Intégrer l'IA dans un logiciel métier : 4 cas concrets (sans tout réécrire)
L'IA utile n'est pas un chatbot générique posé à côté de l'entreprise. Voici quatre façons concrètes dont Codally l'intègre dans le métier — vision, confidentialité, service client et processus.
Pour intégrer l'IA dans un logiciel métier, partez d'une tâche répétitive déjà coûteuse (surveillance, secrétariat, saisie, post-production), branchez le modèle sur les outils que vos équipes utilisent déjà, et gardez un humain dans la boucle dès que le cas sort du cadre. On n'a pas besoin de réécrire tout le système : l'IA s'ajoute au flux existant, là où elle absorbe du volume et libère du temps.
L'essentiel en bref
- L'IA rentable s'accroche à un processus existant ; elle ne remplace pas un logiciel métier du jour au lendemain.
- Quatre familles de cas que nous livrons : vision (détection), confidentialité (floutage), conversation (WhatsApp / téléphone) et automatisation de processus.
- Le garde-fou décisif : l'IA traite le volume prévisible, l'humain reprend dès qu'il y a un doute, une urgence ou une exception.
Ce n'est pas « faire de l'IA ». C'est enlever une friction.
Beaucoup de projets IA échouent parce qu'ils commencent par la technologie : un modèle, une démo, un PowerPoint. Chez Codally, on inverse. On part d'un goulot d'étranglement réel — un secrétariat qui n'arrive plus à décrocher, des caméras qui enregistrent sans alerter, des devis chantier encore tapés à la main — puis on demande : quelle partie de cette tâche un modèle peut-il absorber sans casser le reste du métier ?
La réponse n'est presque jamais « tout réécrire ». C'est brancher une brique d'IA sur l'agenda, le flux caméra ou le tableur déjà en place, et livrer un premier résultat en quelques semaines.
Cas 1 — La vision : détecter ce qu’un humain ne peut pas regarder 24/7
Avec VigiNova, à Montréal, le problème n'était pas le manque de caméras. C'était que la vidéosurveillance classique constate les vols après coup. Un opérateur ne peut pas regarder tous les flux en continu, et le coût d'une surveillance humaine 24/7 est prohibitif.
Nous avons conçu un modèle de vision par ordinateur qui analyse les flux en direct ou en différé, détecte vols, intrusions et comportements anormaux, et alerte les équipes. L'application de monitoring reste l'outil des agents : l'IA ne les remplace pas, elle leur montre où regarder.
Ce que ça change concrètement :
- analyse continue des flux, jour et nuit ;
- alertes ciblées au lieu d’heures de visionnage a posteriori ;
- temps de réaction réduit, et moins d’incidents constatés trop tard.
Cas 2 — La confidentialité : flouter sans y passer des heures
Flouter AI, projet interne Codally mené avec des équipes médias, répond à un problème juridique autant que productif. Sur un reportage de rue, chaque passant dans le cadre est un visage à anonymiser. Le floutage manuel est long, cher, et une oubli suffit à créer un risque (droit à l'image).
Le modèle détecte les personnes, classe les rôles (journaliste, interviewé, passant) et floute sélectivement. Le sujet reste net, les passants disparaissent. L'IA s'insère dans le workflow de post-production : on n'invente pas un nouvel outil de montage, on accélère une étape déjà obligatoire.
Cas 3 — La conversation : un secrétariat qui ne sonne plus dans le vide
Au Groupe médical Lavicennes (Bulle, Suisse), le secrétariat croulait sous les appels répétitifs — horaires, disponibilités, rappels — et perdait des patients dès la fermeture. Plutôt qu'une application de plus à installer, nous avons mis un assistant sur WhatsApp, l'app que tout le monde a déjà.
Il prend rendez-vous sur les créneaux réels de l'agenda, répond aux questions administratives, envoie des rappels, et passe la main à un humain dès qu'une demande sort du cadre — surtout s'il s'agit de santé. En santé, ce que l'assistant ne fait pas compte autant que ce qu'il fait : aucun diagnostic, aucune invention, urgences réorientées vers le 144.
Résultats observés sur ce type de déploiement :
- une majorité de demandes courantes traitées sans intervention humaine ;
- des rendez-vous enfin pris le soir et le week-end ;
- moins de rendez-vous manqués grâce aux rappels automatiques ;
- un secrétariat qui retrouve du temps pour l’accueil sur place.
Cas 4 — Le processus : sortir d’Excel sans tout casser
Une part importante de notre travail n'a pas l'étiquette « IA » au premier regard : calculateurs de quantités chantier, gestion d'inventaire, inspections, facturation clinique. Ce sont des logiciels métier qui remplacent des fichiers Excel, des doubles saisies et des erreurs de recopie.
L'IA arrive ensuite, là où elle a de la matière : extraire des données d'un devis, classer des photos d'inspection, suggérer une quantité à partir de l'historique. Le logiciel est le socle. L'IA est une couche, pas le produit.
Comment on décide si un cas d’usage vaut le coup
Avant d'écrire une ligne de code, on pose quatre questions. Si l'une d'elles n'a pas de réponse claire, on ne lance pas un modèle : on commence plus petit.
- La tâche est-elle répétitive, mesurable, et déjà coûteuse (temps, erreurs, appels manqués) ?
- Les données existent-elles déjà, dans un outil que l'équipe utilise vraiment ?
- Que se passe-t-il en cas d'erreur du modèle — et un humain peut-il reprendre la main en quelques secondes ?
- Peut-on livrer une première version utile en quelques semaines, sans réécrire le système entier ?
Questions fréquentes
Faut-il tout réécrire pour ajouter de l'IA à un logiciel métier ?
Non. Les projets qui marchent branchent une brique d'IA (vision, conversation, extraction) sur un agenda, un flux caméra ou un logiciel existant. Réécrire le système entier n'est justifié que si le socle actuel est réellement un obstacle.
Quelle est la différence entre un chatbot générique et un assistant métier ?
Un chatbot générique répond « en général ». Un assistant métier lit et écrit dans vos outils (agenda, stocks, CRM), reste dans un périmètre défini, et escalade vers un humain hors cadre. C'est cette intégration, pas le modèle de langage, qui crée la valeur.
L'IA peut-elle donner des conseils médicaux ou juridiques ?
Chez Codally, non. Sur les projets santé, l'assistant est strictement administratif : rendez-vous, rappels, questions d'horaires. Toute demande clinique, urgence ou doute est transférée à une personne. Le même principe s'applique dès que l'enjeu est sensible.
Combien de temps faut-il pour un premier cas d’usage ?
Un premier déploiement utile se livre souvent en quelques semaines lorsque le processus est clair et les données accessibles. L'assistant WhatsApp de Lavicennes, par exemple, est passé de l'idée à la production en environ huit semaines.
Par où commencer si on n’a pas d’équipe data en interne ?
Par un cas d'usage unique, à fort volume et faible risque. Codally agit comme équipe technique externe : on cadré le problème, on livre un incrément testable, on mesure, puis on élargit. Pas besoin d'une DSI pour démarrer.
À retenir
L'IA que nous construisons n'est pas un gadget : c'est une couche sur le métier réel — caméras, secrétariat, chantier, post-production. On part d'une friction, on s'accroche aux outils déjà là, on garde l'humain sur les exceptions. C'est comme ça qu'une PME automatise vraiment, sans tout réécrire.
Besoin d'accompagnement ?
Codally peut vous aider à intégrer ces solutions dans votre entreprise.