Nous gérions 300 factures fournisseurs par mois à la main. L'agent de classification qu'AiCertainty a déployé en a automatisé 85 %. Le temps de traitement est passé de 4 jours à une demi-journée. Ce qui m'a surpris, c'est la rapidité de mise en place : trois semaines entre le premier appel et le prototype fonctionnel.
Témoignages récents
Notre problème était simple : on perdait des clients parce qu'on répondait trop lentement aux demandes de devis. AiCertainty a branché un modèle de langage sur notre boîte mail et notre catalogue produits. Maintenant, un brouillon de devis est généré en moins de 2 minutes. Le commercial n'a plus qu'à vérifier et envoyer. On a gagné 22 % de taux de conversion en six mois.
On avait déjà essayé de faire de la prédiction de pannes avec un prestataire précédent, sans succès. L'équipe d'AiCertainty a pris le temps de comprendre nos capteurs IoT et a construit un modèle spécifique à nos lignes de production. Depuis janvier, on a détecté 9 pannes potentielles avant qu'elles ne surviennent. Le seul bémol : la phase d'audit a pris une semaine de plus que prévu à cause de nos données historiques mal structurées.
Je dirige un cabinet d'avocats de 12 personnes. On nous a proposé de tester un outil de recherche documentaire basé sur l'IA. En deux mois, nos juristes passent en moyenne 40 minutes de moins par dossier à chercher de la jurisprudence. L'outil n'est pas parfait sur les textes en néerlandais, mais l'équipe d'AiCertainty continue d'améliorer le modèle.
Étude de cas : prédiction de la demande pour un distributeur alimentaire
Le contexte
FreshBelgium distribue des fruits et légumes frais à 180 points de vente en Wallonie et à Bruxelles. Chaque semaine, l'équipe logistique estimait les volumes de commande à partir de tableurs Excel et d'intuition. Résultat : 12 % de pertes dues au gaspillage et des ruptures de stock régulières sur les produits à forte rotation.
Ce que nous avons fait
Nous avons collecté 3 ans de données de vente, les prévisions météo, le calendrier scolaire et les jours fériés belges. Un modèle de régression gradient boosting a été entraîné pour prédire la demande par produit et par point de vente, à 7 jours. Le prototype a été livré en 5 semaines.
Les résultats après 4 mois
Le gaspillage a chuté de 12 % à 4,3 %. Les ruptures de stock ont diminué de 60 %. L'équipe logistique consacre désormais 2 heures par semaine aux ajustements manuels, contre 11 heures auparavant. FreshBelgium estime l'économie annuelle à environ 185 000 euros.
Nos résultats en chiffres
Ces statistiques couvrent les 18 derniers mois et portent sur l'ensemble de nos projets livrés en Belgique.