Groupe agroalimentaire
Concevoir et prototyper une architecture IA pour exploiter des données métiers dispersées au sein d’un grand groupe agroalimentaire français.
IA
Data


Challenge
Rendre exploitables des données métiers dispersées
Au sein d’un grand groupe agroalimentaire français, une business line métier s’appuie sur un grand volume d’études et de données réparties sur de nombreux supports. Comme ces données ne sont pas standardisées, elles sont difficiles à croiser et à analyser rapidement. Les équipes ont du mal à retrouver la bonne information au bon moment et à faire les rapprochements utiles à leurs décisions.
Le groupe avait déjà essayé une première solution IA, puis l’avait abandonnée. Il fallait donc repartir de zéro et concevoir une architecture adaptée aux besoins métiers, qui respecte les standards et les outils de la DSI. Elle devait aussi prouver sa valeur avec un pilote qui fonctionne et préparer le passage à l’échelle.

Cadre du projet
Agroalimentaire - industrie
Remote
2026 - mission de 20 jours sur 3 mois
Dispositif INOCO
une experte architecture IA INOCO auprès des équipes métiers et techniques.
Notre collaboration
1. Cadrage
Nous avons d’abord recueilli le besoin auprès des équipes métiers, puis nous nous sommes coordonnés avec la DSI et ses fournisseurs pour intégrer une solution aux standards et aux outils existants, dont la plateforme d’agents retenue par le groupe.
2. Solution
Au lieu de l’architecture agentique prévue au départ, nous avons proposé une architecture fondée sur un magasin de faits déterministe. Des scripts extraient les données des présentations PowerPoint et les rangent dans des tables logiques. Ces tables intègrent des règles métiers : par exemple, la méthodologie d’un institut de sondage s’applique à toutes les données d’une étude. L’IA générative sert uniquement à rédiger les réponses, pas à chercher l’information, ce qui garantit un taux élevé de réponses fiables. Le pilote est intégré à la plateforme d’agents du groupe. Les utilisateurs dialoguent directement avec un agent qui leur fournit les données utilisées, une synthèse et les sources.
3. Clôture de la mission
La mission s’est terminée par des présentations au management et aux comités de direction, avec des préconisations d’industrialisation : évolution de l’architecture pour passer à l’échelle, projections de coûts, optimisations possibles et limites de l’IA.
Environnement technique
Langages & frameworks : Python, FastAPI
Données : fichiers JSON, magasin de faits déterministe
Cloud : GCP (Cloud Run, Secret Manager)
IA : Claude Opus (Anthropic), plateforme d’agents du client
Livrables : schémas d’architecture, POC, présentations aux comités de direction, préconisations d’industrialisation





D'AUTRES RÉFÉRENCES QUI VOUS PLAIRONT
© INOCO 2025. Tous droits réservés.
© INOCO 2025. Tous droits réservés.



