Solutions / Startups
Nous construisons le machine learning de votre produit, et votre équipe continue de livrer tout le reste.
Ces scénarios sont des illustrations. Aucun ne décrit un client.
Commerce de détail et e-commerce
Ce que nous construirions
Une recherche hybride qui combine la correspondance par mots-clés et la recherche sémantique multilingue sur le catalogue : une requête trouve les bons produits, quelles que soient la langue et la formulation. Elle tourne à côté du moteur actuel et se règle sur de vrais journaux de recherche.
OpenSearch, BGE-M3, Python
Commerce de détail et e-commerce
Ce que nous construirions
Un agent IA qui lit chaque ticket, consulte la commande et la politique de retour, et rédige la réponse dans la langue du client. Les réponses courantes partent après une vérification rapide ; les remboursements et les exceptions attendent une personne, avec le cas déjà résumé.
LangGraph, Zendesk API, FAISS
Commerce de détail et e-commerce
Ce que nous construirions
Un pipeline de contenu qui transforme les données fournisseurs en fiches produits en allemand, en français, en italien et en anglais, selon votre charte rédactionnelle et votre glossaire. Les rédacteurs revoient chaque lot en regard des données sources avant publication.
Mistral, Akeneo API, Python
Banque et finance
Ce que nous construirions
Un modèle de scoring, entraîné sur les décisions passées des enquêteurs, qui classe les alertes ouvertes par niveau de risque et montre les transactions qui expliquent chaque score. Les règles existantes restent en place, le modèle fixe l'ordre dans lequel les alertes sont examinées, et sa dérive est contrôlée chaque mois.
XGBoost, SHAP, MLflow, Airflow
Pharma et sciences de la vie
Ce que nous construirions
Un agent de veille qui interroge PubMed chaque semaine sur les sujets de chaque équipe, trie les résumés selon leurs critères et envoie une courte synthèse avec les liens et la raison pour laquelle chaque article a été retenu. Les scientifiques notent la sélection, ce qui affine le tri de la semaine suivante.
PubMed API, BGE-M3, LangGraph, Microsoft Teams
Le point de départ est souvent un notebook ou un prototype qui tourne sur un ordinateur portable, et une feuille de route qui en a besoin en production. Nous en faisons un service avec tests, évaluation et supervision, ou nous le construisons de zéro, puis nous le remettons à vos développeurs dans un état qu'ils peuvent faire évoluer.
Un ingénieur ML senior de notre côté, avec vos fondateurs ou votre développeur principal, dans votre dépôt de code et vos outils.
Un prix fixe par étape, ou un nombre de jours par mois quand vous avez besoin d'une capacité ML continue plutôt que d'un projet.
En général, un fondateur décide : la première étape peut donc démarrer peu après l'accord sur le périmètre.
Un prototype qui tourne sur vos propres données en quelques semaines, avec les mesures qui disent s'il est assez bon pour être livré.
Oui. Nous travaillons dans votre dépôt, suivons vos conventions et votre processus de revue, et laissons des tests et une documentation que votre équipe peut maintenir.
En général, on commence avec un modèle via API et on mesure. L'affinage ou l'auto-hébergement se justifient quand le coût, la latence ou les règles sur les données l'exigent, et nous vous montrons les chiffres avant de décider.
Oui. Certaines startups ont besoin de quelques jours de ML par mois plutôt que d'un projet. Nous prenons en charge le machine learning de votre feuille de route, et votre équipe garde la main sur le produit.
À vous, une fois le travail payé. Les outils que nous apportons de projets antérieurs restent les nôtres, et vous recevez une licence pour les utiliser dans ce que nous avons construit pour vous.
Parfois, pour la partie recherche. Innosuisse peut financer le travail d'une institution de recherche suisse, avec la startup comme partenaire de mise en œuvre ; notre propre travail est facturé à part. Nous pouvons vous dire si votre projet s'y prête.
Nous commençons par une étude de faisabilité sur vos propres données : vous voyez des résultats avant toute promesse.