Transparence des résultats
Chaque modèle est livré avec un rapport de performance détaillé : précision, rappel, matrice de confusion. Si les métriques ne sont pas satisfaisantes, nous le disons avant que vous ne le découvriez en production.
En janvier 2021, trois ingénieurs qui se connaissaient depuis l'université ont quitté leurs postes respectifs dans la banque, la logistique et la recherche académique. Leur constat commun : la plupart des projets IA échouaient non pas à cause de la technologie, mais à cause d'un décalage entre ce que les data scientists construisaient et ce dont les équipes métiers avaient réellement besoin.
Ils ont fondé Ai Progressive Lead à Bruxelles, dans un bureau partagé de 18 m² près de la Gare du Midi. Le premier client était un grossiste alimentaire qui perdait 12 % de son chiffre d'affaires à cause de ruptures de stock récurrentes. En six semaines, un modèle de prévision de la demande basé sur les ventes des trois années précédentes et les données météo a réduit ces ruptures de près d'un tiers.
Ce projet a fixé notre méthode : commencer petit, prouver la valeur sur un périmètre restreint, puis élargir. Quatre ans plus tard, l'équipe compte onze personnes et nous avons livré plus de 60 projets dans huit secteurs différents, de l'assurance à la distribution en passant par l'industrie pharmaceutique.
Ce ne sont pas des slogans accrochés au mur. Chaque engagement se traduit par une clause concrète dans nos contrats.
Chaque modèle est livré avec un rapport de performance détaillé : précision, rappel, matrice de confusion. Si les métriques ne sont pas satisfaisantes, nous le disons avant que vous ne le découvriez en production.
Tout le code source, les notebooks d'entraînement et les poids des modèles vous appartiennent dès la livraison. Pas de licence récurrente, pas de verrouillage fournisseur. Vous pouvez reprendre le projet en interne à tout moment.
Nous découpons chaque projet en sprints de deux semaines. À la fin de chaque sprint, vous recevez une démo fonctionnelle et un compte-rendu écrit. Si nous prenons du retard, vous le savez le jour même.
Si vos données sont insuffisantes ou si le retour sur investissement est trop incertain, nous vous le disons dans le rapport d'audit. Nous avons déjà recommandé à des prospects de ne pas lancer un projet IA et de commencer par structurer leurs données. C'est plus utile qu'un prototype bancal.
Onze spécialistes répartis entre Bruxelles et Louvain-la-Neuve. Voici les quatre cofondateurs et responsables de pôle.
Ancien chercheur en apprentissage automatique à l'UCLouvain. Il supervise la conception des modèles et veille à ce que chaque algorithme soit explicable aux décideurs non techniques.
Dix ans dans la gestion de projets IT chez un assureur belge. Elle coordonne les sprints, gère les budgets et s'assure que les livrables arrivent à la date promise.
Spécialiste DevOps et cloud. Il construit les pipelines de déploiement continu qui permettent de mettre un modèle en production en quelques heures, pas en quelques semaines.
Linguiste de formation, ingénieure par passion. Elle a conçu les agents conversationnels trilingues qui traitent aujourd'hui plus de 5 000 conversations par semaine pour nos clients.
Création de la société à Bruxelles. Premier projet : prévision de la demande pour un grossiste alimentaire.
Livraison du premier chatbot trilingue pour une compagnie d'assurances. 800 conversations traitées dès le premier mois.
Ouverture d'un second bureau à Louvain-la-Neuve pour recruter des profils académiques. L'équipe passe à sept personnes.
Lancement de notre offre d'audit IA structuré en dix jours. Quinze audits réalisés en six mois, dont trois ont conduit à des projets de plus de 100 000 euros.
Cap des 60 projets livrés. Taux de satisfaction client mesuré à 94 % sur la base de questionnaires post-projet anonymes.
Développement d'un pôle dédié à l'IA générative appliquée aux documents juridiques et financiers. Premiers pilotes en cours avec deux cabinets d'avocats bruxellois.