🧭 Chez 15sys, nos applications restent « IA non générative » par défaut : les cas connus sont traités par des règles et du code déterministe, pas par un modèle de langage. Mais certains problèmes — une demande client mal formulée, un champ de facture qu'aucun parseur ne reconnaît, un planning à construire à partir d'estimations incertaines — ne se résolvent pas bien avec des règles fixes. Voici où, et comment, nous laissons un modèle génératif intervenir, sans jamais lui laisser les clés.
01 Pourquoi rester « non générative » par défaut
Un modèle génératif coûte de l'argent à chaque appel, peut se tromper de façon imprévisible, et n'est pas déterministe : la même question peut donner deux réponses différentes selon le moment. Pour tout ce qui est un format connu — une facture standard, un relevé bancaire d'une banque déjà supportée, une règle métier stable — un parseur ou une règle locale est plus rapide, moins cher, et strictement reproductible.
Le piège
Faire analyser chaque document, chaque demande, par un modèle de langage — même pour les cas triviaux — revient cher et introduit de la variabilité là où on a justement besoin de fiabilité.
02 Là où l'IA générative aide vraiment
Dans quatre de nos applications, nous avons ajouté un recours ciblé à un modèle génératif (Claude, GPT, ou un modèle local selon le cas) — toujours en dernier recours, jamais pour remplacer une règle qui fonctionne déjà.
ERP intégré : une demande client reçue par email ou WhatsApp peut être analysée pour proposer un brouillon de réponse — jamais envoyé sans validation humaine.
ComptaScan : les formats de factures, relevés bancaires, bulletins de paie et notes de frais déjà connus restent traités par des parseurs locaux ; l'IA n'intervient que sur les champs qu'aucun parseur ne reconnaît — jamais sur les calculs de solde.
Workflow app : la durée estimée de chaque tâche et votre capacité journalière servent à suggérer un planning jour par jour — proposé, jamais imposé.
CollectPro : une demande de devis reçue par email ou WhatsApp peut être rapprochée automatiquement du catalogue Sage 100, avec un score de confiance — en dessous d'un seuil, la correspondance est signalée pour revue humaine plutôt que validée à l'aveugle.
Notre principe
Le modèle génératif propose ; le code déterministe vérifie et décide. Un solde de relevé bancaire, par exemple, est toujours recalculé et contrôlé en code — jamais confié tel quel à la sortie d'un modèle.
03 Ce qui ne change jamais
Trois garde-fous s'appliquent partout où un modèle génératif est utilisé dans nos applications :
- 1
Les calculs financiers (soldes, totaux, TVA) restent toujours vérifiés par du code déterministe, jamais par le modèle.
- 2
Aucune action irréversible (envoi d'email, modification de planning, écriture dans Sage) n'est déclenchée automatiquement sans confirmation humaine.
- 3
Chaque appel à un modèle génératif est journalisé (fournisseur, coût, tentative) pour rester traçable et pilotable.
Bon à savoir
Le choix du modèle (Claude, GPT, ou un modèle local moins coûteux) est configurable par application et par cas d'usage — pas figé dans le code.
L'IA générative a sa place — à condition de rester le dernier recours, jamais le premier réflexe.
Une question sur l'IA dans vos applications 15sys ? Discutons-en →
