert, et vous devriez en garder un pour cela. Mais pour le travail qu'un agent fait vraiment, classer un message, extraire un champ, scorer un lead, retrouver le bon document, un modèle open source spécialisé fait aussi bien ou mieux, sur du matériel que vous possédez déjà. La facture s'arrête. Le travail continue.

C'est ce que je construis.

Je commence par la couche data, parce que c'est là que les projets IA échouent bien plus souvent qu'au niveau du modèle : pipelines d'ingestion, entrepôts, couches sémantiques et tableaux de bord qui vous donnent une seule vue honnête de votre activité. Puis les agents, les sites et les applications agentiques par-dessus.

La vision par ordinateur montre ce que la propriété vous apporte : détection de défauts sur une ligne, conformité EPI et sécurité, comptage en rayon et en stock, OCR sur factures et bons de livraison, contrôle d'accès sur site. Gros volume, faible valeur par appel. La facturation à l'usage rend cela absurde. Le matériel possédé en fait une routine.

La voix est l'exception honnête. Une conversation naturelle exige une latence inférieure à la seconde, une détection de voix fiable et une détection de fin de tour propre, et le meilleur vient encore de fournisseurs hébergés. Je les utilise donc là où ils le méritent, et j'architecture autour du coût : modèles locaux pour la compréhension et la recherche, hébergé uniquement pour la couche parole, contrôle serré du contexte pour qu'un long appel ne devienne pas une grosse facture. Vous payez le fournisseur et l'opérateur directement, jamais une plateforme avec marge, et je le dis avant que vous signiez.

Vous payez la construction une fois. Vous possédez la pile, vos données restent dans votre infrastructure, et la seule raison de revenir est la sortie d'un modèle open source vraiment meilleur.

Si vous portez une facture IA mensuelle et ne pouvez pas dire ce qu'elle a remplacé, cela vaut une conversation.