Benways — L'IA jusqu'en production

Cas d'usage

Du concret. Livré, mesuré, en production.

Pas des promesses d'IA — des systèmes qui tournent chez de vrais clients. Ouvrez un cas pour voir le point de départ, ce qu'on a construit et ce que ça change.

Un assistant qui trie, répond et se surveille lui-même.

Le point de départ

Un service client national reçoit un flux continu de demandes : comptes, cartes de fidélité, courses en ligne, RGPD… Les équipes trient à la main, les réponses varient, et personne ne sait ce qui pourrait être automatisé sans risque pour la marque.

Ce qu'on a construit

Un classifieur LLM qui range chaque ticket dans 8 catégories métier et détecte l’outil interne concerné.
Un pipeline de validation à 6 couches — détection de données personnelles, vérification factuelle (NLI), confiance du modèle, similarité, LLM-juge, consensus multi-générations.
Chaque réponse reçoit un verdict : envoi automatique, revue humaine ou rejet. Le doute part toujours vers un humain.
Monitoring complet dans BigQuery : chaque décision est tracée, mesurée, auditable.

103 947tickets analysés pour calibrer le système

8catégories triées automatiquement

6couches de validation avant tout envoi

3verdicts : auto · revue humaine · rejet

PythonGemini · Vertex AIDeBERTa (NLI)BigQueryLooker

Un enjeu similaire ? On y va →

De la pièce jointe PDF au rapprochement comptable, sans saisie.

Le point de départ

Des centaines de bons de commande arrivent en PDF, avec des noms d'entités approximatifs, des filiales, des montants qui ne collent jamais exactement. Le rapprochement mobilise l'équipe finance des heures par jour.

Ce qu'on a construit

OCR + extraction LLM en un passage : référence, entités, montants, dates — même sur des scans médiocres.
Un moteur de rapprochement à 4 passes : code interne, raison sociale exacte puis floue, filiales sur 2 niveaux, montant en dernier recours.
Un arbitre LLM qui annonce une confiance honnête — haute, moyenne, basse — au lieu de faire semblant d'être sûr.
Livraison directement dans Slack : top 5 des candidats, PDF signé, boutons valider / rejeter / code manuel, relance automatique après 30 minutes.

1 clicpour valider un rapprochement

4passes de recherche de candidats

30 minavant relance automatique

0saisie manuelle dans le flux nominal

OCR MistralGPTSlack APIAWS S3Node.js

Un enjeu similaire ? On y va →

Classification, extraction, fiabilité et coût mesurés à chaque analyse.

Le point de départ

Des milliers de documents juridiques — actes authentiques, assurances dommage-ouvrage, factures — doivent être lus, classés et saisis. Chaque dossier prend de longues minutes d'attention experte pour extraire une poignée de champs.

Ce qu'on a construit

Un pipeline en deux étages : classification du document, puis extraction des champs propres à chaque type.
Trois cas métier en production de test : actes de vente (VEFA), assurances dommage-ouvrage, factures.
Chaque analyse rend trois mesures : taux de fiabilité, temps de traitement, et coût réel en euros de l’appel IA.
Déployé proprement : API REST, authentification SSO de l’entreprise, CI/CD jusqu’à Kubernetes.

2étages : classifier puis extraire

3types de documents traités

€/doccoût IA mesuré à chaque analyse

100 %des analyses tracées en base

Azure OpenAIOCRPostgreSQLKubernetes · ArgoCDSAML

Un enjeu similaire ? On y va →

Voir une flotte de robots comme on regarde une carte.

Le point de départ

Des sites logistiques automatisés — robots de transport, convoyeurs, systèmes hospitaliers — génèrent des incidents que l'on ne voit qu'après coup : robot qui perd le WiFi, mission volée, chargeur saturé.

Ce qu'on a construit

Un cockpit de supervision 3D temps réel des sites et de leurs flottes de robots.
Détection automatique des pertes WiFi des robots mobiles et des anomalies de mission.
Optimisations d'exploitation : affectation au chargeur le plus proche, prévention du vol de missions entre robots.
Plus de 20 missions livrées sur 3 ans pour le même industriel — de la webapp au module ascenseur.

