Des projets livrés,
des chiffres vérifiables.

Problématique

Construire une place de marché de location entre particuliers à La Réunion : paiement, empreinte de caution, machine à états, cagnotte, virements SEPA et back-office d'arbitrage. Un projet que nous aurions chiffré autour de deux mois avant l'IA, à livrer sans sacrifier les specs ni la conformité.

Solution

31 écrans statiques pour valider le flux, puis un dossier de validation où le client tranche 113 règles fonctionnelles une par une, écran sous les yeux. Ce Markdown devient un PRD BMAD de 50 exigences, découpé en 19 epics et en tickets GitHub. L'architecture est figée avant le premier ticket, ensuite seulement l'IA code. Recette de 150 cas déroulée avant livraison.

Résultats

Problématique

Le suivi en temps réel des deux sucreries de La Réunion tournait sur un PHP de 2006, enrichi pendant vingt ans, sans documentation. Ses règles n'existaient plus que dans le code, et la campagne sucrière redémarrait dans quelques semaines.

Solution

Code to specs : l'IA lit le code en production et en extrait 34 règles métier en français, avec leurs critères d'acceptation et la référence du code d'origine. Le client les valide une par une. Chaque règle devient un test dans le nouveau site, réécrit en Go. Comparaison page par page avec l'ancien, coexistence, puis bascule.

Résultats

Problématique

Automatiser le support client sur WhatsApp avec deux types d'utilisateurs : clients identifiés (accès aux données de leur commerce) et prospects (FAQ générale). Besoin d'intégration transparente avec la base de données existante.

Solution

Chatbot WhatsApp intelligent avec identification automatique. Architecture RAG connectée à PostgreSQL (lecture seule) pour les clients identifiés. Pour les non-clients, réponses basées sur FAQ via recherche sémantique. Orchestration des workflows via n8n.

• Architecture RAG Python avec embeddings
• Vector database pour recherche sémantique
• n8n pour workflows conditionnels
• PostgreSQL en lecture seule

Résultats

Problématique

Jeu existant avec code vide mais architecture solide. Besoin de refonte complète des écrans et fonctionnalités en 1 semaine. Intégration paiement et temps réel nécessaire pour affrontements entre joueurs.

Solution

Design des écrans avec Gemini (mode Canvas), finalisation UI/UX avec Cursor, développement complet avec Claude. Stack Svelte : front, API et back-office en monolithique. Intégration Stripe et WebSockets pour temps réel.

• IA générative (Gemini, Cursor, Claude)
• Svelte pour performance
• Architecture monolithique optimisée
• WebSockets temps réel

Résultats

Problématique

Volume élevé de tickets support niveau 1. Temps de réponse trop long (4h en moyenne). Besoin d'automatiser sans perdre en qualité de réponse.

Solution

Architecture RAG Python avec Pinecone. Intégration Zendesk pour traitement automatique des tickets. Vector database avec documentation produit. LLM pour génération de réponses contextuelles.

• Architecture RAG Python
• Vector Database (Pinecone)
• Intégration Zendesk
• LLM pour réponses contextuelles

Résultats

Problématique

Équipe commerciale de 12 personnes noyée sous la saisie CRM. 40 % du temps perdu à mettre à jour HubSpot après chaque appel. Retards de relance, pipeline flou, decisions sans data.

Solution

Agent IA autonome connecté à HubSpot, Gmail et Google Meet via serveurs MCP. L'agent écoute les appels, met à jour le CRM, déclenche les relances et alerte le manager sur les deals qui stagnent.

• Agent IA autonome (Claude + outils MCP)
• Serveurs MCP custom (HubSpot, Gmail, Meet)
• Transcription appels & synthèse hebdo
• Conforme RGPD, hébergement souverain

Résultats