Technologie

Comment Eff-IA fonctionne réellement.

Pas de nom de produit à retenir, pas de promesse d'IA magique. Cette page explique les principes techniques réels de la plateforme — l'architecture, où tournent les modèles, comment vos données restent chez vous, et ce que le système ne fait pas.

Vue d'ensemble

Une architecture en couches, pas une boîte noire.

Chaque couche a un rôle précis. Aucune ne remplace les autres — le modèle de langage, en particulier, n'est qu'une des six.

01

Utilisateurs

Opérateurs, techniciens, responsables maintenance, direction — sur poste fixe, tablette ou mobile, dans l'atelier ou au bureau.

02

Interface Eff-IA

Une seule interface pour poser une question, envoyer un rapport vocal ou déposer un document. Elle ne décide de rien elle-même.

  • Chat
  • Saisie vocale
  • Upload de documents
  • Historique
03

Orchestration des agents

Chaque demande est routée vers la bonne source, passe par les règles métier applicables et déclenche les alertes ou automatisations concernées.

  • Routage des demandes
  • Règles métier
  • Alertes & notifications
04

RAG · Ontologie · Règles métier

Recherche par sens (pas par mot-clé) dans vos documents et historiques. Une ontologie représente vos machines, leurs composants et leurs pannes connues — elle donne au raisonnement un contexte structuré, pas un simple extrait de texte.

  • Base vectorielle isolée par déploiement
  • Ontologie métier
  • Règles de validation
05

Modèles IA locaux

Raisonnement, transcription vocale et synthèse vocale s'exécutent dans votre infrastructure, avec des modèles ouverts. Le modèle participe au raisonnement ; il n'est pas la source de vérité.

  • Modèles de langage open source
  • Transcription vocale locale
  • Synthèse vocale locale
  • Embeddings locaux
06

Systèmes & données de l'atelier

Ce que la plateforme relit — et peut alimenter en retour, avec validation humaine sur les écritures sensibles.

  • ERP / GMAO
  • Documents techniques
  • Automates & capteurs (IoT)
  • Bases de données de production

Le modèle IA participe au raisonnement. Il n'est pas la connaissance.

Déploiement & hébergement

Chez vous, ou sur un serveur qui n'appartient qu'à vous.

  • Environnement conteneurisé complet, installé sur un serveur local chez vous (atelier, salle serveur) ou sur un serveur privé équipé GPU qui vous est réservé
  • Aucune donnée mutualisée entre clients : pas de base partagée, pas de cloud public par défaut
  • Réseau interne dédié entre les services — les interfaces d'administration ne sont pas exposées publiquement par défaut
  • Réversibilité prévue dès la conception : vos données peuvent être exportées et l'environnement redéployé ailleurs
Modèles IA

Des modèles ouverts, exécutés chez vous.

  • Raisonnement : modèles de langage ouverts (familles Llama, Qwen selon le dimensionnement retenu), exécutés localement dans votre infrastructure
  • Voix : transcription et synthèse vocale tournent également en local — une note vocale ne quitte jamais votre périmètre pour être transcrite
  • Aucun appel à une IA hébergée par un tiers pour traiter vos données par défaut ; une compatibilité API externe existe techniquement mais reste désactivée sauf demande explicite de votre part
  • Vos documents et échanges ne sont jamais utilisés pour entraîner un modèle externe
Données & RAG

Un contexte structuré, pas un mot-clé retrouvé au hasard.

  • Recherche par similarité de sens (embeddings) dans vos documents, historiques et rapports — une base vectorielle par déploiement, isolée
  • Une ontologie représente vos machines, leurs composants, leurs relations et leurs pannes connues : elle structure le contexte avant qu'il n'atteigne le modèle
  • Des règles métier filtrent ce qui peut servir de preuve avant d'être présenté à l'opérateur
Agents & automatisations

Des flux traçables, pas une boîte noire.

  • Les demandes (question, document, alerte machine) sont routées vers la bonne source par une couche d'orchestration de workflows
  • Chaque automatisation est un flux modifiable et traçable : ajouter un connecteur, une règle ou un contrôle ne nécessite pas de réécrire la plateforme
  • Les actions vers un système métier (ERP, GMAO) restent soumises aux niveaux d'autorisation définis avec vous
Sécurité & gouvernance

Détaillée sur la page d'accueil.

Hébergement dédié, comptes et rôles, secrets isolés, conteneurs durcis, IA et voix 100 % locales, sauvegardes automatiques.

Voir le détail sécurité & gouvernance

Supervision & traçabilité

Comprendre ce qui s'est passé, pas juste ce qui va se passer.

  • Journaux applicatifs structurés et bornés en taille (rotation automatique), consultables pour comprendre un incident
  • Chaque échange et chaque exécution de flux est horodaté
  • Sauvegardes automatiques planifiées, avec rotation et rétention paramétrable selon votre contrat
Connecteurs industriels

Se branche sur l'existant.

Documents

PDF, courriers, plans techniques, fichiers bureautiques — lecture, extraction de champs, classement automatique.

Systèmes métier

ERP / GMAO, gestion documentaire — lecture systématique, écriture soumise à validation.

IoT & automates

Capteurs, automates programmables, historiques de procédé — mesures réelles, pas de simulation.

Vocal

Saisie et restitution vocale sur poste fixe ou mobile, transcrite localement.

Chaque connecteur est un module séparé : en ajouter un ne touche pas aux autres.

Performance & dimensionnement

Une taille adaptée, pas imposée.

  • Le dimensionnement (CPU / GPU / RAM) est choisi selon le nombre d'utilisateurs simultanés, le volume documentaire et le modèle retenu
  • Des limites de ressources sont définies par service, pour qu'un traitement lourd (OCR, indexation) ne dégrade pas le reste de la plateforme
  • Extension progressive : on démarre sur un périmètre restreint (une machine, un procédé), on élargit une fois la preuve faite
Méthode de validation

Observation, hypothèse, diagnostic, action — jamais confondus.

  1. 01

    Question

    L'utilisateur pose une question ou déclenche une alerte.

  2. 02

    Recherche dans les sources autorisées

    Documents, historiques et données machine accessibles au périmètre concerné — rien d'autre.

  3. 03

    Analyse du contexte

    L'ontologie et les règles métier structurent ce qui a été trouvé avant de l'exposer au modèle.

  4. 04

    Génération avec sources

    La réponse s'appuie sur ce contexte et référence d'où viennent les éléments cités.

  5. 05

    Contrôles métier

    Les règles définies avec vous filtrent ce qui peut être recommandé ou déclenché.

  6. 06

    Validation humaine ou action

    Selon le niveau de risque défini avec vous, la recommandation attend une validation, ou l'action progresse.

Quand les preuves sont insuffisantes, le système le dit plutôt que d'improviser une réponse.

Limites

Ce qu'Eff-IA ne fait pas.

Une plateforme sérieuse explique aussi ce qu'elle ne fait pas.

  • Eff-IA ne remplace pas un automate de sécurité ni une couche déterministe de pilotage du procédé.
  • Elle ne déclenche pas d'action sensible sur un système métier sans validation humaine.
  • La qualité d'une réponse dépend de la donnée et de la documentation disponibles — moins de données, moins de certitude, et le système le signale.
  • Un diagnostic proposé par l'IA reste une hypothèse à vérifier sur le terrain, pas un verdict.
  • Eff-IA ne fonctionne pas sans un minimum de données connectées : elle ne devine pas ce qu'elle n'observe pas.

Une machine que vous aimeriez mieux comprendre ?

On commence par un problème réel, pas par un projet d'IA.

Parler d'une machine