3Dsupervision temps réel des sites

22missions livrées en 3 ans

AGVflottes de robots surveillées

24/7astreinte et suivi d'exploitation

Three.jsWMS / KMSC# · .NETSQL ServerSupervision

Un enjeu similaire ? On y va →

Compta, prospection, CRM — opérés par les systèmes qu’on vend.

Le point de départ

Le meilleur test de nos systèmes, c'est nous. Benways tourne sur son propre cockpit : CRM, missions, facturation, finance et agents — la même architecture que celle qu'on déploie chez nos clients.

Ce qu'on a construit

Notre liasse comptable (grand livre, balance, bilan, compte de résultat) est produite par un agent qui lit les transactions bancaires et les factures sources.
Des bots de prospection scrutent les plateformes freelance et alimentent le CRM en leads scorés.
Une plateforme multi-agents pilote nos projets de dev : orchestrateur, agents par projet, messagerie inter-agents.
Ce parcours « On y va ? » que vous pouvez tester atterrit directement dans ce CRM — vous êtes dans la démo.

1 agentproduit la liasse comptable complète

10+services orchestrés dans le cockpit

Autoleads collectés et scorés en continu

Livece site est branché sur ce système

FastAPINext.jsPostgresClaude · LLM agentsDocker

Un enjeu similaire ? On y va →

Expertises

L'IA au cœur. Le reste pour tenir la route.

Cœur de métier

IA & agents autonomes

Des agents qui exécutent, pas qui bavardent. Automatisation de vos process, orchestration multi-agents, LLM intégrés à vos outils.

Data & décision

De la donnée brute qui dort à la décision du lundi matin.

Dev & SaaS

Le moteur produit derrière l'IA — robuste, soigné.

Infra & déploiement

Mise en prod, monitoring, montée en charge.

Conseil data / IT

Cadrer, arbitrer, sécuriser une architecture.

app.benways.fr / operations

Opérations

Live

Traité auto.

1 284

▲ 12% / sem.

Temps gagné

37 h

▲ vs manuel

Fiabilité

99,4%

SLA tenu

Traitements / 30 j

+218%

Agent · Tri des demandes214 / j

Agent · Rédaction devis68 / j

Exemple de tableau de bord opérationnel livré

Le livrable

Un produit qui tourne. Pas une démo.

Vous recevez une application déployée et monitorée, que vos équipes utilisent chaque jour — avec ses indicateurs de valeur en clair.

Interface pensée pour vos équipes métier.
Temps gagné et volume traité, mesurés.
Hébergé, supervisé, maintenu.

Comment ça marche

Vos outils, orchestrés par des agents.

Un orchestrateur pilote des agents spécialisés qui lisent vos sources, exécutent les tâches et rendent des résultats exploitables — en continu, sous supervision.

Branché sur vos données et logiciels existants.
Agents spécialisés, pas un chatbot générique.

Architecture type d'un déploiement Benways

Méthode

Du POC à la prod. Vraiment.

→

Prototype

On prouve la valeur sur vos données réelles, avant tout engagement lourd.

Quelques jours

→

MVP

Le produit minimum qui sert de vrais utilisateurs. Mesuré, itéré.

Quelques semaines

Production

Fiable, monitoré, maintenu. Prêt à monter en charge.

En continu

L'IA qui passe
en production.

Du concret. Livré, mesuré, en production.

Le point de départ

Ce qu'on a construit

Le point de départ

Ce qu'on a construit

Le point de départ

Ce qu'on a construit

Le point de départ

Ce qu'on a construit

Le point de départ

Ce qu'on a construit

L'IA au cœur. Le reste pour tenir la route.

IA & agents autonomes

Data & décision

Dev & SaaS

Infra & déploiement

Conseil data / IT

Opérations

Traitements / 30 j

Un produit qui tourne. Pas une démo.

Vos outils, orchestrés par des agents.

Du POC à la prod. Vraiment.

Prototype

MVP

Production

Une idée à valider ?